Innovationskooperationen entlang Supply chains : eine Analyse der europäischen Aviation-Industrie 9783835009646, 3835009648 [PDF]

Zitiervorschau

Andreas Potzner Innovationskooperationen entlang Supply Chains

GABLER EDITION WISSENSCHAFT Einkauf, Logistik und Supply Chain Management Herausgegeben von Professor Dr. Christopher Jahns

Die Schriftenreihe stellt den State-of-the-art betriebswirtschaftlicher Forschung am Supply Management Institute SMI™ im Bereich Einkauf, Logistik und Supply Chain Management dar. Die Verbindung von Theorie und Praxis steht dabei ebenso im Vordergrund wie die internationale Ausrichtung und die unmittelbare Verknüpfung der Themen Einkauf, Logistik und Supply Chain Management.

Andreas Potzner

Innovationskooperationen entlang Supply Chains Eine Analyse der europäischen Aviation-Industrie

Mit einem Geleitwort von Prof. Dr. Christopher Jahns und Prof. Dr. Inga-Lena Darkow

GABLER EDITION WISSENSCHAFT

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

Dissertation European Business School Oestrich-Winkel, 2008 D 1540

1. Auflage 2008 Alle Rechte vorbehalten © Betriebswirtschaftlicher Verlag Dr. Th. Gabler | GWV Fachverlage GmbH, Wiesbaden 2008 Lektorat: Frauke Schindler / Nicole Schweitzer Der Gabler Verlag ist ein Unternehmen von Springer Science+Business Media. www.gabler.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 978-3-8350-0964-6

V

Geleitwort Die vorliegende Dissertation beschäftigt sich mit der Luftfahrtindustrie in Europa, deren Bedeutung mit wachsender Globalisierung der Wertschöpfungsnetze zugenommen hat. Zugleich ist der Wettbewerb unter den Anbietern intensiver geworden. Eine mögliche Strategie, um diesen Herausforderungen erfolgreich zu begegnen, ist der Aufbau von Innovationskooperationen entlang der Supply Chain. Dieses Themenfeld hat Herr Dr. Andreas Potzner für seine Promotion ausgewählt. Dabei stellt er ausführlich die Strukturen der europäischen Aviation Supply Chain dar und bereitet den theoretisch-konzeptionellen Rahmen für die folgende empirische Untersuchung. Die in der Industrie erhobenen Daten geben interessante Einblicke in das Innovationsverhalten von Unternehmen und ihren Supply Chain Partnern. Sehr sorgfältig wird der Leser zudem auf den Einsatz der Methoden zur Auswertung der empirischen Daten hingeführt, so dass es auch dem Leser, der nicht im akademischen Bereich tätig ist, ermöglicht wird, die Auswertungen nachzuvollziehen. Die Auswertungen erfolgen auf dem aktuellen Stand der Wissenschaft und nutzen das gesamte Portfolio an Werkzeugen für empirische Untersuchungen aus. Für angehende Wissenschaftler und Studierende ist das Buch ein Leitfaden für die Durchführung von quantitativen Studien, der theoretisch fundiert dargestellt wird. Ausführlich werden die Schlussfolgerungen für Wissenschaft und Praxis aufgezeigt, so dass dem Leser am Ende sehr deutlich wird, wo, wann und wie Innovationskooperationen in der Supply Chain – hier am Beispiel der Luftfahrtindustrie untersucht – sinnvoll eingesetzt werden können. Abschließend möchten wir Herrn Dr. Andreas Potzner neben dieser exzellenten Arbeit auch zu seinen sehr großen Erfolgen, die er als Mitarbeiter unseres Instituts erzielt hat, beglückwünschen. So war er unter anderem als Teamleiter unseres Instituts im Rahmen eines Competence Centers tätig. Auch hier bewies Herr Dr. Andreas Potzner, dass ausgezeichnete Forschung, die wissenschaftlich hohen Standards genügt, auch für die Praxis von hoher Relevanz ist. So konnte er durch die intensive Zusammenarbeit mit seinem Team und dem Praxispartner sowohl die Wissenschaft als auch die Praxis um wichtige Einsichten bereichern.

Wir wünschen Ihnen viele neue Erkenntnisse bei der Lektüre dieser Dissertation.

Univ.-Prof. Dr. Christopher Jahns Prof. Dr. Inga-Lena Darkow

VII

Vorwort Die vorliegende Arbeit entstand während meiner Tätigkeit als wissenschaftlicher Mitarbeiter am SVI-Stiftungslehrstuhl für Einkauf, Logistik und Supply Chain Management und dem Supply Management Institute (SMI) der European Business School (EBS). Das Zustandekommen dieser Dissertation wäre nicht ohne die Unterstützung einer Vielzahl von Personen möglich gewesen. Aus diesem Grund möchte ich an dieser Stelle die Chance nutzen und einigen Personen, die für das Gelingen dieser Arbeit für mich besonders wichtig waren, nochmals persönlich danken. Zuerst möchte ich mich sehr herzlich bei meinem akademischen Lehrer und Doktorvater, Herrn Prof. Dr. Christopher Jahns, bedanken. Er hat mich nicht nur wissenschaftlich, sondern in ganz erheblichem Maße auch bezüglich der praktischen Umsetzung neuer Erkenntnisse in den vergangenen Jahren stets gefordert und gefördert. Bedanken möchte ich mich ebenfall bei Frau Prof. Dr. Susanne Strahringer für die Bereitschaft, mich als Zweitgutachterin zu unterstützen. Besondern Dank möchte ich darüber hinaus Frau Prof. Dr. Inga-Lena Darkow aussprechen. Speziell die gemeinsame wissenschaftliche Diskussion, ihre konstruktive Kritik und ihre wichtigen Anregungen haben meine Dissertation inhaltlich stark bereichert. Danken möchte ich außerdem Frau Prof. Dr. Evi Hartmann, Herrn Prof. Dr. Stefan Walter, Herrn Prof. Dr. Michael Henke, Herrn Prof. Dr. Richard Pibernik und Herrn Dr. Fridtjof Langenhan. Durch die Zusammenarbeit in unterschiedlichen praxisnahen Forschungsprojekten konnte ich sehr viel für meinen weiteren beruflichen Werdegang erlernen. Nicht nur für mein wissenschaftliches Vorrankommen, sondern ebenfalls für überaus schöne Stunden abseits des Büros möchte ich mich bei einigen Kolleginnen und Kollegen bedanken, von denen manche zu wahren Freunden geworden sind. Besonders möchte ich mich bei Herrn Stephan Schmidberger, Herrn Lars Eiermann, Herrn Gerhard Trautmann, Herrn Dr. Heiko von der Gracht, Herrn Dr. Martin Lockström, Herrn Daniel Broger und Herrn Handik Widiarta, PhD bedanken. Ebenfalls danken möchte ich Frau Dr. Anja Wagner, Frau Dr. Julia Wolf, Herrn Dr. Aiko Entchelmeier, Herrn Prof. Dr. Roger Moser, Herrn Falk Raschke und Herrn Gernot Kaiser für die vielen anregenden Gespräche und kritischen Einwände. Einen ganz wesentlichen Beitrag zum Gelingen meiner Dissertation haben die im Rahmen meiner empirischen Untersuchung befragten Personen geleistet, die sich trotz zum Teil sehr großer Arbeitsbelastung an meiner Befragung beteiligt haben. Aus diesem Grund möchte ich mich bei allen Probanden recht herzlich bedanken. Für ihre Liebe, Unterstützung und Entlastung, die sicherlich weit über das normale Maß hinausgehen, möchte ich mich bei meinen Eltern Ingrid und Oswald Potzner bedanken. Sie er-

VIII möglichten mir nicht nur die vorliegende Arbeit, sondern ebneten mir, zusammen mit meiner Schwester Tanja Höfler, ihrem Ehemann Ramon Höfler und ihren Kindern sowie Frau Annette Fromm, den Weg zu einem überaus erfüllten und glücklichen Leben. Abschließend möchte ich mich bei Frau Kerstin Fromm, der wichtigsten Person meines Lebens, von ganzem Herzen bedanken. Sie zeigte mir nicht nur in allen Phasen meines Dissertationsprojektes ihre vorbehaltlose Unterstützung, indem sie mir in gleichem Maße als Diskussionspartnerin und Korrektorin zur Verfügung stand. Vielmehr verdeutlichte sie mir durch ihr einmaliges Wesen – auch im Umgang mit meinen Arbeitszeiten – und ihrer uneingeschränkten Liebe, was wirklich wichtig ist im Leben. Insgesamt kann ihr Anteil am Gelingen meiner Dissertation nicht annähernd mit Worten umschrieben werden. Ihr widme ich zum Dank die vorliegende Arbeit.

Andreas Potzner

IX

Inhaltsverzeichnis Inhaltsverzeichnis.................................................................................................................... IX Abbildungsverzeichnis .......................................................................................................... XV Tabellenverzeichnis.............................................................................................................XVII Abkürzungsverzeichnis ........................................................................................................ XXI 1

Einführung in die Problemstellung................................................................................ 1 1.1 Ausgangssituation........................................................................................................ 1 1.2 Zielsetzungen und Aufbau der Arbeit.......................................................................... 8

2

Die Supply Chain der europäischen Aviation-Industrie............................................ 13 2.1 Die Supply Chain....................................................................................................... 13 2.1.1 Literaturanalyse zu dem Begriff der Supply Chain....................................... 14 2.1.2 Die institutionelle und die prozess- und ressourcenorientierte Perspektive der Supply Chain ....................................................................... 19 2.1.3 Die Supply Chain als Netzwerk .................................................................... 24 2.2 Grundlagen der Aviation-Industrie............................................................................ 29 2.2.1 Geschichtlicher Hintergrund der Aviation-Industrie..................................... 29 2.2.2 Eigenschaften der heutigen Aviation-Industrie............................................. 34 2.2.2.1 Grad der Deregulierung bzw. Liberalisierung..................................... 36 2.2.2.2 Grad der Instabilität............................................................................. 43 2.2.2.3 Geschäftszyklen und Krisenanfälligkeit.............................................. 45 2.2.2.4 Margenstruktur .................................................................................... 48 2.2.2.5 Grenzenlosigkeit der Verkehrströme und Wachstum ......................... 49 2.3 Die europäische Aviation-Industrie ........................................................................... 51 2.3.1 Porters Modell der Industriestrukturierung zur Systematisierung der Supply Chain der europäischen Aviation-Industrie ...................................... 52 2.3.1.1 Rivalität unter den bestehenden Wettbewerbern................................. 53 2.3.1.2 Bedrohung durch neue Anbieter ......................................................... 54 2.3.1.3 Bedrohung durch Substitutionsprodukte............................................. 57 2.3.1.4 Verhandlungsmacht der Kunden......................................................... 58 2.3.1.5 Verhandlungsmacht der Lieferanten ................................................... 59

X 2.3.2 Charakteristika der wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie ................................................................... 60 2.3.2.1 Klassische europäische Airlines als fokale Institutionen .................... 60 2.3.2.2 Bedrohung durch neue Anbieter ......................................................... 64 2.3.2.3 Bedrohung durch Substitute ................................................................ 68 2.3.2.4 Kunden von klassischen europäischen Airlines .................................. 68 2.3.2.5 Lieferanten von klassischen europäischen Airlines ............................ 72 2.3.3 Modell der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie ......................................................................................... 76 3

Innovationskooperationen für die Supply Chain der europäischen AviationIndustrie.......................................................................................................................... 81 3.1 Begriffliche Grundlagen der Innovationsforschung .................................................. 81 3.1.1 Definitionen und Dimensionen von Innovationen ........................................ 81 3.1.2 Definitionen und Abgrenzungen von Innovationsmanagement.................... 86 3.1.3 Ablauf von Innovationsprozessen ................................................................. 88 3.2 Innovationskooperationen vor dem Hintergrund der Existenz-, Erfolgs- und Kontingenzanalyse..................................................................................................... 92 3.2.1 Definition und Analysemöglichkeiten von Innovationskooperationen......... 93 3.2.2 Existenzanalyse von Innovationskooperationen ........................................... 95 3.2.3 Erfolgsanalyse von Innovationskooperationen ............................................. 98 3.2.3.1 Begriffliche Grundlagen der Erfolgsanalyse....................................... 99 3.2.3.2 Auswirkungen von Innovationskooperationen.................................. 102 3.2.4 Kontingenzanalyse von Innovationskooperationen .................................... 104 3.3 Zwischenergebnis: Kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern.................................................................................................................... 109

4

Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie........................................................................................................ 112 4.1 Konstrukte, Indikatoren und Hypothesen zur Existenzanalyse ............................... 112 4.1.1 Indikatoren zum Innovationsgrad................................................................ 113 4.1.2 Hypothese zum Innovationsgrad................................................................. 114 4.1.3 Indikatoren zum Innovationsobjekt............................................................. 115 4.1.4 Hypothesen zum Innovationsobjekt vor dem Hintergrund des Relational Views ......................................................................................... 117

XI 4.2 Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur Erfolgsanalyse.......................................................................................................... 125 4.2.1 Indikatoren zu den strategischen Erfolgsfaktoren der Ideengenerierung......................................................................................... 127 4.2.2 Indikatoren zum Innovationserfolg ............................................................. 128 4.2.3 Indikatoren zum Unternehmenserfolg......................................................... 130 4.2.4 Hypothesen zum Einfluss der Kosten für die Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views und der Transaktionskostentheorie........................................................................... 131 4.2.5 Hypothesen zum Einfluss der Qualität bei der Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views............. 140 4.2.6 Hypothesen zum Einfluss des Zeitaufwandes für die Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views ......................................................................................... 145 4.2.7 Theoretische Modelle zur Erfolgsanalyse ................................................... 151 4.2.7.1 Erstes theoretisches Modell: Modell für die kooperative Ideengenerierung zur Erlangung von Produktinnovationen.............. 152 4.2.7.2 Zweites theoretisches Modell: Modell für die kooperative Ideengenerierung zur Erlangung von Prozessinnovationen .............. 153 5

Forschungsmethodologie, Datenanalyse und empirische Ergebnisse zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie........................................................................................................ 156 5.1 Forschungsmethodologie der empirischen Untersuchung....................................... 156 5.1.1 Forschungskonzepte .................................................................................... 156 5.1.1.1 Existenzanalyse ................................................................................. 156 5.1.1.2 Erfolgsanalyse ................................................................................... 157 5.1.1.3 Kontingenzanalyse ............................................................................ 165 5.1.2 Fragebogendesign und Datensammlungsprozess........................................ 166 5.1.3 Soziodemographische Grundlagen.............................................................. 180 5.2 Ergebnisse zur Existenzanalyse ............................................................................... 183 5.2.1 Innovationsgrad........................................................................................... 183 5.2.1.1 Evaluation der Indikatoren zum Innovationsgrad ............................. 183 5.2.1.2 Ergebnisse zum Innovationsgrad ...................................................... 186 5.2.2 Innovationsobjekt ........................................................................................ 191 5.2.2.1 Evaluation der Indikatoren zum Innovationsobjekt .......................... 192 5.2.2.2 Ergebnisse zum Innovationsobjekt.................................................... 194

XII 5.3 Ergebnisse zur Erfolgsanalyse................................................................................. 200 5.3.1 Gütekriterien zur Evaluierung der PLS-Pfadmodelle ................................. 200 5.3.1.1 Gütekriterien zur Beurteilung von reflektiven Messmodellen.......... 201 5.3.1.2 Gütekriterien zur Beurteilung von formativen Messmodellen.......... 204 5.3.1.3 Gütekriterien zur Beurteilung von Strukturmodellen........................ 208 5.3.2 Ergebnisse zu den Messmodellen ............................................................... 211 5.3.2.1 Bestimmung der reflektiven und formativen Messmodelle .............. 212 5.3.2.2 Analyse der reflektiven Messmodelle für das erste Strukturgleichungsmodell ................................................................. 216 5.3.2.3 Analyse der reflektiven Messmodelle für das zweite Strukturgleichungsmodell ................................................................. 218 5.3.2.4 Analyse der formativen Messmodelle für das erste Strukturgleichungsmodell ................................................................. 221 5.3.2.5 Analyse der formativen Messmodelle für das zweite Strukturgleichungsmodell ................................................................. 225 5.3.3 Ergebnisse zu den Strukturmodellen........................................................... 229 5.3.3.1 Analyse der Bestimmtheitsmaße und der Pfadkoeffizienten für das erste Strukturgleichungsmodell .................................................. 230 5.3.3.2 Analyse der Bestimmtheitsmaße und der Pfadkoeffizienten für das zweite Strukturgleichungsmodell................................................ 233 5.3.3.3 Analyse der substanziellen Erklärungsbeiträge und der Prognoserelevanz für das erste Strukturgleichungsmodell ............... 236 5.3.3.4 Analyse der substanziellen Erklärungsbeiträge und der Prognoserelevanz für das zweite Strukturgleichungsmodell ............ 237 5.3.4 Zusammenfassende Interpretation der empirischen Ergebnisse zur Erfolgsanalyse ............................................................................................. 239 5.3.4.1 Erstes Strukturgleichungsmodell: Modell für die kooperative Ideengenerierung für Produktinnovationen....................................... 240 5.3.4.2 Zweites Strukturgleichungsmodell: Modell für die kooperative Ideengenerierung für Prozessinnovationen ....................................... 242 5.4 Ergebnisse zur Kontingenzanalyse .......................................................................... 245 5.4.1 Ergebnisse zu den Rahmenbedingungen..................................................... 246 5.4.2 Ergebnisse zu den Motiven ......................................................................... 247

XIII 6

Zusammenfassung und Implikationen der Arbeit.................................................... 250 6.1 Zusammenfassende Darstellung der Befunde ......................................................... 250 6.2 Implikationen der Arbeit für die Praxis ................................................................... 258 6.3 Implikationen der Arbeit für die Forschung ............................................................ 261

Literaturverzeichnis............................................................................................................ 265

XV

Abbildungsverzeichnis Abbildung 1: Entwicklung der RPKs von 1945 bis 2005 ....................................................... 1 Abbildung 2: Entwicklung der FTKs von 1945 bis 2005........................................................ 2 Abbildung 3: Aufbau der Arbeit............................................................................................ 11 Abbildung 4: Die Supply Chain als "Wertschöpfungskette"................................................. 25 Abbildung 5: Die Supply Chain aus institutioneller und prozess- und ressourcenorientierter Perspektive .................................................................. 27 Abbildung 6: Quantitative Wettbewerbsparameter von Luftverkehrsmärkten ..................... 37 Abbildung 7: Neue Wettbewerber und neue Geschäftsmodelle für die AviationIndustrie........................................................................................................... 43 Abbildung 8: Passagierentwicklung am Beijing Capital International Airport im Jahr 2003................................................................................................................. 46 Abbildung 9: Netto-Gewinne oder Netto-Verluste der ICAO-Airlines von 1971 bis 2005................................................................................................................. 48 Abbildung 10: Porters Modell der Five Forces ....................................................................... 52 Abbildung 11: Gruppen von klassischen Airlines................................................................... 61 Abbildung 12: Alternative Geschäftsmodelle von klassischen Airlines ................................. 63 Abbildung 13: Leistungsbereiche von Airports ...................................................................... 74 Abbildung 14: Modell der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie mit der Gruppe der klassischen europäischen Airlines als fokale Stufe ................................................................................................ 79 Abbildung 15: Unterscheidung zwischen radikalen und inkrementalen Innovationen........... 85 Abbildung 16: Abgrenzung von Innovationsmanagement zu Technologiemanagement und F&E-Management .................................................................................... 88 Abbildung 17: Phasenmodell für Innovationsprozesse von Thom ......................................... 89 Abbildung 18: Potenzielle Innovationspartner eines Unternehmens und deren Leistungsbeiträge ............................................................................................ 96 Abbildung 19: Visuelle Darstellung der Fragestellung zur zweiten und dritten Hypothese...................................................................................................... 116 Abbildung 20: Entscheidungsrelevanz der Transaktionskosten in einem Transaktionsprozess ...................................................................................... 135 Abbildung 21: Erstes theoretisches Modell der Erfolgsanalyse............................................ 153 Abbildung 22: Zweites theoretisches Modell der Erfolgsanalyse......................................... 154 Abbildung 23: Allgemeine Darstellung eines Strukturgleichungsmodells ........................... 159 Abbildung 24: Ablaufdiagramm des PLS-Basisalgorithmus ................................................ 164 Abbildung 25: Prozentuale Zuordnung der Probanden zu Geschäftsbereichen.................... 181 Abbildung 26: Prozentuale Zuordnung der Probanden zu Hierarchiestufen ........................ 182

XVI Abbildung 27: Erstes Strukturgleichungsmodell der Erfolgsanalyse.................................... 214 Abbildung 28: Zweites Strukturgleichungsmodell der Erfolgsanalyse................................. 215

XVII

Tabellenverzeichnis Tabelle 1:

Innovationskooperation als Erfolg versprechende Strategie ................................ 6

Tabelle 2:

Ausgewählte Definitionen von Supply Chain – Teil 1 – ................................... 16

Tabelle 3:

Ausgewählte Definitionen von Supply Chain – Teil 2 – ................................... 17

Tabelle 4:

Vergleich der institutionellen mit der prozess- und ressourcenorientierten Perspektive der Supply Chain ............................................................................ 23

Tabelle 5:

Geschichtlicher Hintergrund der Aviation-Industrie – Teil 1 – ......................... 30

Tabelle 6:

Geschichtlicher Hintergrund der Aviation-Industrie – Teil 2 – ......................... 31

Tabelle 7:

Geschichtlicher Hintergrund der Aviation-Industrie – Teil 3 – ......................... 32

Tabelle 8:

Geschichtlicher Hintergrund der Aviation-Industrie – Teil 4 – ......................... 33

Tabelle 9:

Geschichtlicher Hintergrund der Aviation-Industrie – Teil 5 – ......................... 34

Tabelle 10: Eigenschaften der Aviation-Industrie – Teil 1 – ................................................ 35 Tabelle 11: Eigenschaften der Aviation-Industrie – Teil 2 – ................................................ 36 Tabelle 12: Chronologischer Ablauf der Liberalisierung des europäischen Luftverkehrs ....................................................................................................... 41 Tabelle 13: Traffic bei klassischen europäischen Airlines im August 2005......................... 64 Tabelle 14: Top 5 Air Freight Forwarder in Deutschland im Jahre 2003 ............................. 71 Tabelle 15: Anzahl Passagiere im Jahr 2005 an den größten europäischen Airports ........... 75 Tabelle 16: Vergleich zwischen Market-Based View, Resource-Based View und Relational View................................................................................................ 119 Tabelle 17: Transaktionskostenwirkungen ceteris paribus zunehmender Ausprägungen der Transaktionscharakteristika........................................................................ 138 Tabelle 18: Zusammenfassende Übersicht über die Hypothesen zur Erfolgsanalyse......... 151 Tabelle 19: Methodenvergleich zwischen Partial Least Squares-Analyse und Kovarianzstrukturanalyse................................................................................. 163 Tabelle 20: Exemplarischer Überblick über Einzelfallanalysen mit empirischen Untersuchungen in wissenschaftlichen Arbeiten ............................................. 177 Tabelle 21: Reliabilitätsüberprüfung der potenziellen Indikatoren (1) bis (9) für den Innovationsgrad................................................................................................ 184 Tabelle 22: Reliabilitätsüberprüfung der potenziellen Indikatoren (10) bis (15) für den Innovationsgrad................................................................................................ 185 Tabelle 23: Deskriptive Statistik zu den Indikatoren (1) bis (9) für den Innovationsgrad................................................................................................ 187 Tabelle 24: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (1) bis (9) für den Innovationsgrad ........................................................................ 188 Tabelle 25: Deskriptive Statistik zu den Indikatoren (10) bis (15) für den Innovationsgrad................................................................................................ 189

XVIII Tabelle 26: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (10) bis (15) für den Innovationsgrad ...................................................................... 189 Tabelle 27: Reliabilitätsüberprüfung der potenziellen Indikatoren (1) bis (6) für das Innovationsobjekt ............................................................................................. 192 Tabelle 28: Reliabilitätsüberprüfung der potenziellen Indikatoren (7) bis (14) für das Innovationsobjekt ............................................................................................. 193 Tabelle 29: Deskriptive Statistik zu den Indikatoren (1) bis (6) für das Innovationsobjekt ............................................................................................. 195 Tabelle 30: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (1) bis (6) für das Innovationsobjekt...................................................................... 196 Tabelle 31: Wilcoxon-Test zum Vergleich der Daten zum Kundenblock mit den Daten zum Lieferantenblock zu den Indikatoren (1) bis (6) für das Innovationsobjekt ............................................................................................. 196 Tabelle 32: Deskriptive Statistik zu den Indikatoren (7) bis (14) für das Innovationsobjekt ............................................................................................. 198 Tabelle 33: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (7) bis (14) für das Innovationsobjekt.................................................................... 199 Tabelle 34: Wilcoxon-Test zum Vergleich der Daten zum Kundenblock mit den Daten zum Lieferantenblock zu den Indikatoren (7) bis (14) für das Innovationsobjekt ............................................................................................. 199 Tabelle 35: Gütekriterien zur Beurteilung von reflektiven Messmodellen......................... 204 Tabelle 36: Gütekriterien zur Beurteilung von formativen Messmodellen......................... 208 Tabelle 37: Gütekriterien zur Beurteilung von Strukturmodellen....................................... 211 Tabelle 38: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg für das erste Strukturgleichungsmodell ................................................................................ 216 Tabelle 39: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg für das erste Strukturgleichungsmodell ................................................................................ 217 Tabelle 40: Cross-Loadings für die reflektiv gemessenen Konstrukte des ersten Strukturgleichungsmodells............................................................................... 218 Tabelle 41: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg für das zweite Strukturgleichungsmodell ................................................................................ 219 Tabelle 42: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg für das zweite Strukturgleichungsmodell ................................................................................ 220 Tabelle 43: Cross-Loadings für die reflektiv gemessenen Konstrukte des zweiten Strukturgleichungsmodells............................................................................... 221 Tabelle 44: Ergebnisse zu den formativen Messmodellen des ersten Strukturgleichungsmodells............................................................................... 222

XIX Tabelle 45: Multikollinearitätsdiagnose der formativen Messmodelle des ersten Strukturgleichungsmodells............................................................................... 225 Tabelle 46: Ergebnisse zu den formativen Messmodellen des zweiten Strukturgleichungsmodells............................................................................... 226 Tabelle 47: Multikollinearitätsdiagnose der formativen Messmodelle des zweiten Strukturgleichungsmodells............................................................................... 229 Tabelle 48: Pfadkoeffizienten und t-Werte der Pfade des Strukturmodells im ersten Strukturgleichungsmodell ................................................................................ 231 Tabelle 49: Pfadkoeffizienten und t-Werte der Pfade des Strukturmodells im zweiten Strukturgleichungsmodell ................................................................................ 234 Tabelle 50: Effektstärken für das erste Strukturgleichungsmodell ..................................... 237 Tabelle 51: Effektstärken für das zweite Strukturgleichungsmodell .................................. 238 Tabelle 52: Ergebnisse der Hypothesenprüfung des ersten Strukturgleichungsmodells für die Erfolgsanalyse .......................................... 241 Tabelle 53: Ergebnisse der Hypothesenprüfung des zweiten Strukturgleichungsmodells für die Erfolgsanalyse .......................................... 244 Tabelle 54: Deskriptive Statistik zu den Rahmenbedingungen für eine kooperative Ideengenerierung.............................................................................................. 246 Tabelle 55: Deskriptive Statistik zu den Motiven für die kooperative Einbeziehung der vertikalen europäischen Supply Chain Partner in die Innovationsaktivitäten ...................................................................................... 248

XXI

Abkürzungsverzeichnis ADA

Airline Deregulation Act

AEA

Association of European Airlines

AG

Aktiengesellschaft

AMOS

Analysis of Moment Structures

AMS

IATA-Code für Flughafen in Amsterdam

ASK

Available Seat Kilometres

Asymp. Sig.

asymptotische Signifikanz

Aufl.

Auflage

AVE

Average Variance Extracted

BA

British Airways

BAe

British Aerospace

BIEK

Bundesverband Internationaler Express- und Kurierdienste e. V.

BRU

IATA-Code für Flughafen in Brüssel

bzw.

beziehungsweise

ca.

circa

CAB

Civil Aeronautics Board

CASA

Construcciones Aeronauticas SA

CDG

IATA-Code für Flughafen Paris Charles de Gaulle

CNC

Computerized Numerical Control

CRM

Customer Relationship Management

CRS

Computerreservierungssystem

d. h.

das heißt

DELAG

Deutsche Luftschifffahrts AG

DFS

Deutsche Flugsicherung GmbH

Dipl.-Kfm.

Diplom-Kaufmann

DLC

Dubai Logistics City

Dr.

Doctor

XXII e. g.

exempli gratia

e. V.

eingetragener Verein

EADS

European Aeronautic Defence and Space Company

EBIT

Earnings Before Interest and Taxes

EBS

European Business School

EG

Europäische Gemeinschaft

EQS

Structural Equation Systems

et al.

et alii

etc.

et cetera

EU

Europäische Union

F&E

Forschung und Entwicklung

FAA

Federal Aviation Administration

FAI

Fédération Aéronautique Internationale

FedEx

Federal Express Corporation

FIATA

Fédération Internationale des Associations de Transitaires et Assimilés

FRA

IATA-Code für Flughafen in Frankfurt am Main

FTK

Freight Ton Kilometres

GIE

Group d’Intérêt Economique

GmbH

Gesellschaft mit beschränkter Haftung

HGB

Handelsgesetzbuch

Hrsg.

Herausgeber

I&K-Technologie

Informations- und Kommunikationstechnologie

i. d. R.

in der Regel

i. e.

id est

IATA

International Air Transport Association

ICAO

International Civil Aviation Organization

Inc.

Incorporated

inkl.

inklusive

ISCM

Internal Supply Chain Management

XXIII Jg.

Jahrgang

KEP-Dienstleister

Kurier-, Express- und Paketdienstleister

KG

Kommanditgesellschaft

KLM

Koninklijke Luchtvaart Maatschappij

km/h

Kilometer pro Stunde

KMO

Kaiser-Meyer-Olkin

LGW

IATA-Code für Flughafen London Gatwick

LHR

IATA-Code für Flughafen London Heathrow

LISREL

Linear Structural Relationships

LKW

Lastkraftwagen

Ltd.

limited

LuftVG

Luftverkehrsgesetz

LUX

IATA-Code für Flughafen in Luxemburg

MAD

IATA-Code für Flughafen in Madrid

MRO

Maintenance, Repair und Overhaul

No.

Number

Nr.

Nummer

O&D

Origin & Destination

OEM

Original Equipment Manufacturer

OLS

Ordinary Least Squares

PKW

Personenkraftwagen

PLS

Partial Least Squares

pol.

politicarum

PS

Pferdestärke

rer.

rerum

RFS

Road-Feeder-Service

RPK

Revenue Passenger Kilometres

RoI

Return on Investment

RoS

Return on Sales

XXIV S.

Seite

SARS

Severe Acute Respiratory Syndrome

SEM

Structural Equation Models

SMI

Supply Management Institute

SNIAS

Société Nationale d'Industrielles AéroSpatiale

Sp.

Spalte

SPSS

Statistical Package for the Social Sciences

SRM

Supplier Relationship Management

u. a.

unter anderem

UDSSR

Union der Sozialistischen Sowjetrepubliken

Univ.-Prof.

Universitätsprofessor

UPS

United Parcel Service Company

USA

United States of America

v. Chr.

vor Christus

vgl.

vergleiche

VHB

Verband der Hochschullehrer für Betriebswirtschaft e. V.

VIF

Variance Inflation Factor

Vol.

Volume

vs.

versus

z. B.

zum Beispiel

z. T.

zum Teil

1

1 Einführung in die Problemstellung 1.1 Ausgangssituation Im Vergleich zu Unternehmen anderer Branchen befinden sich klassische Airlines in einer besonderen strategischen Situation, die durch ein anhaltendes Wachstum bei einem gleichzeitigen hohen Systemrisiko charakterisiert ist, das aus den spezifischen Eigenschaften der Aviation-Industrie resultiert (Joppien, 2006, S. 111). So verwenden heute nahezu alle weltweit tätigen Unternehmen, die sich dem internationalen Wettbewerb stellen und somit die Chancen des Voranschreitens der Globalisierung nutzen – sei es durch den Transport von Menschen oder durch die Beförderung von Fracht – die Vorteile von Lufttransporten (Heymann, 2004, S. 7). Zu diesen – eher unternehmerisch motivierten Gründen für das Wachstum der AviationIndustrie – kommt noch der gesteigerte Wunsch vieler Privatreisender nach Mobilität und eine Einkommenssteigerung der privaten Haushalte, insbesondere in Asien und Osteuropa (Heymann, 2004, S. 7). Dies hat u. a. eine entsprechend größere Nachfrage nach Flugtickets zur Folge. Neben einigen anderen Gründen, wie etwa den Folgen der Deregulierung und Liberalisierung des Luftverkehrs, führt dies dazu, dass die Aviation-Industrie als Wachstumsbranche bezeichnet werden kann. Hierzu sei auf Abbildung 1 und Abbildung 2 verwiesen, in denen ein Überblick über das Wachstum des Luftverkehrs von 1945 bis 2005 in RPKs (Revenue Passenger Kilometres = verkaufte Passagierkilometer) für den Personenluftverkehr und in FTKs (Freight Ton Kilometres = verkaufte Frachtkilometer) für den Luftfrachtverkehr gegeben wird.

4.000.000

RPKs in Millionen

3.500.000 3.000.000 2.500.000 2.000.000 1.500.000 1.000.000 500.000

19 45 19 50 19 55 19 60 19 65 19 70 19 75 19 80 19 85 19 90 19 95 20 00 20 05 e

0

2005e = erwarteter Wert für das Jahr 2005 Abbildung 1: Entwicklung der RPKs von 1945 bis 2005 (Quelle: Eigene Darstellung der Zahlen von der ICAO, gefunden bei der Air Transport Association, 2006)

2

160.000

FTKs in Millionen

140.000 120.000 100.000 80.000 60.000 40.000 20.000

19 45 19 50 19 55 19 60 19 65 19 70 19 75 19 80 19 85 19 90 19 95 20 00 20 05 e

0

2005e = erwarteter Wert für das Jahr 2005 Abbildung 2: Entwicklung der FTKs von 1945 bis 2005 (Quelle: Eigene Darstellung der Zahlen von der ICAO, gefunden bei der Air Transport Association, 2006)

Nicht nur der allgemeine, weltweite Luftverkehr wächst. Eine nähere Betrachtung des europäischen Luftverkehrs zeigt, dass sich auch dieser am weltweiten Wachstum beteiligt. So verdeutlichen die Zahlen der Association of European Airlines (AEA) in den ersten neun Monaten des Jahres 2005 ein offensichtliches Wachstum (Fraport, 2005a, S. 6). Demnach steigerten die europäischen Fluggesellschaften, gemessen an den RPKs, ihre Verkehrsleistungen um sechs Prozent im Vergleich zum Vorjahreszeitraum (Fraport, 2005a, S. 6). Von ähnlich positiven Zahlen für das Verkehrsaufkommen bei europäischen Airlines berichtet die Air Transport World. So zeigt eine Gegenüberstellung der Ergebnisse des Monats August 2005 im Vergleich zum Jahr 2004 sowohl bei den RPKs als auch bei den verfügbaren Sitzkilometern ASKs (Available Seat Kilometres) bei fast allen betrachteten Fluggesellschaften (Air FranceKLM, AUA Group, BA Group, Finnair, Iberia, Lufthansa, SAS Group) eine positive Veränderung (Air Transport World, 2005, S. 14). Auch für die Zukunft wird für die Aviation-Industrie weiteres Wachstum prognostiziert. Für den Personenluftverkehr ist laut Boeing zwischen den Jahren 2006 und 2025 pro Jahr mit einem Wachstum von durchschnittlich 4,9 Prozent (in RPKs) zu rechnen (Boeing, 2006, S. 3). Im Vergleich zum Personenluftverkehr wird insgesamt für den Luftfrachtverkehr sowohl von Airbus als auch von Boeing eine noch größere Wachstumsrate prognostiziert. Während Airbus für die Jahre von 2003 bis 2023 eine durchschnittliche jährliche Wachstumsrate von 5,9 Prozent berechnet, kommt Boeing für den Zeitraum von 2006 bis 2025 sogar auf durchschnittlich 6,1 Prozent (in FTKs) pro Jahr (Airbus, 2005, S. 58 und Boeing, 2006, S. 3).

3 Obgleich dieser enormen Wachstumsprognosen sind nicht zuletzt die klassischen Airlines einem zunehmenden Wettbewerbsdruck ausgesetzt. Dies macht sich u. a. darin bemerkbar, dass das oben beschriebene Wachstum des Verkehrsaufkommens nicht mit hohen EBIT (Earnings Before Interest and Taxes)-Margen der klassischen Airlines einhergeht. So lagen die EBIT-Margen dieser Airlines im Zeitraum von 2000/ 2001 bei durchschnittlich vier Prozent (SAS, 2005, S. 13). Im Zeitraum 2004/ 2005 wurden sogar nur EBIT-Margen von durchschnittlich drei Prozent erzielt, was oftmals lediglich einem Bruchteil der Margen entsprach, die ihre vertikalen Supply Chain Partner erwirtschafteten (SAS, 2005, S. 13). Mögliche Gründe für diese geringen Margen der klassischen Airlines gibt es viele. So sind die Gewinnmargen insbesondere bei den klassischen Airlines so gering, da deren Stückkosten und Stückerträge häufig nahe beieinander liegen (Joppien, 2006, S. 115). Auf das letztendliche finanzielle Ergebnis von Airlines können daher bereits marginale Veränderungen in den Erträgen, den Kosten oder bei der Kapazitätsauslastung (Ladefaktoren) einen erheblichen Einfluss haben (Joppien, 2006, S. 115). Mannigfaltige Quellen existieren, die insbesondere negative Veränderungen auslösen können. So ist die Aviation-Industrie beispielsweise durch eine sehr hohe Instabilität geprägt. Diese Instabilität kann z. B. durch neue Wettbewerber und neue Geschäftsmodelle ausgelöst werden. Hierbei sei angemerkt, dass in der vorliegenden Arbeit der Begriff des Geschäftsmodells gemäß Osterwalder/ Pigneur/ Tucci wie folgt definiert wird: „A business model is a conceptual tool that contains a set of elements and their relationships and allows expressing the business logic of a specific firm. It is a description of the value a company offers to one or several segments of customers and of the architecture of the firm and its network of partners for creating, marketing, and delivering this value and relationship capital, to generate profitable and sustainable revenue streams“ (Osterwalder/ Pigneur/ Tucci, 2005, S. 17, 18; vgl. auch das Beispiel bei Osterwalder/ Pigneur, 2002, S. 8). So müssen etwa klassische europäische Airlines – als eine Folge der Globalisierung der Aviation-Industrie – nicht nur auf Wettbewerber aus den USA oder aus Europa achten. Wie eine an dieser Stelle exemplarisch genannte aktuelle Studie des Bielefelder Marktforschungsinstituts TNS Emnid aus dem Jahr 2006 zeigt, bei der 240 deutsche Luftfrachtspediteure die 55 Top Luftfrachtairlines bewerteten, sind insbesondere Airlines – bzw. deren Cargo-Töchter – die als neue Wettbewerber aus dem arabischen Raum kommen, zu beachten (Kranke, 2006, S. 46-49). Darüber hinaus tragen die neuen Geschäftsmodelle der Low Cost Carrier (z. B. Ryanair und Air Berlin) auf dem Passagemarkt und die der Integratoren (z. B. Federal Express Corporation FedEx und DHL) auf dem Cargomarkt ebenfalls einiges zur Instabilität der Aviation-Industrie bei. Auf beiden Kernmärkten verlieren die klassischen Airlines nämlich zusehends Marktanteile an Anbieter mit diesen beiden neuen Geschäftsmodellen. So kam eine Untersuchung der Unternehmensberatung McKinsey zu dem Ergebnis, dass sämtliche europäische Low Cost Carrier bereits im Jahr 2005 einen kumulierten Marktanteil von 16 Prozent hatten, der Schät-

4 zungen zufolge bis zum Jahr 2010 auf 24 Prozent ansteigen wird (McKinsey & Company, 2005). Auf dem Frachtmarkt sieht es ähnlich aus, da die zwei Integratoren FedEx und UPS (United Parcel Service Company) im Jahr 2005 bereits die beiden ersten Plätze hinsichtlich der weltweiten Transportvolumina belegten (IATA, 2006a). In Europa sind zusätzlich vor allem die beiden Integratoren DHL und TNT zu berücksichtigen. Insbesondere auf dem Luftfrachtmarkt kommt für klassische Airlines erschwerend hinzu, dass eine schlechtere Qualität des Transportes zu Gunsten eines günstigeren Preises von den Kunden in Kauf genommen wird – wodurch eine gewisse Austauschbarkeit des Lufttransportproduktes (Commodity-Markt) entsteht – da die zu transportierenden Güter für den Fall eines Schadens entsprechend versichert sind. Überdies ist die multikonditionale Vernetzung der Aviation-Industrie zu beachten, so dass intern oder extern ausgelöste Störungen (z. B. Fusionen, Konkurse, Kriege, Krankheiten) bei einer Institution oder zumindest einer Stufe des Gesamtsystems durchaus positive, aber auch negative Auswirkungen auf die anderen beteiligten Netzwerkpartner haben kann (Joppien, 2006, S. 116, 117). Demnach hat ebenfalls die starke Krisenanfälligkeit der AviationIndustrie einen erheblichen Einfluss auf die Margen der klassischen Airlines. So sind an dieser Stelle exemplarisch die erste Ölkrise (1974, 1975), die zweite Ölkrise (1980-1982) und die Golfkrise (1990, 1991) zu nennen, da jede dieser Krisen den klassischen Airlines die bis zum jeweiligen Zeitpunkt schwersten Ertragseinbrüche bescherte und mit teilweise spektakulären Konkursen einherging (Doganis, 2002, S. 17, 18 und Joppien, 2006, S. 129). Außerdem haben Krankheiten wie SARS (Severe Acute Respiratory Syndrome) und die so genannte Terrorkrise, die seit dem Angriff auf das World Trade Center in New York am 11. September 2001 nicht an Aktualität und Präsenz verliert, einen jeweils sehr negativen Einfluss auf die Aviation-Industrie im Allgemeinen und auf die Gewinne der klassischen Airlines im Speziellen (Auerbach/ Delfmann, 2005, S. 66 und Dombey, 2003, S. 4). Neben diesen exogenen Schocks (Ölkrisen, Golfkrise, Terrorkrise und SARS) sind noch weitere für diese Branche typische Aspekte, wie etwa jahreszeitlich bedingte Schwankungen, diverse Zufallsschwankungen, die Abhängigkeit vom US-Dollar und die Anpassungsverzögerungen der Aviation-Industrie zu nennen (Joppien, 2006, S. 114, 116, 130). In ihrer Gesamtheit führen diese Aspekte dazu, dass die klassischen Airlines nicht nur mit niedrigen Margen zu kämpfen haben, sondern dass es sich bei der Aviation-Industrie um eine zyklische Branche handelt. So dauert jeder Zyklus ca. acht bis elf Jahre, wobei auf vier bis sechs Jahre mit annehmbaren Profiten für die Airlines durchschnittlich vier Jahre mit marginalen Gewinnen bzw. Verlusten folgen (Doganis, 2001, S. 2 und Doganis, 2002, S. 5, 15). Somit kann an dieser Stelle hinsichtlich der besonderen strategischen Situation von klassischen Airlines abschließend auf ein Zitat von Doganis verwiesen werden: „Most industries faced with continued and high growth of demand for their products or services would be basking in substantial profits. Not so the airlines!“ (Doganis, 2002, S. 4)

5 Folglich muss nun die Frage gestellt werden, welche Möglichkeiten klassische Airlines haben, um adäquat auf die genannten branchenspezifischen Charakteristika und den damit einhergehenden Wettbewerbsdruck zu reagieren. Hierbei ist infolgedessen darauf zu achten, dass diese Airlines dem ständigen technischen, wirtschaftlichen und sozialen Wandel, dem die Aviation-Industrie im Allgemeinen, aber auch jede individuelle klassische Airline im Speziellen unterliegt, gerecht werden. Insbesondere muss den Herausforderungen erfolgreich entgegengetreten werden, die sich aus den sinkenden Margen, den sinkenden Marktanteilen, den steigenden Sicherheitsanforderungen, den neuen Wettbewerbern und den neuen Geschäftsmodellen ergeben. In diesem Kontext weisen Handfield et al. darauf hin, dass innerhalb des vergangenen Jahrzehnts u. a. der schnelle technologische Wandel, kürzere Produktlebenszyklen und die Globalisierung der Märkte dazu geführt haben, dass die Entwicklung von neuen Produkten und Prozessen immer mehr in den Fokus der Unternehmensinteressen gerückt ist (Handfield et al., 2004, S. 506). In diesem Sinne wird von vielen Unternehmen eine solche Möglichkeit, diesen Anforderungen des ständigen Wandels zu entsprechen, in Innovationen gesehen (Gerpott, 2005, S. 1; Gerybadze, 2004, S. 1 und Pleschak/ Sabisch, 1996, S. 1). Übergreifend können die Innovationen von den klassischen Airlines dazu genutzt werden, sich von den konkurrierenden Unternehmen – z. B. hinsichtlich ihres Images, ihrer Produkte, ihrer Prozesse, ihrer Kundennähe oder ihrer Sicherheitsstandards – positiv zu differenzieren (Differenzierungsstrategie) (Porter, 1980, S. 35-41 und Porter, 1998, S. 11-16). Durch diese Differenzierung können sich die klassischen Airlines Vorteile gegenüber den Konkurrenten verschaffen, die aufgrund der jeweils vorliegenden Fähigkeiten, Ressourcen und insbesondere der organisatorischen Rahmenbedingungen beispielsweise bessere Ausgangssituationen für eine strikte Kostenführerschaft (z. B. Low Cost Carrier) oder für eine Nischenstrategie (z. B. Regionalcarrier) haben (Porter, 1980, S. 35-41 und Porter, 1998, S. 11-16). Darüber hinaus ist an dieser Stelle noch zu betonen, dass die Analyse des Innovationsverhaltens von klassischen Airlines als überaus wichtig zu beurteilen ist, da gerade die Aviation-Industrie als Vorreiter bei der Umsetzung innovativer Technologien in Produkte und Prozesse angesehen wird (Bundesministerium für Wirtschaft und Arbeit, 2003, S. 26). Somit stellt sich nun als Nächstes die Frage, wie Unternehmen möglichst erfolgreich innovieren. Wie Tabelle 1 zu entnehmen ist, wird von vielen Autoren die Innovationskooperation – mit oftmals vertikalen Supply Chain Partnern – hierfür als eine Erfolg versprechende Strategie angesehen und empfohlen. Das erste Beispiel von Tabelle 1 verdeutlicht explizit, dass sich auch die Aviation-Industrie offenbar sehr gut für Innovationskooperationen eignet. Dieser Eindruck, der sich inhaltlich u. a. durch die starke Verzahnung der Aviation-Industrie, durch die teilweise geringen Wertschöpfungstiefen und der Tatsache, dass diese Branche stark technologiegetrieben ist, erklären lässt, wird überdies von anderen Arbeiten bestätigt (vgl. z. B. Frenken, 2000, S. 257-272; Grandjot, 2002, S. 106-114 und Hauschildt, 2004, S. 239, 240). Grundsätzlich sei außerdem auf ein Zitat von Miles/ Snow/ Miles hingewiesen: „The ability to innovate, however, comes from a skill that is underdeveloped in most companies: collabo-

6 ration. Knowing how to collaborate helps a company to create and transfer knowledge. Knowledge creation and utilisation, in turn, lead to innovation. Companies that understand this long-linked process, and make the appropriate investments needed to establish and maintain it, will be the big winners in the twenty-first century global economy“ (Miles/ Snow/ Miles, 2000, S. 300). Autor, Jahr, Seite Untersuchungsergebnis A.T. Kearney, • Bei der so genannten „Boeing Corporation’s 777“ wurden neben den eigenen 2002, S. 2 Mitarbeitern die Kunden und Key Supplier kooperativ mit in den Produktentwicklungsprozess einbezogen. Resultat: Die Entwicklungszeit des Flugzeugs reduzierte sich um 91 Prozent und die Lohnkosten sanken um 71 Prozent. Borchert/ Goos/ • Bei der Entwicklung des „smarts“ konnte u. a. aufgrund der sehr intensiven Hagenhoff, 2004, Einbindung der Systempartner eine Time-to-Market von vier Jahren erreicht S. 20, 21 werden, die somit ein bis zwei Jahre unter den branchenüblichen fünf bis sechs Jahren liegt. Cooper, 1999, • „Successful business, and teams that drive winning new product projects, have S. 117 a slave-like dedication to the voice of the customer.” Dyer/ Singh, 1998, • In vielen Fällen sind die Partnerinstitutionen die wichtigsten Quellen für neue S. 665 Ideen und Informationen, die sich in leistungssteigernden Technologien und Innovationen widerspiegeln. • Unternehmen können Wettbewerbsvorteile erzielen, indem sie überdurchschnittlich gute zwischenbetriebliche Routinen bezüglich des Wissensaustausches mit ihren Partnern entwickeln und einsetzen. Fischer, 2006, • Der Innovationserfolg eines Unternehmens lässt sich durch konsequente WeiS. 277, 278 terentwicklung der vertikalen Vernetzung mit Partnerunternehmen steigern. Handfield et al., • Die Partizipation von Lieferanten in Projekte, bei denen es um die Entwick2004, S. 506, 520, lung neuer Produkte bzw. Prozesse geht, kann zu einer Kostenreduzierung 521 (durchschnittlich zehn Prozent bis 15 Prozent), zu einer Verringerung der Entwicklungszeit des betreffenden Produktes bzw. Prozesses (durchschnittlich 20 Prozent) und zu einer Qualitätsverbesserung (durchschnittlich 20 Prozent) führen. • Eine solche Beteiligung der Lieferanten kann darüber hinaus den Zugang zu innovativen Technologien ermöglichen und dadurch helfen, den eigenen Marktanteil zu steigern. Hauschildt, 2004, • Innovationskooperationen zwischen Herstellern und Kunden scheinen sich S. 271 positiv auf den Erfolg beider Kooperationspartner auszuwirken. Miotti/ Sachwald, • Unternehmen wählen als Partner für Innovationskooperationen häufig ihre 2003, S. 1484, Kunden und Lieferanten, da diese vertikalen Partner die betrachteten Unter1496 nehmen gut mit komplementären Ressourcen versorgen können. Smith, 2000, S. 81 • Unternehmen, die Innovationskooperationen durchführen, erscheinen wesentlich innovativer als solche Unternehmen, die über keine Innovationskooperation verfügen. Stern/ Jaberg, • Zwei Drittel aller Ideen für Innovationen gehen von den Kunden aus. 2003, S. 100 Tether, 2003, • Kunden und Lieferanten werden neben den unternehmensinternen MöglichkeiS. 487, 495, 496 ten als wesentliche Quellen zur Erlangung von Informationen über Innovationen angesehen. Tabelle 1: Innovationskooperation als Erfolg versprechende Strategie (Quelle: Eigene Darstellung)

Von etlichen Forschern wird daher, wie auch in Tabelle 1 zu erkennen ist, verstärkt die Meinung vertreten, dass die Integration von Kunden und Lieferanten – insbesondere in der Phase

7 der Ideengenerierung – den Unternehmen gegenüber ihren Konkurrenten einen erheblichen Wettbewerbsvorteil verschafft und die zwischenbetriebliche Zusammenarbeit technologische Innovationen beschleunigen kann (Christiansen, 2000, S. 207; Cooper, 1999, S. 117; Cooper, 2002, S. 191; Gemünden, 2001, S. 120; Handfield et al., 2004, S. 506, 508, 520; Powell, 2004, S. 394; Stern/ Jaberg, 2003, S. 128 und Tether, 2003, S. 495, 496). Die besondere Relevanz der Phase der Ideengenerierung, die gemäß Thoms Phasenmodell für Innovationsprozesse die erste Hauptphase des Innovationsprozesses darstellt, wird noch durch weitere Argumente verdeutlicht (Thom, 1980, S. 53). So stellen beispielsweise Herstatt/ Verworn einige empirisch ermittelte Ergebnisse zusammen, aus denen eindeutig die Relevanz von frühen Phasen des Innovationsprozesses – zu denen auch die Ideengenerierung zu zählen ist – gefolgert werden kann (Herstatt/ Verworn, 2003, S. 6). Auch Geschka/ Schwarz-Geschka weisen darauf hin, dass erfolgreich innovierende Unternehmen einen großen Wert auf die Ideengenerierung legen, wobei hierzu auch intensiv externe Quellen – wie z. B. Kunden – genutzt werden (Geschka/ Schwarz-Geschka, 2000, S. 104). Darüber hinaus erlauben bereits Plausibilitätsüberlegungen den Rückschluss, dass die Ideengenerierung von sehr großer Wichtigkeit für den gesamten Innovationsprozess ist, da gerade zu Beginn entschieden wird, welche Ideen angestoßen werden (Herstatt/ Verworn, 2003, S. 6). Diese Argumente verdeutlichen somit nicht nur die praktische Relevanz der Ideengenerierung, sondern liefern gleichsam Begründungen für die Fokussierung der Dissertation auf diese erste Hautphase des Innovationsprozesses. Als weiteres Argument ist hierzu zu nennen, dass dieses Themengebiet bisher sowohl theoretisch als auch praktisch wenig durchdrungen ist. Dies spiegelt sich u. a. in der relativ geringen Anzahl an Publikationen zu den frühen Aktivitäten des Innovationsprozesses wider (Herstatt/ Verworn, 2003, S. 7). Eine letzte Begründung, weshalb die Phase der Ideengenerierung in den Mittelpunkt des Interesses der Dissertation gerückt wird, ergibt sich daraus, dass in dieser Arbeit neben den klassischen europäischen Airlines deren europäische Kunden und europäische Lieferanten im Zentrum der Betrachtung stehen und die Integration von Kunden und Lieferanten wiederum insbesondere in der Phase der Ideengenerierung eine wichtige Rolle spielt (Stern/ Jaberg, 2003, S. 128 und Tether, 2003, S. 495, 496). In diesem Sinne sei zum Ende dieses Abschnittes nochmals explizit und zusammenfassend auf einige – bereits kurz erwähnte – essenzielle Fokussierungen hingewiesen, die in der Dissertation vorgenommenen werden und die an den jeweiligen Stellen entsprechend eingehend erläutert werden. Erstens steht nicht die gesamte weltweite Aviation-Industrie im Mittelpunkt des Interesses. Vielmehr wird eine starke Konzentration auf die europäische AviationIndustrie stattfinden. Innerhalb der europäischen Aviation-Industrie wird zweitens immer vom Blickwinkel der klassischen europäischen Airlines aus die Diskussion geführt werden, wodurch diesen Unternehmen eine zentrale Rolle innerhalb der Arbeit zukommen wird. Als Kooperationspartner der klassischen europäischen Airlines werden drittens deren vertikale euro-

8 päische Supply Chain Partner betrachtet. Viertens wird, wie vorangehend kurz beschrieben, nicht der komplette Innovationsprozess detailliert thematisiert, sondern hierbei eine Konzentration auf die Ideengenerierung vorgenommen. Durch diese Fokussierungen lässt sich abschließend festhalten, dass in der Dissertation die kooperative Ideengenerierung, die zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern stattfindet, eingehend untersucht wird. Dies findet deshalb auch weit reichenden Eingang in die Zielsetzungen und den Aufbau der Arbeit, die im folgenden Abschnitt erläutert werden. 1.2 Zielsetzungen und Aufbau der Arbeit Wie im vorigen Abschnitt bereits zu erkennen war, verfügt die Dissertation über die folgenden zwei Forschungsschwerpunkte: •

1. Forschungsschwerpunkt: Die Supply Chain der europäischen Aviation-Industrie

•

2. Forschungsschwerpunkt: Innovationskooperationen

Durch die gemeinsame Betrachtung der beiden Bestandteile des ersten Forschungsschwerpunktes, nämlich den der Supply Chain und den der europäischen Aviation-Industrie, ergibt sich die erste Gruppe von Fragen, die in der Dissertation zu beantworten sind. Diese Fragengruppe wird wie folgt bezeichnet: (1) Strukturierungsfragen

Überdies gibt es in der Dissertation zwei weitere Fragengruppen. So werden durch die inhaltliche Zusammenführung der beiden Forschungsschwerpunkte in der Arbeit Forschungslücken identifiziert. Bezug nehmend auf diese Forschungslücken werden mehrere Fragen gestellt, die mittels der bereits existierenden Literatur nicht befriedigend beantwortet werden können. Diese Fragen, deren Beantwortung – wie auch die der Strukturierungsfragen – für Wissenschaftler und Praktiker interessant ist, sind den folgenden beiden Gruppen zuzuordnen: (2) Forschungsfragen (3) Fragen für weiterführende Forschung

Bevor die in der Arbeit herausgearbeiteten Fragen explizit genannt werden, sollen diese drei Fragengruppen in aller Kürze beschrieben werden. In der Mitte der Fragenhierarchie siedelt sich in der Dissertation die Gruppe der Strukturierungsfragen an. Die Beantwortung dieser Fragen dient als Grundlage für die Durchführung der weiteren Forschung und ist somit auch zur Beantwortung der Fragen essenziell, die den beiden anderen Gruppen zugeordnet sind. Die Antworten auf diese Strukturierungsfragen

9 werden durch die spezifische Zusammenführung bereits bestehender Literatur und vorliegenden Sekundärdaten erarbeitet. Die Forschungsfragen stehen in der Dissertation ganz oben in der Fragenhierarchie, da die Beantwortung dieser Fragen als Oberziel der Arbeit angesehen wird. Hinsichtlich der Forschungsfragen werden Hypothesen und gegebenenfalls theoretische Modelle abgeleitet. Die zu diesen Hypothesen empirisch ermittelten Daten werden durch den Einsatz mehrerer statistischer Analysen untersucht, wobei die hierzu verwendeten Indikatoren erläutert und auf ihre Reliabilität und Validität hin evaluiert werden. Ganz unten in der Fragenhierarchie stehen die Fragen für eine etwaige weiterführende Forschung. Die mit diesen Fragen einhergehenden Thematiken stehen nicht im Fokus der Untersuchung und können mit der verwendeten Forschungsmethode nur in ersten Ansätzen beantwortet werden. Sie dienen primär dazu, auf bestehende Forschungslücken aufmerksam zu machen und darüber hinaus einen ersten Anstoß und erste Ergebnisse für eine möglicherweise anschließende vertiefende Forschung darzubieten. Hinsichtlich dieser Fragen werden – wie für die Forschungsfragen – Primärdaten erhoben, wobei die hierzu verwendeten Indikatoren, im Gegensatz zu den Indikatoren der Forschungsfragen, nicht explizit in der Dissertation diskutiert werden. Die Auswertung der für diese Fragen gewonnen Daten erfolgt mittels einfacher deskriptiver Statistik. In diesem Sinne lassen sich die unterschiedlichen Fragen, die in der Dissertation thematisiert werden, wie folgt den drei Fragengruppen zuordnen: Ad (1) Strukturierungsfragen •

1. Strukturierungsfrage: Wer sind die Key Player der Supply Chain der europäischen Aviation-Industrie?

•

2. Strukturierungsfrage: Wie sieht eine modellhafte Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie aus, in der die klassischen europäischen Airlines die fokale Stufe einnehmen?

Ad (2) Forschungsfragen •

1. Forschungsfrage: Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet?

•

2. Forschungsfrage: Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit?

10 Ad (3) Fragen für weiterführende Forschung •

1. Frage für weiterführende Forschung: Wie wichtig sind gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden?

•

2. Frage für weiterführende Forschung: Warum beziehen klassische europäische Airlines ihre europäischen Kunden und ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten ein?

Das Ziel der Dissertation besteht darin, jeweils eine Antwort auf diese sechs Fragestellungen zu geben und somit in Summe einen deutlichen Beitrag dazu zu leisten, die identifizierten Forschungslücken zu schließen. Nachdem nun klar die Zielsetzungen der Arbeit zum Ausdruck gebracht wurden, wird im Folgenden in aller Kürze der Aufbau der Dissertation verdeutlicht. Dieser ist zusammenfassend der Abbildung 3 zu entnehmen. So wird mit Kapitel 1 in die Thematik bzw. in die Problemstellung der Dissertation eingeführt, indem zum einen die Ausgangssituation und zum anderen die Zielsetzungen und der Aufbau der Arbeit expliziert werden. Das daran anschließende Kapitel 2 befasst sich ausführlich mit dem ersten Forschungsschwerpunkt der Dissertation, nämlich der Supply Chain der europäischen Aviation-Industrie. Zu diesem Zweck werden zunächst die notwendigen Aspekte des Konzeptes der Supply Chain und somit der erste Bestandteil des ersten Forschungsschwerpunktes thematisiert. Darauf folgend wird ein grundlegendes Verständnis für die Aviation-Industrie und somit für den zweiten Bestandteil des ersten Forschungsschwerpunktes geschaffen. Anschließend erfolgt die Fokussierung auf die europäische Aviation-Industrie, indem diese mittels Porters Five Forces adäquat strukturiert wird, die wesentlichen Stufen charakterisiert werden und dabei eine Identifizierung der jeweiligen Key Player bzw. wichtigen Institutionen stattfindet (Porter, 1980, S. 4). Das Kapitel schließt mit einer modellhaften Darstellung der Supply Chain der europäischen Aviation-Industrie. Somit werden mit Vollendung des zweiten Kapitels die beiden formulierten Strukturierungsfragen beantwortet sein, so dass diese Erkenntnisse in den sich anschließenden Kapiteln verwendet werden können. Das dritte Kapitel steht zunächst primär unter dem Vorzeichen des zweiten Forschungsschwerpunktes. Hierzu werden als erstes die begrifflichen Grundlagen der Innovationsforschung erarbeitet. Im Anschluss daran folgt eine vertiefende Explizierung von Innovationskooperationen vor dem Hintergrund der Existenz-, Erfolgs- und Kontingenzanalyse (Gemünden, 2001, S. 124). In diesem Zusammenhang findet die schlussendliche inhaltliche Vereinigung der beiden Forschungsschwerpunkte statt, wodurch Forschungslücken identifiziert werden. Aufbauend auf diesen Forschungslücken werden zum einen im Kontext der Existenz- und der Erfolgsanalyse die beiden Forschungsfragen abgeleitet und zum anderen im Kontext der Kon-

11 tingenzanalyse die beiden Fragen für weiterführende Forschung herausgestellt. Indem somit mit Kapitel 3 einerseits die beiden Forschungsschwerpunkte vollständig eingeführt sind und andererseits diese beiden Schwerpunkte miteinander verknüpft sind, schließt dieses Kapitel mit einem Zwischenergebnis, wobei die bis zu diesem Zeitpunkt erarbeiteten Resultate zusammengefasst werden. Kapitel 1: Einführung in die Problemstellung • Ausgangssituation • Zielsetzungen und Aufbau der Arbeit Kapitel 2: Die Supply Chain der europäischen Aviation-Industrie • Die Supply Chain • Grundlagen der Aviation-Industrie • Die europäische Aviation-Industrie Kapitel 3: Innovationskooperationen für die Supply Chain der europäischen Aviation-Industrie • Begriffliche Grundlagen der Innovationsforschung • Innovationskooperationen vor dem Hintergrund der Existenz-, Erfolgs- und Kontingenzanalyse • Zwischenergebnis: Kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern Kapitel 4: Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie • Konstrukte, Indikatoren und Hypothesen zur Existenzanalyse • Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur Erfolgsanalyse Kapitel 5: Forschungsmethodologie, Datenanalyse und empirische Ergebnisse zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie • Forschungsmethodologie der empirischen Untersuchung • Ergebnisse zur Existenzanalyse • Ergebnisse zur Erfolgsanalyse • Ergebnisse zur Kontingenzanalyse Kapitel 6: Zusammenfassung und Implikationen der Arbeit • Zusammenfassende Darstellung der Befunde • Implikationen der Arbeit für die Praxis • Implikationen der Arbeit für die Forschung Abbildung 3: Aufbau der Arbeit (Quelle: Eigene Darstellung)

Kapitel 4 greift viele der in den vorangegangenen Kapiteln erarbeiteten Erkenntnisse auf, indem auf die im Kontext der Existenz- und der Erfolgsanalyse herausgestellten Forschungsfragen Bezug genommen wird. Bevor in Abschnitt 4.1 zur ersten Forschungsfrage, die sich der Existenzanalyse zuordnen lässt, Hypothesen abgeleitet werden, wird jeweils expliziert, wel-

12 che Indikatoren den mit dieser Forschungsfrage einhergehenden Konstrukten zugeordnet werden (Schnell/ Hill/ Esser, 2005, S. 11). In Abschnitt 4.2 erfolgt zunächst die Zuordnung der Indikatoren zu den Konstrukten, die mit der zweiten Forschungsfrage und somit mit der Erfolgsanalyse verbunden sind. Darauf aufbauend werden Hypothesen für die zweite Forschungsfrage abgeleitet und die aus diesen Hypothesen resultierenden zusammenfassenden theoretischen Forschungsmodelle dargestellt. Kapitel 5 startet mit einer ausführlichen Erläuterung der Forschungsmethodologie der empirischen Untersuchung. Im Anschluss daran wird erneut auf den strukturellen Rahmen der Existenz-, Erfolgs- und Kontingenzanalyse aufgebaut. So werden die Hypothesen bzw. die theoretischen Modelle, die sich auf die beiden Forschungsfragen beziehen, empirisch untersucht und die Ergebnisse dargelegt und diskutiert. Überdies werden unter der Überschrift „Ergebnisse zur Kontingenzanalyse“ – wie gefordert – erste Antworten auf die beiden Fragen für weiterführende Forschung gegeben. Die Dissertation schließt mit einer zusammenfassenden Darstellung der Befunde und Implikationen der Arbeit. Bei der Zusammenfassung werden u. a. nochmals konkret die in Kapitel 1 gestellten Strukturierungsfragen, Forschungsfragen und Fragen für weiterführende Forschung aufgegriffen, indem die wichtigsten Befunde, die zu diesen Fragen in der vorliegenden Schrift eruiert wurden, zusammenfassend dargeboten werden. Danach folgen abschließend die Implikationen der Arbeit für die Praxis und für die Forschung. Übergeordnet orientiert sich der Aufbau der Dissertation somit an den drei wissenschaftlichen Grundzielen: Theorieziel, Erklärungsziel und Gestaltungsziel (Moser, 2007, S. 18; ähnliche Ansätze finden sich z. B. auch bei Gleich, 2001, S. 18 und Ulrich, 1995, S. 165-175). So werden zu Beginn der Kapitel 2 und 3 definitorische Grundlagen geschaffen und die Arbeit in das Wissenschaftsgebiet der Betriebswirtschaftslehre eingeordnet (Theorieziel). Die jeweiligen abschließenden Passagen der Kapitel 2 und 3 sowie die gesamten Kapitel 4 und 5 können dem Erklärungsziel zugeordnet werden, indem u. a. Zusammenhänge erklärt, Hypothesen aufgestellt, empirische Analysen durchgeführt und Ergebnisse dargeboten werden. Durch die im letzten Kapitel der Dissertation zu thematisierenden Implikationen der Arbeit für die Praxis und für die Forschung wird ebenfalls dem Gestaltungsziel Rechnung getragen.

13

2

Die Supply Chain der europäischen Aviation-Industrie

Dieses Kapitel steht unter dem Vorzeichen der Supply Chain der europäischen AviationIndustrie, das gleichzeitig den ersten Forschungsschwerpunkt der vorliegenden Arbeit beschreibt. Daher wird zunächst in Abschnitt 2.1 der erste Bestandteil dieses ersten Forschungsschwerpunktes inhaltlich erarbeitet, indem die Grundlagen des Konzepts der Supply Chain thematisiert werden. In Abschnitt 2.2 wird anschließend das grundlegende Verständnis für die Aviation-Industrie – und somit auch für den zweiten Bestandteil des ersten Forschungsschwerpunktes – geschaffen. Im darauf folgenden Abschnitt 2.3 erfolgt anfangs eine tiefer gehende Betrachtung der europäischen Aviation-Industrie. Hierbei wird diese Industrie zweckdienlich strukturiert, die wesentlichen Stufen werden charakterisiert und die jeweiligen Key Player bzw. wichtige Institutionen werden identifiziert. Damit wird der in Kapitel 1 genannten ersten Strukturierungsfrage Rechnung getragen. Das Ende von Abschnitt 2.3, das gleichwohl dieses zweite Kapitel abschließt, vereint final die beiden Bestandteile des ersten Forschungsschwerpunktes, indem eine für die vorliegende Arbeit geeignete modellhafte Darstellung der Supply Chain der europäischen Aviation-Industrie entwickelt wird. Mit dieser modellhaften Darstellung wird somit eine direkte Antwort auf die in Kapitel 1 formulierte zweite Strukturierungsfrage gegeben. 2.1 Die Supply Chain Ursprünglich sahen sich Unternehmen als unabhängige Einheiten, die notwendigerweise mit anderen Unternehmen konkurrieren müssen, um am hart umkämpften Markt überleben zu können (Christopher, 1998, S. 15 und Christopher/ Ryals, 1999, S. 3). Nach Vis/ Roodbergen lag der Fokus vieler Unternehmen dabei originär darauf, die unternehmensinternen Prozesse zu verbessern (Vis/ Roodbergen, 2002, S. 3). Doch vermehrt setzte sich die Erkenntnis durch, dass der langfristige Erfolg einzelner Unternehmen von der Stärke des schwächsten Supply Chain Glieds limitiert wird und es notwendig ist, ebenfalls an den Interaktionsprozessen zwischen den Unternehmen zu arbeiten (Spekman/ Kamauff/ Myhr, 1998, S. 634 und Vis/ Roodbergen, 2002, S. 3). Die Einsicht verbreitete sich, dass der langfristige Erfolg eines einzelnen Unternehmens einerseits von dem Erfolg der Lieferanten und andererseits von der Zufriedenheit der Kunden abhängt (Chandra/ Kumar, 2000, S. 112). Damit ein einzelnes Unternehmen strategisch gut im Markt positioniert ist, bedarf es nach dieser Auffassung folglich einer erfolgreichen Supply Chain (Chandra/ Kumar, 2000, S. 112). Um dies zu erreichen, ist es wichtig, dass die mannigfaltigen Aktivitäten der beteiligten Organisationen ihre Anstrengungen darauf ausrichten, eine effiziente Supply Chain zu erhalten und nicht etwa ein effizientes Unternehmen innerhalb einer potenziell ineffizienten Supply Chain zu errichten (Vis/ Roodbergen, 2002, S. 3). Das Ziel einer Supply Chain sollte nach Chopra/ Meindl in diesem Sinne darin bestehen, die Profitabilität der gesamten Supply Chain zu maximieren. Die Supply Chain-Profitabiliät definieren sie dabei als die Differenz zwischen

14 den durch die Kunden generierten Einnahmen und den entlang aller Stufen der Supply Chain verursachten Gesamtkosten (Chopra/ Meindl, 2004, S. 26). Christopher formulierte in diesem Kontext sogar den Ausspruch, dass nicht mehr einzelne Unternehmen im Wettbewerb zueinander stehen, sondern komplette Supply Chains um die Gunst der Kunden konkurrieren (Christopher, 1998, S. 16 und Rice/ Hoppe, 2001, S. 47-54). In dem nun folgenden Abschnitte 2.1.1 wird zunächst dargestellt, wie sich der Begriff der Supply Chain sowohl in der Theorie als auch in der Praxis entwickelt hat. Dabei werden unterschiedliche Definitionen diskutiert, wie der Begriff der Supply Chain von unterschiedlichen Autoren definiert wird. In Abschnitt 2.1.2 folgt eine Explizierung zu der institutionellen und der prozess- und ressourcenorientierten Perspektive der Supply Chain. Den Abschluss von Abschnitt 2.1 stellt Abschnitt 2.1.3 dar, in dem eine Diskussion zur Netzwerkstruktur der Supply Chain und eine aus den Ergebnissen des gesamten Abschnitts 2.1 abgeleitete Definition des Terminus der Supply Chain dargeboten wird. 2.1.1 Literaturanalyse zu dem Begriff der Supply Chain Unser heutiges, wenn auch uneinheitliches Verständnis davon, was eine Supply Chain ist, verdanken wir zumindest teilweise der ab den 1950er Jahren entstandenen Systemtheorie und dem damit verbundenen Holismus (New, 1997, S. 16). Die ersten praktischen Einsätze erfuhr die Idee der Supply Chain Mitte der 1980er bzw. Anfang der 1990er Jahre zunächst in der Textilindustrie (Quick Response) und später dann im Lebensmitteleinzelhandel (Efficient Consumer Response) (Lummus/ Krumwiede/ Vokurka, 2001, S. 427 und Lummus/ Vokurka, 1999, S. 13). Die sich daran anschließende, nicht unkomplizierte Entwicklung war sowohl in ihren theoretischen Überlegungen als auch in der praktischen Implementierung nicht immer konsistent (New, 1997, S. 16). Die Folge daraus ist, dass es heute eine große Vielfalt an unterschiedlichen Auffassungen und Anschauungen davon gibt, was unter einer Supply Chain zu verstehen ist (Cavinato, 2002, S. 60-66 und Lummus/ Vokurka, 1999, S. 11). Je nachdem, wer den Begriff der Supply Chain definiert, können sich die Begriffsbestimmungen erheblich voneinander unterscheiden (Ayers, 2001, S. 3). Ein Verantwortlicher eines Third Party Logistics Providers äußerte beispielsweise die Meinung, dass heute vielerorts von Supply Chains gesprochen wird und dennoch so unterschiedliche Definitionen verwendet werden, dass nicht mal den Mitarbeitern des gleichen Unternehmens, geschweige denn den Kunden, eindeutig verständlich ist, über welchen Sachverhalt gesprochen wird (Mentzer et al., 2001a, S. 5, 6). In diesem Zusammenhang ist auf eine Befragung von Lummus/ Krumwiede/ Vokurka hinzuweisen. Bei dieser empirischen Untersuchung wurden Praktiker unterschiedlicher Wertschöpfungsstufen gefragt, wie sie den Begriff der Supply Chain definieren (Lummus/ Krumwiede/ Vokurka, 2001, S. 428-430). Auch aus diesen Ergebnissen kann die Schlussfolgerung gezogen werden, dass Unsicherheit darüber besteht, was eine Supply Chain überhaupt ist. Insbesondere bei einer Überschreitung der eigenen Unternehmensgrenzen dürften dadurch stellenweise erhebliche Probleme resultieren. Erschwerend kommt hinzu, dass – wie expliziert –

15 nicht nur unterschiedliche Sachverhalte unter dem Begriff der Supply Chain subsumiert werden, sondern darüber hinaus für den gleichen Sachverhalt verschiedene Begriffe verwendet werden. So gibt es Autoren, die anstelle des Terminus der Supply Chain die Begriffe Value Chain, Demand Chain, Pipeline oder Logistics Channel verwenden (Bowersox/ Closs/ Cooper, 2002, S. 4 und New, 1994, S. 348). Nach Mason-Jones/ Towill muss hingegen strikt zwischen „Supply Chain“ und „Pipeline“ unterschieden werden, da „[…] the pipeline is a mechanism by which materials and information flow through a supply chain“ (Mason-Jones/ Towill, 1997, S. 137). Cavinato behauptet auf Grundlage einer Studie, die nach zwei Jahren im Herbst 2001 abgeschlossen wurde und bei der insgesamt 63 Unternehmen aus Nordamerika, Europa und Asien befragt wurden, dass die in der Praxis vorzufindenden Supply Chains bzw. Supply Networks sich insgesamt in 16 Basisformen kategorisieren lassen können (Cavinato, 2002, S. 62, 63). Doch nicht nur in der Praxis, sondern ebenfalls in der Theorie herrscht Uneinigkeit darüber, wie der Begriff der Supply Chain zu definieren ist. Eine Übersicht über das teilweise unterschiedliche Begriffsverständnis zeigen die chronologisch in Tabelle 2 und in Tabelle 3 aufgeführten Definitionsansätze. In den folgenden Passagen werden einige Aspekte dieser häufig zitierten Definitionen aufgegriffen und so eine Systematik der Begriffsbestimmungen erzeugt. Eine erste Differenzierungsmöglichkeit besteht nach Harland in der Anzahl und dem Beziehungsgefüge der beteiligten Einheiten. Van der Zee/ van der Vorst weisen hierbei darauf hin, dass die beteiligten Unternehmen (semi)autonome Parteien mit möglicherweise konfliktionären Zielen sind (van der Zee/ van der Vorst, 2005, S. 66). Als erstes stellt Harland fest, dass sich die Begriffsbestimmungen einiger Autoren lediglich auf die interne Supply Chain beschränken, d. h. alle Funktionen, die sich mit dem Fluss von Materialien und Informationen innerhalb eines Unternehmens befassen. In diesem Kontext ist noch auf eine Definition von Handfield/ Nichols aufmerksam zu machen: „The internal supply chain is that portion of a given supply chain that occurs within an individual organization” (Handfield/ Nichols, 1999, S. 42). Als zweite Verwendungsform des Terminus der Supply Chain nennt Harland das Zusammenwirken in dyadischen Beziehungen mit direkten Zulieferern. Eine Zusammenarbeit, die sich vom Zulieferer des Zulieferers bis zum Kunden des Kunden erstreckt, bezeichnet Harland als die dritte Verwendungsform des Begriffs der Supply Chain. Bei der vierten Form handelt es sich um eine Zusammenarbeit in einem Netzwerk aus miteinander verbundenen Organisationen, die alle an der Erfüllung eines vom Endkunden geforderten Produkt- oder Servicepaketes beteiligt sind. (Harland, 1996, S. 64)

16 Autor, Jahr, Seite Cavinato, 1992, S. 285

Definition „The supply concept consists of actively managed channels of procurement and distribution. It is the group of firms that add value along product flow from original raw materials to final customer. It concentrates upon relational factors rather than transactional ones.” Davis, 1993, S. 37 „From an analytical point of view, a supply chain is simply a network of material processing cells with the following characteristics: supply, transformation, and demand.” Lee/ Billington, „A supply chain is a network of facilities that performs the functions of pro1993, S. 835 curement of material, transformation of material to intermediate and finished products, and distribution of finished products to customers.” Kopczak, 1997, „The supply chain is the set of entities, including suppliers, logistics service S. 226 providers, manufacturers, distributors, and resellers, through which materials, products and information flow.” Lee/ Ng, 1997, „To start with, a supply chain is a network of entities that starts with the suppliS. 191 ers’ suppliers and ends with the customers’ customers for the production and delivery of goods and services.” Ross, 1997, S. 152 „The modern supply channel is composed of a series of closely networked internal organizations and independent companies that extends from primary and secondary suppliers at the beginning of the channel to the customers and their customers that mark the furthest extension of channel output.“ Swaminathan/ „A supply chain can be defined as a network of autonomous or semiautonoSmith/ Sadeh, 1998, mous business entities collectively responsible for procurement, manufacturing S. 607 and distribution activities associated with one or more families of related products.” Monczka/ Morgan, „An integrated supply chain and value chain is a connected series, and activities 1998, S. 78 involved in the creation and delivery of value, in the form of both finished products and services, to end customers.” Lambert/ Stock/ „The alignment of firms that bring products or services to market has been Ellram, 1998, called the supply chain, the demand chain or the value chain.” S. 504 Christopher, 1998, „The supply chain is the network of organizations that are involved, through S. 15 upstream and downstream linkages, in the different processes and activities that produce value in the form of products and services in the hands of the ultimate consumer.” Lummus/ Vokurka, „[…] all the activities involved in delivering a product from raw material 1999, S. 11 through to the customer including sourcing raw materials and parts, manufacturing and assembly, warehousing and inventory tracking, order entry and order management, distribution across all channels, delivery to the customer, and the information systems necessary to monitor all of these activities.” Handfield/ Nichols, „The supply chain encompasses all activities associated with the flow and 1999, S. 2 transformation of goods from the raw materials stage (extraction), through to the end user, as well as the associated information flows. Material and information flow both up and down the supply chain.” „Strictly speaking, the supply chain is not a chain of businesses with one-toLambert/ Cooper, 2000, S. 65 one, business-to-business relationships, but a network of multiple businesses and relationships.” Fleischmann/ Meyr, „Eine Supply Chain bildet ein eng verflochtenes Netz aus Lieferanten, Produ2001, S. 13 zenten, Distributoren, Händlern und Kunden, in dem Produkte hergestellt und zu den Abnehmern geliefert werden.” Mentzer et al., „[…] a supply chain is defined as a set of three or more entities (organizations 2001b, S. 4 or individuals) directly involved in the upstream and downstream flows of products, services, finances, and/or information from a source to a customer.“ Tabelle 2: Ausgewählte Definitionen von Supply Chain – Teil 1 – (Quelle: Eigene Darstellung)

17 Autor, Jahr, Seite Ayers, 2001, S. 4

Shapiro, 2001, S. 5

Quiett, 2002, S. 42

Bowersox/ Closs/ Cooper, 2002, S. 6 Handfield/ Nichols, 2002, S. 8

Hugos, 2003, S. 1 The Council of Logistics Management, 2003, S. 113

Daganzo, 2003, S. 1

Definition „Supply chain: Life cycle processes comprising physical, information, financial, and knowledge flows whose purpose is to satisfy end-user requirements with products and services from multiple linked suppliers.” „A […] supply chain comprises geographically dispersed facilities where raw materials, intermediate products, or finished products are acquired, transformed, stored, or sold and transportation links that connect facilities along which products flow. The facilities may be operated by the company, or they may be operated by vendors, customers, third-party providers, or other firms […].” „The chain of events that cause activities and/or material to move from one configuration or location to the next. […] Supply chains […] consist of information flows and material flows, which combine to make up the work flow.” „The generalized supply chain arrangement […] logically and logistically links a firm and its distributive and supplier network to end customers.” „The supply chain encompasses all organizations and activities associated with the flow and transformation of goods from the raw materials stage, through to the end user, as well as the associated information flows. Materials and information flows both up and down the supply chain.” „Supply chains encompass the companies and the business activities needed to design, make, deliver, and use a product or service.” „Supply Chain: 1) starting with unprocessed raw materials and ending with the final customer using the finished goods, the supply chain links companies together. 2) the material and information interchanges in the logistical process stretching from acquisition of raw materials to delivery of finished products to the end user. All vendors, service providers and customers are links in the supply chain.” „A supply chain is a network of suppliers that produce goods, both, for one another and for generic customers. Goods travel from origin-suppliers to destination-customers, possibly visiting intermediate suppliers and being altered or recombined in the process.” „The supply chain is a complex network of facilities dispersed over a large geography, and in many cases, all over the globe.”

Simchi-Levi/ Kaminsky/ SimchiLevi, 2003, S. 3 Chen/ Paulraj, „[…] a typical supply chain is simply a network of materials, information and 2004, S. 132 service processing links with the characteristics of supply, transformation and demand.” „A supply chain consists of all parties involved, directly or indirectly, in fulfillChopra/ Meindl, 2004, S. 4 ing a customer request. The supply chain not only includes the manufacturer and supplier, but also transporters, warehouses, retailers, and customer themselves.” Samaranayake, „In general, a supply chain consists of a large number of partners including 2005, S. 49 customers, distributors, manufacturers and suppliers. The supply chain involves a number of other components such as materials, resources and activities within each partner.” van der Zee/ van „[…] a supply chain network, defined as the series of physical and decisionder Vorst, 2005, making activities connected by material and information flows that cross orgaS. 67 nizational boundaries. […] Supply chains are complex systems owing to the presence of multiple (semi)autonomous organizations, functions, and people set within a dynamic environment.” The Supply-Chain „The supply chain […] encompasses every effort involved in producing and Council, 2006 delivering a final product or service, from the supplier’s supplier to the customer’s customer.” Tabelle 3: Ausgewählte Definitionen von Supply Chain – Teil 2 – (Quelle: Eigene Darstellung)

18 Cooper et al. differenzieren darüber hinaus nach dem Verantwortungsbereich des betrachteten fokalen Unternehmens. Sie unterscheiden hierbei nach Dyadic, Channel Integrator, Analytic Optimization und Keiretsu (Cooper et al., 1997, S. 70). Beim dyadischen Management interagieren die Supply Chain Partner nur in seltenen Fällen auch mit nicht unmittelbar „benachbarten“ Institutionen (Cooper et al., 1997, S. 71). Somit liegt der Fokus der einzelnen Supply Chain Partner in ihrer Außenwirkung eindeutig auf den Institutionen, zu denen sie in direktem Kontakt stehen (Cooper et al., 1997, S. 71). Beim Konzept des Channel Integrators hat ein Teilnehmer – der so genannte Channel Leader – eine Schlüsselrolle innerhalb der Supply Chain inne, in dem er u. a. die übergeordnete Strategie für alle beteiligten Partner festlegt und diese Partner mit der festgelegten Strategie vertraut macht (Cooper et al., 1997, S. 72). Im Vergleich zum dyadischen Management sollte der Channel Leader direkten Kontakt mit möglichst vielen Key Playern der Supply Chain haben (Cooper et al., 1997, S. 72). Das Konzept der Analytic Optimization geht noch einen Schritt weiter. Hier nutzt der Channel Leader eine computergesteuerte Modellierung, um damit für die Arbeitsabläufe die beste Supply Chain Konfiguration zu ermitteln (Cooper et al., 1997, S. 72). Auch bei Keiretsu liegt nach Cooper et al. die Verantwortung bei einem Channel Leader. Darüber hinaus betonen Cooper et al. hinsichtlich Keiretsu, dass „[…] the control/ leadership is greatly empowered by partial ownership of the other channel members” (Cooper et al., 1997, S. 73). Nach ihrer Komplexität identifizieren Mentzer et al. drei unterschiedliche Stufen der Supply Chain (Mentzer et al., 2001b, S. 4). In der ersten Stufe, die „direct supply chain“ genannt wird, ist die Komplexität überschaubar, da neben dem fokalen Unternehmen noch ein Lieferant und ein Kunde involviert sind, deren Produkt-, Service-, Finanz- und/ oder Informationsfluss upstream und/ oder downstream betrachtet werden (Mentzer et al., 2001b, S. 4). Ayers erwähnt in diesem Kontext treffend: „The supply chain is more than the physical movement of goods `from earth to earth´. It is also information, money movement, and the creation and deployment of intellectual capital, or, as some call it `knowledge work´” (Ayers, 2001, S. 4). Die so genannte „extended supply chain“ stellt nach Mentzer et al. die zweite Komplexitätsstufe dar. Auch hierbei werden die oben genannten Flüsse betrachtet. Allerdings werden neben dem fokalen Unternehmen und dessen direkten Lieferanten und Kunden noch die jeweils eine Stufe vor- bzw. nachgelagerten Lieferanten und Kunden mit berücksichtigt (Mentzer et al., 2001b, S. 4). Die höchste Komplexitätsstufe nimmt nach Mentzer et al. die „ultimate supply chain“ ein. Bei dieser werden alle involvierten Organisationen, d. h. vom ersten Lieferanten bis zum Endkunden, mitsamt den darin ablaufenden Produkt-, Service, Finanz- und Informationsflüssen und den dazu notwendigen Service Providern betrachtet (Mentzer et al., 2001b, S. 4, 5). Außerdem betonen Mentzer et al. ausdrücklich, dass eine Organisation durchaus in einer Vielzahl von Supply Chains involviert sein kann (Mentzer et al., 2001b, S. 4). Nach einer Einteilung der Supply Chain in verschiedene Kategorien verwenden Hugos und Kemppainen/ Vepsäläinen ebenfalls den Begriff der „extended supply chain“. Allerdings beinhaltet sie bei diesen Autoren bereits neben dem fokalen Unternehmen alle beteiligten Liefe-

19 ranten und Kunden (Hugos, 2003, S. 23 und Kemppainen/ Vepsäläinen, 2003, S. 704). Dazu kommen bei Hugos noch alle involvierten Service Provider für die Bereiche Logistik, Finance, Informationstechnologie und Marketing (Hugos, 2003, S. 23). Demnach entspricht die „extended supply chain“ von Hugos, zumindest bezogen auf die beteiligten Akteure, der „ultimate supply chain“ von Mentzer et al. Eine ganz besondere Rolle nimmt bei einigen Autoren der Endkunde ein. So betonen etwa Chopra/ Meindl und Mentzer et al. explizit, dass der Endkunde ein Teil der Supply Chain ist (Chopra/ Meindl, 2004, S. 5 und Mentzer et al., 2001b, S. 4). Darüber hinaus argumentieren Verfasser von wissenschaftlichen Arbeiten, dass das primäre Ziel jeglicher Supply Chains darin besteht, die Kundennachfrage zu befriedigen bzw. die Aktivitäten von allen in der Supply Chain beteiligten Institutionen mit dem Endkunden zu verknüpfen (Bowersox/ Closs/ Cooper, 2002, S. 6 und Chopra/ Meindl, 2004, S. 5). Cooper/ Lambert/ Pagh unterscheiden bewusst zwischen den Aktivitäten, die zum Aufgabenbereich der Logistik zu zählen sind und all jenen, die entlang der Supply Chain anfallen. Ihrer Meinung nach gehen einige Business Operations, die innerhalb einer Supply Chain ablaufen, weit über die logistischen Aktivitäten hinaus (Cooper/ Lambert/ Pagh, 1997, S. 11). Als ein Beispiel hierfür führen sie die Neuproduktentwicklung an (Cooper/ Lambert/ Pagh, 1997, S. 11). Nachdem nun kurz einige Möglichkeiten vorgestellt wurden, anhand derer sich die unterschiedlichen Definitionen zum Begriff der Supply Chain voneinander differenzieren lassen, werden in den beiden folgenden Abschnitten 2.1.2 und 2.1.3 zwei weitere Differenzierungsmöglichkeiten etwas genauer vorgestellt. Aus diesen beiden Gruppierungsmöglichkeiten wird am Ende von Abschnitt 2.1.3 die für die vorliegende Arbeit relevante Definition für den Terminus der Supply Chain abgeleitet. 2.1.2 Die institutionelle und die prozess- und ressourcenorientierte Perspektive der Supply Chain Ergänzend zu denen am Ende von Abschnitt 2.1.1 beschriebenen Differenzierungsmöglichkeiten für den Begriff der Supply Chain erscheint es wichtig, zwei grundlegend verschiedene, aber trotzdem oft nicht getrennt betrachtete Sichtweisen auf die Supply Chain zu unterscheiden. Die erste Sichtweise ist die institutionelle und die zweite die prozess- und ressourcenorientierte Perspektive (Sucky, 2004, S. 7, 8). So gibt es einige Autoren, die ihren Schwerpunkt auf die institutionelle Perspektive der Supply Chain legen bzw. diese Perspektive zumindest klar in den Vordergrund rücken, indem sie ihr Augenmerk ausschließlich bzw. primär auf die beteiligten Institutionen richten. Wie aus Tabelle 2 ersichtlich wird, definiert mit einem solchen Fokus beispielsweise Ross die Supply Chain, für die er synonym den Begriff des Supply Channels verwendet: „The modern supply channel is composed of a series of closely networked internal organizations and independent companies that extends from primary and secondary suppliers at the beginning of the

20 channel to the customers and their customers that mark the furthest extension of channel output“ (Ross, 1997, S. 152). Auch bei Bowersox/ Closs/ Cooper ist die starke Betonung der institutionellen Perspektive zu vernehmen: „The generalized supply chain arrangement […] logically and logistically links a firm and its distributive and supplier network to end customers” (Bowersox/ Closs/ Cooper, 2002, S. 6). Ebenfalls in der bereits häufig angesprochenen Definition von Mentzer et al., die gleichsam in Tabelle 2 aufgeführt ist, wird die Supply Chain mit einem starken, wenn auch nicht ausschließlichen Bezug zur institutionellen Perspektive definiert: „[…] a supply chain is defined as a set of three or more entities (organizations or individuals) directly involved in the upstream and downstream flows of products, services, finances, and/or information from a source to a customer“ (Mentzer et al., 2001b, S. 4). Die letztgenannte Definition folgt – wie bereits erwähnt – nicht ausschließlich der institutionellen Perspektive, da die Beziehungen der in der Supply Chain integrierten Institutionen u. a. durch Waren- und Güterflüsse konstituiert werden, die wiederum durch Beschaffungs-, Produktions- und Distributionsprozesse determiniert werden (Sucky, 2004, S. 7, 8). Autoren, die ihren Fokus nicht auf die institutionelle, sondern auf die prozessorientierte Perspektive richten, stellen primär auf diese mit der Leistungserstellung in Supply Chains verbundenen Beschaffungs-, Produktions- und Distributionsprozesse ab (Sucky, 2004, S. 7). Zu dieser Gruppe von Autoren gehören ohne Zweifel Handfield/ Nichols: „The supply chain encompasses all activities associated with the flow and transformation of goods from the raw materials stage (extraction), through to the end user, as well as the associated information flows” (Handfield/ Nichols, 1999, S. 2). Anzumerken ist an dieser Stelle, dass beide Autoren in einer späteren Arbeit zusätzlich zu der in der obigen Definition verwendeten Beschreibung „The supply chain encompasses all activities […]“ noch alle involvierten Organisationen integrieren: „The supply chain encompasses all organizations and activities […]“ (Handfield/ Nichols, 1999, S. 2 und Handfield/ Nichols, 2002, S. 8). In einer ähnlichen Weise definiert das Supply-Chain Council den Begriff der Supply Chain: „The supply chain […] encompasses every effort involved in producing and delivering a final product or service, from the supplier’s supplier to the customer’s customer“ (The Supply-Chain Council, 2006). In realen Supply Chains werden die zur Durchführung der soeben genannten Prozesse erforderlichen Ressourcen häufig an einer Vielzahl von Standorten bereitgestellt, die sich darüber hinaus geographisch stark voneinander unterscheiden können (Sucky, 2004, S. 13). Diese an differierenden Standorten zur Verfügung stehenden Ressourcen zur Durchführung von Beschaffungs-, Produktions- und Distributionsprozessen können sich wiederum hinsichtlich ihrer Prozesskosten, ihrer Prozessqualität und ihrer Prozesszeit unterscheiden (Pibernik, 2001, S. 151 und Sucky, 2004, S. 13). Aufgrund dessen wird zur Darstellung der Supply Chain die oben definierte prozessorientierte Perspektive mit einer ressourcenorientierten Perspektive der Supply Chain kombiniert (Sucky, 2004, S. 13). Eine Definition für den Begriff der Supply Chain, in der beide, d. h. sowohl die Prozess- als auch die Ressourcenorientierung stark zum

21 Ausdruck kommen, gibt Shapiro: „A […] supply chain comprises geographically dispersed facilities where raw materials, intermediate products, or finished products are acquired, transformed, stored, or sold and transportation links that connect facilities along which products flow. The facilities may be operated by the company, or they may be operated by vendors, customers, third-party providers, or other firms […]” (Shapiro, 2001, S. 5). Um einerseits den Lesern vertiefend die erheblichen Unterschiede, die zwischen der institutionellen und der prozess- und ressourcenorientierten Perspektive bestehen, klar zu verdeutlichen, aber andererseits auch, um die notwendigen Rahmenbedingungen für Abschnitt 2.3.3 zu schaffen, werden nun die beiden Perspektiven graphentheoretisch expliziert. Zunächst soll die institutionelle Perspektive eingehend dargestellt werden. In einer graphischen Darstellung repräsentieren die beteiligten Knoten, die durch die nichtleere Knotenmenge Vin erfasst werden, die entsprechenden Institutionen (Sucky, 2004, S. 10). Bei der institutionellen Perspektive der Supply Chain sei ein Knoten mit vinsin ∈ Vin bezeichnet, mit ins ∈ {1, 2, …, ins}, wobei der Index ins, ins = 1, 2, …, ins, eine bestimmte Institution kennzeichnet und sich die Knotenmenge aus der institutionellen Perspektive der Supply Chain somit ergibt mit (Sucky, 2004, S. 10): Vin := {v1in, …, vinsin}. Zu diesen Institutionen, die durch die Knoten vinsin ∈ Vin repräsentiert werden, zählen beispielsweise die Original Equipment Manufacturers (OEMs), Lieferanten von Rohstoffen, Bauteilen, Hilfsstoffen, Betriebsstoffen und Fertigerzeugnissen, Logistikdienstleister (z. B. Transportunternehmen, Speditionen), Third Party Logistics Provider, Fourth Party Logistics Provider, Finanzdienstleister (z. B. Banken, Versicherungen), Beratungen, Handelsunternehmen (z. B. Versand-, Groß- und Einzelhandel), Non-profit-Einheiten (z. B. staatliche Krankenhäuser) und sonstige Dienstleister (Hahn, 2000, S. 12 und Sucky, 2004, S. 10, 11). Da, wie oben mehrfach betont wurde, ebenfalls der Endkunde als ein Teil der Supply Chain anzusehen ist, werden in der vorliegenden Arbeit außerdem die Endkunden als eine Institution angesehen. So gehören der „Institution Endkunde“ einer Airline im Passagebereich beispielsweise Privatreisende und Geschäftsreisende an. Die wesentlichen Merkmale und die dazugehörigen Ausprägungen stellen die Knotenbewertungen lin(vinsin) dieser Institutionen vinsin ∈ Vin dar, die z. B. durch die Mitarbeiterzahl, die Anzahl an Passagieren, die Höhe des Eigenkapitals, den Firmensitz, die Rechtsform oder das Leistungsprogramm beschrieben werden können (Sucky, 2004, S. 11). Die Beziehungen, die zwischen den Institutionen bestehen, werden im Graph durch Pfeile (vins´in, vins´´in), mit vins´in, vins´´in ∈ Vin und vins´in ≠ vins´´in dargestellt, wobei die Richtung der Pfeile auch die Richtung der Beziehungen anzeigt (Sucky, 2004, S. 11). Hierbei werden in der vorliegenden Arbeit bilaterale Beziehungen zwischen Institutionen durch einen entsprechenden Doppelpfeil mit (vins´in, vins´´in) und (vins´´in, vins´in) angezeigt. Einseitige Beziehungen werden hingegen mittels

22 eines einfachen Pfeils zwischen den betreffenden Knoten der Supply Chain dargestellt (Sucky, 2004, S. 11). Die Pfeilbewertungen lin(vins´in, vins´´in) können beispielhaft für die Höhe der finanziellen Beteiligungen, die Anzahl von Verhandlungen oder die Anzahl von Informationsübertragungen pro Periode stehen (Sucky, 2004, S. 11). Auch zur Verdeutlichung der prozess- und ressourcenorientierten Perspektive soll eine Erklärung mittels Knoten und Pfeilen herangezogen werden. Nach Davenport bezeichnet ein Prozess eine strukturierte und gemessene Ansammlung an Aktivitäten, die dazu dienen, einen spezifischen Output für einen speziellen Kunden oder Markt zu erzeugen (Davenport, 1993, S. 5).1 Cooper/ Lambert/ Pagh leiten daraus das Folgende ab: „A process is a specific ordering of work activities across time and place, with a beginning, an end, and clearly identified inputs and outputs, a structure for action. Supply chain business processes can cross intra- and inter-organizational boundaries, independently of formal structure” (Cooper/ Lambert/ Pagh, 1997, S. 5). Chopra/ Meindl differenzieren die Supply Chain Prozesse weiter in drei Makroprozesse, zu denen innerhalb eines Unternehmens alle Supply Chain Aktivitäten gehören: (1) Customer Relationship Management (CRM): darunter verstehen sie alle Prozesse mit Fokus auf die Schnittstelle zwischen dem Unternehmen und seinen Kunden; (2) Internal Supply Chain Management (ISCM): hierunter werden alle unternehmensinternen Prozesse subsumiert; (3) Supplier Relationship Management (SRM): hiermit werden all die Prozesse zusammengefasst, deren Foki auf der Schnittstelle zwischen dem Unternehmen und seinen Lieferanten liegen (Chopra/ Meindl, 2004, S. 17, 18). Die Menge der Standorte Vre, bei denen Ressourcen zur Verrichtung ortsgebundener, stationärer Wertschöpfungsprozesse zur Verfügung stehen, werden auf der prozess- und ressourcenorientierten Ebene der Supply Chain mittels Knoten dargestellt (Harrington, 1991, S. 9; Pibernik, 2001, S. 141-147 und Sucky, 2004, S. 13, 14). Unter Wertschöpfung wird hierbei die in Geldeinheiten ausgedrückte Differenz zwischen dem Wert der vom Betrieb übernommenen Güter und dem Wert der vom Betrieb abgegebenen Güter verstanden (Pibernik, 2001, S. 141, 142 und Weber, 1993, Sp. 4660). Ein Knoten auf der prozess- und ressourcenorientierten Ebene der Supply Chain sei hierbei mit vpr, st(pr)re gekennzeichnet, mit pr ∈ {1, 2, …, pr} und st(pr) ∈ {1, 2, …, st(pr)} (Sucky, 2004, S. 14). Zu beachten ist, dass der Index pr, mit pr = 1, 2, …, pr, einen bestimmten, stationären Wertschöpfungsprozess bezeichnet (Sucky, 2004, S. 14). Um gleichartige, stationäre Wertschöpfungsprozesse bezüglich der Lokalisierung der notwendigen Ressourcen zu unterscheiden, wird der Index st(pr), mit st(pr) = 1, 2, … st(pr), herangezogen (Sucky, 2004, S. 14). Somit kennzeichnet vpr, st(pr)re die Ressourcen, die am 1

In einer ähnlichen Weise definieren auch Gaitanides, 1996, Sp. 1683; Scheer, 1998, S. 3 und Siegle, 1994, S. 166 den Begriff des Geschäftsprozesses.

23 Standort st(pr) zur Durchführung des stationären Wertschöpfungsprozesses pr disponierbar sind (Sucky, 2004, S. 14). Daher ergibt sich aus der prozess- und ressourcenorientierten Perspektive der Supply Chain die Knotenmenge mit (Sucky, 2004, S. 14): Vre := {vpr, st(pr)re⎪pr ∈ {1, 2, …, pr}, st(pr) ∈ {1, 2, …, st(pr)}}. Mögliche Knotenbewertungen lre(vpr, st(pr)re) sind auf dieser Ebene der Supply Chain z. B. die Prozesskostensätze und die Prozesszeiten eines Produktionsprozesses, die Periodenkapazität oder die geographische Lage der Knoten vpr, st(pr)re ∈ Vre (Pibernik, 2001, S. 151 und Sucky, 2004, S. 14). Im Gegensatz zur institutionellen Perspektive, bei der die Pfeile die Beziehungen der beteiligten Institutionen kennzeichnen, bilden bei der prozess- und ressourcenorientierten Perspektive die Pfeile die Güterflüsse zwischen den Standorten ab, bei denen Ressourcen zur Disposition ortsgebundener, stationärer Wertschöpfungsprozesse zur Verfügung stehen (Sucky, 2004, S. 14). Die Pfeile werden auf der prozess- und ressourcenorientierten Ebene der Supply Chain durch (vpr´, st(pr´)re, vpr´´, st(pr´´)re), mit vpr´, st(pr´)re, vpr´´, st(pr´´)re ∈ Vre und vpr´, ≠ vpr´´, st(pr´´)re dargestellt (Sucky, 2004, S. 14). Denkbare Pfeilbewertungen lre(vpr´, st(pr´)re, vpr´´, st(pr´´)re) sind hier die Transportkapazitäten eines Lastkraftwagens, die Entfernungen zwischen einer spezifizierten Produktionsstätte und einem gewünschten Lager, die dazugehörigen Transportkostensätze und die Transportdauer (Sucky, 2004, S. 14).

re st(pr´)

Um nochmals gezielt die aufgezeigten Unterschiede zu verdeutlichen, die zwischen der institutionellen und der prozess- und ressourcenorientierten Perspektive der Supply Chain bestehen, kann Tabelle 4 zu Rate gezogen werden. Dort werden zusammenfassend Beispiele für die Knoten- und Pfeilbewertungen der beiden Sichtweisen gegenübergestellt.

institutionelle Perspektive

prozess- und ressourcenorientierte Perspektive

Knotenbewertung • Mitarbeiterzahl • Anzahl Passagiere • Höhe des Eigenkapitals • Firmensitz • Leistungsprogramm • Rechtsform • Geographische Lage eines Standortes, an dem die Ressourcen zur Disposition stehen • Periodenkapazitäten • Prozesskostensätze für das Entladen eines Flugzeugs • Prozesszeiten für das Entladen eines Flugzeugs

Pfeilbewertung • Höhe der finanziellen Beteiligungen • Anzahl von Verhandlungen pro Periode zwischen Airline und Lieferant • Anzahl von Informationsübertragungen pro Periode • Transportkapazitäten eines Flugzeugs • Entfernung zwischen Produktionsstätte A und Lager B • Transportkostensätze für einen Transport zwischen Produktionsstätte A und Lager B • Transportdauer zwischen Produktionsstätte A und Lager B

Tabelle 4: Vergleich der institutionellen mit der prozess- und ressourcenorientierten Perspektive der Supply Chain (Quelle: In Anlehnung an Sucky, 2004, S. 10-14)

24 2.1.3 Die Supply Chain als Netzwerk Nachdem nun bereits wiederholt der Begriff des Netzwerkes in Verbindung mit dem Terminus der Supply Chain gebracht wurde, soll in diesem Abschnitt eingehend auf den notwendigen definitorischen Übergang von der Auffassung der „kettenartigen“ Struktur der Supply Chain auf eine „netzwerkartige“ Struktur hingewiesen werden. Den Abschluss dieses Abschnittes bildet die dieser Arbeit zu Grunde gelegte Definition für den Begriff der Supply Chain und ein erster Ausblick auf die weitere Arbeit. Diese Definition ist das Ergebnis einer konsistenten Weiterführung des in diesem Kapitel verwendeten Argumentationsstranges. Insbesondere in deutschsprachigen Arbeiten wird häufig der Begriff der Supply Chain mit Wertschöpfungskette oder Lieferkette übersetzt (Kuhn/ Hellingrath, 2002, S. 10 und Zäpfel, 2000, S. 2). Ein Grund für die Verwendung des Ausdrucks „Kette“ liegt sicherlich in der wörtlichen Übersetzung des englischen Wortes „Chain“. Allerdings sind solche Übersetzungen irreführend, da durch den Begriff der Kette eine Vorstellung von Linearität des Materialund Informationsflusses suggeriert wird: „Insbesondere erweckt die einer Kette innewohnende Vorstellung der Linearität einen falschen Eindruck vom Material- und Informationsfluss im Unternehmen“ (Knolmayer/ Mertens/ Zeier, 2000, S. 2). Ähnlich argumentieren Bowersox/ Closs/ Cooper: „In practice, many complexities serve to cloud simplicity of illustrating supply chain as directional line diagrams“ (Bowersox/ Closs/ Cooper, 2002, S. 7). Auch Rice/ Hoppe weisen in diesem Kontext u. a. auf die Nichtlinearität der in der Supply Chain stattfinden Flüsse hin (Rice/ Hoppe, 2001, S. 47). In Bezug zu dem vorigen Abschnitt, in dem einerseits die institutionelle und andererseits die prozess- und ressourcenorientierte Perspektive der Supply Chain vorgestellt wurde, lässt sich folgern, dass ein einzelnes „Kettenglied“, welches aus prozess- und ressourcenorientierter Sichtweise z. B. ein Produktionsprozess und aus institutioneller Perspektive z. B. eine exakt spezifizierte Institution sein kann, oftmals eine Vielzahl an Beziehungen zu anderen „Kettengliedern“ (Institutionen oder Prozessen) hat (Stadtler, 1999, S. 35 und Sucky, 2004, S. 8). Hinzu kommt, dass ein Unternehmen zur gleichen Zeit in unterschiedlichen Supply Chains involviert sein kann (Handfield/ Nichols, 1999, S. 42 und Murphy/ Wood, 2004, S. 46). So argumentieren van der Zee/ van der Vorst: „Each firm belongs to at least one supply chain, that is, it usually has multiple suppliers and customers” (van der Zee/ van der Vorst, 2005, S. 67). Murphy/ Wood folgern in ähnlicher Weise: „An individual firm can be involved in multiple supply chains at the same time […]” (Murphy/ Wood, 2004, S. 46). Der Gebrauch des Begriffs der Kette abstrahiert daher zu sehr von der Realität, wodurch die Gefahr eines zu großen Informationsverlustes entsteht und somit das daraus resultierende Modell nicht mehr für die Lösung realer Problemstellungen geeignet ist (Pibernik, 2001, S. 150). Ein solches Abstraktionsmodell einer Supply Chain mit kettenartiger Struktur, das als alleinige Grundlage einer Entscheidungsunterstützung jedoch zu trivial ist, zeigt Abbildung 4:

25

Informationsfluss

Zahlungsmittelfluss Lieferant des Lieferanten

Lieferant

Beschaffung

Produktion

Vertrieb

Kunde

Kunde des Kunden

Warenfluss

Abbildung 4: Die Supply Chain als "Wertschöpfungskette" (Quelle: In Anlehnung an Pibernik, 2001, S. 160 und Scheer/ Borowsky, 1999, S. 6)

Nach Pibernik ist diese Darstellungsform der Supply Chain jedoch nicht überflüssig, da sie als Erfassung und Voranalyse der Wertschöpfungsprozesse und essenzieller sachlogischer, technischer und anderer Interaktionen dient, auf deren Grundlage allerdings eine weiterführende modellhafte Darstellung erarbeitet werden muss, um so letztendlich den Ansprüchen der Realität besser gerecht zu werden (Pibernik, 2001, S. 152). Eine solche weiterführende modellhafte Darstellung der Supply Chain bietet die an späterer Stelle explizierte Abbildung 5. Die zunehmende Komplexität der Supply Chain ist ein weiterer Aspekt, der bei der Diskussion um die Entwicklung der Supply Chain von einer „Kette“ hin zu einem „Netzwerk“ nicht unberücksichtigt bleiben darf. Eine entscheidende Begründung für diese Zunahme ist in der immer stärker in den Vordergrund rückenden Einsicht zu sehen, dass der Wettbewerb zwischen einzelnen Institutionen immer mehr durch den Wettbewerb zwischen Supply Chains ersetzt wird und somit komplette Supply Chains um die Gunst der Kunden konkurrieren (Christopher, 1998, S. 16; Christopher/ Ryals, 1999, S. 3 und Pfohl, 2000, S. 328). Treffend begründet Pibernik diesen Sachverhalt damit, dass die Endkunden nicht die Leistungen einzelner an der Supply Chain involvierter Institutionen bewerten, sondern die erbrachte Leistung als Resultat aller in der Supply Chain arbeitsteilig durchgeführten Wertschöpfungsprozesse (Pibernik, 2001, S. 162). Entsprechend erlangen Unternehmen heute ihre Wettbewerbsvorteile nicht mehr allein durch die Realisierung von Kostensenkungspotenzialen, sondern vermehrt dadurch, dass sie sich sowohl auf der strategischen wie auch auf der operativen Ebene möglichst schnell auf die Wünsche der Kunden einstellen können (Heinrich, 2003, S. 154). Die Folge daraus ist, dass der Kunde in den Mittelpunkt des Interesses bzw. im übertragenen Sinne in den Mittelpunkt der Supply Chain rückt. Wie bereits weiter oben in Abschnitt 2.1.1 ausgeführt wurde, vertreten ebenfalls Chopra/ Meindl, Bowersox/ Closs/ Cooper und Mentzer et al. die gleiche Auffassung, in dem der Endkunde explizit als Bestandteil der

26 Supply Chain gesehen wird bzw. in dem sie argumentieren, dass das vorrangige Ziel einer jeden Supply Chain darin bestünde, die Kundennachfrage zu befriedigen (Bowersox/ Closs/ Cooper, 2002, S. 6; Chopra/ Meindl, 2004, S. 5 und Mentzer et al., 2001b, S. 4). Weitere Aspekte, die ebenfalls zur Steigerung der Komplexität beitragen, sind z. B. lokale Wettbewerbsunterschiede, unterschiedliche Kundensegmente und Distributionskanäle, divergente Kostenstrukturen und kürzere Produktlebenszyklen (Heinrich, 2003, S. 151). Nach Heinrich greifen in einem solchen Umfeld lineare, kettenartig-sequenzielle Supply Chain-Strategien zu kurz, da sie sich auf langfristige Bedarfsprognosen und zentral getroffene Entscheidungen stützen, ohne dass sie dabei das tatsächliche Verhalten der Käufer berücksichtigen (Heinrich, 2003, S. 151). Dies gelingt, so Heinrich weiter, jedoch durch die Errichtung flexibler und anpassungsfähiger Supply Chains, die als Netzwerke sowohl über unternehmerische als auch über geographische Grenzen hinweggehen (Heinrich, 2003, S. 151). Aus diesen soeben genannten Gründen weisen mittlerweile viele Autoren auf die netzwerkartige Struktur der Supply Chain hin (Chen/ Paulraj, 2004, S. 132; Daganzo, 2003, S. 1; Fleischmann/ Meyr, 2001, S. 13; Lee/ Billington, 1993, S. 835; Rice/ Hoppe, 2001, S. 47; Ross, 1997, S. 152; Simchi-Levi/ Kaminsky/ Simchi-Levi, 2003, S. 3 und Swaminathan/ Smith/ Sadeh, 1998, S. 607). Exemplarisch sei hierfür die häufig zitierte Definition von Christopher angeführt: „The supply chain is the network of organizations that are involved, through upstream and downstream linkages, in the different processes and activities that produce value in the form of products and services in the hands of the ultimate consumer” (Christopher, 1998, S. 15). So weisen beispielsweise Chopra/ Meindl darauf hin, dass aus diesem Grund ebenfalls die Termini Supply Network oder Supply Web zutreffend sind (Chopra/ Meindl, 2004, S. 5). Lazzarini/ Chaddad/ Cook vertreten sogar explizit die Auffassung der Analyse einer Netchain: „Netchain analysis explicitly differentiates between horizontal (transactions in the same layer) and vertical ties (transactions between layers), mapping how agents in each layer are related to each other and to agents in other layers“ (Lazzarini/ Chaddad/ Cook, S. 1). Abschließend von Abschnitt 2.1 soll nun aus den bisherigen Ergebnissen der Abschnitte 2.1.2 und 2.1.3 eine Definition für den Begriff der Supply Chain abgeleitet werden. Zu diesem Zweck sei an dieser Stelle nochmals darauf hingewiesen, dass einerseits die Differenzierung zwischen der institutionellen und der prozess- und ressourcenorientierten Perspektive der Supply Chain und andererseits der damit einhergehende Übergang von der kettenartigen- zu einer netzwerkartigen Struktur der Supply Chain besondere Relevanz haben. Eine konsequente Weiterentwicklung der netzwerkartigen Struktur der Supply Chain mit den institutionellen und prozess- und ressourcenorientierten Perspektiven führt zu dem in Abbildung 5 dargstellten Netzwerk-Modell der Supply Chain. In dieser Abbildung repräsentieren die Knoten v1in und v2in Zulieferunternehmen eines OEMs (v4in), wohingegen die Knoten v3in und v5in Logistikdienstleister darstellen (Sucky, 2004, S. 11). Die verbleibenden Kno-

27 in

in

ten auf der institutionellen Ebene (v6 , v7 ) repräsentieren Handelsunternehmen. Auf der prozess- und ressourcenorientierten Ebene stehen die Knoten v1,1re, …, v1,4re für die Produktionsstandorte der Zulieferunternehmen, v2,1re, …, v2,5re für die Ressourcenstandorte der Logistikdienstleister, v3,1re, …, v3,4re repräsentieren die Ressourcenstandorte des OEMs und die Filialen der Handelsunternehmen (Ressourcen zur Realisierung ortsgebundener Kundenprozesse) sind durch v4,1re, …, v4,3re gegeben (Sucky, 2004, S. 15).

Ebene 1: Institutionelle Perspektive

v1in

vin 2

Ebene 2: Prozess- und ressourcenorientierte Perspektive

v5in

vin 3

vin 6

v1re,1

v3re,1

v 2re,1

v1re, 2 v re 2, 2

v1re,3 v1re, 4

vin 7

vin 4

v 2re,3

v3re,3 v3re, 4

v re 4,1

v re 2, 4

v3re, 2

v re 4, 2 v re 2 ,5

v re 4, 3

Abbildung 5: Die Supply Chain aus institutioneller und prozess- und ressourcenorientierter Perspektive (Quelle: In Anlehnung an Sucky, 2004, S. 11, 16)

Wie zu erkennen ist, erfolgt in dem Netzwerk-Modell eine strikte Trennung der institutionellen und der prozess- und ressourcenorientierten Perspektive der Supply Chain, wodurch es möglich ist, sich je nach Analysegegenstand auf eine bestimmte Ebene zu beschränken (Sucky, 2004, S. 15). Die Knoten auf der institutionellen Ebene repräsentieren die an der Wertschöpfung beteiligten Institutionen, wobei die zwischen diesen Institutionen ablaufenden Beziehungen durch Pfeile dargestellt werden (Sucky, 2004, S. 15). Im Gegensatz dazu stellen die Knoten auf der prozess- und ressourcenorientierten Ebene Ressourcenstandorte dar, an denen stationäre Wertschöpfungsprozesse realisiert werden, wobei die Pfeile auf dieser Ebene die Güterflüsse zwischen den Knoten repräsentieren (Sucky, 2004, S. 15). Sowohl die bedeutsamen Merkmale als auch die Merkmalsausprägungen der Knoten und Pfeile werden auf beiden Ebenen des Netzwerk-Modells der Supply Chain mit Hilfe von Knoten- und Pfeilbewertungen erfasst (Sucky, 2004, S. 15). Die Pfeile zwischen den beiden Ebenen geben an, wie die Verantwortungsbereiche der einzelnen Institutionen über die disponierbaren Ressourcen zur

28 Realisierung der jeweiligen ortsgebundenen und nicht-ortsgebundenen Wertschöpfungsprozesse gelagert sind (Sucky, 2004, S. 15). Eine konsistente Einbeziehung der institutionellen und der prozess- und ressourcenorientierten Perspektive der Supply Chain einerseits und dem Netzwerkgedanken der Supply Chain andererseits führt zu der folgenden Definition für den Begriff der Supply Chain von Sucky, die diesem Terminus auch für den Rest der vorliegenden Arbeit zu Grunde gelegt wird: „Eine Supply Chain ist ein unternehmensübergreifendes Wertschöpfungssystem, das eine Netzwerk-Struktur aufweist. Aus der institutionellen Perspektive sind die an der Wertschöpfung beteiligten Institutionen die Elemente dieses Wertschöpfungssystems, zwischen denen rechtliche und informatorische Beziehungen (Transaktionsbeziehungen) bestehen. Aus der prozess- und ressourcenorientierten Perspektive sind die Systemelemente durch Standorte gegeben, an denen Ressourcen zur Realisierung stationärer Wertschöpfungsprozesse zur Verfügung stehen. Güter-, Finanz- und Informationsflüsse repräsentieren die Beziehungen (Transformationsbeziehungen) zwischen diesen Systemelementen“ (Sucky, 2004, S. 18). Zur Verdeutlichung und als Ausblick auf die folgenden Seiten dieser Arbeit sei an dieser Stelle noch auf einige wichtige Aspekte hingewiesen. Auf der Prozess- und Ressourcenebene sind in der vorliegenden Schrift nur solche Finanz- und Informationsflüsse gemeint, die den Güterflüssen vorauseilen, sie begleiten oder ihnen nachfolgen (Transformationsbeziehungen). Diese Finanz- und Informationsflüsse sind ausschließlich zur Planung, Steuerung und Kontrolle der Güterflüsse notwendig. Auf der institutionellen Ebene bestehen hingegen rechtliche und informatorische Beziehungen zwischen den Institutionen bzw. deren Vertretern der Supply Chain (Transaktionsbeziehungen). Es findet mit dieser Ebene somit eine Entkopplung zwischen den Güterflüssen und den transaktionsbedingten Informationsflüssen statt (Kaupp, 2004, S. D3-40). Dies bedeutet, dass auf der institutionellen Ebene nicht solche Informationsflüsse dargestellt werden, die in direktem Bezug zu einem konkreten Güterfluss stehen. Vielmehr werden hier beispielsweise Informationen zwischen den Institutionen der Supply Chain ausgetauscht, die die gemeinsame Planung neuer Produkte und Prozesse betreffen. Da einerseits, wie oben beschrieben, die Beschränkung auf eine der Ebenen der Supply Chain laut Sucky möglich ist und im Verlauf der Arbeit nicht diejenigen Informationsflüsse betrachtet werden, die in direkter Beziehung zu den Güterflüssen stehen, sondern vielmehr diejenigen Informationsflüsse den Kern der Arbeit bilden, die bei der gemeinsamen Planung neuer Produkte und Prozesse im Vordergrund stehen, wird sich der Verfasser der vorliegenden Schrift im Folgenden ausschließlich auf die institutionelle Perspektive der Supply Chain beschränken (Sucky, 2004, S. 15). Dies bedeutet, dass die vom Verfasser betrachteten Informationen und damit einhergehenden Kommunikationsprozesse sich erstens nicht direkt und fokussiert auf die Güterflüsse beziehen werden, zweitens zwischen den einzelnen in der Supply Chain integrierten Institutionen bzw. deren Vertretern erfolgen und somit drittens ausschließlich die institutionelle Ebene der Supply Chain dargestellt werden wird. Aufbauend auf diesen soeben

29 beschriebenen Erkenntnissen wird in Abschnitt 2.3.3 eine modellhafte Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation erarbeitet. 2.2 Grundlagen der Aviation-Industrie Der nun folgende Abschnitt soll dem Leser einen grundlegenden Überblick über die AviationIndustrie und somit über den zweiten Bestandteil des ersten Forschungsschwerpunktes vermitteln. Hierzu werden zunächst geschichtliche Hintergründe (Abschnitt 2.2.1) expliziert. Zusätzlich werden in Abschnitt 2.2.2 Eigenschaften der heutigen Aviation-Industrie dargestellt, die zum besseren Verständnis dieser Branche unumgänglich sind. 2.2.1 Geschichtlicher Hintergrund der Aviation-Industrie Der Begriff „Aviation“ (zu deutsch „Luftfahrt“) leitet sich vom lateinischen Wort für Vogel („avis“) ab (Behringer/ Ott-Koptschalijski, 1991, S. 408). Da sich die Geschichte des Luftverkehrs genau genommen mit dem Überbringen von Botschaften mittels Brieftauben bis in die Jahre um 5.000 v. Chr. zurückverfolgen lässt, wird aufgrund der in Kapitel 1 genannten Ziele der vorliegenden Arbeit auf eine vollständige Übersicht verzichtet.2 Vielmehr startet der Autor seine Betrachtung zu dem Zeitpunkt, von dem ab – im eigentlichen Sinne des Begriffs Aviation und dem heutigen Verständnis entsprechend – von Luftfahrt gesprochen werden kann. Dies ist nach Auffassung des Verfassers der Zeitpunkt, zu dem der erste dokumentierte Flug der Welt mit einem Flugzeug stattgefunden hat (1903). Hierbei ist anzumerken, dass, dem Ziel der vorliegenden Arbeit dienend, die Foki auf der Entwicklung und Herstellung von Flugzeugen, der kommerziellen Nutzung von Flugzeugen, der Gründung von Airlines und der allgemeinen Beschreibung der politischen und rechtlichen Rahmenbedingungen der AviationIndustrie liegen. Nur am Rande werden hingegen Hubschrauber, Ballone und Luftschiffe thematisiert. Zur besseren Übersicht sind die wichtigsten Ereignisse in den folgenden Tabellen (Tabelle 5 bis Tabelle 9) zusammengefasst.

2

Weiterführende Einblicke in den geschichtlichen Hintergrund der Aviation-Industrie bieten u. a. Beder, 1998, S. 125, 126; Behringer/ Ott-Koptschalijski, 1991, S. 375-473; Chiavi, 2005, S. 491-506; Doganis, 2001, S. 510; Facon, 1994, S. 1-200; Helenius, 2003, S. 51-96; Jahns/ Schüffler, 2007; Joppien, 2006, S. 363-371; Klussmann/ Malik, 2004, S. 317-328; Schenk, 2004, S. 59-62; Schüller, 2002, S. 6, 7 und Wells/ Wensveen, 2004, S. 35-71.

30 Jahr Ereignis Die amerikanischen Brüder Wilbur und Orville Wright vollbringen den ersten dokumentierten 1903 Flug der Welt mit einem Flugzeug (12 PS). (Helenius, 2003, S. 61 und Klussmann/ Malik, 2004, S. 319) Gründung der Fédération Aéronautique Internationale (FAI) in Paris. (Klussmann/ Malik, 1905 2004, S. 319) Gründung der ersten kommerziellen Flugzeugfabrik der Welt in Frankreich von den Brüdern 1906 Voisin. (Helenius, 2003, S. 63) 1907 Die erste Luftwaffeneinheit wird aufgestellt (in den USA). (Klussmann/ Malik, 2004, S. 320) Bei einem Flug über 260 Meter nimmt Wilbur Wright seinen Mechaniker Charles Furnas mit. 1908 Dieser wird somit zum ersten Passagier eines motorgetriebenen Flugzeuges. (Klussmann/ Malik, 2004, S. 320) 1908 Erster Überlandsflug mit einem Motorflugzeug. (Klussmann/ Malik, 2004, S. 320) 1909 Gründung der ersten Verkaufsagentur für Flugzeuge. (Helenius, 2003, S. 64) 1909 Welterste Flugschau in Reims. (Klussmann/ Malik, 2004, S. 320) Mit der DELAG (Deutsche Luftschifffahrts AG) wird von Graf Zeppelin die erste Luftver1909 kehrsgesellschaft der Welt gegründet. (Klussmann/ Malik, 2004, S. 320 und Medienwerkstatt, 2007) Mit so genannten Zeppelinen wird erstmals ein kommerzieller transatlantischer Flugdienst 1910 aufgenommen. (Klussmann/ Malik, 2004, S. 320) Die 1.000 Metermarke wird als erstes vom französischen Pilot Hubert Latham erreicht. (Beh1910 ringer/ Ott-Koptschalijski, 1991, S. 416 und Klussmann/ Malik, 2004, S. 320) 1910 Erste Nachtflüge werden durchgeführt. (Helenius, 2003, S. 65 und Medienwerkstatt, 2007) 1910 Rennwagen sind nach wie vor schneller als Flugzeuge. (Medienwerkstatt, 2007) 1910 106 km/h ist der Geschwindigkeitsrekord für Flugzeuge. (Medienwerkstatt, 2007) Im türkisch-italienischen Krieg werden Flugzeuge zum ersten Mal zu militärischen Zwecken 1911 (Beobachtung, Aufklärung, Bombardierung) eingesetzt. (Helenius, 2003, S. 66 und Klussmann/ Malik, 2004, S. 320) 1911 Weltweit erster offizieller Postflug (in Indien). (Helenius, 2003, S. 66) Erster deutscher Postflug von Frankfurt am Main nach Darmstadt mit dem Piloten Leutnant 1912 Ferdinand von Hiddessen. (Klussmann/ Malik, 2004, S. 320) 1913 204 km/h ist der Geschwindigkeitsrekord für Flugzeuge. (Medienwerkstatt, 2007) Erster Kostenvergleich zwischen Zugreisen und Fliegen, der zu Gunsten des Flugzeuges aus1913 fällt. (Helenius, 2003, S. 67) 1914 Einführung des Instrumentenflugs. (Helenius, 2003, S. 67) Erster planmäßiger (Flugplan) Linienflug über eine Distanz von 35 Kilometer (zwischen 1914 Tampa und St. Petersburg in Florida/ USA). (Helenius, 2003, S. 67 und Klussmann/ Malik, 2004, S. 320) 1915 Erster planmäßiger Frachtdienst mit Flugzeugen in den USA. (Helenius, 2003, S. 67) William Boeing hat in den USA angefangen, Flugzeuge zu bauen und die Boeing Co. wird 1916 gegründet. (Behringer/ Ott-Koptschalijski, 1991, S. 434 und Helenius, 2003, S. 68) Während Deutschland im Jahre 1911 noch 24 Flugzeuge produzierte, sind es im Jahr 1917 1917 bereits 19.746 Exemplare. (Behringer/ Ott-Koptschalijski, 1991, S. 420) Während des 1. Weltkrieges produzieren Großbritannien, Frankreich, Deutschland, die USA 1918 und Italien zusammen 205.000 Flugzeuge. (Helenius, 2003, S. 69) Die Engländer Alcock und Whitten-Brown überqueren mit dem Bomber Vickers EB.27 Vimy 1919 den Atlantik. (Behringer/ Ott-Koptschalijski, 1991, S. 425 und Medienwerkstatt, 2007) Als Folge des Versailler Friedensvertrages wird für Deutschland ein Bau- und Flugverbot für 1919 Motorflugzeuge erlassen. (Medienwerkstatt, 2007) 1919 Erste internationale Liniendienste in die USA. (Helenius, 2003, S. 70) Gründung von KLM Royal Dutch Airlines (Koninklijke Luchtvaart Maatschappij voor Ne1919 derland en Kolonien), der ältesten, bis heute bestehenden Fluggesellschaft der Welt. (Behringer/ Ott-Koptschalijski, 1991, S. 429 und Helenius, 2003, S. 71) Tabelle 5: Geschichtlicher Hintergrund der Aviation-Industrie – Teil 1 – (Quelle: Eigene Darstellung)

31 Jahr Ereignis 1919 Gründung der International Air Traffic Association. (Helenius, 2003, S. 83) Beim Transport von Fracht werden Wachstumsraten von bis zu 106 Prozent erreicht. (Heleni1922 us, 2003, S. 73) Bei der US-amerikanischen Luftwaffe findet die erste Betankung eines Flugzeuges in der Luft 1923 statt. (Helenius, 2003, S. 74) Im Contract Air Mail Act (Kelly Act) werden erstmals verbindliche Grundsätze festgelegt, wie der Marktzutritt und die Tarife im amerikanischen Luftverkehr zu regeln sind. Zunächst 1925 bezieht sich dies nur auf die Beförderung von Luftpost. Die Regulierung des US-Luftverkehrs geht hierauf zurück. (Joppien, 2006, S. 364 und Wells/ Wensveen, 2004, S. 38) Sukzessive schließen sich mehrere Fluggesellschaften zur Deutschen Luft Hansa AG zusam1926 men. (Helenius, 2003, S. 75 und Klussmann/ Malik, 2004, S. 322) In sechs Jahren steigerte sich die Anzahl der Passagiere auf der Strecke London – Paris von 1926 870 Passagieren um das Zwanzigfache. (Helenius, 2003, S. 76) Gründung der Fédération Internationale des Associations de Transitaires et Assimilés bzw. 1926 International Federation of Freight Forwarders’ (FIATA). (Chiavi, 2005, S. 493) Der Pilot Charles Lindbergh fliegt im ersten Nonstop-Soloflug in 33 Stunden und 13 Minuten 1927 von New York nach Paris. (Klussmann/ Malik, 2004, S. 322) Hermann Köhl, Günther Freiherr von Hünefeld und James Fitzmaurice fliegen in 36 Stunden 1928 von Baldonnel bei Dublin nach Belle Isle auf Neufundland. (Klussmann/ Malik, 2004, S. 322) 1929 Es wird spekuliert, ob Privatflugzeuge Autos ersetzen werden. (Helenius, 2003, S. 77) Erstmaliger Einsatz von Stewardessen (bei der amerikanischen United Air Lines). (Kluss1930 mann/ Malik, 2004, S. 322) Gründung der TWA durch den Zusammenschluss von Western Air Express und Transconti1930 nental Air Transport. (Klussmann/ Malik, 2004, S. 322) Erstmaliger Flug des zu dieser Zeit größten Landflugzeuges der Welt (der Junkers G38). Das 1930 Flugzeug kann 34 Passagiere befördern. (Klussmann/ Malik, 2004, S. 322) um In den USA sind Postdienste noch wesentlich wichtiger als Passagierflüge. (Helenius, 2003, 1930 S. 78) um Für das nationale Prestige unterstützen die europäischen Regierungen den kommerziellen 1930 Luftverkehr. (Helenius, 2003, S. 78) Die Deutsche Lufthansa nimmt den Linienflugpostverkehr zwischen Europa und Südamerika 1931 auf. (Klussmann/ Malik, 2004, S. 322) Der Geschwindigkeitsrekord für Flugzeuge beträgt 567 km/h. (Klussmann/ Malik, 2004, S. 1935 322) Das Luftschiff LZ 129 „Hindenburg“ eröffnet den kommerziellen Linienflugdienst für Passa1936 giere (Kapazität für 55 Passagiere) über den Nordatlantik. (Klussmann/ Malik, 2004, S. 322) Bei der Landung geht die „Hindenburg“ in Lakehurst in New Jersey/ USA in Flammen auf. 1937 (Klussmann/ Malik, 2004, S. 323) Die erste zivile Maschine macht einen Nonstopflug auf der Strecke Berlin – New York. 1938 (Klussmann/ Malik, 2004, S. 323) 1938 Erster Flug der Boeing 307 „Stratoliner“. (Klussmann/ Malik, 2004, S. 323) Die Regierung der USA hat die Regulierung mit dem Civil Aeronautics Act und der hierfür gegründeten Luftfahrtbehörde Civil Aeronautics Board (CAB) auf den gesamten US1938 Luftverkehr ausgedehnt (Regulierung der Flugsicherheit und ökonomische Regulierung des Luftverkehrs). (Helenius, 2003, S. 81; Joppien, 2006, S. 365 und Wells/ Wensveen, 2004, S. 63-67) 1939 Pan Am ist die größte Fluglinie der Welt. (Klussmann/ Malik, 2004, S. 323) Pan Am ist die erste Airline, die linienmäßige Passagierflüge über den Atlantik von New 1939 York nach Marseilles, Lissabon übernimmt. (In Zusammenarbeit mit Imperial Airways auch nach Southampton in England.) (Helenius, 2003, S. 81) Tabelle 6: Geschichtlicher Hintergrund der Aviation-Industrie – Teil 2 – (Quelle: Eigene Darstellung)

32 Jahr 1939 bis 1945 1939 1939 1941 1941

1943 1943 1944 1944 1945 1945 1945

1946 1946 1946 1947 1948 1948 1949 1949 1950 1951 1951 1952

Ereignis Nutzung des Flugzeuges im 2. Weltkrieg als variantenreiche Waffe und Transportmedium. Durch den Krieg kommt es zu zahlreichen technischen Fortschritten des Flugzeuges. (Klussmann/ Malik, 2004, S. 323) Der erste transatlantische Postflug wird von einer Pan Am Boeing 314 durchgeführt und gilt als Startschuss für den regelmäßigen Flugverkehr über den Nordatlantik. (Klussmann/ Malik, 2004, S. 323) Die Heinkel He 178 kann bis auf 700 km/h beschleunigen. (Klussmann/ Malik, 2004, S. 323) Flug des ersten englischen Düsenflugzeuges Gloster E28/29. (Medienwerkstatt, 2007) Ein Flugzeug übertrifft mit 1.003 km/h erstmals die Grenze von 1.000 km/h. (Klussmann/ Malik, 2004, S. 323) Die Anzahl der Arbeitsstunden, die zum Bau einer B-17 notwendig sind, reduziert sich von 50.000 auf 19.000. (Lernkurveneffekt: Während im Jahr 1939 Flugzeugbauer aus den USA jährlich maximal 5.500 Flugzeuge bauen konnten, sind im Jahr 1943 bereits 5.500 Flugzeuge monatlich möglich.) (Helenius, 2003, S. 82) Erster Flug der viermotorigen Lockheed Constellation. (Klussmann/ Malik, 2004, S. 323) In Chicago treffen sich Delegierte aus 52 Ländern. Es wird für die zivile Luftfahrt der Versuch unternommen, eine von allen Staaten akzeptierte Ordnung zu erzielen und Standards festzulegen („Freiheiten der Luft“). (Helenius, 2004, S. 83 und Schüller, 2002, S. 12, 13) Gründung der International Civil Aviation Organization (ICAO). (Chiavi, 2005, S. 492 und Klussmann/ Malik, 2004, S. 323) Gründung der International Air Transport Association (IATA) als Nachfolgerin der International Air Traffic Association. (Behringer/ Ott-Koptschalijski, 1991, S. 445 und Helenius, 2003, S. 83) Die Uran-235-Bombe „Little Boy“ wird vom B 29-Bomber „Enola Gay“ nach Hiroshima transportiert. (Medienwerkstatt, 2007) Während im Jahr 1941 in den USA erst drei Millionen Menschen als Passagiere eines Flugzeugs gezählt wurden, befördern die inneramerikanischen Airlines in diesem Jahr bereits sechs Millionen Passagiere. (Behringer/ Ott-Koptschalijski, 1991, S. 446) Der Pilot Th. D. Davies fliegt mit Besatzung in einer Lockheed P 2V-1 in einer geraden Linie von Perth in Australien nach Columbus in den USA (18.080 Kilometer). (Medienwerkstatt, 2007) Die Flugzeit New York – Lissabon beträgt zum ersten Mal unter zehn Stunden. (Klussmann/ Malik, 2004, S. 323) Bermuda-Abkommen zwischen Großbritannien und den USA zur Gestaltung bilateralen Beziehungen im Linienluftverkehr. (Chiavi, 2005, S. 492 und Schüller, 2002, S. 13) Der amerikanische Pilot Charles Yaeger überschreitet mit dem Raketen-Versuchsflugzeug Bell X 1 die Schallgeschwindigkeit (Mach 1,04). (Klussmann/ Malik, 2004, S. 323 und Medienwerkstatt, 2007) Für fast ein Jahr versorgen die Alliierten die Bevölkerung West-Berlins aus der Luft mit „Rosinenbombern“ (Luftbrücke). (Klussmann/ Malik, 2004, S. 324) Einführung der Coach Class bei Flügen. (Helenius, 2003, S. 88) Mit einer Lockheed Constellation dauert ein Flug von Küste zu Küste der USA nur noch 6 Stunden und 8 Minuten. (Klussmann/ Malik, 2004, S. 324) Die Boeing B-50A umrundet die Welt im ersten Nonstopflug in 94 Stunden. (Klussmann/ Malik, 2004, S. 324) Erster Flug der Lockheed „Super-Constellation“. (Klussmann/ Malik, 2004, S. 324) 11 Fluggesellschaften fliegen über den Nordatlantik. (Helenius, 2003, S. 86) In den USA belaufen sich zum ersten Mal die insgesamt geflogenen Passagiermeilen auf mehr als die insgesamt erzielten Passagiermeilen bei den Pullmann-Diensten der Eisenbahn. (Helenius, 2003, S. 86) Erster Flug des Langstreckenbombers B-52. (Klussmann/ Malik, 2004, S. 324)

Tabelle 7: Geschichtlicher Hintergrund der Aviation-Industrie – Teil 3 – (Quelle: Eigene Darstellung)

33 Jahr Ereignis Erste kommerzielle Nutzung eines Passagierflugzeuges mit Düsentriebwerk (De Havilland 1952 Comet 1). (Helenius, 2003, S. 86) 1952 Einführung der Touristenklasse bei Flügen. (Helenius, 2003, S. 88) Es findet der erste weltweit reguläre und kommerzielle Passagiertransport mit einem Hub1953 schrauber statt. (Klussmann/ Malik, 2004, S. 324) Pan Am führt im Interkontinentalverkehr zwei Passagierklassen (First und Economy) ein. 1953 (Klussmann/ Malik, 2004, S. 324) 1955 Die Deutsche Lufthansa AG wird wiederergründet. (Klussmann/ Malik, 2004, S. 324) Am Ende des Jahres steht fest, dass innerhalb eines Jahres in den USA mehr Menschen mit 1956 dem Flugzeug als mit der Eisenbahn gereist sind. (Klussmann/ Malik, 2004, S. 324) Mit 220 Sitzplätzen ist die Tupolev Tu-114 das größte Passagierflugzeug der Welt. (Kluss1957 mann/ Malik, 2004, S. 324) Vergrößerung der Reichweite der Flugzeuge. In diesem Jahr können Lockheed L-1649A Star1957 liner ohne Zwischenlandung aus Kalifornien nach Europa fliegen. (Helenius, 2003, S. 88) 1957 Erster Flug des Boeing 707-120. (Klussmann/ Malik, 2004, S. 324) Die US-Inlandsfluglinien haben in diesem Jahr mehr Passagiere transportiert als alle anderen 1957 Fluggesellschaften der Welt zusammen. (Helenius, 2003, S. 88) Am Ende des Jahres steht fest, dass innerhalb eines Jahres mehr Flugpassagiere als Schiffs1957 passagiere über den Nordatlantik transportiert wurden. (Helenius, 2003, S. 88 und Klussmann/ Malik, 2004, S. 324) 1958 Erster Flug der Douglas DC-8. (Klussmann/ Malik, 2004, S. 324) Trennung der Regulierung der Flugsicherheit und der ökonomischen Regulierung des Luftverkehrs in den USA, indem die Regulierung der Flugsicherheit im Rahmen des Federal Avi1958 ation Acts an die neu gegründete Federal Aviation Administration (FAA) übertragen wird. (Joppien, 2006, S. 365 und Wells/ Wensveen, 2004, S. 67, 68) Eastern Air Lines führt auf den Strecken zwischen Boston, New York und Washington so 1961 genannte No Frills „First-come-first-served“ Dienste ein, deren Preise nur geringfügig höher sind als die Fahrpreise für die Eisenbahn. (Helenius, 2003, S. 89) 1966 Gründung vieler Charterfluggesellschaften. (Helenius, 2003, S. 89) Boeing liefert das tausendste stahlgetriebene Verkehrsflugzeug aus. (Klussmann/ Malik, 1967 2004, S. 326) Im Raketenflugzeug X-15 erzielt Major William Knight den Geschwindigkeitsrekord von 1967 Mach 6,72. (Klussmann/ Malik, 2004, S. 326) Die Boeing 727/200 wird erstmals außerhalb der USA kommerziell zum Einsatz gebracht. 1968 (Klussmann/ Malik, 2004, S. 326) Die Tupolew Tu-144 ist das erste Überschall-Verkehrsflugzeug. (Klussmann/ Malik, 2004, S. 1968 326 und Medienwerkstatt, 2007) Erster Flug der Boeing B 747. (Klussmann/ Malik, 2004, S. 326 und Wells/ Wensveen, 2004, 1969 S. 53, 54) 1969 Erster Flug der Concorde. (Klussmann/ Malik, 2004, S. 326) 1969 Einführung von Normen für Fluglärm in den USA. (Helenius, 2003, S. 89) Bei Pan Am wird zum ersten Mal die Boeing B 747 im kommerziellen Linienflug eingesetzt. 1970 (Klussmann/ Malik, 2004, S. 326) 1970 Ein Flug London – New York kostet ca. 316 US-Dollar. (Helenius, 2003, S. 89) 1970 Erster Flug der DC-10 von McDonnell-Douglas. (Klussmann/ Malik, 2004, S. 326) Von der deutschen Airbus GmbH und der französischen SNIAS wird der Gesellschaftsvertrag 1970 für Airbus International unterzeichnet. (Klussmann/ Malik, 2004, S. 326) 1971 Produktionsbeginn des Airbus A300 in Toulouse. (Klussmann/ Malik, 2004, S. 326) 1971 Southwest Airlines hat ihre Dienste aufgenommen. (Helenius, 2003, S. 90) Erster Flug des Airbus in der Version des A300B. Es ist das erste Großraumflugzeug (Wide 1972 Body), das nur zwei Triebwerke hat. (Klussmann/ Malik, 2004, S. 326) Tabelle 8: Geschichtlicher Hintergrund der Aviation-Industrie – Teil 4 – (Quelle: Eigene Darstellung)

34 Jahr Ereignis Die durch die Ölkrise ausgelöste Rezession führt dazu, dass die Fluggesellschaften in eine 1973 Krise gelangen. Als Folge gehen auch die Bestellungen an Flugzeugen zurück, wodurch die bis gesamte Flugzeugindustrie in eine Krise gerät. (Chiavi, 2005, S. 494 und Klussmann/ Malik, 1975 2004, S. 326, 327) 1973 Federal Express beginnt mit dem Flugbetrieb. (Klussmann/ Malik, 2004, S. 327) Die beiden britischen Fluggesellschaften BEA und BOAC verschmelzen zur British Airways 1974 (BA). (Klussmann/ Malik, 2004, S. 327) In der Version des A300 b-2 nimmt der Airbus A300 für die Air France auf der Strecke Paris 1974 – London den Linienflug auf. (Klussmann/ Malik, 2004, S. 327) Die Concorde wird bei der British Airways und der Air France zum ersten Mal im kommer1976 ziellen Linienflug eingesetzt. (Klussmann/ Malik, 2004, S. 327) 1976 In den USA führt die auftretende Krise des Luftverkehrs, der Konzentrationsprozess der Airund lines und eine zunehmende kritische Einstellung gegenüber staatlichen Eingriffen in den 1977 Wettbewerb zu zunehmenden öffentlichen Diskussionen. (Schenk, 2004, S. 62) 1977 Erster Flug der MiG-25 und der MiG-29. (Klussmann/ Malik, 2004, S. 327) Ablösung des Bermuda-Abkommens zwischen Großbritannien und den USA durch das Ber1977 muda-II-Abkommen (Vereinbarungen zu Markteintritt, Kapazität, Tarifgestaltung). (Schüller, 2002, S. 13, 14) In den USA haben die fünf größten Fluggesellschaften einen Anteil von 60 Prozent aller Ein1977 nahmen am Passagierverkehr. (Schenk, 2004, S. 62) 1977 Mit dem Erlass des Air Cargo Deregulation Acts und des Airline Deregulation Acts startet die und Zeit des deregulierten Luftverkehrsmarktes in den USA. (Chiavi, 2005, S. 495 und Mayer, 1978 2001, S. 9) Die 192 Fluggesellschaften, die in diesem Jahr der ICAO angehören, befördern in diesem 1979 Jahr nicht weniger als 747 Millionen Passagiere auf planmäßigen Flügen und 11,2 Millionen Tonnen Fracht. (Behringer/ Ott-Koptschalijski, 1991, S. 462) Tabelle 9: Geschichtlicher Hintergrund der Aviation-Industrie – Teil 5 – (Quelle: Eigene Darstellung)

Um dem Stellenwert des Air Cargo Deregulation Acts von 1977 bzw. des Airline Deregulation Acts von 1978 gerecht zu werden, endet der historische Überblick – der keinen Anspruch auf Vollständigkeit hat – mit diesen Erlassen bzw. einer Beschreibung der zu dieser Zeit vorherrschenden Marktsituation. Da diese Erlasse für die globale Aviation-Industrie einen Evolutionsprozess in Gang gesetzt haben und somit als ganz zentrale Einflussgrößen für diese Branche angesehen werden können, werden die hiermit verbundenen Auswirkungen explizit in Abschnitt 2.2.2.1 dargestellt (Joppien, 2006, S. 363). 2.2.2 Eigenschaften der heutigen Aviation-Industrie Nachdem im vorherigen Abschnitt bereits dahingehend eine Spezialisierung vorgenommen wurde, indem Flugzeuge und weniger Hubschrauber, Ballone und Luftschiffe thematisiert wurden, folgt in diesem Abschnitt die nächste Spezialisierung der Dissertation. Gemäß dem Ziel der Arbeit, in der die Airlines im Mittelpunkt des Interesses stehen, werden mit diesem Abschnitt beginnend, von allen beteiligten Institutionen der Aviation-Industrie, die im Übrigen in Abschnitt 2.3 detailliert expliziert werden, insbesondere die Airlines in den Fokus der Betrachtung gerückt. Die in diesem Abschnitt zu thematisierenden spezifischen Eigenschaften der AviationIndustrie bewirken u. a., dass Airlines zu Überkapazitäten neigen, die sich zyklisch wiederho-

35 len und dass diese Unternehmen dadurch insbesondere in Zeiten von Rezessionen regelmäßig in existenzbedrohende Krisensituationen gelangen (Joppien, 2006, S. 111). Eine Übersicht über diese Eigenschaften, die sich teilweise bedingen, verstärken und in einem UrsacheWirkungszusammenhang zueinander stehen, ist zusammenfassend Tabelle 10 und Tabelle 11 zu entnehmen. Eigenschaft Nichtstofflichkeit des Produktes Flug Nichtspeicherbarkeit des Produktes Flug Homogenität des Produktes Flug

Hohe Elastizität der mengenmäßigen Nachfrage

Grad der Deregulierung bzw. Liberalisierung

Unpaarigkeit der Verkehrsströme

Hohe Instabilität

Starke Geschäftszyklen und Krisenanfälligkeit

Kurzbeschreibung • Kunde kann das Produkt Flug nicht vor dem Kauf in Augenschein nehmen • Kunde muss sich beim Kauf ausschließlich auf das Image der Airline und auf seine bereits gesammelten Erfahrungen verlassen • Airlines sind auf einen Vertrauensvorschuss ihrer Kunden angewiesen • Räumlich und zeitlich fallen die Produktion und der Konsum des Produktes Flugtransport zusammen • Airlines können keine Lagerhaltung ihres Endproduktes durchführen, um Nachfrageschwankungen abzudämpfen • Nicht verkaufte Kapazitäten sind unwiederbringlich verloren gegangene Erträge • Speziell der Transport von Passagieren ist ein technisch ausgereiftes Produkt • Wenig Spielraum für Produktdifferenzierung • Lufttransport ist ein Commodity • Homogenität des Produktes Flug führt zu geringen Nachfragepräferenzen der Kunden • Preis hat eine Schlüsselfunktion, da bereits marginale Preisdifferenzen zu einer Abwanderung der Kunden zur billigeren Airline führen kann • Abhängigkeit der Preiselastizität der mengenmäßigen Nachfrage von der Kundengruppe, wobei oft Geschäftsreisende zeitlich weniger flexibel sind als Privatreisende und Privatreisende flexibler auf Preissenkungen der Airlines reagieren • Großes nationalstaatliches Interesse am Luftverkehr in vielen Ländern • Deregulierung des Luftverkehrs: Lockerung der Wettbewerbsparameter Marktzu- und austritt, Angebotskapazität und Flugtarif durch öffentliche, staatliche oder zwischenstaatliche Verwaltungen, so dass sich der Luftverkehrsmarkt frei entwickeln kann • Trotz Liberalisierungsbemühungen bestehen in Europa staatliche Eingriffsmöglichkeiten • Bei einem „Roundtrip“ fliegen nicht immer genauso viele Passagiere auf einer Strecke hin wie zurück • Mögliche Gründe: Gabelflüge, unterschiedlich lange Aufenthalte der Passagiere • Multikonditionale Vernetzung der Aviation-Industrie • Neue Wettbewerber kommen insbesondere aus dem arabischen Raum hinzu • Neue Geschäftsmodelle kommen auf dem Passagemarkt und auf dem Frachtmarkt hinzu • Starke Abhängigkeit von exogenen Schocks wie Ölkrisen, Kriege, Terror, SARS • Prognostizierbare kurz- und mittelfristige saisonale Nachfragezyklen und nichtprognostizierbare kurzfristige stochastische Zufallsnachfrageschwankungen • Starke Abhängigkeit vom US-Dollar • Auf vier bis sechs Jahre mit annehmbaren Profiten folgen durchschnittlich vier Jahre mit marginalen Gewinnen bzw. Verlusten

Tabelle 10: Eigenschaften der Aviation-Industrie – Teil 1 – (Quelle: Vgl. Air Transport Association, 2006; Boeing, 2006, S. 3; Helenius, 2003, S. 162; Joppien, 2006, S. 112-117 und die dort angegebene Literatur; Mayer, 2001, S. 30 und SAS, 2005, S. 13)

36 Eigenschaft

Kurzbeschreibung • Stückkosten und Stückerträge liegen bei den Airlines nahe beieinander • Marginale Veränderungen der Erträge, der Kosten oder der KapazitätsauslastunGeringe Margen gen haben starken Einfluss auf das letztendliche Ergebnis der Airlines • Insbesondere Airlines erzielen nur sehr geringe EBIT-Margen • Airlines stehen mit anderen Airlines in Konkurrenz, die ihre Firmensitze in unterschiedlichen Teilen der Welt haben • Weltweites Kundennetzwerk wurde bzw. wird oft nur durch die internationale Grenzenlosigkeit Ausrichtung der Airlines erreicht der Verkehrs• Weltweit schnelle Transporte sind erst durch Airlines ermöglicht worden ströme und • Gesteigerter Wunsch nach Mobilität und Flexibilität der Kunden Wachstum • Vergangenheit: eindeutiges Wachstum sowohl bei den RPKs als auch bei den FTKs • Zukunft: weiteres anhaltendes Wachstum • Häufig Zwischenschaltung von Intermediären (z. B. Reisebüros, LuftfrachtspediAbhängigkeit teure) zwischen den Airlines und ihren Kunden von Intermediä• Geringer werdende Rolle der Intermediäre durch vermehrte direkte Buchungen ren via Internet • Geringe variable Kosten und hohe Fixkosten der Airlines Hohe Kapital• Das häufig gewerkschaftlich organisierte Stammpersonal der Airlines kann i. d. und PersonalinR. kurzfristig nicht entlassen werden tensität • Großteil der Gesamtkosten der Airlines ist kurzfristig nicht beeinflussbar und ist unabhängig von der transportierten Frachtmenge oder der Passagierzahl • Oligopolistische Anbieterstruktur der Flugzeughersteller und weltweit angegliHohe Standardichene Zulassungsrichtlinien für Luftfahrtgeräte führen zu ähnlichen Gesamtkossierung des Retenfunktionen der Airlines alkapitals • Bei Rezessionen gerät häufig die komplette Branche zeitgleich in eine Krise • Anpassung der Transportkapazität einer Airline an die Nachfrage kann nur in Unteilbarkeit der diskreten Schritten (ganze Flugzeuge) geschehen (batch production) Kapitalgüter • Bei kontinuierlichem Anstieg der Nachfrage führt der Einsatz eines weiteren Flugzeuges zu Überkapazitäten und Gesamtkostensprüngen • Airlines sind kapitalintensive Unternehmen und haben einen großen FinanzieAbhängigkeit rungsbedarf von den Kapitalmärkten • Häufig großen Abhängigkeiten von den Kapitalmärkten • Lange Ausbildungszeiten von Fachpersonal bzw. Experten, teilweise lange BeLange strategiwilligungsdauer für Verfahrens- und Produktänderungen und lange Lieferzeiten sche Vorlaufzeifür Flugzeuge führen zu verzögerten Angleichungen der Produktionskapazitäten ten (time-lags) an veränderte Umweltbedingungen Tabelle 11: Eigenschaften der Aviation-Industrie – Teil 2 – (Quelle: Vgl. Air Transport Association, 2006; Boeing, 2006, S. 3; Helenius, 2003, S. 162; Joppien, 2006, S. 112-117 und die dort angegebene Literatur; Mayer, 2001, S. 30 und SAS, 2005, S. 13)

Aufgrund ihrer großen Relevanz für das Verständnis der besonderen strategischen Situation der Airlines wird der Autor in den Abschnitten 2.2.2.1 bis 2.2.2.5 einige dieser Eigenschaften genauer erläutern. 2.2.2.1 Grad der Deregulierung bzw. Liberalisierung Nach Helenius bezeichnet der Begriff der Regulierung in den Wirtschaftswissenschaften „[…] die Gestaltung der Rahmenbedingungen für einzelne Industriezweige oder Branchen, von Institutionen der öffentlichen, staatlichen oder zwischenstaatlichen Verwaltung auf die Art und Weise, dass der Grad des Wettbewerbs weitgehend bzw. manchmal sogar völlig be-

37 stimmt werden kann“ (Helenius, 2003, S. 161). Erreicht wird diese Einflussnahme bei Airlines durch die Beeinflussung von quantitativen (Marktzu- und -austritt, Angebotskapazität, Flugtarif) und qualitativen (z. B. Bordservice, Inflight Entertainment, Bestuhlungsdichte, Sitzabstand) Wettbewerbsparametern von Luftverkehrsmärkten (Joppien, 2006, S. 199, 200). Die Funktionsweise der quantitativen Wettbewerbsparameter ist in Abbildung 6 dargestellt. quantitative Wettbewerbsparameter

Menge

Marktzutritt und -austritt (Flugstrecken)

Preis

Angebotskapazität

Volumen (z. B. Flugzeuggröße)

Flugtarif

Frequenz (Flughäufigkeit)

Abbildung 6: Quantitative Wettbewerbsparameter von Luftverkehrsmärkten (Quelle: In Anlehnung an Joppien, 2006, S. 200)

In diesem Sinne wird unter einer Deregulierung entsprechend die Lockerung der Wettbewerbsparameter durch die oben genannten Institutionen verstanden, so dass sich Märkte – in der vorliegende Arbeit also der Luftverkehrsmarkt – frei entwickeln können (Helenius, 2003, S. 162). Im Vergleich dazu gibt es zu dem häufig synonym verwendeten Begriff der Liberalisierung einen kleinen Unterschied. „The word deregulation implies something quick, virtually overnight in the US experience, whereas in Europe the trend is towards liberalization. The term liberalization tends to imply a slower, more gradual pace in the move to loosen economic regulation“ (Gialloreto, 1988, S. 111). In Anlehnung an zahlreiche andere Autoren wird sich der Verfasser ebenfalls dieser Systematik anschließen und den Prozess der Lockerung der Wettbewerbsparameter in den USA als Deregulierung und in Europa als Liberalisierung bezeichnen (z. B. Mayer, 2001, S. 5, 7-10, 29-31). Auf den folgenden Seiten werden daher die beiden nachstehenden Aspekte getrennt voneinander thematisiert: (1) Deregulierung des Luftverkehrs in den USA (2) Liberalisierung des Luftverkehrs in Europa

38 Ad (1) Deregulierung des Luftverkehrs in den USA Wie bereits aus Tabelle 5 und Tabelle 6 ersichtlich wurde, war im US-Luftverkehr bis 1938 weitestgehend freier Wettbewerb möglich (Helenius, 2003, S. 166). Erst seit dem Jahr 1938 wurde in den USA der Luftverkehr reguliert (Helenius, 2003, S. 166 und Wells/ Wensveen, 2004, S. 63-67). Die in dieser Zeit aufgebauten Reglementierungen sollten mit dem Erlass des Air Cargo Deregulation Acts bzw. des Airline Deregulation Acts (ADA) bereits Ende der siebziger Jahre im zivilen Luftverkehr – den Transport von Fracht bzw. Personen betreffend – abgeschafft werden (Mayer, 2001, S. 5).3 Abgeschlossen sein sollte die Deregulierung am 1. Januar 1985 mit der endgültigen Auflösung des Civil Aviation Boards (CABs) (Helenius, 2003, S. 166 und Joppien, 2006, S. 371). Eine erste Auswirkung der Deregulierung war, dass die Kreuzsubventionierung der Kurzstreckenflüge durch die Langstreckenflüge verschwand und sich dadurch die Kurzstreckentarife erhöhten und die Langstreckentarife verbilligten. Dies ging mit einem reduzierten Passagieraufkommen auf den Kurzstrecken und einem gesteigerten Passagieraufkommen auf den Langstrecken einher. Als Folge zogen sich viele große Airlines mit ihren großen Flugzeugen vermehrt von diesen unrentabel gewordenen Kurzstreckenrouten zurück, wodurch viele Destinationen, primär Städte im Zubringernetz, aus deren Flugplänen verschwanden. Die auf diesen Kurzstrecken entstehenden Lücken füllten neu gegründete Zubringer- und Regionalfluggesellschaften mit ihren kleinen Flugzeugen aus mit der Folgewirkung, dass die Flugtarife auf diesen Strecken wieder sanken. Auch auf dem Markt für Langstreckenflüge kamen nach 1978 neue Anbieter hinzu, so dass dadurch bedingt hier die Flugtarife kleiner wurden und die Flugpassagiere in der ersten Phase der Deregulierung als Nutznießer bezeichnet werden konnten. (Joppien, 2006, S. 372-374) Verstärkt durch ungünstige wirtschaftliche Rahmenbedingungen hatte der unter den Airlines entstandene Preiswettbewerb allerdings zur Folge, dass viele der neu gegründeten Airlines in finanzielle Schwierigkeiten gerieten, so dass in der Zeit von 1978 bis 1986 ca. zwei Drittel der etwa 200 Airlines, die nach 1978 gegründet wurden, erneut vom Markt verschwanden und auch einige traditionsreiche Airlines Konkurs anmeldeten (Pompl, 2002, S. 378-402). Als Folge kehrten die amerikanischen Airlines dem Preiswettbewerb den Rücken zu und errichteten Hub and Spoke-Netze, etablierten Vielfliegerprogramme, vergaben Provisionen an Reisebüros und implementierten computergestützte Reisevertriebssysteme mit dem Ziel, Markteintrittsbarrieren für Konkurrenten zu errichten (Joppien, 2006, S. 376 und Schenk, 2004, S. 64 ).4 Das Ergebnis dieser neuen Strategie war ein starkes Wachstum großer Airlines, das mit einem erheblichen Konzentrationsprozess (durch Konsolidierungs- und Fusionswellen 3 4

Zu den neun Zielen, die mit dem ADA verfolgt wurden, vgl. Schenk, 2004, S. 63, 64. Weitere wichtige Eintrittsbarrieren sind die Start- und Landerechte auf Flughäfen, die als Slots bezeichnet werden. Zur Rolle von Slots vgl. z. B. Schenk, 2004, S. 70-78.

39 und Firmenübernahmen) einherging (Helenius, 2003, S. 168, 169; Joppien, 2006, S. 377 und Schenk, 2004, S. 64).5 Hatten die fünf größten Airlines (Top Five) in den USA am Ende der Regulierung im Jahr 1978 einen Marktanteil von 69 Prozent, sank dieser zunächst aufgrund der Deregulierung auf 57 Prozent im Jahr 1985, um dann im Jahre 1988, als Folge der Konkurse und Fusionen, bei 74 Prozent zu sein (Grundmann, 1999, S. 45). Die weitere Entwicklung und aktuelle Zahlen des US-Luftverkehrs zeigen jedoch, dass die Marktöffnung des US-Binnenmarktes weitgehend verwirklicht ist, da neue Airlines die Eintrittsbarrieren gut überwinden können und somit trotz der Konzentration Wettbewerb besteht (Schenk, 2004, S. 87). Ein Blick auf den heutigen US-Luftverkehr lässt folgende Aussagen als Ergebnis der Deregulierung festhalten: •

Die Konzentration der Marktanteile auf wenige Airlines besteht nach wie vor. Aktuelle Zahlen belegen jedoch, dass die Konzentration im Vergleich zu 1988 gesunken ist und somit die Möglichkeit für andere Airlines besteht, den Top Five Marktanteile abzunehmen. So hatten die Top Five im US-Domestic Markt, gemessen an Revenue Passenger Miles, im Jahr zwischen März 2006 und Februar 2007 nur noch einen kumulierten Marktanteil von 58,3 Prozent (American Airlines: 15,4 Prozent, United Airlines: 12,1 Prozent, Southwest Airlines: 11,9 Prozent, Delta Airlines: 11,2 Prozent, Continental Airlines: 7,7 Prozent) (Bureau of Transportation Statistics, 2007).

•

Die Produktivität der Airlines ist gestiegen (Mayer, 2001, S. 7 und Pompl, 2002, S. 392, 393).

•

Die Flugtarife sind durchschnittlich gesunken (Mayer, 2001, S. 7 und Morrison/ Winston, 1995, S. 13, 14).

•

Die Airlines bieten eine höhere Flugfrequenz an und haben dadurch ihr Leistungsangebot verbessert (Mayer, 2001, S. 7 und Morrison/ Winston, 1995, S. 21-23).

Außerdem kann übergeordnet darauf hingewiesen werden, dass aufgrund des intensiven Wettbewerbs mit Lastkraftwagen, Bahn und Schiffen und der vergleichsweise hohen Kosten von Luftfracht der Luftfrachtverkehr lediglich für hochwertige Güter oder für sehr eilig zu transportierende Fracht attraktiv ist. So befördern Flugzeuge zwar nur ca. ein Prozent des weltweiten Frachtaufkommens. Gemessen an den gesamten transportierten Gütern hat dieses eine Prozent der Güter allerdings einen Anteil am kompletten Warenwert

5

Informationen zu Hub and Spoke-Netzen finden sich u. a. bei Frye, 2004, S. C3-48, C3-49 und Mayer, 2001, S. 5-35; für weitere Informationen der Auswirkungen von Hub-Konzentrationen vgl. Joppien, 2006, S. 378380, 389; zu der Funktionsweise und weiteren Auswirkungen von computergestützten Reservierungssystemen vgl. Joppien, 2006, S. 380-382 und Schenk, 2004, S. 84, 85; zu der Funktionsweise und weiteren Auswirkungen von Vermittlungsprovisionen für Reisebüros vgl. Schenk, 2004, S. 89; zu der Funktionsweise und weiteren Auswirkungen von Vielfliegerprogramme vgl. Schenk, 2004, S. 87.

40 aller transportierten Güter von ca. 35 Prozent. Diese Zahlen bekräftigen die Aussage, dass auch der heutige US-Luftfrachtverkehr weitgehend dereguliert ist. (Joppien, 2006, S. 303) Ad (2) Liberalisierung des Luftverkehrs in Europa Die letzten fünfzig Jahre nutzte die europäische Luftfahrtindustrie dazu, sich zu einem bedeutenden Zweig der europäischen Wirtschaft zu entwickeln. Ein entscheidender Grund für dieses Wachstum wird u. a. in dem Schutz durch die nationalen Regierungen gesehen, die oftmals bis heute das wirtschaftliche Wohlergehen der Airlines sichern, indem sie beispielsweise in wirtschaftlichen Krisenzeiten Hilfe gewähren. Allerdings ist in der jüngeren Vergangenheit vermehrt zu beobachten, dass sich einige Staaten – zumindest partiell – aus der Rolle des aktiven Unternehmers in der Luftfahrt zurückziehen. Ein hierfür wichtiger Grund ist in der Liberalisierung des europäischen Luftverkehrs zu sehen. (Schenk, 2004, S. 10, 137) Die Liberalisierung des europäischen Luftverkehrs geht auf die Römischen Verträge von 1957 zurück, in denen festgelegt wurde, dass die europäischen Staaten eine gemeinsame Verkehrspolitik betreiben sollten (Helenius, 2003, S. 179). Da der Luftverkehr in Europa eng mit der nationalen Kompetenz und dem nationalen Stolz verbunden ist, wurde der Luftverkehr in diesen Römischen Verträgen daher nicht explizit erwähnt, so dass der europäische Luftverkehr noch ganze drei Jahrzehnte reguliert wurde (Helenius, 2003, S. 179). Der europäische Luftverkehr wurde lange Zeit durch eine Vielzahl bilateraler Luftverkehrsabkommen geregelt, bis durch das Nouvelles-Frontières-Urteil des Europäischen Gerichtshofes im Jahr 1987 die Liberalisierung des europäischen Luftverkehrs mit dem ersten Liberalisierungspakt eingeleitet wurde (Joppien, 2006, S. 392 und Mayer, 2001, S. 29). Ausgehend von diesem Beschluss wurde der europäische Luftverkehr in drei Stufen schrittweise liberalisiert, wobei dieser Liberalisierungsprozess mit der Vollendung des EG-Binnenmarktes am 1. Januar 1993 abgeschlossen war (Mayer, 2001, S. 5). Die in diesem Zusammenhang zu erwähnende Kabotagefreiheit ist allerdings erst seit April 1997 wirksam (Helenius, 2003, S. 177, 178 und Mayer, 2001, S. 29). Als Kabotage wird die so genannte 8. Freiheit des Vertrages von Chicago bezeichnet, die das Recht zur Beförderung von Passagieren, Fracht und Post zwischen zwei oder mehr Flughäfen desselben ausländischen Staates beschreibt (Beder, 1998, S. 138; zu den acht Freiheiten der Luft vergleiche Doganis, 2002, S. 336). Eine zeitlich weiterführende Übersicht über die für die Liberalisierung des europäischen Luftverkehrs wesentlichsten Änderungen des europäischen Wettbewerbsrahmens im Luftverkehr seit den siebziger Jahren gibt, in chronologischer Abfolge, Tabelle 12. Da die Beschreibung der einzelnen Änderungen nicht dem Ziel der vorliegenden Arbeit dienlich wäre, wird lediglich auf die hierzu weiterführende Literatur verwiesen (Joppien, 2006, S. 391-413). Gemäß Abbildung 6 war es somit auch Ziel der Liberalisierung des europäischen Luftverkehrs, die quantitativen Wettbewerbsparameter so von den öffentlichen, staatlichen bzw. zwischenstaatlichen Regelungen zu lockern, dass sich der europäische Luftverkehrsmarkt entsprechend frei entfalten konnte. Stufenweise sollten die europäischen Airlines daher rechtlich

41 in die Lage versetzt werden, dass sie ihre Angebotskapazitäten, ihren Marktzutritt und -austritt und die von ihnen offerierten Flugtarife frei bestimmen können (Joppien, 2006, S. 413, 414 und Mayer, 2001, S. 30). EUKommission 1974: Seeleuteurteil 1979: 1. Memorandum 1983: Richtlinie zum interregionalen Luftverkehr 1983: Untätigkeitsklage 1984: 2. Memorandum 1986: Nouvelles-Frontières-Urteil 1987: 1. Liberalisierungspaket 1989: 3. Memorandum 1990: 2. Liberalisierungspaket 1992: 3. Liberalisierungspaket 1993: Verordnungen über Slots und Computerreservierungssysteme (CRS) 2002: Urteil EU-Außenkompetenz 2004: Verordnung Luftverkehrsabkommen

• •

Europäischer Gerichtshof •

• •

•

EUMinisterrat

•

• • •

•

• •

•

Tabelle 12: Chronologischer Ablauf der Liberalisierung des europäischen Luftverkehrs (Quelle: In Anlehnung an Joppien, 2006, S. 392)

Im Vergleich zu der Deregulierung in den USA bestehen bei der Liberalisierung des europäischen Luftverkehrs die Schwierigkeiten insbesondere darin, dass es sich in Europa um souveräne Staaten mit eigener Lufthoheit handelt, die – im Vergleich zur USA – in erster Linie internationalen Luftverkehr durchführen (Schenk, 2004, S. 89). Als bisherige Ergebnisse der Liberalisierung des europäischen Luftverkehrs lässt sich festhalten, dass die Liberalisierung stufenweise durchaus bemerkenswerte Fortschritte gemacht hat und es gelungen ist, der EU-Kommission immer mehr luftverkehrspolitische Kompetenzen zu übertragen (Joppien, 2006, S. 413). So wurden beispielsweise Regelungen für Kapazitätsaufteilungen (z. B. Frequenzen) und Marktzutrittsregelungen von europäischen Verordnungen mit dem Resultat überdeckt, dass Airlines nun von den teilweise sehr restriktiven bilateralen Abkommen abweichen dürfen (Bermig, 2005, S. 20 und Joppien, 2006, S. 414). Darüber hinaus wurde die staatliche Tarifgenehmigungspflicht aufgehoben (Bermig, 2005, S. 20 und Joppien, 2006, S. 414). So gibt es Autoren, die diesen Zustand des europäischen Luftverkehrs in der Art und Weise interpretieren, dass die Liberalisierung – abgesehen von den noch verbliebenen Gruppenfreistellungen – zum Großteil erreicht wurde und dass es in der Praxis nahezu keine Marktzutrittsbarrieren mehr gibt (Schenk, 2004, S. 101). Untermauert wird diese Ansicht des erleichterten Marktzugangs u. a. durch die gestiegene Anzahl an so genannten Low Cost Carriern in Europa, wodurch es durchaus zu günstigeren Flugtarifen gekommen ist (Helenius, 2003, S. 179 und Heuermann, 2005, S. 200). Hinzu kommt die Entwicklung, dass bis heute viele europäische Airlines in eine strategische Allianz – wie etwa der Star Alliance, Oneworld oder Sky Team – mit anderen Airlines eingetreten sind und ihren Kunden die hier-

42 mit verbundenen Vorteile (z. B. harmonisierte Flugpläne, Nutzung gemeinsamer Lounges der Allianzpartner, kumuliertes Sammeln von Flugmeilen bei Flügen aller Allianzpartner) anbieten können (Auerbach/ Delfmann, 2005. 68, 69 und Helenius, 2003, S. 179; zu strategischen Allianzen von Airlines vgl. z. B. Pompl, 2002, S. 143-155). Diesen positiven Entwicklungen der Liberalisierung des europäischen Luftverkehrs stehen allerdings auch schwere Einschränkungen gegenüber. Nach Joppien gibt es heute noch drei Faktoren, die die Wirkungen der Liberalisierung stark einschränken. Erstens hat demnach die EU-Kommission viel Entscheidungsspielraum bezüglich der Auslegung der Ratsverordnungen, welchen sie oft nicht im Sinne von mehr Wettbewerb einsetzt (Joppien, 2006, S. 414). Zweitens wurden laut Joppien bisher wenige nennenswerte Fortschritte bei der Gruppenfreistellung erzielt (Joppien, 2006, S. 414). Drittens existiert nach wie vor keine supranationale europäische Luftfahrtbehörde, mit den Folgen, dass u. a. das Verhältnis zu Drittländern und die Regelungen des Binnenverkehrs innerhalb der jeweiligen Länder weiterhin Sache der Einzelstaaten sind (Joppien, 2006, S. 414, 415). Auswirkungen dieser Einschränkungen der Liberalisierung des europäischen Luftverkehrs werden beispielsweise daran ersichtlich, dass einzelne Staaten ihren Staatscarriern Subventionen gestatten (Joppien, 2006, S. 415). Da es einerseits Staaten gibt, die nach wie vor an der Subventionspolitik ihrer Staatscarrier festhalten, andere Staaten jedoch bereits sehr früh ihre Airlines privatisiert haben, kommt es durch diese Ungleichbehandlung der europäischen Airlines zu erheblichen Wettbewerbsverzerrungen (Joppien, 2006, S. 416). Weitere Probleme des aktuellen Status der Liberalisierung des europäischen Luftverkehrs werden in den Engpässen bei der europäischen Luftverkehrssicherung und bei den großen europäischen Flughäfen gesehen (Helenius, 2003, S. 178). So zählen insbesondere die Zugänge zu Flughäfen, Luftstraßen und Bodenabfertigungsdiensten als große Engpässe, die Marktneulinge zu überwinden haben (Schenk, 2004, S. 125). Daher lässt sich zusammenfassend festhalten, dass trotz der Liberalisierungsanstrengungen nach wie vor Eingriffsmöglichkeiten durch die Staaten bestehen. Da diese auch von einigen Regierungen genutzt werden, weist die europäische Luftverkehrspolitik grundsätzlich eine liberale Ausrichtung marktwirtschaftlicher Prägung in Kombination mit staatlichen Interventionen in einzelnen Bereichen auf (Mayer, 2001, S. 30 und Pompl, 2002, S. 445). Als weitere Indizien für diese Aussage sei u. a. darauf hingewiesen, dass es erst im Jahr 2004 zum ersten richtigen Merger europäischer Airlines kam (Air France und KLM), die Errichtung der Hub and Spoke-Netze europäischer Airlines bereits vor der Liberalisierung in Angriff genommen wurde und die europäischen Staatscarrier bisher eher in geringem Umfang andere Märkte im europäischen Ausland angegriffen haben, da nach wie vor eine Art „Gentelman’s Agreement“ zwischen diesen Airlines besteht (Auerbach/ Delfmann, 2005, S. 69, 70; Helenius, 2003, S. 178 und Mayer, 2001, S. 31).

43 2.2.2.2 Grad der Instabilität Der erste Aspekt, der in der vorliegenden Arbeit unter der Überschrift „hohe Instabilität“ zu subsumieren ist, bezieht sich auf die komplexen Ursache-Wirkungs-Beziehungen zwischen den Playern des Luftverkehrs (Airlines, Flugzeughersteller, Ersatzteilelieferanten, Regulierungsbehörden, internationale Verbände, Luftfahrtspediteure etc.), die zu zeitverzögernden Rückkopplungsprozessen und zu vielschichtigen zirkulären Abhängigkeiten führen können (Joppien, 2006, S. 116). Demnach zeichnet sich die Aviation-Industrie durch eine starke multikonditionale Vernetzung aus, so dass intern oder extern ausgelöste Störungen (z. B. Fusionen, Konkurse, Kriege, Krankheiten) bei einer Institution – oder zumindest einer Stufe des Gesamtsystems – durchaus positive, allerdings auch negative Auswirkungen auf die anderen beteiligten Netzwerkpartner haben können (Joppien, 2006, S. 116, 117). Zwei weitere Aspekte, die zur Instabilität der Aviation-Industrie beitragen, nämlich neue Wettbewerber und neue Geschäftsmodelle, sind Abbildung 7 zu entnehmen:

Neue Wettbewerber

Neue Geschäftsmodelle

AviationIndustrie

Abbildung 7: Neue Wettbewerber und neue Geschäftsmodelle für die Aviation-Industrie (Quelle: Eigene Darstellung)

Eine Folge der Globalisierung der Aviation-Industrie, die nochmals in Abschnitt 2.2.2.5 aufgegriffen wird, ist, dass z. B. klassische europäische Airlines nicht nur auf Wettbewerber aus den USA oder aus Europa achten müssen. So verdeutlicht eine aktuelle Studie des Bielefelder Marktforschungsinstituts TNS Emnid aus dem Jahr 2006, bei der 240 deutsche Luftfrachtspediteure die 55 führenden, in Deutschland tätigen Luftfrachtairlines bewerteten, dass insbesondere Airlines – bzw. deren Cargo-Töchter – die als neue Wettbewerber aus dem arabischen Raum kommen, zu beachten sind (Kranke, 2006, S. 46-49). Demnach lag die 1985 gegründete Emirates SkyCargo (Tochter der ebenfalls im Jahre 1985 gegründeten Emirates Airline) sowohl bei der von den Luftfrachtspediteuren wahrgenommenen Qualität als auch der Kundenorientierung auf dem ersten Platz (Kranke, 2006, S. 48, 49). Lediglich bei dem Preis-Leistungsverhältnis musste sich diese Airline einer anderen geschlagen geben. Hier belegte nämlich eine andere arabische Airline den ersten Platz. Die erst seit Juni 2004 in Deutschland tätige Airline Etihad Crystal Cargo (Cargo-Tochter der im Jahre 2003 gegründeten Etihad Airways) verdrängte bei diesem Kriterium Emirates SkyCargo auf den zweiten

44 Platz (Kranke, 2006, S. 48, 49). In der Gesamtperformance belegten diese beiden neuen bzw. sehr neuen Airlines den ersten (Emirates SkyCargo) und den neunten (Etihad Crystal Cargo) Platz und verwiesen damit viele etablierte klassische Cargoairlines auf die Plätze (Kranke, 2006, S. 47). Eine ebenfalls zur Instabilität der Aviation-Industrie beitragende Entwicklung könnte die so genannte Dubai Logistics City (DLC) nehmen, die ein Teil der „Dubai World Central“ ist, zu der auch der neu entstehende Dubai World International Airport zählt (Dubai Logistics City, 2006). Die Ziele der DLC sind deren Website zu entnehmen: •

„DLC as a global supply chain hub for sea-air or air-air transport combinations

•

DLC as a global hub for value adding logistics operations such as merge-in-transit, customization, postponement, packaging and labelling, final assembly

•

DLC as a distribution hub for the greater region while reducing number of required warehouses and improving customer service

•

DLC as a platform to re-gain control of the distribution channel, e.g. by the introduction of direct sales” (Dubai Logistics City, 2006).

Die infrastrukturelle Lage der DLC bzw. des neu entstehenden Airports ermöglicht es, dass von dort alle europäischen Flughäfen erreicht werden können. Die DLC – respektive der neu entstehende Flughafen – kann daher zu einer zentralen Drehscheibe für den internationalen Flugverkehr werden, an der auch eine Vielzahl an Value Added Service offeriert werden. Insofern große Airlines, die ihren Hub zurzeit in anderen Ländern haben, sich aufgrund der für sie mit der DLC verbundenen Vorteile in Zukunft verstärkt an der DLC ausrichten, könnte es zu einer Veränderung der bestehenden Hub and Spoke-Netze kommen.6 Überdies tragen die neuen Geschäftsmodelle der Low Cost Carrier (z. B. Ryanair und Air Berlin) auf dem Passagemarkt und die der Integratoren (z. B. FedEx und DHL) auf dem Frachtmarkt ebenfalls zur Instabilität der Aviation-Industrie bei.7 Auf beiden Kernmärkten verlieren die klassischen Airlines nämlich zusehends Marktanteile an Anbieter mit diesen beiden neuen Geschäftsmodellen. Nach einer Schätzung der Unternehmensberatung McKinsey hatten im Jahr 2005 sämtliche europäische Low Cost Carrier bereits zusammen einen Marktanteil von 16 Prozent, der sich bis zum Jahr 2010 auf 24 Prozent ausweiten wird (McKinsey & Company, 2005). Auf dem Frachtmarkt sieht es ähnlich aus. Die relevante Position, die Integratoren heute am Luftfrachtmarkt einnehmen, verdeutlicht die Erhebung der weltwei6

7

Da der Fokus der vorliegenden Arbeit auf den Airlines und nicht auf den Airports liegt, wird an dieser Stelle nicht weiter auf die soeben angesprochene Thematik eingegangen. Weitere Informationen zur DLC findet der Leser u. a. bei Jahns et al., 2008. Zur Definition des Begriffs Geschäftsmodell vgl. Abschnitt 1.1. Eine ausführliche Darstellung der Geschäftsmodelle der Low Cost Carrier und der Integratoren erfolgt in Abschnitt 2.3.2.2.

45 ten Transportvolumina, gemessen in Scheduled Freight Tonne - Kilometres Flown, aus dem Jahr 2005. Bei Betrachtung der gesamten Transportvolumina, d. h. internationale und inländische Flüge betreffend, zeigt sich, dass der erste (FedEx) und der zweite Platz (UPS) von Integratoren belegt wurden (IATA, 2006a). In Europa sind zusätzlich primär die beiden Player DHL und TNT zu nennen. 2.2.2.3 Geschäftszyklen und Krisenanfälligkeit In diesem Abschnitt wird aufgezeigt, dass der Luftverkehr ein krisenanfälliges und zyklisches Geschäft ist. Zur besseren Strukturierung werden die Auslöser für die zyklischen Schwankungen in die drei Gruppen „exogene Schocks“, „kurz- und mittelfristige Nachfragezyklen“ und „stochastische Zufallsschwankungen“ untergliedert. Darüber hinaus wird auf weitere Einflussgrößen hingewiesen, die dazu beitragen, dass die Aviation-Industrie eine zyklische Industrie ist. Zu den exogenen Ursachen sind zunächst die erste Ölkrise (1974, 1975), die zweite Ölkrise (1980-1982) und die Golfkrise (1990, 1991) zu zählen, da jede dieser Krisen den klassischen Airlines die bis zum jeweiligen Zeitpunkt schwersten Ertragseinbrüche bescherte und mit teilweise spektakulären Konkursen einherging (Doganis, 2002, S. 17, 18 und Joppien, 2006, S. 129). Diese nur schwer zu prognostizierenden konjunkturell bedingten Einflüsse auf den Luftverkehr (exogene Schocks) beeinflussen die langfristigen Nachfragezyklen auf zweierlei Weise (Joppien, 2006, S. 114, 129). Erstens kommt es durch die Ölpreissteigerung zu einem höheren Treibstoffpreis der Flugzeuge mit der Folge, dass sich einerseits die Flugtarife erhöhen und dadurch – aufgrund der hohen Preiselastizität der mengenmäßigen Nachfrage nach Flugtickets – andererseits die Nachfrage zurückgeht (Joppien, 2006, S. 114). So stieg beispielsweise von 1973 bis 1975 der Preis für Treibstoff um das Dreifache (Doganis, 2002, S. 17). Zweitens ist während solcher Ölkrisen häufig zu beobachten, dass es zu einer Stagnation des realen Einkommenswachstums in weiten Teilen der Bevölkerung kommt und dadurch – aufgrund der hohen Einkommenselastizität der mengenmäßigen Nachfrage – zusätzlich die Nachfrage nach Flugtickets abnimmt (Joppien, 2006, S. 114). Ein weiterer exogener Schock, der die konjunkturelle Entwicklung der Aviation-Industrie seit dem 11. September 2001 mit dem Angriff auf das World Trade Center in New York sehr stark negativ beeinflusst, ist die so genannte Terrorkrise, die auch aufgrund weiterer Anschläge (z. B. in Madrid und London) nicht an Aktualität und Präsenz verliert und mit gestiegenen Sicherheitsanforderungen an die Airlines einhergeht. Die folgenden Zahlen sollen die Auswirkungen des 11. Septembers 2001 verdeutlichen (Auerbach/ Delfmann, 2005, S. 66): •

Die Verluste der großen US-Airlines überstiegen sechs Milliarden US-Dollar.

•

In Europa gingen Flagcarrier wie Swissair und Sabena Bankrott.

•

Im Jahr 2002 generierten europäische Airlines 2,5 Milliarden Euro weniger Revenues als im Jahr 2001.

46 •

Im Jahr 2002 hatten europäische Airlines 13 Millionen Passagiere weniger als im Jahr 2001.

Als letzte exogene Ursache soll in der vorliegenden Arbeit noch in aller Kürze SARS (Severe Acute Respiratory Syndrome) angesprochen werden. Diese in China im Jahr 2003 verstärkt aufgetretene Virusinfektion hatte eine dramatische Auswirkung auf Flüge, deren Zielflughäfen in China oder im weiteren Umfeld von China lagen. Obwohl einige Fälle von SARS bereits seit Ende 2002 bekannt waren, kam es erst im April 2003 zu der durch SARS ausgelösten Nachfrageschwankung, da erst zu diesem Zeitpunkt die Tragweite der Virusinfektion öffentlich gemacht wurde (Dombey, 2003, S. 4). Abbildung 8 zeigt exemplarisch die unmittelbaren Auswirkungen auf die Passagierzahlen am Beijing Capital International Airport.

3.500.000 3.000.000

Passagiere

2.500.000 2.000.000 1.500.000 1.000.000 500.000 0 Jan. Feb. Mär. Apr. Mai Jun. Jul. Aug. Sep. Okt. Nov. Dez. Abbildung 8: Passagierentwicklung am Beijing Capital International Airport im Jahr 2003 (Quelle: Eigene Darstellung der Zahlen vom Beijing Capital International Airport, 2006)

Neben den bisher in diesem Abschnitt explizierten exogenen Schocks (Ölkrisen, Golfkrise, Terrorkrise und SARS) gibt es noch weitere Ursachen für die starken Geschäftszyklen des Luftverkehrs. So gibt es zum einen kurz- und mittelfristige saisonale Nachfragezyklen im Luftverkehr, die – im Vergleich zu den exogenen Schocks – prognostizierbar sind (Joppien, 2006, S. 114). Beispiele hierfür sind im Charterverkehr etwa die jahreszeitlich bedingten Spitzen (z. B. Schulferien im Sommer) oder im Linienverkehr die Peaks zum Beginn und zum Ende der Wochen (Joppien, 2006, S. 114). Zum anderen sind noch so genannte stochastische Zufallsnachfrageschwankungen zu nennen. Diese sind dadurch gekennzeichnet, dass sie – wie auch die exogenen Schocks – nicht zu prognostizieren sind, allerdings nur eine sehr kurze Wirkungsdauer haben (Joppien, 2006, S. 114).

47 Abgesehen von diesen drei bisher in diesem Abschnitt dargestellten Einflussgrößen, die einerseits die Krisenanfälligkeit der Aviation-Industrie aufgezeigt haben, andererseits Gründe dafür geliefert haben, dass es sich bei der in dieser Arbeit zu untersuchenden Branche um eine zyklische Branche handelt, gibt es weitere Aspekte, die an dieser Stelle zu nennen sind. So ist darauf hinzuweisen, dass Airlines einen Großteil ihrer Erträge in Fremdwährungen erwirtschaften und viele wichtige Kostenbestandteile – wie z. B. Kosten für den Treibstoff der Flugzeuge – in US-Dollar bezahlt werden (Joppien, 2006, S. 116). Dabei ist anzumerken, dass sich gerade dieser Treibstoffpreis seit dem Jahr 2002 sehr stark erhöht hat (IATA, 2006b, S. 7). Daher ist – zumindest auf der Kostenseite – eine relative Abhängigkeit von dem Wechselkurs des US-Dollars und somit von dem politischen und wirtschaftlichen Wohlergehen der USA (das wiederum Auswirkungen auf die Weltwirtschaft hat) erkennbar. Darüber hinaus können die, im Vergleich zu anderen Branchen, relativ langen strategischen Vorlaufzeiten bei der Anpassung von Produktionskapazitäten oder aber auch die langen Bewilligungszeiträume bei der Einführung von Produkt- und Prozessveränderungen zu den zyklischen Schwankungen der Aviation-Industrie beitragen (Joppien, 2006, S. 130). Die im letzten Satz genannten Aspekte werden ebenfalls als Anpassungsverzögerungen bzw. time-lags der AviationIndustrie bezeichnet (Joppien, 2006, S. 130). Eine abschließende Bestätigung dafür, dass es sich bei der Aviation-Industrie tatsächlich um eine zyklische Branche handelt, verdeutlicht Abbildung 9. Dieser Abbildung sind die NettoGewinne bzw. Netto-Verluste der ICAO-Airlines zu entnehmen.8 Wie zu erkennen ist, dauert jeder Zyklus – mit stärker werdender Amplitude – ca. acht bis elf Jahre, wobei auf vier bis sechs Jahre mit annehmbaren Profiten durchschnittlich vier Jahre mit marginalen Gewinnen bzw. Verlusten folgen (Doganis, 2001, S. 2 und Doganis, 2002, S. 5, 15).

8

Inlandsflüge, die vor 1998 innerhalb der ehemaligen UDSSR durchgeführt wurden, sind nicht enthalten.

48 10.000

2005e

2003

2001

1999

1997

1995

1993

1991

1989

1987

1985

1983

1981

1979

1977

1975

1973

0

1971

Millionen US-Dollar

5.000

-5.000

-10.000

-15.000

2005e = erwarteter Wert für das Jahr 2005

Abbildung 9: Netto-Gewinne oder Netto-Verluste der ICAO-Airlines von 1971 bis 2005 (Quelle: Eigene Darstellung der Zahlen von der ICAO, gefunden bei der Air Transport Association, 2006)

Aufgrund der bereits oben geschilderten multikonditionalen Vernetzung der AviationIndustrie wirken sich – nach Auffassung des Autors – diese Zyklen, mit einer etwaigen zeitlichen Verschiebung und einer veränderten Amplitude, in ähnlicher Form auch auf die anderen Stufen dieser Branche aus. Insbesondere die in diesem Abschnitt erläuterten exogenen Schocks verdeutlichen die überaus relevante Position, die die Endkunden für das wirtschaftliche Wohlergehen der Unternehmen der Aviation-Industrie haben. Dies bestätigt somit die in Abschnitt 2.1 explizierte Ansicht einiger Autoren, dass der Endkunde als ein Teil der Supply Chain zu betrachten ist (Chopra/ Meindl, 2004, S. 5 und Mentzer et al., 2001b, S. 4). So kam es durch die genannten exogenen Schocks u. a. dazu, dass die Nachfrage der Endkunden gesunken ist. Dadurch reduzierten die Airlines spürbar die von ihnen offerierten Kapazitäten und stornierten daher – und aufgrund der schlechten finanziellen Situation – eine Vielzahl an Aufträgen bei den Herstellern von zivilen Flugzeugen (Heymann, 2004, S. 4). Der Nachfragerückgang der Endkunden nach Luftverkehr machte sich schließlich auch bei den Flughafenbetreibern bemerkbar, da ebenfalls bei diesen Institutionen eine geringere Auslastung der Kapazitäten, schrumpfende Gebühreneinnahmen und sinkende Ausgaben der Passagiere an den Flughäfen zu verzeichnen waren (Heymann, 2004, S. 4). 2.2.2.4 Margenstruktur Der Jahres- und Nachhaltigkeitsbericht der SAS Group aus dem Jahr 2005 ermöglicht u. a. einen Überblick über die durchschnittlichen EBIT-Margen, die auf unterschiedlichen Stufen der Aviation Supply Chain realisiert werden. Auffallend ist hierbei, dass die klassischen Airlines, die wie geschildert im Fokus der vorliegenden Arbeit stehen, die geringsten EBIT-

49 Margen erzielen. Während im Jahr 2004/ 2005 selbst die Flugzeughersteller durchschnittlich eine EBIT-Marge von sieben Prozent erwirtschafteten, lag diese bei den klassischen Airlines durchschnittlich bei gerade drei Prozent. Airports erzielten im Jahr 2004/ 2005 hingegen durchschnittlich eine EBIT-Marge von 21 Prozent, wohingegen es im Jahr 2000/ 2001 sogar 28 Prozent waren. (SAS, 2005, S. 13) Die Gewinnmargen sind speziell bei den klassischen Airlines so gering, da die Stückkosten und die Stückerträge nahe beieinander liegen (Joppien, 2006, S. 115). Die letztendlichen finanziellen Ergebnisse der Airlines können daher bereits durch marginale Veränderungen in den Erträgen, in den Kosten oder bei den Kapazitätsauslastungen (Ladefaktoren) stark beeinflusst werden (Joppien, 2006, S. 115). Einer von zahlreichen potenziellen Auslösern für die geringen EBIT-Margen der klassischen Airlines kann z. B. in der in Abschnitt 2.2.2.1 beschriebenen Deregulierung bzw. Liberalisierung und den damit einhergehenden verbesserten Wettbewerbsbedingungen für Airlines gesehen werden. Speziell auf dem Luftfrachtmarkt kommt für diese Airlines erschwerend hinzu, dass schlechtere Qualität des Transportes zu Gunsten eines günstigeren Preises von einigen Kunden in Kauf genommen wird, da die zu transportierenden Güter für den Fall eines Schadens häufig entsprechend versichert sind. 2.2.2.5 Grenzenlosigkeit der Verkehrströme und Wachstum Aufgrund des internationalen Charakters von Lufttransporten und der bereits in Abschnitt 2.2.2.1 genannten Kabotagefreiheit stehen heute Airlines in Konkurrenz zueinander, die ihre Firmensitze in unterschiedlichen Regionen der Welt haben (Joppien, 2006, S. 114, 115). Hierdurch ergibt sich, dass Airlines, die ihren Firmensitz beispielsweise in den USA oder in Europa haben, mit Airlines aus so genannten Billiglohnländern im Wettbewerb stehen und dass sich dieser Wettbewerb u. a. in der Form eines starken Kostendrucks bemerkbar macht (Joppien, 2006, S. 115). Doch nicht nur die Airlines müssen sich der Globalisierung und damit einhergehend der Grenzenlosigkeit der Verkehrsströme stellen. Vielmehr nutzen heute nahezu alle weltweit agierenden Unternehmen, die sich dem internationalen Wettbewerb stellen und sich dabei die Chancen des Voranschreitens der Globalisierung zu eigen machen – durch den schnellen Transport von Menschen oder Fracht – die Vorteile von Lufttransporten. In diesem Kontext ist auch die (handels-)politische Integration von Ländern und Regionen wie z. B. Osteuropa zu erwähnen, die die internationale Arbeitsteilung stimuliert und damit zum Wachstum der Aviation-Industrie beiträgt (Heymann, 2004, S. 7). Darüber hinaus gibt es eine Vielzahl an weiteren Gründen dafür, dass die Aviation-Industrie bereits seit mehreren Jahrzehnten als Wachstumsbranche bezeichnet werden kann. Neben den Folgen der Deregulierung und Liberalisierung der Aviation-Industrie werden ganz entscheidende Gründe beispielsweise auch in dem gesteigerten Wunsch vieler Privatreisender nach

50 Mobilität und Flexibilität und in der Einkommenssteigerung der privaten Haushalte – insbesondere in Asien und Osteuropa – gesehen (Heymann, 2004, S. 7). Eine Folge daraus ist u. a. nämlich eine entsprechend größere Nachfrage nach Flugtickets. So wurde dieses seit mehreren Jahrzehnten anhaltende Wachstum der Aviation-Industrie – das sowohl für den Personenluftverkehr als auch für den Luftfrachtverkehr Gültigkeit besitzt – mittels Abbildung 1 und Abbildung 2 bereits in Abschnitt 1.1 visuell dargestellt. In beiden Abbildungen ist zwar einerseits z. B. der Einbruch des Wachstums nach dem Anschlag auf das World Trade Center im Jahre 2001 zu erkennen. Abgesehen von solchen zeitlich beschränkten Abwärtsbewegungen ist andererseits ein eindeutiges Wachstum sowohl bei den RPKs als auch bei den FTKs zu erkennen. Nach Angaben von Boeing wuchs der weltweite Personenluftverkehr (gemessen in RPKs) zwischen den Jahren 1985 und 2005 um durchschnittlich 4,8 Prozent jährlich (Boeing, 2006, S. 3). Im Vergleich dazu wuchs der Luftfrachtverkehr laut Airbus (gemessen in FTKs) zwischen 1995 und 2003 um jährlich durchschnittlich 4,4 Prozent (Airbus, 2005, S. 58). Doch nicht nur der allgemeine weltweite Luftverkehr ist von einem permanenten Wachstum geprägt. Die eingehende Betrachtung des europäischen Luftverkehrs zeigt, dass sich im Speziellen auch der europäische Luftverkehr am weltweiten Wachstum beteiligt. So spiegeln die Zahlen der AEA in den ersten neun Monaten des Jahres 2005 ein eindeutiges Wachstum wider (Fraport, 2005a, S. 6). Demnach steigerten die europäischen Airlines, gemessen am Passagieraufkommen bzw. an den RPKs, ihre Verkehrsleistungen um 3,8 Prozent bzw. um sechs Prozent gegenüber dem Vorjahreszeitraum (Fraport, 2005a, S. 6). Bedingt durch einen Anstieg der offerierten Kapazitäten in Sitzkilometern um 4,2 Prozent, nahm im Zeitraum von Januar 2005 bis September 2005 der durchschnittliche Auslastungsgrad der Flugzeuge um 1,3 Prozent auf 76,4 Prozent zu (Fraport, 2005a, S. 6). Auf ähnlich positive Zahlen für das Verkehrsaufkommen bei europäischen Airlines weist die Air Transport World hin. So zeigt ein Vergleich der Ergebnisse des Monats August 2005 zum Jahr 2004 sowohl bei den RPKs als auch bei den ASKs bei nahezu allen in der Untersuchung berücksichtigten Airlines (Air France-KLM, AUA Group, BA Group, Finnair, Iberia, Lufthansa, SAS Group) eine positive Veränderung (Air Transport World, 2005, S. 14). Lediglich bei der BA Group sanken in diesem Zeitraum sowohl die RPKs (um 0,7 Prozent) als auch die ASKs (um 1,1 Prozent), und bei der SAS Group sanken die ASKs um 1,1 Prozent bei einem gleichzeitigen Anstieg der RPKs um 6,4 Prozent (Air Transport World, 2005, S. 14). Nachdem nun gezeigt wurde, dass die Aviation-Industrie in der Vergangenheit stark gewachsen ist, bleibt der Ausblick in die Zukunft. Ebenfalls für die Zukunft wird für diese Branche weiteres Wachstum vorhergesagt. Für den Personenluftverkehr ist nach Boeing zwischen den Jahren 2006 und 2025 pro Jahr mit einem Wachstum von durchschnittlich 4,9 Prozent (in RPKs) zu rechnen (Boeing, 2006, S. 3). Während sich sowohl die innereuropäischen Strecken als auch die Routen innerhalb Nordamerikas bereits auf einem sehr hohen Niveau befinden

51 und daher große prozentuale Wachstumsraten (in RPKs) nur mit – in absoluten Zahlen – sehr großen Steigerungen einhergehen, fällt die Wachstumsrate auf weniger gesättigten Routen wesentlich größer aus. So prognostiziert Boeing für den innereuropäischen Personenluftverkehr bis zum Jahr 2025 ein jährliches Wachstum von durchschnittlich 3,4 Prozent und für den Personenluftverkehr innerhalb Nordamerikas für den gleichen Zeitraum ein jährliches Wachstum von durchschnittlich 3,6 Prozent (Boeing, 2006, S. 4). Ein sehr starker Wachstumsmarkt ist China. Bis 2025 wird für den Personenluftverkehr innerhalb Chinas ein Wachstum per annum von durchschnittlich 8,8 Prozent vorhergesagt (Boeing, 2006, S. 4). Der direkte Vergleich zwischen dem Luftfrachtverkehr und dem Personenluftverkehr macht deutlich, dass für den Luftfrachtverkehr sowohl von Airbus als auch von Boeing eine noch größere Wachstumsrate prognostiziert wird. Während Airbus für den Zeitraum von 2003 bis 2023 eine durchschnittliche jährliche Wachstumsrate von 5,9 Prozent (in FTKs) berechnet, prognostiziert Boeing für den Zeitraum von 2006 bis 2025 sogar durchschnittlich 6,1 Prozent (in FTKs) pro Jahr (Airbus, 2005, S. 58 und Boeing, 2006, S. 3). Laut Boeing hat dieses Wachstum – sowohl auf dem Passage- als auch auf dem Frachtmarkt – eine positive Auswirkung auf die Hersteller von Flugzeugen: „With 4.9 percent passenger growth and 6.1 percent cargo growth projected, the total fleet will more than double by 2025 growing from 17,300 airplanes [Anmerkung des Autors: im Jahr 2005] to almost 36,000“ (Boeing, 2006, S. 6). Dieses Statement verdeutlicht übrigens nochmals sehr gut die erwähnte multikonditionale Vernetzung der Aviation-Industrie. 2.3 Die europäische Aviation-Industrie Wie anhand der in Kapitel 1 formulierten Strukturierungsfragen, Forschungsfragen und Fragen für weiterführende Forschung deutlich wurde, fokussiert sich die Arbeit auf die europäische Aviation-Industrie. Nachdem nun die allgemeinen Grundlagen der weltweiten AviationIndustrie in Abschnitt 2.2 dargestellt wurden, wird sich der Verfasser im weiteren Verlauf der Arbeit auf Europa konzentrieren. Neben den in Abschnitt 2.2 genannten Gründen hierfür, wie etwa die teilweise unterschiedlichen Voraussetzungen nach der Deregulierung bzw. Liberalisierung im europäischen und US-amerikanischen Luftverkehr, dass in Europa – z. B. im Vergleich zu den USA – der Inlandsverkehr eine weniger wichtige Rolle spielt und dass es sich in Europa um souveräne Staaten mit eigener Lufthoheit handelt, die in erster Linie internationalen Luftverkehr durchführen, sprechen für diese Fokussierung auf Europa auch die speziellen rechtlichen Rahmenbedingungen in Europa (Bermig, 2005, S. 19-40 und Schenk, 2004, S. 89). Darüber hinaus wird durch diese Konzentration auf Europa und des damit verbundenen bewussten Ausblendens der restlichen Welt erst ein höherer Detaillierungsgrad ermöglicht, der für den Rest dieser Arbeit essenziell sein wird. In den nun folgenden Abschnitten dieses Kapitels wird zunächst mittels Porters Modell der Industriestrukturierung die Supply Chain der europäischen Aviation-Industrie systematisiert

52 (Porter, 1980, S. 4). Aufbauend auf dieser Systematisierung werden die zuvor identifizierten Stufen der Supply Chain der europäischen Aviation-Industrie charakterisiert und in diesem Zusammenhang die wesentlichen Player bzw. wichtige Institutionen identifiziert. Mit dieser Identifizierung wird somit eine Antwort auf die erste Strukturierungsfrage gegeben. Die bis zu diesem Zeitpunkt in dieser Arbeit gesammelten Erkenntnisse – über den Begriff der Supply Chain, über die Grundlagen der Aviation-Industrie im Allgemeinen und über die Strukturierung der Supply Chain der europäischen Aviation-Industrie im Speziellen – werden zusammenfassend im abschließenden Abschnitt 2.3.3 angewendet, indem die institutionelle Ebene der Supply Chain der europäischen Aviation-Industrie modellhaft dargestellt wird und folglich auch eine Antwort auf die zweite Strukturierungsfrage gegeben wird. 2.3.1 Porters Modell der Industriestrukturierung zur Systematisierung der Supply Chain der europäischen Aviation-Industrie Porter unterscheidet fünf maßgebliche Triebkräfte des Wettbewerbs (Porter, 1980, S. 3). Diese sind in Abbildung 10 dargestellt. Er definiert „Industry” hierbei als „[…] the group of firms producing products that are close substitutes for each other“ (Porter, 1980, S. 5).

Neue Anbieter

Bedrohung durch neue Anbieter

Wettbewerber in der Branche Verhandlungsstärke der Lieferanten

Verhandlungsmacht der Kunden

Lieferanten

Kunden Rivalität unter den bestehenden Wettbewerbern

Bedrohung durch Substitutionsprodukte und -dienste

Substitute

Abbildung 10: Porters Modell der Five Forces (Quelle: In Anlehnung an Porter, 1980, S. 4)

Ziel dieses Abschnittes ist es, mit Hilfe dieses Modells einen wissenschaftlich fundierten Rahmen zu Grunde zu legen, der es ermöglicht, die wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie zu identifizieren und somit die besagte Industrie zu strukturieren. Um dies zu ermöglichen, werden in diesem Abschnitt die grundlegenden Aussagen

53 dieses Modells erläutert. In Abschnitt 2.3.2 werden die herausgearbeiteten Stufen jeweils einzeln vertiefend betrachtet, wohingegen in Abschnitt 2.3.3 explizit die institutionelle Ebene der Supply Chain der europäischen Aviation-Industrie modellhaft dargestellt wird. 2.3.1.1 Rivalität unter den bestehenden Wettbewerbern Rivalität unter bestehenden Wettbewerbern entsteht prinzipiell dadurch, dass entweder ein oder mehrere Wettbewerber einen Rivalitätsdruck verspüren oder sie die Möglichkeit sehen, ihre Position innerhalb ihrer Branche zu verbessern (Porter, 1980, S. 17). Bei genauerer Betrachtung lassen sich acht zusammenwirkende strukturelle Faktoren erkennen, die für eine starke Rivalität innerhalb einer Branche verantwortlich gemacht werden können: (1) Zahlreiche oder gleich ausgestattete Wettbewerber Insofern es eine große Anzahl an Unternehmen in einer Branche gibt, ist die Wahrscheinlichkeit hoch, dass einzelne Unternehmen glauben, Maßnahmen unbemerkt von ihren Wettbewerbern durchführen zu können. Überdies entsteht eine hohe Kampfbereitschaft, falls die Unternehmen innerhalb einer Branche relativ äquivalent hinsichtlich der Unternehmensgrößen und der verfügbaren Ressourcen sind. (Porter, 1980, S. 18) (2) Langsames Branchenwachstum Langsames Branchenwachstum sorgt dafür, dass aus Wettbewerb ein Kampf um Marktanteile entsteht. Die Kämpfe um Marktanteile zwischen Unternehmen einer Branche sind umso größer, je langsamer das Wachstum der Branche ist. (Porter, 1980, S. 18) (3) Hohe Fix- oder Lagerkosten Hohe Fixkosten, wie sie z. B. – wie in Abschnitt 2.2.2 gesehen – bei Airlines auftreten, lassen einen starken Druck auf alle Unternehmen entstehen, um ihre bestehenden Kapazitäten zu füllen. Insofern Überkapazitäten vorhanden sind, führt dies häufig zu schnell eskalierenden Preissenkungen. Entscheidend ist hierbei nicht der Anteil der Fixkosten an den Gesamtkosten, sondern das Verhältnis zwischen Fixkosten und dem hinzugefügten Wert. Eine Situation, in der hohe Fixkosten bestehen, ist die, in der ein Produkt nur sehr schwer – oder wie im Falle der Airlines überhaupt nicht – gelagert werden kann. In solch einer Situation sind Unternehmen dafür anfällig, ihre Preise für das betroffene Produkt zu senken, um dadurch die Verkaufszahlen zu erhöhen. (Porter, 1980, S. 18, 19) (4) Fehlende Differenzierung oder Wechselkosten Insofern ein Produkt eines Unternehmens sich nur gering oder überhaupt nicht von Konkurrenzprodukten oder einer konkurrierenden Dienstleistung unterscheidet, wird es als ein Commodity angesehen. Wie in Abschnitt 2.2.2 verdeutlicht, trifft dies für die Produkte der Airlines zu. Die Folge daraus ist ein starker Druck auf den Preis oder die zusätzlichen Services, da die Entscheidungen der Käufer stark durch den zu Grunde gelegten Preis oder die zusätzlichen Services bestimmt werden. Fehlende Wechselkosten haben den gleichen Effekt. (Porter, 1980, S. 19)

54 (5) Übermäßiger Zuwachs an Kapazitäten In Situationen, in denen die Economies of Scale vorschreiben, dass Kapazitätszuwächse nur in großem Ausmaß möglich sind, kann die Relation zwischen Angebot und Nachfrage gestört werden. Wie in Abschnitt 2.2.2 gesehen, trifft auch dies für die Airlines zu. Eine mögliche Folge sind Perioden, in denen die betroffene Branche mit Überkapazitäten und Preissenkungen konfrontiert wird. (Porter, 1980, S. 19) (6) Heterogene Wettbewerber Wettbewerber innerhalb einer Branche, die sich hinsichtlich ihrer Strategien, ihrer Herkunft, Persönlichkeiten und Beziehungen zu ihren Mutterunternehmen unterscheiden, können unterschiedliche Auffassungen dahingehend haben, wie etwa der Wettbewerb gestaltet sein soll. Zu denken ist hier beispielsweise auch an die unterschiedliche Nutzung von staatlichen Eingriffsmöglichkeiten, die in Abschnitt 2.2.2 beschrieben wurden. Die Folgen daraus können dauerhafte Konflikte innerhalb einer Branche sein. (Porter, 1980, S. 19) (7) Hohe strategische Einsätze Zu einer ansteigenden Rivalität kann es innerhalb einer Branche dann kommen, wenn einige Unternehmen mit hohem Einsatz agieren und versuchen, innerhalb dieser Branche zu großem Erfolg zu gelangen. (Porter, 1980, S. 20) (8) Hohe Austrittsbarrieren Austrittsbarrieren sind ökonomische, strategische und emotionale Faktoren, die Unternehmen dazu bringen trotz geringer oder sogar negativer Return on Investments weiterhin in einem Geschäftsbereich tätig zu bleiben. Die primären Quellen für solche Austrittsbarrieren sind in spezialisierten Assets, fixen Austrittskosten, strategischen Wechselbeziehungen, emotionalen Hindernissen und behördlichen und sozialen Restriktionen zu sehen. (Porter, 1980, S. 20, 21) Gemäß den Zielformulierungen in Kapitel 1 und daher auch aufgrund der weiteren Ausrichtung der vorliegenden Arbeit werden die klassischen Airlines als fokale Institutionen des Modells der Five Forces betrachtet.9 Folglich bilden diese Airlines, die näher in Abschnitt 2.3.2.1 expliziert werden, die erste in dieser Schrift herausgearbeitete Stufe der Supply Chain der europäischen Aviation-Industrie. 2.3.1.2 Bedrohung durch neue Anbieter Kommen neue Anbieter zu einer bestehenden Branche bzw. auf einen bereits existierenden Markt hinzu, bringen diese nicht nur neue Kapazitäten mit und vergrößern dadurch das gesamte Angebot, sondern diese neuen Anbieter streben danach, einen möglichst großen Markt-

9

Wie in Abschnitt 2.3.2.1 zu sehen sein wird, beinhaltet die Gruppe der klassischen Airlines in dieser Arbeit so genannte Linienfluggesellschaften, die auch als Netzwerkcarrier bezeichnet werden, und Charterfluggesellschaften. Diese Gruppe beinhaltet jedoch nicht so genannte Low Cost Carrier und Integratoren.

55 anteil zu gewinnen (Porter, 1980, S. 7). Als Folge daraus können die bisherigen Preise sinken oder sich die Profitabilität der alten Marktteilnehmer verringern (Porter, 1980, S. 7). Die Bedrohung bzw. die Gefahr, die durch einen Markteintritt von neuen Anbietern ausgeht, hängt einerseits von den Eintrittsbarrieren und andererseits von der Reaktion der bereits am Markt bestehenden Wettbewerber ab. Insofern die Eintrittsbarrieren hoch sind und/ oder die neuen Marktteilnehmer mit scharfen Vergeltungsmaßnahmen rechnen müssen, ist die Gefahr bzw. die Bedrohung, die von neuen Anbietern ausgeht, gering. (Porter, 1980, S. 7) In diesem Abschnitt werden nun in aller Kürze zunächst sieben mögliche Eintrittsbarrieren für neue Anbieter expliziert. Im Anschluss daran werden vier Bedingungen genannt, die den neuen Anbietern signalisieren können, dass die etablierten Unternehmen bei einem Markteintritt Vergeltungsmaßnahmen durchführen werden und daher abschreckend wirken. (1) Economies of Scale Mit Economies of Scale wird die Stückkostendegression beschrieben, die durch eine höhere Produktionsmenge bei gleichzeitig konstanten Faktorpreisen entsteht (Pompl, 2002, S. 146). Treten neue Anbieter mit einem hohen Produktionsvolumen in den Markt ein, riskieren sie eine starke Reaktion von den bestehenden Wettbewerbern. Steigen sie jedoch mit einem niedrigen Produktionsvolumen in den Markt ein, müssen sie mit Kostennachteilen rechnen. (Porter, 1980, S. 7) (2) Produktdifferenzierung Nach Porter bedeutet Produktdifferenzierung, dass „[…] established firms have brand identification and customer loyalties, which stem from past advertising, customer service, product differences, or simply being first into the industry” (Porter, 1980, S. 9). Die durch Produktdifferenzierung ausgelöste Eintrittsbarriere entsteht dadurch, dass neue Anbieter zur Durchbrechung der Loyalität, die die Kunden zu den auf dem Markt etablierten Unternehmen aufgebaut haben, viel Aufwand betreiben müssen (Porter, 1980, S. 9). (3) Kapitalbedarf Die Notwendigkeit, große finanzielle Mittel investieren zu müssen, um überhaupt konkurrieren zu können, stellt bereits eine Eintrittsbarriere dar. In besonderer Weise ist dies der Fall, wenn das Kapital in riskante oder unwiederbringliche Marketingmaßnahmen oder aber in Forschung und Entwicklung investiert wird. (Porter, 1980, S. 9, 10) (4) Wechselkosten Unter Wechselkosten werden die einmaligen Kosten eines Kunden verstanden, denen er sich bei einem Wechsel von den Produkten eines Lieferanten zu denen eines anderen Lieferanten gegenübersieht. Diese Kosten können z. B. durch Umschulungen der Mitarbeiter, Testen der Qualität einer neuen Bezugsquelle oder durch ein Produkt-Redesign verursacht sein. In diesem Sinne stellen die Wechselkosten ebenfalls eine Eintrittsbarriere dar. Sind diese Wechselkosten hoch, ist es an den neuen Anbietern, den Kunden eine Produktverbesserung oder eine

56 Preissenkung anzubieten, die die verursachten Wechselkosten möglichst kompensiert und so den Kunden davon überzeugt, sich von seinem bisherigen Lieferanten zu trennen. (Porter, 1980, S. 10) (5) Zugang zu Vertriebskanälen Nicht zu vergessen ist die Tatsache, dass der neue Anbieter sicherstellen muss, dass seine Produkte entsprechend distribuiert werden und dazu angemessene Vertriebskanäle genutzt werden müssen. Da die existierenden Vertriebskanäle bereits durch die etablierten Institutionen des Marktes bedient werden, muss der neue Anbieter die für die Vertriebskanäle verantwortlichen Personen dazu überreden, zukünftig auch die eigenen Produkte zu akzeptieren. Sind die Eintrittsbarrieren in einen Vertriebskanal für ein neues Unternehmen nicht zu überwinden, müssen unter Umständen sogar neue Distributionskanäle kreiert werden. (Porter, 1980, S. 10, 11) (6) Größenunabhängige Kostennachteile Etablierte Institutionen können gegenüber neuen Anbieten darüber hinaus noch eine Vielzahl an weiteren Kostenvorteilen haben, die von den Neulingen, unabhängig von ihrer Größe oder ihren erlangten Economies of Scale, nicht imitiert werden können. Ohne an dieser Stelle zu tief in die Thematik einzusteigen sind hierbei die folgenden Nachteile zu nennen: 1. Eigentum der etablierten Unternehmen an Produkttechnologien; 2. favorisierter Zugang der alten Institutionen zu Rohmaterialien; 3. die etablierten Unternehmen verfügen über die favorisierten Standorte; 4. staatliche Beihilfen für die alten Unternehmen; 5. Auswirkung des Erfahrungskurveneffektes zu Gunsten der etablierten Unternehmen. (Porter, 1980, S. 11, 12) (7) Staatliche Politik Eine letzte Eintrittsbarriere kann von der staatlichen Politik ausgehen. So ist es möglich, dass der Staat den Zugang zu einer Branche reglementieren kann, indem er Lizenzen vergibt und die Nutzung von Rohmaterialien limitiert. Solche Reglementierungen haben zwar häufig einen direkten sozialen Nutzen. In zweiter Konsequenz verhindern sie jedoch oftmals den Eintritt von neuen Unternehmen in bereits existierende Märkte (Porter, 1980, S. 13). Wie bereits weiter oben angesprochen, werden an dieser Stelle nun abschließend vier Bedingungen genannt, die den neuen Anbietern signalisieren können, dass die etablierten Unternehmen bei einem Markteintritt Vergeltungsmaßnahmen durchführen werden und daher abschreckend wirken (Porter, 1980, S. 14): •

In der Vergangenheit wurde bereits wirksam Vergeltung an neuen Anbietern geübt.

•

Die etablierten Institutionen verfügen über beträchtliche Mittel, um etwaige Vergeltungsmaßnahmen durchführen zu können.

•

Die etablierten Unternehmen haben eine gute Bindung zu dem Markt und haben hochgradig illiquide Assets darin gebunden.

57 •

Langsames Marktwachstum, welches limitierend auf die Fähigkeit der Branche wirkt, neue Firmen und deren Auswirkungen auf die Verkaufszahlen und die finanziellen Leistungsfähigkeiten der etablierten Institutionen zu absorbieren.

Wie auch in dem Abschnitt zuvor, soll am Ende dieses Abschnitts der erste Bezug zur Supply Chain der europäischen Aviation-Industrie geknüpft werden. Bei Festlegung der klassischen Airlines als fokale Institutionen ergeben sich zwei Arten von neuen Anbietergruppen. Gemäß Abschnitt 2.2.2.2 ist hierbei zwischen neuen Wettbewerbern – d. h. ebenfalls klassischen Airlines, die allerdings erst in der jüngsten Vergangenheit gegründet wurden – und Anbietern mit neuen Geschäftsmodellen zu unterscheiden. Da insbesondere die letztgenannte Gruppe verstärkt in Abschnitt 2.3.2.2 thematisiert wird, sei an dieser Stelle darauf hingewiesen, dass entsprechend Abschnitt 2.2.2.2 hierbei eine Zweiteilung zwischen dem Passagier- und dem Frachtverkehr angebracht ist. Vergleichsweise neue Anbieter mit neuen Geschäftsmodellen stellen im Cargo-Bereich, insbesondere für den europäischen Luftverkehr, die Integratoren dar. Im Passagierverkehr werden von den klassischen Airlines die Low Cost Carrier als neue Anbieter mit einem anderen Geschäftsmodell angesehen. 2.3.1.3 Bedrohung durch Substitutionsprodukte Als dritte Triebkraft für den Wettbewerb wird in diesem Abschnitt die Bedrohung durch Substitutionsprodukte vorgestellt. Nach Porter sind Substitutionsprodukte „[…] other products that can perform the same function as the product of the industry“ (Porter, 1980, S. 23). Die Beachtung der Bedrohung durch Ersatzprodukte ist von Relevanz, da alle Unternehmen eines Marktes mit Unternehmen im Wettbewerb stehen, die substitutive Produkte offerieren (Porter, 1980, S. 23). Die Auswirkungen von Substituten auf eine Branche kann mit der Nachfrageelastizität beschrieben werden (Porter, 1980, S. 23). Dabei bezeichnet der Begriff der Elastizität die prozentuale bzw. relative Änderung einer abhängigen unterstellten Größe in Relation zur prozentualen bzw. relativen Änderung einer unabhängigen unterstellten Größe (Feess, 1997, S. 748, 749 und Gedenk/ Skiera, 1993, S. 637). Die Substitute schränken das Gewinnpotenzial einer Branche dadurch ein, indem sie eine Obergrenze für den Preis festsetzen (Porter, 1980, S. 23). Würden die Institutionen der Branche einen höheren Preis als diese Obergrenze verlangen, würde sich ihr Gewinn schmälern, da Kunden auf die Substitute ausweichen würden (Porter, 1980, S. 23). Bei Betrachtung des „Produktes“ von klassischen Airlines als den Transport von Personen und/ oder Fracht, können mögliche Bedrohungen durch Substitute für diese Airlines von anderen Modi wie Bahn, Schiff oder Lastkraftwagen (LKW) bzw. Personenkraftwagen (PKW) ausgehen. Somit beeinflussen diese anderen Transportmittel zwar die Wettbewerbsstrategien der klassischen europäischen Airlines, jedoch können sie – nach Auffassung des Verfassers – nicht zu den wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie gezählt werden. Infolgedessen hat Porters Modell der Five Forces an dieser Stelle dazu beigetragen, ein Bewusstsein für die Grenzen der modellhaft darzustellenden Supply Chain der

58 europäischen Aviation-Industrie zu schaffen. Aus diesem Grund kann in Abschnitt 2.3.2.3 der Aspekt der Substitute für klassische europäische Airlines auch lediglich in aller Kürze thematisiert werden. 2.3.1.4 Verhandlungsmacht der Kunden Die Verhandlungsmacht der Kunden stellt nach Porters Modell der Five Forces die vierte Triebkraft für den Wettbewerb dar. Porters Auffassung nach können Kunden bei den fokalen Institutionen niedrigere Preise durchsetzen und können bessere Qualität und mehr Service aushandeln. Hinzu spielen die Kunden die fokalen Institutionen gegeneinander aus. All dies geht zu Ungunsten der Profitabilität der fokalen Institutionen. (Porter, 1980, S. 24) Porter identifiziert acht Umstände, bei deren Eintreten eine spezielle Kundengruppe als mächtig bezeichnet werden kann (Porter, 1980, S. 24-26): •

Die Kundengruppe ist konzentriert oder die von der Kundengruppe gekaufte Menge macht im Verhältnis zum Gesamtumsatz der fokalen Institutionen einen großen Anteil aus.

•

Die von der Kundengruppe bei den fokalen Institutionen gekauften Produkte machen einen signifikanten Anteil der Gesamtkosten oder der Käufe der Kundengruppe insgesamt aus. In diesem Fall neigen die Kunden dazu, verstärkt nach günstigeren Preisen zu suchen.

•

Die von der Kundengruppe bei den fokalen Institutionen erstandenen Produkte sind standardisiert oder differenzieren sich nicht von anderen Produkten. Hier liegt es nahe, dass die Kunden die einzelnen Anbieter gegeneinander ausspielen.

•

Die Wechselkosten auf Seiten der Kunden sind niedrig und/ oder die Wechselkosten auf Seiten der Anbieter sind hoch.

•

Die von der Kundengruppe erzielten Gewinne sind niedrig. Die Folge daraus ist, dass sie geringere Preise fordern. Im Gegensatz dazu sind Kundengruppen mit hohen Gewinnen weniger preissensitiv.

•

Durch Rückwärtsintegration baut die Kundengruppe ein glaubwürdiges Drohpotenzial auf. Insofern eine Kundengruppe z. B. einen Teil der Produkte selbst herstellt und den Lieferanten glaubhaft zu verstehen geben kann, dass sie ebenfalls die restlichen Produkte selbst herstellen könnte, steigt die Verhandlungsmacht der Kundengruppe.

•

Die von den fokalen Institutionen hergestellten Produkte sind unerheblich für die von der Kundegruppe hergestellten Produkte oder Dienstleistungen. Ist hingegen die Qualität der von der Kundengruppe hergestellten Produkte stark von den von den Lieferanten gekauften Produkten abhängig, sind die Kundengruppen generell weniger preissensitiv.

59 •

Die Kundengruppe verfügt über vollständige Information. In solch einer Situation, in der die Kundengruppe vollständige Informationen über den aktuellen Marktpreis, die Nachfrage und sogar über die Kosten der Lieferanten hat, ist die Verhandlungsmacht der Kundengruppe hoch, da sie z. B. die günstigsten Preise verlangen kann.

Wie bereits in Abschnitt 2.1 gezeigt wurde, haben die Kunden bzw. die Endkunden in der Supply Chain eine ganz entscheidende Position inne und werden als Bestandteil der Supply Chain angesehen (Chopra/ Meindl, 2004, S. 5 und Mentzer et al, 2001b, S. 4). Aus diesem Grund wird der Endkunde ebenfalls als eine „Institution“ der Supply Chain der europäischen Aviation-Industrie betrachtet und in Abschnitt 2.3.3 als eine solche dargestellt. Hierbei ist – wie aus Abschnitt 2.3.2.4 ersichtlich werden wird – erneut zwischen den beiden Bereichen Passagier- und Frachtverkehr zu unterscheiden. 2.3.1.5 Verhandlungsmacht der Lieferanten Als letzte Gruppe des Modells der Five Forces werden in diesem Abschnitt die Lieferanten thematisiert. Lieferanten können auf vielfältige Weise ihre Verhandlungsmacht gegenüber den fokalen Institutionen ausüben. So können sie z. B. die Drohung aussprechen, ihre Preise zu erhöhen oder aber die Qualität ihrer Produkte und Dienstleistungen zu senken (Porter, 1980, S. 27). Von ganz besonderer Relevanz sind mächtige Lieferanten. Ist beispielsweise eine der fokalen Stufe zugehörige Institution nicht in der Lage, die von den Lieferanten vorgegebenen Preiserhöhungen auf eine nächste Stufe der Supply Chain weiterzugeben, kann die Institution der fokalen Stufe Profitabilitätsprobleme erleiden (Porter, 1980, S. 27). Die Umstände, bei deren Eintreten Lieferanten gegenüber den fokalen Institutionen als mächtig bezeichnet werden können, ähneln teilweise spiegelbildlich denen, die die Verhandlungsmacht der Kunden gegenüber den fokalen Institutionen begründen (Porter, 1980, S. 27, 28): •

Die Gruppe der Lieferanten wird von einigen wenigen Institutionen dominiert und diese Lieferantengruppe ist stärker konzentriert als die fokalen Institutionen, an die sie verkauft.

•

Die Produkte der Lieferantengruppe stehen in der Wahrnehmung der fokalen Institutionen in keinem Wettbewerb zu Substitutionsprodukten.

•

Die fokalen Institutionen zählen nicht zu den wichtigen Kunden der Lieferantengruppe. Der Grund ist darin zu sehen, dass, insofern Lieferanten mehrere Branchen beliefern und dabei durch eine genau spezifizierte Branche nicht ein gewisser Anteil des Umsatzes generiert wird, Lieferanten eher dazu neigen, von ihrer Verhandlungsmacht Gebrauch zu machen. Zählen die fokalen Institutionen allerdings zu den wichtigsten Kunden, sind die Lieferanten um ein enges Verhältnis bemüht, indem sie z. B. preislich den fokalen Institutionen entgegenkommen und bei Forschungs- und Entwicklungsaktivitäten behilflich sind.

60 •

Ein weiterer wichtiger Umstand, der förderlich für die Verhandlungsmacht der Lieferanten sein kann, ist dann gegeben, wenn das Produkt der Lieferantengruppe ein wichtiger Inputfaktor für die Geschäftstätigkeit der Kundengruppe – d. h. für die fokalen Institutionen – ist.

•

Die Produkte der Lieferantengruppe sind differenziert oder es wurden bei den Kunden – d. h. bei den fokalen Institutionen – bereits Wechselkosten aufgebaut. In diesen Fällen ist es für die fokalen Institutionen nur schwer möglich, die Lieferanten untereinander auszuspielen und begründet somit die Verhandlungsmacht der Lieferanten.

•

Indem die Gruppe der Lieferanten die Möglichkeit zur Vorwärtsintegration hat, besitzt sie ein glaubwürdiges Drohpotenzial. Spiegelbildlich zu der in Abschnitt 2.3.1.4 explizierten Rückwärtsintegration bedeutet dies ein Hemmnis für die Möglichkeit der fokalen Institutionen, ihre Einkaufsbedingungen zu verbessern.

Neben den beiden bereits weiter oben herausgearbeiteten Gruppen, nämlich die der klassischen Airlines und die der Kunden, bildet für die vorliegende Schrift die Lieferantengruppe die dritte wesentliche Stufe der Supply Chain der europäischen Aviation-Industrie. Eine genaue Erläuterung dieser Stufe der Supply Chain der europäischen Aviation-Industrie findet der Leser in Abschnitt 2.3.2.5. Zu erwähnen ist an dieser Stelle noch, dass nach Porter ebenfalls die Arbeitnehmer der fokalen Institutionen als Lieferanten angesehen werden können (Porter, 1980, S. 28). Da in der Dissertation der Schwerpunkt jedoch auf den Beziehungen liegt, die zwischen den einzelnen Institutionen der Supply Chain der europäischen AviationIndustrie bestehen, wird der Sachverhalt der innerbetrieblichen Beziehungsgefüge nicht betrachtet. 2.3.2 Charakteristika der wesentlichen Stufen der Supply Chain der europäischen AviationIndustrie In diesem Abschnitt werden nun die Ergebnisse des vorherigen Abschnittes aufgegriffen und geklärt, welche Charakteristika die wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie haben und welche Institutionen auf den identifizierten Stufen dieser Supply Chain zu den Key Playern zu zählen sind. Somit wird in diesem Abschnitt übergeordnet eine Antwort auf die erste Strukturierungsfrage gegeben. 2.3.2.1 Klassische europäische Airlines als fokale Institutionen Luftfahrtunternehmen sind Institutionen, die Personen, Post und/ oder Fracht durch Luftfahrzeuge gewerbsmäßig befördern (§ 20 LuftVG und Schüller, 2002, S. 27). Der Aufgabenbereich einer Airline, der nicht vollständig durch die Selbige durchgeführt werden muss, beschränkt sich hierbei jedoch nicht nur auf den Lufttransport, sondern bezieht auch dessen Steuerung mit ein (Schüller, 2002, S. 27). Zur Differenzierung zwischen unterschiedlichen Gruppen von klassischen Airlines, zu denen in der vorliegenden Arbeit – wie bereits in Abschnitt 2.3.1.1 erwähnt – aufgrund ihrer abwei-

61 chenden Geschäftsmodelle nicht die Low Cost Carrier und nicht die Integratoren gezählt werden, können die klassischen Airlines in die Gruppen Passagier-, Fracht- und gemischte Luftverkehrsgesellschaften eingeteilt werden, wobei die letztgenannte Gruppe, wie aus Abbildung 11 ersichtlich wird, erneut untergliedert werden kann (Grandjot, 2002, S. 9-11). Klassische Airlines

Passagierverkehrsgesellschaften

Gemischte Luftverkehrsgesellschaften

Primär Passage; Fracht nur als Kuppelprodukt (Belly-Carrier)

Frachtverkehrsgesellschaften

Gleich starke Gewichtung von Passage und Fracht

Abbildung 11: Gruppen von klassischen Airlines (Quelle: In Anlehnung an Schüller, 2002, S. 28)

Darüber hinaus können die in Abbildung 11 aufgeführten Gruppen von klassischen Airlines wiederum in Linienfluggesellschaften – für die auch synonym der Begriff Netzwerkcarrier verwendet wird – und Charterfluggesellschaften differenziert werden. Der Unterschied zwischen diesen beiden Typen bestand ursprünglich darin, dass Linienfluggesellschaften, im Englischen scheduled airlines, im Vergleich zu Charterfluggesellschaften, im Englischen nonscheduled airlines, die im Jahr 1962 vom Council of the International Civil Aviation Organization aufgestellten Reglementierungen einhalten: „[…] a scheduled international air service is one ´operated so as to serve traffic between the same two or more points, either: (i) in accordance with a published timetable, or (ii) with flights so regular or frequent that they constitute a recognisable systematic series`“ (Doganis, 2002, S. 151, 153). Insbesondere in Europa und in Kanada, wo Charterairlines sehr stark verbreitet sind, sind heute die tatsächlichen Grenzen zwischen Charterairlines und traditionellem Linienverkehr sehr unscharf geworden und viele Charterairlines haben daher mittlerweile den Status einer Linienfluggesellschaft erhalten (Doganis, 2002, S. 153, 154 und Schenk, 2004, S. 148). Ein Unterschied zwischen Linienverkehr und Charterverkehr besteht jedoch darin, dass namhafte Chartergesellschaften – wie etwa Condor oder LTU – ihre Flugtickets zu einem Preis anbieten, der gerade einmal ein Drittel des Preises von traditionellen Linienfluggesellschaften beträgt (Doganis, 2002, S. 151). Außerdem sind Linien- und Charterfluggesellschaften noch von so genannten Regionalcarriern abzugrenzen. Allerdings sind diese Regionalcarrier sehr oft in Linienfluggesellschaften integriert und werden daher an dieser Stelle nicht explizit betrachtet (Bieger/ Agosti, 2005, S. 59).

62 Abgesehen von den Geschäftsmodellen der Low Cost Carrier und der Integratoren, die in Abschnitt 2.3.2.2 erläutert werden und sich grundlegend von denen der so genannten klassischen Airlines unterscheiden, weisen auch die klassischen Airlines untereinander teilweise – im Detail betrachtet – voneinander abweichende Geschäftsmodelle auf. So verwendet Doganis diese unterschiedlichen Ausrichtungen, um Airlines voneinander zu differenzieren. Für ihn ist es entscheidend, ob eine Fluggesellschaft im Airline- oder Aviation-Geschäft tätig ist (Doganis, 2001, S. 213). Doganis unterscheidet hierzu die folgenden drei Modelle, die zur Verdeutlichung in Abbildung 12 dargestellt sind: Erstens das traditionelle Airline-Modell, zweitens das virtuelle Airline-Modell und drittens das Aviation-Geschäftsmodell (Doganis, 2001, S. 213-218). Das traditionelle Airline-Modell ist dadurch gekennzeichnet, dass die Fluggesellschaften im übertragenen Sinne autark sind, indem sie alle Funktionen und Dienstleistungen intern erstellen (Doganis, 2001, S. 216). Iberia ist beispielsweise eine europäische Fluggesellschaft, die sich in diesem Geschäftsmodell wieder findet (Doganis, 2001, S. 216). Dem virtuellen Airline-Modell ist z. B. British Airways zuzuordnen (Doganis, 2001, S. 216). Bei diesem Modell versuchen die Airlines zumindest einige der im entsprechenden Teil von Abbildung 12 in den äußeren Kreisen aufgeführten Funktionen und Dienstleistungen outzusourcen (Doganis, 2001, S. 216). Zu dem dritten in Abbildung 12 aufgeführten Modell, dem Aviation-Geschäftsmodell, ist die Lufthansa zu subsumieren (Doganis, 2001, S. 217). Doganis beschreibt die Kernidee dieses Modells wie folgt: „Airlines have separate business units that support the passenger core, but generate most revenue from external clients” (Doganis, 2001, S. 217).

63

Traditionelles Airline-Modell

Engineering Sales & distribution

Cargo

Flight operations

Revenue accounting

Informatics

Airline

Virtuelles Airline-Modell

In-flight catering Ground handling

Engineering Sales & distribution

Cargo

Flight operations

Revenue accounting

In-flight catering

Ground handling

Informatics

AviationGeschäftsmodell Engineering Sales & distribution

Cargo

Flight operations

Revenue accounting

Informatics

In-flight catering Ground handling

Abbildung 12: Alternative Geschäftsmodelle von klassischen Airlines (Quelle: In Anlehnung an Doganis, 2001, S. 216, 217)

64 Einen Eindruck davon, welche Institutionen, gemessen an ihrem Traffic, in Europa zu den wesentlichen klassischen Airlines gehören, vermittelt Tabelle 13, deren Zahlen die Ergebnisse des Monats August 2005 widerspiegeln: Klassische Airline Air FranceKLM Lufthansa British Airways Group Iberia SAS Group AUA Group Finnair

RPKs (in Milliarden)

Veränderung der RPKs zu 2004 (in Prozent)

ASKs (in Milliarden)

Veränderung der ASKs zu 2004 (in Prozent)

Ladungsfaktor (in Prozent)

17,27

8,1

20,54

5,1

84,1

10,18

5,2

13,11

2,0

77,7

9,50

-0,7

12,19

-1,1

77,9

4,67 3,30 2,49 1,38

6,0 6,4 13,1 7,3

5,64 4,59 3,08 1,85

3,4 -1,1 9,1 4,8

82,9 71,8 81,0 74,5

Tabelle 13: Traffic bei klassischen europäischen Airlines im August 2005 (Quelle: In Anlehnung an Air Transport World, 2005, S. 14)

Wie bereits weiter oben erwähnt, stehen die Abkürzung RPK für die verkauften Passagierkilometer (Revenue Passenger Kilometres) und ASK für die verfügbaren Sitzkilometer (Available Seat Kilometres). Zu ergänzen ist an dieser Stelle noch, dass die AUA Group die Airlines Austrian, Austrian arrows und Lauda Air beinhaltet, zu den Werten von Lufthansa auch die Ergebnisse von LH Regional gezählt wurden und die SAS Group neben SAS noch Spanair, Wideroe, Blue 1 und Air Baltic enthält und die Daten bei Air Transport World aus den Berichten der Airlines entnommen sind (Air Transport World, 2005, S. 14). Festzuhalten ist überdies, dass auch im Vergleich mit anderen Statistiken, Air France-KLM, Lufthansa, British Airways, Iberia und SAS die europäischen Top-Airlines darstellen und somit als Key Player der Stufe der klassischen Airlines der Supply Chain der europäischen Aviation-Industrie zu bezeichnen sind (AEA, 2004 und AEA, 2005). Auf dem Frachtmarkt ist zu den genannten Airlines insbesondere noch die Cargolux zu ergänzen (AEA, 2005). 2.3.2.2 Bedrohung durch neue Anbieter Wie bereits am Ende von Abschnitt 2.3.1.2 beschrieben wurde, ergeben sich bei Festlegung der klassischen Airlines als „fokale Institutionen“ zwei Arten von neuen Anbietergruppen. Gemäß Abschnitt 2.2.2.2 ist hierbei zwischen neuen Wettbewerbern – d. h. ebenfalls klassischen Airlines, die allerdings erst in der jüngsten Vergangenheit gegründet wurden – und Anbietern mit neuen Geschäftsmodellen zu unterscheiden. Da neue europäische Wettbewerber, d. h. im Sinne der vorliegenden Arbeit also neue klassische Airlines mit europäischem Firmensitz, in dieser Schrift aufgrund ihrer geringen Relevanz sowohl in der Forschung als auch in der Praxis eine eher untergeordnete Rolle spielen, werden sie in diesem Abschnitt nicht weiter thematisiert. Anzumerken ist lediglich die Tendenz, dass sich bereits etablierte klassische Airlines stark an aufstrebenden neuen europäischen

65 Wettbewerbern finanziell beteiligen. So erhöhte beispielsweise die Austrian Airlines im Jahr 2002 ihre Beteiligung an Lauda Air auf 100 Prozent (Lauda Air, 2006). Eine größere Relevanz haben hingegen Anbieter mit vergleichsweise neuen Geschäftsmodellen. Solche neuen Anbieter werden im Passagierverkehr in den Low Cost Carriern und im Frachtverkehr in den Integratoren gesehen. Demgemäß werden nachstehend die beiden folgenden Anbietergruppen mit neuen Geschäftsmodellen thematisiert: (1) Low Cost Carrier (2) Integratoren

Da in Abschnitt 2.3.3 diese neuen Anbieter jedoch nur eine untergeordnete Rolle innerhalb der Supply Chain der europäischen Aviation-Industrie einnehmen werden, werden sich die Ausführungen lediglich auf die jeweiligen Grundlagen beschränken. Ad (1) Low Cost Carrier Die Geschäftsidee der Low Cost Carrier, die häufig auch als Billigflieger bezeichnet werden, stammt ursprünglich aus den USA, wo die Fluggesellschaft Southwest Airlines dieses Konzept Mitte der 1970er Jahre als erstes umsetzte (Heymann, 2004, S. 11). In Europa spielen die Low Cost Carrier, für die es keine einheitlich akzeptierte Definition gibt, erst seit Mitte der 1990er Jahre eine Rolle, weswegen ihr grundsätzliches Geschäftsmodell, zumindest für den europäischen Passagierverkehr – im Vergleich zu klassischen Airlines – als neuartig bezeichnet werden kann (Doganis, 2001, S. 126-128 und Heymann, 2004, S. 11). Waren sie in Europa anfänglich noch primär auf den britischen Inseln vertreten, haben sie sich mittlerweile auch in Kontinentaleuropa ausgebreitet (Heymann, 2004, S. 11). Obwohl es, wie erwähnt, schwierig ist, den Begriff der Low Cost Carrier zu definieren, ist es jedoch möglich, das Ziel von Low Cost Carriern recht genau mit nur wenigen Worten zu beschreiben. Demnach besteht das ausdrückliche Ziel von Low Cost Carriern darin, klassische Airlines mit preisgünstigen Angeboten auf ihren „Hausmärkten“ anzugreifen (Schenk, 2004, S. 48). Ungeachtet der Tatsache, dass keine Verallgemeinerung möglich ist, setzt sich die Geschäftsidee von Low Cost Carriern prinzipiell aus den folgenden Bausteinen zusammen, wobei die Billigflieger sich hinsichtlich der genauen Ausgestaltung teilweise voneinander unterscheiden (Heymann, 2004, S. 12 und McKinsey & Company, 2005; eine detaillierte Auflistung findet sich bei Klaas/ Klein, 2005, S. 128): •

Es wird ausschließlich Punkt-zu-Punkt-Verkehr offeriert.

•

Es wird (noch) kein Interkontinentalverkehr angeboten.

•

Die Zielgruppe besteht aus preissensitiven Business-Kunden oder Privatpersonen.

66 •

Kostenersparnisse: Es gibt weniger oder keinen Service an Bord, keine Möglichkeiten für Platzreservierungen, es werden keine Vielfliegerprogramme angeboten, es gibt keine First- und keine Businessclass, den Passagieren stehen keine Lounges zur Verfügung, niedrigere Lohnkosten oder längere Arbeitszeiten des Personals, weniger Personal, Nutzung von Synergien durch im Wesentlichen einheitliche Flugzeugflotten, geringe Standzeiten der Flugzeuge, erhöhte Sitzplatzkapazität durch engere Bestuhlung, höhere Flugzeugproduktivität, Ausnutzung der Marktmacht gegenüber regionalen Flughäfen, primärer Direktvertrieb via Internet.

Doch, wie erwähnt, gibt es auch auf dem Markt der Low Cost Carrier Differenzierungen hinsichtlich der Geschäftsmodelle. So unterscheiden sich beispielsweise die drei größten europäischen Low Cost Carrier Ryanair, easyJet und Air Berlin dadurch, dass easyJet eine höhere Flugfrequenz als seine größten Wettbewerber hat, Ryanair sich primär auf abgelegene und kleine Airports fokussiert und während des Fluges keine Bordverpflegung anbietet und Air Berlin im Gegensatz dazu große Airports ansteuert und den Passagieren Verpflegung anbietet (McKinsey & Company, 2005). Nach Schätzungen hatten im Jahr 2005 sämtliche europäische Low Cost Carrier einen kumulierten Marktanteil von 16 Prozent, der sich bis im Jahr 2010 auf prognostizierte 24 Prozent ausweiten wird (McKinsey & Company, 2005). Nach Einschätzung des Verfassers ist dies einerseits dadurch zu begründen, dass durch die – im Vergleich zu klassischen Airlines – günstigeren Tarife der Low Cost Carrier diese Billigflieger den Markt an Flugpassagieren erweitern, indem sie neue Passagiere an das Verkehrsmittel Flugzeug herangeführt haben und dies auch noch gegenwärtig tun. Andererseits ist davon auszugehen, dass sowohl Privatreisende als auch ein preissensitiverer Kreis an Geschäftsreisenden, die zuvor mit klassischen Airlines geflogen sind, vermehrt auf Low Cost Carrier zurückgreifen. Trotzdem wird sich gemäß mehreren Prognosen das Marktwachstum von europäischen Low Cost Carriern abschwächen. Lag das Marktwachstum in den Vorjahren teilweise bei mehr als 50 bis 70 Prozent per annum, war er im Jahr 2004 bereits bei 24 Prozent (Beisel/ Heile/ Delarue, 2005, S. 7 und McKinsey & Company, 2005). Nach diesen Schätzungen wird der Markt für Billigflieger, zumindest in Westeuropa, bis im Jahr 2010 jährlich durchschnittlich nur noch um 12 bis 13 Prozent wachsen (Beisel/ Heile/ Delarue, 2005, S. 8 und McKinsey & Company, 2005).10 Eine Folge daraus sind Konsolidierungen, mit dem Resultat, dass kleinere Low Cost Carrier aus dem Markt ausscheiden werden und sich nach unterschiedlichen Schätzungen nur noch zwischen zwei und fünf Anbieter am Markt behaupten können (Beisel/ Heile/ Delarue, 2005, S. 9; Heymann, 2004, S. 12, 13 und McKinsey & Company, 2005). Diese Prognosen werden durch die Tatsache unterstützt, dass im Zeitraum von 2000 bis 2004 in 10

Ein stärkeres Wachstum ist hingegen für die osteuropäischen Länder zu erwarten.

67 Europa fast ausschließlich die Marktführer, namentlich Ryanair und easyJet, beträchtliche Gewinne im operativen Geschäft erwirtschaften konnten (McKinsey & Company, 2005; für weiterführende Literatur zu Low Cost Carriern vgl. Flenskov, 2005, S. 102-105; Goh, 2005, S. 143-163; Klaas/ Klein, 2005, S. 119-142 und Klingenberg, 2005, S. 167, 168). Ad (2) Integratoren Die ersten Integratoren, die sich der Gruppe der KEP-Dienstleister (Kurier-, Express- und Paketdienstleister) zuordnen lassen, traten Mitte der 1970er und Anfang der 1980er Jahre in den Luftfrachtmarkt ein und verfügen heute oftmals über ein eigenes Hub and Spoke-Netz (Beder, 1998, S. 128; Doganis, 2002, S. 312, 313; Klussmann/ Malik, 2004, S. 327 und Schüller, 2002, S. 33).11 Da es allerdings in Europa insbesondere erst in den 1990er Jahren zu einer dramatischen Ausweitung des Cargovolumens gekommen ist, das durch Integratoren geflogen wird, und Integratoren somit erst seit dieser Zeit eine zunehmend wichtigere Rolle in der europäischen Luftfracht einnehmen, können sie – im Vergleich zu klassischen Airlines – als neue Anbieter bezeichnet werden (Koch/ Kraus, 2005, S. 520). Als Integratoren werden Institutionen bezeichnet, die im Gegensatz zum Airport-to-Airport Service klassischer Frachtverkehrsgesellschaften einen Door-to-Door Service offerieren (Doganis, 2002, S. 304 und Key Note, 2003, S. 32, 33). Der Kern solcher integrierter Carrier besteht nach Doganis darin, „[…] that they offer a total service, including pick-up and delivery, transport, customs clearance, paperwork processing, computer tracking of individual consignments and invoicing. A single system can handle all kinds of cargo worldwide and guarantee delivery within specified time periods” (Doganis, 2002, S. 313). Beder sieht in ähnlicher Weise das Ziel der Integratoren darin, dass möglichst alle Leistungsprozesse in einer Luftfrachttransportkette durch ein einzelnes Unternehmen erbracht werden (Beder, 1998, S. 129). Diese Services, die oftmals eine garantierte Laufzeit und eine sehr hohe Lieferzuverlässigkeit fast aller Adressen beinhalten, können Integratoren dadurch erbringen, indem sie häufig über eine eigene Luftflotte und Bodentransportmittel verfügen, die hinsichtlich ihrer Anzahl und Beförderungskapazitäten mit an der Spitze des Transportgewerbes stehen (Beder, 1998, S. 129, 130 und Key Note, 2003, S. 40). Darüber hinaus kaufen die Integratoren Transportkapazitäten bei anderen klassischen Airlines dazu (Doganis, 2002, S. 313). Die relevante Position, die Integratoren heute am Luftfrachtmarkt einnehmen, wurde bereits in Abschnitt 2.2.2.2 anhand der Transportvolumina verdeutlicht. Es wurde vermerkt, dass hinsichtlich der gesamten Transportvolumina, d. h. internationale und inländische Flüge betreffend, der erste (FedEx) und der zweite Platz (UPS) von Integratoren belegt werden (IATA, 2006a). Im Vergleich zu der ersten klassischen Airline in diesem Ranking – die hinter 11

Informationen zum KEP-Markt finden sich u. a. bei BIEK, 2004; Jahns/ Langenhan/ Walter, 2005, S. 23-26 und MRU, 2002.

68 den beiden genannten Integratoren platzierte Korean Air Lines Co. Ltd. – transportierte FedEx gut 78 Prozent mehr (IATA, 2006a). In Europa sind zusätzlich vor allem die beiden Player DHL und TNT zu nennen, die, im Gegensatz zu FedEx und UPS, einen europäischen Hauptsitz haben. Aufgrund gewerkschaftlicher Regelungen und den durch die europäischen Grenzen gegebenen kleineren Märkten stießen US-amerikanische Integratoren auf Probleme, so dass sich z. B. FedEx vermehrt auf transatlantische und Long-Haul Services fokussiert und den innereuropäischen Markt zunehmend den Integratoren DHL, TNT und UPS überlässt (Doganis, 2002, S. 313, 314). 2.3.2.3 Bedrohung durch Substitute Mögliche Substitute für klassische europäische Airlines können in anderen Modi wie Bahn, Schiff oder Lastkraftwagen (LKW) bzw. Personenkraftwagen (PKW) gesehen werden. Da jedoch, wie bereits am Ende des Abschnitts 2.3.1.3 expliziert wurde, in der vorliegenden Arbeit diese Transportmittel nicht zu den wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie gezählt werden und sie somit auch in Abschnitt 2.3.3 nicht in dem Modell der soeben genannten Supply Chain dargestellt werden, kann in dem nun vorliegenden Abschnitt die Beschreibung sehr kurz gehalten werden. Eine pauschale Aussage, die bei der Entscheidung zwischen den verschiedenen Verkehrsmodi vorzufinden ist lautet, dass je kürzer eine Strecke ist, desto eher kommen – z. B. im Frachtverkehr – im Vergleich zu Flugzeugen andere Transportmittel, insbesondere LKW und der Schienenverkehr, in Frage (Schenk, 2004, S. 48, 112). Auch wenn Großbritannien aufgrund der geographischen Gegebenheiten eine spezielle Rolle einnimmt, verdeutlichen Zahlen hinsichtlich des dortigen Transportvolumens, dass diese auf den ersten Blick triviale Aussage tatsächlich einen Wahrheitsgehalt in sich trägt. Spielt die Luftfracht, gemessen am Transportvolumen, bei Transporten innerhalb Großbritanniens nur eine untergeordnete Rolle, steigt die Relevanz bei Transporten, die über die Grenzen hinausgehen, vergleichsweise stark an (Key Note, 2003, S. 11-13). Ein interessanter Aspekt, der speziell beim Frachtverkehr einen nicht unwesentlichen Stellenwert einnimmt, ist der so genannte intermodale Frachtverkehr, d. h. eine Kombination aus unterschiedlichen Verkehrsträgern (Beder, 1998, 130, 131). Unter Berücksichtigung des Ziels dieser Arbeit kann für dieses Thema und für andere Themen hinsichtlich der unterschiedlichen Modi nur auf weiterführende Literatur verwiesen werden (Aberle, 1998, S. 109-124; Key Note, 2003, S. 5-14 und Zachcial, 1998, S. 139-148). 2.3.2.4 Kunden von klassischen europäischen Airlines Eine wichtige Stufe der Supply Chain der europäischen Aviation-Industrie wird durch die Gruppe der Kunden der klassischen europäischen Airlines gebildet. Gemäß Abbildung 11 lassen sich die Kunden übergreifend in die folgenden zwei Klassen einteilen: (1) Kunden des Passagierverkehrs

69 (2) Kunden des Frachtverkehrs

Ad (1) Kunden des Passagierverkehrs Prinzipiell werden die Flugpassagiere in Privat- und Geschäftsreisende eingeteilt (Mayer, 2001, S. 23). In ihrem Nachfrageverhalten lassen sie sich im Allgemeinen danach unterscheiden, dass Geschäftsreisende sehr zeitelastisch, aber preisunelastisch sind, während es bei Privatreisenden häufig gerade umgekehrt der Fall ist (Mayer, 2001, S. 23). Anknüpfend an Abschnitt 2.3.2.1 und die dort explizierte Unterscheidung zwischen Charterund Linienfluggesellschaften kann daher die Aussage getroffen werden, dass Privatreisende – im Vergleich zu Geschäftsreisenden – häufiger mit Charterfluggesellschaften fliegen, da ihnen oft der Flugpreis wichtiger ist als die Frequenz der angebotenen Flüge oder die zur Auswahl stehenden Abflugzeiten (Schenk, 2004, S. 148). Viele solcher Charterflüge werden – insofern der Reiseveranstalter über keine eigene Flugzeugflotte verfügt oder keine ausreichenden Kapazitäten hat – komplett von einem oder mehreren Reiseveranstaltern gechartert, so dass in solchen Fällen die Reiseveranstalter als eigentliche Kunden oder zumindest Reisevermittler der Airlines angesehen werden müssen, die ihre gecharterten Kapazitäten wiederum an Fluggäste verkaufen (Doganis, 2002, S. 154). Die Fluggäste nehmen hierbei somit die Rolle der Endkunden ein. Geschäftsreisende profitieren hingegen aufgrund ihrer geringen Preiselastizität und ihrer hohen Zeitsensitivität in der Regel stärker von einer großen Auswahl an Abflugzeiten und einer gesteigerten Flexibilität in den Buchungsmodalitäten der Flugtickets von Linienfluggesellschaften und nehmen daher oftmals einen höheren Flugpreis in Kauf (Mayer, 2001, S. 23 und Schenk, 2004, S. 148). Eine andere Möglichkeit, Passagiere voneinander zu differenzieren, besteht darin, sie in die beiden Klasse der so genannten Origin & Destination Passagiere (O&D-Passagiere) und der Transferpassagiere einzuteilen (von Hirschhausen et al., 2004, S. 23). Ist der Airport bei den O&D-Passagieren entweder der Quell- oder Zielflughafen, nutzen die Transferpassagiere einen von einer Airline angeflogenen Airport lediglich als Zwischenstopp oder zum Umsteigen in ein anderes Flugzeug (von Hirschhausen et al., 2004, S. 23). Ad (2) Kunden des Frachtverkehrs Unter der Voraussetzung, dass derjenige Akteur ein Kunde ist, der die Leistung eines Anbieters empfängt, wahrnimmt und in den meisten Fällen auch bezahlt, gibt es aus der Perspektive einer klassischen Airline für den Frachtverkehr mehrere Kundengruppen. Zwei dieser Gruppen werden mittels der folgenden Erklärung eines typischen Prozesses im Luftfrachtverkehr herausgearbeitet. Ist es im Passagierverkehr ein Passagier, der entweder aus privaten und/ oder beruflichen Gründen ein Flugticket kauft und entsprechend an den gewünschten Flughafen geflogen wird,

70 stellt sich dieser Prozess im Luftfrachtverkehr um einiges komplexer dar. Vereinfacht dargestellt verläuft ein solcher Prozess im Luftfrachtverkehr, in dem kein Integrator involviert ist, wie folgt: Hat der Air Freight Forwarder (Luftfrachtspediteur) die zu versendende Ware vom privaten oder industriellen Versender bzw. Verlader entgegengenommen, wird diese vom Air Freight Forwarder je nach Eilbedürftigkeit, Menge und Größe gegebenenfalls zu Sammelladungssendungen richtungsbezogen gebündelt, bei Bedarf zwischengelagert, bei grenzüberschreitendem Transport noch zolltechnisch behandelt und anschließend der ausgewählten Airline für den Transport zum Bestimmungsflughafen übergeben (Beder, 1998, S. 129; zu der Rolle von Verladern im Luftfrachtverkehr vgl. Schüller, 2002, S. 31-33). Am Bestimmungsflughafen wird die Ware gegebenenfalls erneut vom Zoll abgefertigt, von einem Air Freight Forwarder abgeholt, unter Umständen erneut zwischengelagert und zum Schluss dem Empfänger bzw. dem Endkunden zugestellt (Beder, 1998, S. 129).12 Hierbei ist anzumerken, dass der Air Freight Forwarder im Heimatland, von nun an als Export Air Freight Forwarder bezeichnet, nicht unbedingt dem selben Unternehmen angehören muss wie der Air Freight Forwarder im Bestimmungsland, der von nun an als Import Air Freight Forwarder bezeichnet wird. Für den Frachtverkehr stellen daher, aus der Perspektive einer klassischen Airline, erstens die Versender – insbesondere industrielle Versender aus den Branchen Maschinenbau, elektronische Industrie, Chemie- und Pharmaindustrie, Bekleidungsindustrie und Automobilindustrie – und zweitens die Air Freight Forwarder in der Funktion des Export Air Freight Forwarders, die bei klassischen Airlines Airport-to-Airport-Kapazitäten kaufen, die zwei ersten Kundengruppen dar (Frye, 2004, S. C3-46, C3-47 und Otto, 2005, S. 461). Ergänzend ist bei diesen beiden Kundengruppen darauf hinzuweisen, dass besagte Airlines in der Regel keinen direkten Kontakt mit den Versendern bzw. Endkunden oder Shippern haben: „About 90 % of all contracts in the air cargo business are concluded between carriers and forwarders, only 10 % with the actual shipper“ (Otto, 2005, S. 461). Da – wie gesehen – der Air Freight Forwarder eine wichtige Rolle in der Aviation Supply Chain einnimmt, wird er im Folgenden kurz etwas näher betrachtet. In § 453 Handelsgesetzbuch (HGB) wird geklärt, welche Funktion ein Forwarder (Spediteur) und somit auch ein Freight Forwarder innehat: „Durch den Speditionsvertrag wird der Spediteur verpflichtet, die Versendung des Gutes zu besorgen“ (§ 453 (1) HGB). Dies besagt, dass die Funktion des Forwarders sich auf die Planung, Steuerung und Kontrolle des Beförderungsprozesses beschränkt (Isermann, 1998, S. 29). Lediglich bei vereinbartem Selbsteintritt des Forwarders oder mittels eines festen Frachtvertrags muss der Forwarder selbst die Beförderung durchführen (§ 407 HGB und Isermann, 1998, S. 29). Eine Detaillierung der Funktionen eines Freight Forwarders ist der folgenden Definition zu entnehmen: „[…] to provide on behalf of his cli12

Eine Übersicht über unterschiedliche Möglichkeiten des Prozesses des Luftfrachttransportes findet sich bei Schüller, 2002, S. 20.

71 ent, a range of freight services including, but not limited to, transport by road, rail, sea or air; the receipt, consolidation and delivery of goods; storage and warehousing of goods; procurement of containers; documentation and clearance. The forwarder may provide some of these services from his own resources, and some by procurement from others (Key Note, 2003, S. 38).” Eine explizite Definition zu dem Begriff des Air Freight Forwarders gibt Trommer, indem er schreibt, dass Luftfrachtspediteure solche Institutionen sind, die gewerbsmäßig in eigenem Namen die Organisation der Güterversendungen durch Fluggesellschaften für Rechnung des Versenders oder des Empfängers übernehmen (Trommer, 1997, S. 657). Fassen Air Freight Forwarder, wie im Eingangsbeispiel, verschiedene Einzelsendungen zu Sammelladungen zusammen, wodurch sie bei den Airlines günstigere Konditionen realisieren können, werden sie auch als Luftfrachtsammellader bzw. Consolidators bezeichnet (Schüller, 2002, S. 31). Da es in Europa eine Vielzahl an Air Freight Forwardern gibt, die somit in der Funktion des Export Air Freight Forwarders auch als Kunden von klassischen Airlines auftreten können, und da dem Verfasser trotz weit reichender Recherchen keine aktuellen Daten über die europaweiten Key Player der Air Freight Forwarder vorliegen, kann an dieser Stelle nur ein Überblick über einige wichtige Player gegeben werden. Einen solchen Überblick bietet Tabelle 14. In dieser Tabelle sind die Top 5 der Air Freight Forwarder in Deutschland mit ihren Umsätzen im Jahre 2003 namentlich aufgelistet, wobei sich die Prozentangaben des Umsatzes auf den Gesamtumsatz (1,074 Mrd. Euro) der 283 von der DVZ (Deutschen Verkehrs-Zeitung Deutsche Logistik-Zeitung) erfassten Air Freight Forwarder in Deutschland beziehen (Vahrenkamp, 2004, S. 23). Rang 1 2 3 4 5

Name Kühne & Nagel AG Schenker AG DHL Danzas Air & Ocean Germany GmbH Schenker Jet Cargo International Exel (Germany) GmbH Umsatz Top 5

In Prozent von Gesamt 11,6 7,0

Ort

Umsatz in €

Frankfurt/ Main Essen

124.916.942 75.244.765

Frankfurt/ Main

70.096.735

6,5

67.774.154 62.185.951 400.218.547

6,3 5,8 37,2

Kelsterbach Stuttgart

Tabelle 14: Top 5 Air Freight Forwarder in Deutschland im Jahre 2003 (Quelle: In Anlehnung an Vahrenkamp, 2004, S. 24)

Neben den bisher in diesem Abschnitt genannten Versendern – insbesondere die industriellen Versender – und die Export Air Freight Forwarder, gibt es aus der Perspektive von klassischen europäischen Airlines noch eine weitere Kundengruppe für den Frachtverkehr, die an dieser Stelle erwähnt werden soll. Diese Gruppe stellen die in Abschnitt 2.3.2.2 beschriebenen Integratoren dar. In Ergänzung zu den Frachtkapazitäten ihrer eigenen Flugzeuge kaufen die Integratoren nämlich Airport-to-Airport-Kapazitäten bei klassischen Airlines hinzu (Otto, 2005, S. 461).

72 2.3.2.5 Lieferanten von klassischen europäischen Airlines Wie bereits in Abschnitt 2.3.1.5 erwähnt wurde, stellt die Gruppe der Lieferanten von klassischen europäischen Airlines eine äußerst wichtige Stufe in der Supply Chain der europäischen Aviation-Industrie dar. Zur besseren Übersicht und Strukturierung wird die Gruppe der Lieferanten von klassischen europäischen Airlines im Folgenden in die beiden nachstehenden Untergruppen unterteilt: (1) Dienstleister (2) Lieferanten von Materialien und Fertigerzeugnissen

Ad (1) Dienstleister Neben den im vorherigen Abschnitt thematisierten Air Freight Forwardern, die, wie ersichtlich wurde, in der Ausprägung des Import Air Freight Forwarders teilweise als Lieferanten der klassischen Airlines auftreten – nämlich dann, wenn die klassischen Airlines sie mit dem Weitertransport einer Ware beauftragen – gibt es eine Vielzahl an weiteren Lieferanten für klassische europäische Airlines, die als Dienstleister kategorisiert werden können.13 Zu solchen Dienstleistern zählen etwa Institutionen für die Flugsicherung (z. B. DFS Deutsche Flugsicherung GmbH), für das Airport Handling sowohl für den Passage- als auch für den Frachtverkehr (z. B. Menzies Aviation plc), für Maintenance, Repair und Overhaul (MRO)Leistungen (z. B. Lufthansa Technik AG), für Borddienstleistungen (z. B. LSG Sky ChefsGruppe) sowie für das Betreiben von Flughäfen (z. B. Fraport AG) (zur Flugsicherung vgl. u. a. Bachmann, 2005). Neben einer Vielzahl an weiteren „Dienstleister-Lieferanten“, die in Abschnitt 2.3.3 als „sonstige Dienstleister“ bezeichnet werden, zählen diese Dienstleister zu der Supply Chain der europäischen Aviation-Industrie, wobei im Folgenden die Flughafenbetreiber bzw. die von ihnen betriebenen Airports etwas genauer thematisiert werden. Im Gegensatz zum deutschen Luftverkehrsgesetz, in welchem der Begriff des Flughafens ohne Erklärung verwendet wird, definiert die International Civil Aviation Organization (ICAO) diesen Terminus als „[…] festgelegtes Gebiet auf dem Lande oder Wasser (einschließlich Gebäude, Anlagen und Ausrüstung), das ganz oder teilweise für Ankunft, Abflug und Bewegungen von Luftfahrzeugen am Boden bestimmt ist“ (Pompl, 2002, S. 163). Nach Baumgarten besteht die primäre Funktion von Flughäfen bzw. deren Betreiber in der Abwicklung logistischer Prozesse bei der Gepäck-, Fracht-, Post- und Passagierabfertigung sowie der Verund Entsorgung der Flugzeuge (Scheimann, 2005, S. 18).

13

Zum Begriff der Dienstleistung und insbesondere der logistischen Dienstleistung vgl. u. a. Corsten, 1990a, S. 17-19; Freichel, 1992, S. 11; Isermann, 1998, S. 33, 34; Johne/ Storey, 1998, S. 184-251 und Maleri, 1997, S. 103-105.

73 Auf Grundlage ihrer Funktion und der Attraktivität ihres Einzugsgebietes – gemessen an dem durchschnittlichen Einkommen und der lokalen Bevölkerungsdichte – können Flughäfen in verschiedene Kategorien eingeteilt werden (von Hirschhausen et al., 2004, S. 19): •

Primärflughäfen: Sie werden auch als Hub-Flughäfen bezeichnet und haben die Funktion eines Drehkreuzes. In Deutschland zählen hierzu die Flughäfen in Frankfurt am Main und in München.

•

Sekundärflughäfen: Hierzu zählen in Deutschland z. B. die Flughäfen in Berlin-Tegel, Stuttgart, Düsseldorf und Hamburg. Sie weisen erstens ein attraktives Einzugsgebiet auf. Zweitens sind diese Airports in die Flugpläne von Hub-Fluggesellschaften eingebunden. Drittens werden von diesen Flughäfen in größerem Umfang europäische Linienverbindungen angeboten.

•

Tertiärflughäfen: Hierunter werden die übrigen internationalen Verkehrsflughäfen subsumiert. Als Beispiele werden hierfür die Flughäfen in Dresden, Leipzig, Münster, Nürnberg und Stuttgart genannt.

•

Quartiärflughäfen: Einstige Militär- und Regionalflughäfen, die primär von Low Cost Carriern angeflogen werden und nicht zu den internationalen Verkehrsflughäfen gerechnet werden.

Die verschiedenen Leistungsbereiche eines Flughafens lassen sich generalisierend in drei Gruppen einteilen. Die erste dieser Gruppen stellt der so genannte Aviation-Bereich dar. Zu diesem zählen das Start- und Landebahnsystem (inklusive den Abstellflächen, dem Roll- und Vorfeld), die Terminals (beinhalten z. B. die Gates, Zoll- und Sicherheitsdienste, Check-In der Passagiere), die Bodenverkehrsdienste (d. h. die land- und luftseitigen Abfertigungsdienstleistungen) und die zentrale Betriebsinfrastruktur (beinhaltet z. B. die Gepäckfördersysteme und die Betankungsanlage) (von Hirschhausen et al., 2004, S. 20). Die zweite Gruppe repräsentiert auf Flughäfen der Non-Aviation-Bereich, in dem unterschiedliche Güter und Dienstleistungen, die nicht für den eigentlichen Lufttransport notwendig sind (z. B. Hotels, Autovermietungen und Einzelhandelsgeschäfte), angeboten werden (von Hirschhausen et al., 2004, S. 20; zum Themengebiet des Airport Retailings vgl. auch Freathy/ O’Connell, 1998, S. 451-462). Die dritte Gruppe stellt der Bereich der Verkehrsinfrastrukturanbindung dar, in dem die Anbindung an den Individual- und öffentlichen Verkehr beheimatet ist (von Hirschhausen et al., 2004, S. 20). Eine zusammenfassende Übersicht bietet Abbildung 13.

74

Abbildung 13: Leistungsbereiche von Airports (Quelle: von Hirschhausen et al., 2004, S. 20)

Wurden Airports bis Mitte der 1980er Jahre noch als eine Art von öffentlichen Einrichtungen angesehen, die zum Wohle der Nation oder der Region von staatlichen Institutionen betrieben wurden, hat sich dieses Bild dahingehend geändert, dass auf europäischen Flughäfen mit der schrittweisen Privatisierung auch der kommerzielle Aspekt der Airports erheblich an Gewicht gewonnen hat (Freathy/ O’Connell, 1998, S. 451, 452 und Humphreys/ Francis, 2002, S. 80). Doch trotz des erkennbaren Strebens nach Privatisierung sind, beispielsweise in Deutschland, nach wie vor ein Großteil der Primär-, Sekundär- und Tertiärflughäfen ganz oder zumindest mehrheitlich in öffentlicher Hand (ADV, 2006). So verteilte sich z. B. das Aktienkapital des größten deutschen Flughafens, des Airports in Frankfurt am Main, von 906,387 Millionen Euro im Jahr 2005 zu 31,94 Prozent auf das Land Hessen, zu 20,40 Prozent auf die Stadtwerke Frankfurt am Main Holding GmbH und zu 18,27 Prozent auf die Bundesrepublik Deutschland (Fraport, 2005b, S. 5). Lediglich 29,39 Prozent des Aktienkapitals dieses Flughafens war in diesem Jahr im Streubesitz, in welchem bereits die Mitarbeiteraktien der Mitarbeiter des Frankfurter Flughafens mit eingerechnet wurden (Fraport, 2005b, S. 5). Nicht nur für Deutschland, sondern auch für ganz Europa hat der Flughafen in Frankfurt am Main (FRA) eine durchaus relevante Position inne, da er innerhalb Europas u. a. als einer der führenden Freight Airports angesehen wird (Key Note, 2001, S. 8). Gemessen anhand der Menge an Cargo (inkl. Postsendungen), die an Airports in Flugzeuge geladen und von Flugzeugen entladen wurde, nahm dieser Flughafen nämlich im Vergleich der europäischen Airports den zweiten Rang hinter dem Pariser Airport Charles de Gaulle (CDG) ein (Airports Council International, 2006a). Ebenfalls unter den Top 30 Cargo-Airports weltweit platzierten sich die europäischen Airports in Amsterdam (AMS), der Flughafen in London Heathrow (LHR), der Luxemburger Airport (LUX) und der Flughafen in Brüssel (BRU) (Airports Council International, 2006a). Diese Airports bzw. deren Betreiber sind somit – zumindest für

75 den Frachtmarkt – zu den Key Playern der Supply Chain der europäischen Aviation-Industrie zu zählen. Ebenso gemessen am Passagieraufkommen im Jahr 2005, nahm der Flughafen in Frankfurt am Main – erneut im Vergleich zu anderen europäischen Airports – eine durchaus führende Rolle ein. Neben diesem Airport waren im Jahr 2005 fünf weitere europäische Flughäfen unter den 30 größten Flughäfen der Welt; diese bzw. deren Betreiber zählen somit – zumindest für den Passagemarkt – zu den wesentlichen Playern der Supply Chain der europäischen Aviation-Industrie. Dies ist in London einerseits der Airport London Heathrow (LHR) und andererseits der Airport London Gatwick (LGW), in Paris der Flughafen Charles de Gaulle (CDG), und die Airports in Amsterdam (AMS) und in Madrid (MAD) (Airports Council International, 2006b). Tabelle 15 gibt abschließend einen genauen Überblick über die Anzahl der Passagiere dieser europäischen Flughäfen im Jahr 2005. Rang innerhalb Europas 1 2 3 4 5 6

Stadt (Airport) London (LHR) Paris (CDG) Frankfurt am Main (FRA) Amsterdam (AMS) Madrid (MAD) London (LGW)

Anzahl Passagiere im Jahr 2005 67.915.403 53.798.308 52.219.412 44.163.098 41.940.059 32.784.330

Tabelle 15: Anzahl Passagiere im Jahr 2005 an den größten europäischen Airports (Quelle: In Anlehnung an Airports Council International, 2006b)

Ad (2) Lieferanten von Materialien und Fertigerzeugnissen Mit dem nun folgenden Teilabschnitt soll ein Verständnis für eine andere Lieferantengruppe von klassischen europäischen Airlines vermittelt werden, nämlich für die Lieferanten von Materialien und Fertigerzeugnissen. Unter dem Begriff der Materialien werden hierbei Rohstoffe, Bauteile, Hilfsstoffe und Betriebsstoffe zusammengefasst (Kloock/ Sieben/ Schildbach, 1999, S. 80). Die Gruppe der europäischen Lieferanten von Materialien für klassische Airlines ist sehr umfangreich und daher – unter Berücksichtigung des Ziels der vorliegenden Arbeit – an dieser Stelle nicht ausführlich zu thematisieren. Exemplarisch für diese Gruppe seien die Lieferanten von Flugkraft- und Schmierstoffen (z. B. Air BP) genannt. Weitere Lieferanten, die zu der Gruppe der europäischen Lieferanten von Materialien für klassische europäische Airlines zu zählen sind, werden in Abschnitt 2.3.3 unter „sonstige Lieferanten von Materialien“ zusammengefasst. Ein ganz wesentliches Fertigerzeugnis, das klassische europäische Airlines geliefert bekommen, stellen die Flugzeuge dar. Der weltweite Markt für zivile Großraumflugzeuge ist oligopolistisch geprägt (Aruli, 2000, S. 110; zu Oligopol vgl. u. a. Varian, 1999, S. 444-465). Seit der Fusionierung der beiden US-amerikanischen Hersteller Boeing und McDonnell Douglas im Jahr 1997 gibt es auf diesem Markt nur noch zwei Key Player: Boeing und Airbus (AEC-

76 MA, 2003, S. 24; Aruli, 2000, S. 110 und Doganis, 2002, S. 6). Da Airbus, im Gegensatz zu Boeing, europäische Wurzeln hat und Inhalt dieser Arbeit die Betrachtung der Supply Chain der europäischen Aviation-Industrie ist, wird im Folgenden ein kurzer Überblick über die Grundlagen von Airbus gegeben. Airbus ist heute Bestandteil der EADS und wurde 1970 als Konsortium der französischen SNIAS (Société Nationale d'Industrielles AéroSpatiale) und der deutschen Airbus gegründet. Kurz darauf schloss sich diesem Konsortium der spanische Flugzeughersteller CASA (Construcciones Aeronauticas SA) und im Jahr 1979 die BAe (British Aerospace) an. Die vier Partner, die als Airbus France, Airbus Deutschland, Airbus UK und Airbus España bekannt waren, arbeiteten als nationale Unternehmen mit jeweils speziellen Verantwortungsbereichen für die Herstellung von Teilen der Flugzeuge, die nach Toulouse transportiert wurden, wo die finale Montage durchgeführt wurde. Hinsichtlich des Vertriebs, des Marketings und des Kundenservices zeigte die Airbus-Industrie GIE (Group d’Intérêt Economique) allerdings ein gemeinsames Auftreten. Als eine Reaktion auf die Fusion der beiden Hauptkonkurrenten Boeing und McDonnell Douglas und aufgrund ersichtlicher Vorteile hinsichtlich gesteigerter Qualität, schnellerer Produktion und geringerer Kosten wandelte sich Airbus im Jahre 2001 zu einem voll integrierten Unternehmen. „The European Aeronautic Defence and Space Company (EADS), a merger of the French, German and Spanish interests, acquired 80 per cent of the shares and BAe Systems, the successor to British Aerospace, 20 per cent”. (Airbus, 2006) Neben dem Flugzeuglieferant Airbus, der eine sehr relevante Position innerhalb der Supply Chain der europäischen Aviation-Industrie innehat, gibt es weitere europäische Lieferanten von Fertigerzeugnissen für klassische europäische Airlines. Hierzu zählen etwa Lieferanten von Ladeeinheiten und Ladehilfsmitteln (z. B. Container, Paletten und Gitterboxen), von Anlagen und Einrichtungen für den Luftfrachtumschlag, Lieferanten von Transportmitteln für den Luftfrachtersatzverkehr (RFS Road-Feeder-Services), von Geräten für den Vorfeldtransport und Lieferanten von Pilotenkoffern (zu Ladeeinheit, Ladehilfsmittel, Anlagen und Einrichtungen für den Luftfrachtumschlag, RFS und Geräte für den Vorfeldtransport vgl. Frye, 2004, S. C3-50-C3-61). Darüber hinaus existiert eine Vielzahl an weiteren Lieferanten, die zu der Gruppe der europäischen Lieferanten von Fertigerzeugnissen für klassische europäische Airlines hinzugezählt werden können. Diese werden in Abschnitt 2.3.3 der vorliegenden Arbeit als „sonstige Lieferanten von Fertigerzeugnissen“ zusammengefasst. 2.3.3 Modell der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie Wie aus den bisherigen Beschreibungen der Supply Chain der europäischen AviationIndustrie ersichtlich wurde, weist das reale Netzwerk der hier beteiligten Player aufgrund seiner Komplexität eine kaum darstellbare Struktur auf, dessen Abbildung darüber hinaus dem Autor für das Ziel der vorliegenden Arbeit nicht als angemessen erscheint. Aus diesem Grund wird von der Realität abstrahiert und auf ein Modell zurückgegriffen. „Ein Modell bezeichnet ein durch Abstraktion gewonnenes vereinfachtes Abbild der Elemente, der Eigenschaften die-

77 ser Elemente sowie der zwischen den Elementen und ihren Eigenschaften bestehenden Relationen eines realen Systems“ (Sucky, 2004, S. 43). In diesem Zusammenhang schreibt Isermann: „Im Zuge der Abstraktion werden bei der Modellbildung Elemente, Eigenschaften von Elementen sowie Beziehungen zwischen Elementen des realen Systems bewusst weggelassen, soweit sie für die mit der Modellbildung verfolgten Aufgabenstellungen nicht relevant sind, um die im Modell erfassten Systemeigenschaften besser erklären, analysieren oder gestalten zu können“ (Isermann, 1998, S. 50, 51).14 Da das Ziel des in diesem Abschnitt darzustellenden Modells der Supply Chain der europäischen Aviation-Industrie primär darin besteht, als Grundlage der in der weiteren Arbeit zu thematisierenden kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und Lieferanten zu fungieren und somit eine Antwort auf die zweite Strukturierungsfrage zu geben, wird daher von allen hierzu nicht relevanten Elementen, Eigenschaften von Elementen und Beziehungen zwischen den Elementen der realen Supply Chain der europäischen Aviation-Industrie abstrahiert. Im Detail handelt es sich um die folgenden Abstraktionen bzw. Nebenbedingungen des Modells: •

Wie bereits am Ende von Abschnitt 2.1.3 erwähnt wurde, wird ausschließlich die institutionelle Ebene der Supply Chain dargestellt.

•

Mit den Pfeilen des Modells werden erstens ausschließlich Informationsflüsse bzw. informatorische Beziehungen dargestellt, die zweitens nur zwischen den klassischen europäischen Airlines einerseits und ihren europäischen Kunden und Lieferanten andererseits verlaufen.

•

Die Informationsflüsse bzw. informatorischen Beziehungen zwischen den Elementen des Modells beziehen sich somit nicht direkt und fokussiert auf die Güterflüsse, sondern können zur kooperativen Ideengenerierung zwischen den klassischen europäischen Airlines und deren europäischen Kunden und Lieferanten genutzt werden.

14

•

Es wird davon ausgegangen, dass die Informationsflüsse bzw. informatorischen Beziehungen jeweils in beide Richtungen (der Pfeile) verlaufen können.

•

Die geographischen Grenzen Europas dienen auch als Grenzen des Modells.

•

In dem Modell werden nicht die tatsächlichen Namen der Institutionen der Supply Chain der europäischen Aviation-Industrie genannt. Zur besseren Übersichtlichkeit und um dem Wunsch nach der notwendigen Vollständigkeit des Modells gerecht zu werden, wird daher auf eine höhere Aggregationsebene zurückgegriffen. Die Knoten des Modells bilden demnach nicht einzelne Institutionen ab, sondern sie werden mit

Dieser beschriebene Vorgang der Abstraktion wird auch als strukturerhaltender Morphismus bezeichnet (Isermann, 1998, S. 51).

78 ihrer Funktion beschrieben, die sie aus Sicht der fokalen Stufe (klassische europäische Airlines, die ebenfalls nicht weiter differenziert werden) innerhalb der Supply Chain der europäischen Aviation-Industrie innehaben. •

Es wird von unterschiedlichen Hierarchiestufen der europäischen Kunden und Lieferanten von klassischen europäischen Airlines abstrahiert.15

•

Es wird vom informatorischen Beziehungsgefüge, das zwischen den Institutionen der dargestellten Lieferantengruppen, das zwischen den Institutionen der dargestellten Kundengruppen und das zwischen den Institutionen der dargestellten Kundengruppen und Lieferantengruppen besteht, abstrahiert, da bei diesen die fokale Stufe (klassische europäische Airlines) nicht direkt beteiligt ist.

•

Regulierende Behörden werden von dem Modell nicht erfasst, da sie nach Auffassung des Verfassers nicht für eine kooperative Ideengenerierung mit klassischen europäischen Airlines geeignet sind.

Eine modellhafte Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie, die alle soeben aufgeführten Abstraktionen bzw. Nebenbedingungen erfüllt, kann Abbildung 14 entnommen werden. Gemäß der in Abschnitt 2.1.2 eingeführten Notation lässt sich die Knotenmenge Vin := {v1in, …, v25in} in die drei Kategorien „europäische Lieferanten von klassischen europäischen Airlines“ (v1in bis v16in), „klassische europäische Airlines“ (v17in) und „europäische Kunden von klassischen europäischen Airlines“ (v18in bis v25in) einteilen. Hierbei repräsentiert der Knoten v1in die Import Air Freight Forwarder, der Knoten v2in Dienstleister für die Flugsicherung, v3in Airport Handler, v4in MRO-Dienstleister, v5in Borddienstleister, v6in Airports bzw. Flughafenbetreiber, v7in sonstige Dienstleister, die als Lieferanten kategorisiert werden können, v8in Lieferanten von Flugkraft- und Schmierstoffen, v9in sonstige Lieferanten von Materialien, v10in Flugzeughersteller, v11in Lieferanten von Ladeeinheiten und Ladehilfsmitteln, v12in Lieferanten von Anlagen und Einrichtungen für den Luftfrachtumschlag, v13in Lieferanten von Transportmitteln für den RFS, v14in Lieferanten von Geräten für den Vorfeldtransport, v15in Lieferanten von Pilotenkoffern und v16in sonstige Lieferanten von Fertigerzeugnissen. Der Knoten v17in steht hingegen für die fokale Stufe des Modells – nämlich für die Gruppe der klassischen europäischen Airlines. Der Knoten v18in repräsentiert Privatreisende, v19in verkörpert Geschäftsreisende, v20in Reiseveranstalter, v21in private Versender, v22in industrielle Versender, v23in Export Air Freight Forwarder, v24in Integratoren und Knoten v25in repräsentiert sonstige Kunden von klassischen europäischen Airlines, die von den Knoten v18in bis v24in nicht abgedeckt werden. Auf detaillierte Erklärungen der Knotenbewertungen lin(vinsin) dieser Institutionen vinsin ∈ Vin, mit ins ∈ {1, 2, …, 25}, die auf die15

Allgemeine, weniger differenzierte Darstellungen – allerdings mit mehreren Hierarchiestufen der Kunden und Lieferanten – sind u. a. bei Otto, 2005, S. 457 und bei Schüller, 2002, S. 20 zu finden.

79 sem Aggregationsniveau z. B. mit den jeweiligen Leistungsprogrammen angemessen operationalisiert werden könnten, wird an dieser Stelle verzichtet, da dies bereits ausführlich in Abschnitt 2.3.2 thematisiert wurde. Die bilateralen informatorischen Beziehungen, die zwischen allen europäischen Lieferantengruppen bzw. zwischen allen europäischen Kundengruppen einerseits und der Gruppe der klassischen europäischen Airlines andererseits bestehen, werden in Abbildung 14 durch entsprechende Doppelpfeile (vins´in, v17in) und (v17in, vins´in ) angezeigt, mit ins´ ∈ {1, 2, …, 16, 18, ..., 24, 25}.16 Eine dem Ziel der vorliegenden Arbeit dienliche Pfeilbewertung könnte etwa in der Anzahl an Informationsübertragungen pro Periode gesehen werden, deren Ziele und Inhalte die kooperative Ideengenerierung sind. v1in v2in v3in v4in v5in

v18in

v6in

v19in

v7in

v20in

v8in v9in

v17in

v21in v22in

v10in

v23in

v11in

v24in

v12in

v25in

v13in v14in v15in v16in Abbildung 14: Modell der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie mit der Gruppe der klassischen europäischen Airlines als fokale Stufe (Quelle: Eigene Darstellung)

Wie zu sehen sein wird, ist die somit modellhaft herausgearbeitete institutionelle Ebene der Supply Chain der europäischen Aviation-Industrie – mit der Gruppe der klassischen europäischen Airlines als fokale Stufe – für die weitere Arbeit von erheblichem Nutzen, da gerade 16

Zur besseren Übersichtlichkeit wurde darauf verzichtet, die Pfeile im Modell entsprechend zu beschriften.

80 diese damit einhergehenden informatorischen Beziehungen als notwendige Voraussetzungen angesehen werden können, damit es zu kooperativen Ideengenerierungen zwischen den besagten Gruppen kommen kann. Darüber hinaus kann dieses Modell, das sich folglich direkt auf die zweite Strukturierungsfrage der vorliegenden Schrift bezieht, dazu verwendet werden, ein Verständnis davon zu erhalten, über welche Typen von europäischen Kunden und Lieferanten klassische europäische Airlines verfügen und somit von welchen Institutionen und welchem Beziehungsgefüge die Rede ist, wenn Antworten auf die zwei in Kapitel 1 formulierten Forschungsfragen und die ebenfalls dort niedergeschriebenen beiden Fragen für weiterführende Forschung erarbeitet werden.

81

3

Innovationskooperationen für die Supply Chain der europäischen Aviation-Industrie

Dieses Kapitel steht einerseits unter dem Vorzeichen des zweiten Forschungsschwerpunktes der vorliegenden Arbeit, der im ersten Kapitel als Innovationskooperationen benannt wurde. Andererseits erfolgt in diesem Kapitel die schlussendliche inhaltliche Vereinigung dieses zweiten Forschungsschwerpunktes mit dem im zweiten Kapitel thematisierten ersten Forschungsschwerpunkt, nämlich der Supply Chain der europäischen Aviation-Industrie. Zu diesem Zweck werden in diesem Kapitel in Abschnitt 3.1 vorab die begrifflichen Grundlagen der Innovationsforschung erarbeitet. Darauf aufbauend folgen in Abschnitt 3.2 die Definition und mit Hilfe des strukturellen Rahmens der Existenz-, Erfolgs- und Kontingenzanalyse die vertiefende Explizierung des Terminus der Innovationskooperation. Ebenfalls werden in Abschnitt 3.2 – durch die inhaltliche Zusammenführung der beiden Forschungsschwerpunkte – Forschungslücken identifiziert. Im Hinblick auf diese Forschungslücken werden gezielt Fragen abgeleitet, die es im fünften und sechsten Kapitel zu beantworten gilt und von denen – wie bereits im ersten Kapitel erwähnt – zwei Fragen als Forschungsfragen der Dissertation und zwei Fragen als Fragen für weiterführende Forschung herausgestellt werden. Das Kapitel schließt mit Abschnitt 3.3, in dem eine kurze Zusammenfassung der bisherigen Resultate dargeboten wird. 3.1 Begriffliche Grundlagen der Innovationsforschung Ziel dieses Abschnitts ist es, dem Leser die begrifflichen Grundlagen der Innovationsforschung zu verdeutlichen und in diesem Zusammenhang notwendige begriffliche Abgrenzungen durchzuführen. Dies ist erforderlich, da im Laufe der Arbeit diese nun einzuführenden Termini eine zentrale Rolle einnehmen werden. So werden in Abschnitt 3.1.1 unterschiedliche Definitionen für den Begriff der Innovation vorgestellt und der Arbeit eine solche Begriffsbestimmung zu Grunde gelegt. Es wird eine Abgrenzung zu dem Begriff der Invention durchgeführt und es werden verschiedene Dimensionen von Innovationen voneinander unterschieden. Im sich daran anschließenden Abschnitt 3.1.2 wird zunächst der Terminus des Innovationsmanagements eingeführt und gegenüber oftmals synonym verwendeten Begriffen abgegrenzt. Im darauf folgenden Abschnitt 3.1.3 werden vorab in aller Kürze die Grundlagen, Probleme und Notwendigkeiten von Innovationsprozessen erläutert. Daran anschließend wird das Phasenmodell für Innovationsprozesse von Thom erklärt. Hierbei wird verdeutlicht, weshalb der Verfasser der weiteren Untersuchung dieses Phasenmodell zu Grunde legt und aus welchen Gründen er sich bei seiner weiteren Untersuchung auf die erste Hauptphase dieses Phasenmodells – nämlich die Ideengenerierung – konzentrieren wird. 3.1.1 Definitionen und Dimensionen von Innovationen Der Ursprung der auf die Wirtschaftswissenschaften angewendeten Innovationsforschung geht auf Schumpeter zurück, der bereits im Jahr 1931 – ohne den Begriff der Innovation ex-

82 plizit zu nennen – das Wesen des mit diesem Wort verbundenen Handelns als „Durchsetzung neuer Kombinationen“ definiert hat (Hauschildt, 2004, S. 8 und Schumpeter, 1931, S. 100). Schumpeter differenziert hierbei zwischen fünf Fällen, die von diesem Begriff abgedeckt werden (Schumpeter, 1931, S. 100, 101): •

Die Herstellung eines neuen Gutes, das dem Konsumentenkreis noch nicht vertraut ist oder die Herstellung einer neuen Qualität eines Gutes.

•

Die Implementierung einer neuen, d. h. einer dem betreffenden Industriezweig bis dahin noch nicht praktisch bekannten Produktionsmethode. Diese muss keineswegs auf einer neuen wissenschaftlichen Entdeckung beruhen und kann ebenfalls in einer neuartigen Weise bestehen, mit einer Ware kommerziell zu verfahren.

•

Die Erschließung eines neuen Absatzmarktes, auf welchem der betroffene Industriezweig des betroffenen Landes bisher noch nicht eingeführt war. Dabei ist irrelevant, ob der Absatzmarkt bereits zuvor existiert hat oder nicht.

•

Die Eroberung einer neuen Bezugsquelle von Halbfabrikaten oder Rohstoffen. Hierbei ist es irrelevant, ob diese Bezugsquelle bereits vorab existierte oder ob sie erst geschaffen werden musste.

•

Die Durchführung einer Neuorganisation, wie etwa die Schaffung einer Monopolstellung oder die Durchbrechung eines Monopols.

Die hohe Aktualität des Begriffs der Innovation und die Vielfalt der Diskussionen in Wissenschaft, Wirtschaft, Politik und Gesellschaft hinsichtlich dieses Wortes haben jedoch nicht zu einem einheitlichen Begriffsverständnis geführt (Beyer, 2002, S. 6; Horsch, 2003, S. 1 und Maier, 1995, S. 27). Einen Überblick über ausgewählte definitorische Ansätze bezüglich des Begriffs der Innovation gibt z. B. Hauschildt. Er identifiziert sieben Ansätze, um den Terminus der Innovation zu definieren, und belegt diese jeweils mit Zitaten (Hauschildt, 2004, S. 46).17 Diese unterschiedlichen Begriffsverständnisse benennt er wie folgt (Hauschildt, 2004, S. 4-6):

17

•

„Innovation als neuartige Produkte oder Prozesse der Tatsache und dem Ausmaß der Neuartigkeit nach“

•

„Innovation als neuartige Produkte oder Prozesse der Erstmaligkeit nach“

•

„Innovation als neuartige Produkte oder Prozesse der Wahrnehmung nach“

•

„Innovation als neuartige Kombination von Zweck und Mitteln“

Auf eine Auflistung und weiterführende Diskussion unterschiedlicher Definitionen für den Begriff der Innovation wird an dieser Stelle verzichtet und hierzu auf Hauschildt, 2004, S. 4-6 verwiesen.

83 •

„Innovation als Verwertung neuartiger Produkte oder Prozesse“

•

„Innovation als Prozess“

•

„Innovation als neuartige Dienstleistungen jenseits industrieller Produkte und Prozesse“

Unter Berücksichtigung der Tatsache, dass der Begriff der Innovation seinen etymologischen Ursprung in den lateinischen Worten ‛novus = neu’ bzw. ‛innovare = erneuern’ und dem sich hieraus entwickelten ‛innovatio = Erneuerung’ hat, wird in dieser Arbeit dem Begriff der Innovation die von Hauschildt aufgestellte Definition zu Grunde gelegt: „Innovationen sind im Ergebnis qualitativ neuartige Produkte oder Verfahren, die sich gegenüber dem vorhandenen Zustand merklich – wie immer das zu bestimmen ist – unterscheiden“ (Hauschildt, 2004, S. 7; Horsch, 2003, S. 1 und Tidd/ Bessant/ Pavitt, 2001, S. 38). Im Vergleich zu den soeben definierten Innovationen können Inventionen wie folgt beschrieben und abgegrenzt werden: „An invention is an idea, a sketch or model for a new or improved device, product, process or system“ (Freeman/ Soefe, 2000, S. 6). Der Verkauf oder die Nutzung einer Idee, die bei einer Invention noch nicht gegeben ist, unterscheidet diese somit von einer Innovation (Hauschildt, 2004, S. 7 und Perl, 2003, S. 19). Innovationen lassen sich prinzipiell hinsichtlich zwei Dimensionen voneinander unterscheiden. Einerseits handelt es sich dabei um das Innovationsobjekt und andererseits um den Innovationsgrad.18 Hinsichtlich des Innovationsobjektes lassen sich Produkt- und Prozessinnovationen voneinander unterscheiden, wobei Letztere in der Literatur auch als Verfahrensinnovationen bezeichnet werden. Einige Autoren differenzieren zusätzlich zwischen Sozialinnovationen und Strukturinnovationen, wobei diese häufig die Folge von Produkt- und Prozessinnovationen sind und somit in der vorliegenden Arbeit nicht weiter thematisiert werden (Pölzl, 2002, S. 19, 20).19 Unter einem Produkt werden hierbei alle materiellen und immateriellen Wirtschaftsgüter eines Unternehmens verstanden (Maier, 1995, S. 31 und Thom, 1980, S. 33). Daher werden mit dem Produktbegriff in der vorliegenden Arbeit neben Waren auch Dienstleistungen erfasst (Perl, 2003, S. 35 und Thom, 1980, S. 33). Hingegen wird in der Dissertation – wie bereits im zweiten Kapitel beschrieben – der Begriff des Prozesses wie folgt definiert: „A process is a specific ordering of work activities across time and place, with a beginning, an end, and clearly identified inputs and outputs, a structure for action” (Cooper/ Lambert/ Pagh, 1997, S. 5). 18

19

Weitere Klassifikationsdimensionen finden sich u. a. bei Gerpott, 2005, S. 41, 42; Perl, 2003, S. 38, 39 und Thom, 1980, S. 38-44. Für weiterführende Literatur vgl. Gerpott, 2005, S. 38; Horsch, 2003, S. 14, 15; Maier, 1995, S. 30, 31; Perl, 2003, S. 36, 37; Thom, 1980, S. 37, 38 und Wahren, 2004, S. 20.

84 Handelt es sich bei Prozessinnovationen (z. B. Einführung von Automatisierungskonzepten in der Fertigung) um neue Faktorkombinationen, mittels derer beispielsweise die Produktion eines bestimmten Gutes qualitativ hochwertiger, sicherer, schneller, flexibler und kostengünstiger erfolgen kann, offerieren Produktinnovationen (z. B. Navigationssysteme für Autos oder zertifizierte Altersvorsorgeprodukte) eine materielle oder immaterielle Leistung, die es den Benutzern ermöglicht, neue Zwecke zu erfüllen oder aber bereits vorhandene Zwecke in einer völlig neuartigen Art und Weise zu vollführen (Hauschildt, 2004, S. 11 und Wahren, 2004, S. 19). Aus der Sicht eines Unternehmens sind Produktinnovationen daher eine Veränderung der Marktleistung, die sich sowohl durch das Ersetzen älterer Produkte als auch durch die Erweiterung bestehender Produktions- und Absatzprogramme äußern kann (Maier, 1995, S. 31). Eine Produktinnovation liegt somit dann vor, wenn die Wirkung der Innovation in einer Veränderung der Marktleistung mündet, wohingegen eine Prozessinnovation beispielsweise eine Veränderung des Produktionsprozesses zur Folge hat (Maier, 1995, S. 34, 35). Nach Hauschildt besteht demgemäß das Ziel von Prozessinnovationen in der Steigerung der Effizienz und das primäre Ziel von Produktinnovationen in der Bewirkung von Effektivität, wobei die Realisierung von zusätzlichen Effizienzgewinnen auch bei Produktinnovationen nicht ausgeschlossen werden (Hauschildt, 2004, S. 11). Hinsichtlich des Innovationsobjektes sei noch darauf hingewiesen, dass zur Unterscheidung zwischen Produkt- und Prozessinnovationen klar die Betrachtungsperspektive festgelegt werden muss. So kann z. B. für einen Hersteller von Werkzeugmaschinen eine neue CNCMaschine eine Produktinnovation darstellen (Horsch, 2003, S. 12). Kommt diese Maschine anschließend bei einem Kunden des Herstellers im Produktionsprozess zum Einsatz, ist sie aus der Perspektive des Kunden unter Umständen ein Bestandteil einer Prozessinnovation und daher nicht mehr eindeutig als Produktinnovation einzuordnen (Horsch, 2003, S. 12). Anknüpfend an den Ergebnissen, die in Kapitel 2 herausgearbeitet wurden, sei bereits an dieser Stelle darauf hingewiesen, dass die Diskussion im Folgenden immer vom Blickwinkel der klassischen europäischen Airlines aus geführt werden wird, da diese Institutionen – wie gesehen – für die vorliegende Arbeit als fokale Stufe der Supply Chain der europäischen AviationIndustrie festgelegt wurden. Der Innovationsgrad lässt sich üblicherweise in inkrementale und radikale Innovationen unterscheiden (Gerpott, 2005, S. 40, 41 und Pleschak/ Sabisch, 1996, S. 3).20 Bei inkrementalen Innovationen – in der Literatur auch als evolutionäre Innovationen bezeichnet – handelt es sich um solche, die sich in bereits existierenden Märkten mit bekannten Anwendungsfeldern vollziehen und bei denen normalerweise keine vollständig neuen Technologien – so genannte 20

Tidd/ Bessant/ Pavitt geben als dritten Grad der Innovation noch „Transformation“ an, wie es etwa bei Innovationen der Fall ist, die zu einer weit reichenden Veränderung der Gesellschaft führen. Als Beispiel nennen sie die Rolle der Dampfmaschine für die industrielle Revolution. Vgl. Tidd/ Bassant/ Pavitt, 2001, S. 7, 8.

85 Schrittmachertechnologien – zum Einsatz gebracht werden (Pleschak/ Sabisch, 1996, S. 3). Inkrementale Innovationen stützen sich somit stark auf bereits bestehende Lösungen bzw. Leistungsmerkmale, versuchen jedoch die bisherigen Grenzen (z. B. technologische Grenzen oder Marktgrenzen) etwas auszuweiten (Horsch, 2003, S. 5). Die Neuartigkeit macht sich im Vergleich zur Ausgangssituation primär in der wesentlich verbesserten Ziel-Mittel-Relation bemerkbar (Gerybadze, 2004, S. 77 und Pleschak/ Sabisch, 1996, S. 3). Im Gegensatz dazu weisen radikale Innovationen – in der Literatur auch als revolutionäre Innovationen bezeichnet – einen hohen Neuheitsgrad auf und führen im betroffenen Unternehmen zu einer umfassenden und komplexen, teilweise sogar revolutionären Veränderung (Horsch, 2003, S. 3 und Pleschak/ Sabisch, 1996, S. 3). So betont Gerpott, dass je stärker neue naturwissenschaftlich-technische Erkenntnisse in das Produkt oder den Prozess einfließen (qualitativer Innovationsgrad) und je mehr Produkt- bzw. Prozessbausteine neu gestaltet werden (quantitativer Innovationsgrad), desto eher sei eine Neuerung als radikale Innovation zu kategorisieren (Gerpott, 2005, S. 41). Im direkten Vergleich mit inkrementalen Innovationen weisen radikale Innovationen i. d. R. ein entsprechend höheres wirtschaftliches Risiko auf (Horsch, 2003, S. 3 und Pleschak/ Sabisch, 1996, S. 3). Eine Möglichkeit, wie inkrementale und radikale Innovationen mit Bezug auf den Markttyp und der eingesetzten Technologie voneinander unterschieden werden können, ist Abbildung 15 zu entnehmen:

Radikale Innovation

Schrittmachertechnologie

Schlüsseltechnologie

Inkrementale Innovation

Basistechnologie

heutiger Markt

erweiterter verwandter Markt

ganz neuer Markt

Abbildung 15: Unterscheidung zwischen radikalen und inkrementalen Innovationen (Quelle: In Anlehnung an Kroy, 1995, S. 59)

Hierbei verkörpern Basistechnologien den gegenwärtigen Status des technologischen Fortschritts. Wie z. B. der Verbrennungsmotor werden sie bereits breit angewendet und ermöglichen nur noch kleine Verbesserungen. Demgegenüber zeichnen sich Schlüsseltechnologien dadurch aus, dass sie über ein bedeutendes Entwicklungspotenzial verfügen und daher – wie

86 etwa bei der Mikrotechnologie – gute Chancen bieten, Wettbewerbsvorteile gegenüber Konkurrenten zu erringen. Schrittmachertechnologien – wie z. B. die Nano-, die Gen-, und die Brennstoffzellentechnologie – sind hingegen völlig neue Technologien, die sich noch weitgehend im Entwicklungsstadium befinden und – wenn überhaupt – nur von wenigen Konkurrenten genutzt werden. (Horsch, 2003, S. 57, 58) 3.1.2 Definitionen und Abgrenzungen von Innovationsmanagement Unter Management versteht Ulrich die Gestaltung, Lenkung und Entwicklung sozialer Systeme (Ulrich, 1984, S. 114). Diese Definition entspricht primär der funktionalen Bedeutung des Managements (Perl, 2003, S. 21). Von der soeben beschriebenen ‛Funktion des Managements’ ist auf jeden Fall die ‛Institution des Managements’ zu unterscheiden (Hauschildt, 2004, S. 29). Diese kann als Gruppe von Personen umschrieben werden, die in einer Organisation Vorgesetztenfunktionen übernehmen und ausführen (Ritter, 1998, S. 30). Unter Berücksichtigung des Faktums, dass es – wie in Abschnitt 3.1.1 geschildert – unterschiedliche Begriffsbestimmungen hinsichtlich des Terminus der Innovation gibt und ebenso mannigfaltige Definitionen und Auffassungen darüber in wissenschaftlichen Arbeiten vorhanden sind, was unter dem Begriff des Managements zu verstehen ist, verwundert es nicht, dass es in der Literatur eine Vielzahl an unterschiedlichen Definitionen für das Wort des Innovationsmanagements gibt. Wie in den nun folgenden ausgewählten Begriffsbestimmungen zu sehen sein wird, differieren einige jedoch lediglich hinsichtlich der exakten Akzentuierung. So bezeichnen Vahs/ Burmester mit Innovationsmanagement alle Tätigkeiten des Wertschöpfungsprozesses; beginnend bei der Grundlagenforschung bis zur Markteinführung (Vahs/ Burmester, 2005, S. 49). Für Pleschak/ Sabisch umfasst das Innovationsmanagement „einen Komplex strategischer, taktischer und operativer Aufgaben zur Planung, Organisation und Kontrolle von Innovationsprozessen sowie zur Schaffung der dazu erforderlichen internen bzw. zur Nutzung der vorhandenen externen Rahmenbedingungen“ (Pleschak/ Sabisch, 1996, S. 44). Einen starken Fokus auf die Funktionen des Managements weist ebenfalls die Begriffsbestimmung von Drejer auf, da für ihn „[…] the set of managerial activities that together attempt to control the process of innovation […]“ als Innovationsmanagement bezeichnet wird (Drejer, 2002, S. 6). Nach Hauschildt ist Innovationsmanagement die „dispositive Gestaltung von Innovationsprozessen“ (Hauschildt, 2004, S. 30).21 Während nach Quinn das Ziel des Innovationsmanagements vereinfacht darin besteht, das entlang des Innovationsprozesses entstehende Chaos zu kontrollieren, präzisiert Wahren diese Aussage, indem seiner Meinung nach die Ziele darin zu sehen sind, alle Innovationsaktivitäten eines Unternehmens so zu ordnen, zu gestalten und auszurichten, dass diese in einer mög21

Eine ausführliche Diskussion unterschiedlicher Definitionen für den Begriff des Innovationsmanagements findet sich u. a. bei Maier, 1995, S. 23-27.

87 lichst effektiven und effizienten Art und Weise realisiert werden und somit sowohl die operativen als auch die strategischen Vorhaben eines Unternehmens unterstützen (Quinn, 1985, S. 73 und Wahren, 2004, S. 61).22 In Anbetracht der Tatsache, dass das Innovationsmanagement in der vorliegenden Dissertation eine zentrale Rolle einnehmen wird, erscheint es an dieser Stelle angebracht, den Begriff des Innovationsmanagements gegenüber dem des Managements von Forschung und Entwicklung (F&E-Management) einerseits und des Technologiemanagements andererseits abzugrenzen. So sind nach Hauschildt Forschungs- und Entwicklungsprozesse zwar Innovationsprozesse, jedoch handelt es sich bei Innovationsprozessen nicht unstrittig um Forschungs- und Entwicklungsprozesse (Hauschildt, 2004, S. 30, 31). Demnach reicht das Innovationsmanagement über die Grenzen des F&E-Managements hinaus und die Forschungs- und Entwicklungstätigkeiten sind als eine Teilmenge der Innovationsaktivitäten von Unternehmen anzusehen (Hauschildt, 2004, S. 31 und Perl, 2003, S. 22). Unter Technologiemanagement wird das Management neuartigen technologischen Wissens verstanden (Brockhoff, 2001, S. 17). „Technologiemanagement umfasst alle Aktivitäten, die auf die Bereitstellung, die Speicherung und die Verwertung neuen technologischen Wissens, insbesondere aus den Gebieten der Natur- und Ingenieurswissenschaften, zur Erfüllung von Unternehmenszielen gerichtet ist“ (Brockhoff, 2001, S. 21). Insofern mittels des Technologiemanagements – das sich somit primär als Management naturwissenschaftlich-technischer Problemstellungen versteht – Technologiebewertungen und Technologieprognosen durchgeführt werden, wird inhaltlich durchaus das Innovationsmanagement gestreift (Hauschildt, 2004, S. 32). Im Vergleich zum Innovationsmanagement stehen im Technologiemanagement das Wissensmanagement und die konzeptionelle Leistung im Vordergrund, wohingegen von der für das Innovationsmanagement relevanten Durchsetzungsproblematik abgeblendet wird (Hauschildt, 2004, S. 32). Eine zusammenfassende Übersicht über die für die vorliegende Arbeit gültigen Abgrenzungen zwischen Innovationsmanagement einerseits und den damit häufig fälschlicherweise synonym verwendeten Disziplinen des F&E-Managements und des Technologiemanagements andererseits findet sich abschließend in Abbildung 16:

22

Zu den konkreten Aufgaben des Innovationsmanagements vgl. u. a. Pleschak/ Sabisch, 1996, S. 44; Stern/ Jaberg, 2003, S. 7 und Wahren, 2004, S. 62-64.

88

Abbildung 16: Abgrenzung von Innovationsmanagement zu Technologiemanagement und F&EManagement (Quelle: Eigene Darstellung)

3.1.3 Ablauf von Innovationsprozessen Nachdem nun bereits in der bisherigen Arbeit der Begriff des Innovationsprozesses mehrfach verwendet wurde, wird er nun etwas eingehender betrachtet. Sowohl in der theoretischen Forschung als auch in der praktischen Anwendung werden der Umfang, Inhalt und Aufbau des Innovationsprozesses je nach Betrachtungswinkel, Schwerpunkt und Feinheit der Gliederung höchst uneinheitlich betrachtet (Maier, 1995, S. 37 und Zotter, 2003, S. 49). Die Folge daraus ist eine sehr große Anzahl an Phasenmodellen für den Innovationsprozess, die in fachspezifischen Arbeiten diskutiert werden (vgl. u. a. Bowers, 1989, S. 15-20; Darkow/ Pedrosa, 2006, S. 51-56; Edvardsson/ Olsson, 1996, S. 140-164; Johne/ Storey, 1998, S. 184-251; Rothwell, 1994, S. 7-31; Thom, 1980, S. 46-53; Verworn/ Herstatt, 2002, S. 2-13 und Zotter, 2003, S. 50-59). Ebenfalls die mit dem jeweiligen Phasenmodell beabsichtigte Strukturierung des Innovationsprozesses in Phasen – deren Anzahl je nach Phasenmodell stark differieren kann – wirft grundsätzliche Probleme auf, „[…] da es sich bei Innovationen um einen arbeitsteiligen, tief gegliederten Prozess handelt, der sich aus einer Vielzahl von untereinander verflochtenen Teilprozessen zusammensetzt […] die sich z. T. […] überlagern“ (Thom, 1980, S. 45). Allerdings macht die Tatsache, dass verschiedenartige Vorgänge innerhalb des Innovationsprozesses einer jeweils anderen Gestaltung durch das Management bedürfen, sowohl aus wissenschaftlicher als auch aus praxisorientierter Sicht eine Strukturierung des Innovationsprozesses in einzelne Phasen und teilweise Subphasen notwendig (Thom, 1980, S. 45). So ermöglicht ein strukturierter und transparenter Innovationsprozess beispielsweise auch, die Erfolgswirksamkeit der einzelnen im Verlauf der Innovationstätigkeit anfallenden Aktionen und Aktivitäten zu messen (Werner, 2002, S. 22). Umso erstaunlicher ist daher das Faktum, dass in einem Großteil der Unternehmen ein phasenorientierter Innovationsprozess nicht bewusst wahrgenommen wird bzw. überhaupt kein Phasenmodell für den Innovationsprozess zum Einsatz kommt (Zotter, 2003, S. 49).

89 Aufgrund der genannten grundsätzlichen Probleme von Phasenmodellen für Innovationsprozesse und der Tatsache, dass es die verschiedenartigen Anforderungen differierender Unternehmen erfordert, die Phasenmodelle den jeweiligen Anforderungen anzupassen, erscheint es daher als sinnvoll, lediglich ein grobes Grundmodell für den Innovationsprozess aufzustellen, das nach Bedarf angepasst werden kann (Thom, 1980, S. 45 und Zotter, 2003, S. 49, 50). Hierbei ist anzumerken, dass je geringer der Detaillierungsgrad der Phasenmodelle für Innovationsprozesse ist, desto größer fällt die Übereinstimmung zwischen einzelnen Prozessmodellen aus (Verworn/ Herstatt, 2000, S. 2). Ein solches grobes Grundmodell für den Innovationsprozess stellt das von Thom entwickelte 3-phasige Modell für Innovationsprozesse dar, das Abbildung 17 zu entnehmen ist (Thom, 1980, S. 53).

Phasen von Innovationsprozessen Hauptphasen

1. Ideengenerierung

2. Ideenakzeptierung

3. Ideenrealisierung

Spezifizierung der Hauptphasen 1.1 Suchfeldbestimmung

2.1 Prüfung der Ideen

3.1 Konkrete Verwirklichung der neuen Idee

1.2 Ideenfindung

2.2 Erstellung von Realisationsplänen

3.2 Absatz der neuen Idee an Adressat

1.3 Ideenvorschlag

2.3 Entscheidung für einen zu realisierenden Plan

3.3 Akzeptanzkontrolle

Abbildung 17: Phasenmodell für Innovationsprozesse von Thom (Quelle: In Anlehnung an Thom, 1980, S. 53)

Dieses Phasenmodell ist für die Thematik der Innovationsprozesse eines der in der deutschsprachigen Literatur am häufigsten zitierten Modelle (Verworn/ Herstatt, 2002, S. 11). Sowohl in der theoretischen Literatur als auch in der Praxis herrscht weitgehende Übereinstimmung darüber, dass die drei von Thom bezeichneten Phasen der Ideengenerierung, Ideenakzeptierung und Ideenrealisierung als Hautphasen eines Innovationsprozesses angesehen werden (Zotter, 2003, S. 50). Neben den drei soeben genannten Gründen, die für die Verwendung von Thoms Phasenmodell sprechen (1. grobes Grundmodell und somit viele Verwendungsmöglichkeiten, 2. sehr häufig zitiert, 3. die drei bezeichneten Hauptphasen werden auch von anderen Autoren als Hauptphasen des Innovationsprozesses angesehen), gibt es ein weiteres Motiv, weshalb sich der Autor im Folgenden auf dieses Modell beziehen wird. Dieser Grund wird in der Eigenschaft des Modells gesehen, dass Thom die drei Hauptphasen jeweils mit drei Subphasen spezifiziert (Thom, 1980, S. 53). Wie insbesondere in den Kapiteln 4 und 5 zu sehen sein wird, wird der Verfasser für die in der vorliegenden Schrift durchzuführenden empirischen Untersuchungen, die sich auf die zweite Forschungsfrage beziehen, auf diese Subphasen des Innovationsprozesses zurückgreifen.

90 Hinsichtlich des in Abbildung 17 dargestellten Phasenmodells für Innovationsprozesse sei angemerkt, dass der Ablauf keineswegs als linear abzuarbeitende Sequenz zu verstehen ist, sondern dass Rücksprünge zu vorherigen Phasen regelmäßig durchgeführt werden können und er somit einen iterativen Charakter aufweist (Zotter, 2003, S. 50, 51). Bevor nun kurz etwas genauer das obige Modell von Thom in Augenschein genommen wird, sei darauf aufmerksam gemacht, dass lediglich die Subphasen der Ideengenerierung explizit thematisiert werden. Gründe hierfür gibt es viele. So stellen z. B. Herstatt/ Verworn einige empirisch ermittelte Ergebnisse zusammen, aus denen eindeutig die Relevanz von frühen Phasen des Innovationsprozesses – zu denen auch die Ideengenerierung zu zählen ist – gefolgert werden kann (Herstatt/ Verworn, 2003, S. 6). Ebenfalls Geschka/ Schwarz-Geschka erläutern, dass erfolgreich innovierende Unternehmen einen großen Wert auf die Ideengenerierung legen, wobei hierzu auch intensiv externe Quelle – wie z. B. Kunden – genutzt werden (Geschka/ Schwarz-Geschka, 2000, S. 104). Überdies erlauben bereits Plausibilitätsüberlegungen den Rückschluss, dass die Ideengenerierung von sehr großer Bedeutung für den gesamten Innovationsprozess ist, da gerade zu Beginn entschieden wird, welche Ideen angestoßen werden (Herstatt/ Verworn, 2003, S. 6). Außerdem spiegelt sich u. a. in der relativ geringen Anzahl an Publikationen zu den frühen Aktivitäten des Innovationsprozesses wider, dass dieses Themengebiet bisher sowohl theoretisch als auch praktisch nur wenig durchdrungen ist (Herstatt/ Verworn, 2003, S. 7). Die letzte Begründung, weshalb nicht nur in diesem Abschnitt, sondern auch für den Rest der Dissertation die Phase der Ideengenerierung in den Mittelpunkt der Betrachtung gerückt wird, ist aus den Ergebnissen von Kapitel 2 abzuleiten. Dort wurde herausgearbeitet, dass in dieser Arbeit neben den klassischen europäischen Airlines deren europäische Kunden und europäische Lieferanten im Fokus der Betrachtung stehen. Da wiederum die Integration von Kunden und Lieferanten insbesondere in der Phase der Ideengenerierung eine wichtige Rolle spielt – neben den unternehmensinternen Quellen werden sie als wichtigste Quellen zur Erlangung von Informationen über Innovationen angesehen – wird daher der nächste Fokus der Arbeit auf die Phase der Ideengenerierung gelegt (Scholich/ Gleich/ Grobusch, 2006, S. 22 und Tether, 2003, S. 495, 496). Ziel der ersten Hauptphase – der Ideengenerierung – ist die Produktion und das Vorschlagen möglichst vieler und qualitativ hochwertiger Ideen (Nebe, 2000, S. 6 und Thom/ Etienne, 2000, S. 274). Nach Thom/ Etienne findet in dieser Phase eine „systematische Suche nach Zufall“ statt (Thom/ Etienne, 2000, S. 274). Zu diesem Zweck soll die Kommunikation innerhalb der Unternehmen als auch gegenüber der Umwelt (z. B. zu Kunden und Lieferanten) möglichst frei und ungebunden erfolgen, wobei der Output durch flexible und kreativitätsfördernde Kooperations- und Kommunikationsformen erheblich gefördert werden kann (Thom/ Etienne, 2000, S. 274, 275). Hierzu zählt ebenfalls ein möglichst ungehinderter Informationsfluss, der auch über die Unternehmensgrenzen hinaus geht und somit u. a. die Kunden und Lieferanten mit einbezieht, da das Resultat der Ideengenerierung nachweislich von der Viel-

91 zahl und Diversität der unterschiedlichen Informationsquellen sowie von der Kontakthäufigkeit und -intensität abhängt (Nebe, 2000, S. 6).23 Wie Abbildung 17 zu entnehmen ist, wird die erste Subphase der Ideengenerierung als Suchfeldbestimmung bezeichnet. Die Suchfeldbestimmung „dient dazu, den Bezug zu den obersten Unternehmenszielen und zur Strategie des Unternehmens sicherzustellen“ (Thom/ Etienne, 2000, S. 274). Der Grund hierfür kann u. a. darin gesehen werden, dass es wirtschaftlich nicht sinnvoll ist, beliebig Ideen zu produzieren, die sich nicht mit den vorhandenen oder realistisch erwerbbaren Kompetenzen eines Unternehmens oder einer Kooperation decken. Somit wird in der Subphase der Suchfeldbestimmung ein mögliches – mit der Unternehmensstrategie vereinbares oder sogar daraus abgeleitetes – Problem identifiziert und präzisiert und bestimmt, für welchen Bereich innovative Ideen generiert werden sollen (z. B. bessere Be- und Entladung von Flugzeugen oder Steigerung der Sicherheit). Die nächste Subphase bildet die Ideenfindung. In dieser Subphase vollzieht sich der kreative Akt, um für das identifizierte Suchfeld neuartige Ideen zu erarbeiten (Thom/ Etienne, 2000, S. 274). Hierbei kommen z. B. Kreativ-Workshops zum Einsatz, im Rahmen derer Kreativitätstechniken – wie etwa Brainstorming – angewendet werden (Geschka/ Schwarz-Geschka, 2000, S. 105, 106). Die letzte Subphase der Ideengenerierung stellt der so genannte Ideenvorschlag dar. Hierunter wird verstanden, dass die für das Suchfeld erarbeiteten Ideen einer entscheidungsbefugten Instanz vorgeschlagen werden müssen (Thom/ Etienne, 2000, S. 274). Hierbei ist erstens wichtig, dass die jeweiligen Personen wissen, wie und in welcher Form die Vorschläge eingereicht werden können (z. B. Tool im Intranet oder standardisiertes physisches Formular, das in einen speziell dafür vorgesehenen Briefkasten zu werfen ist) und dass zweitens diese Vorschläge „[…] durch Form und `Timing´ die Aufmerksamkeit des Managements auf sich ziehen“ (Thom/ Etienne, 2000, S. 274). Die zweite Hauptphase des Phasenmodells für Innovationsprozesse stellt nach Thom – wie aus Abbildung 17 ersichtlich wird – die Ideenakzeptierung dar. Erstes Ziel dieser Phase ist die Durchführung einer umfassenden, aber auch schnellen Ideenprüfung (Nebe, 2000, S. 7). Hierbei sind wirtschaftliche (z. B. prognostizierte Kosten und Erträge), rechtliche (z. B. rechtliche Auflagen oder bereits existierende Patente) und technische Fragen (z. B. Erwerb von zusätzlichem technologischen Know-how oder Maschinen) zu klären (Thom/ Etienne, 2000, S. 276). Zweites Ziel der Ideenakzeptierung ist die sich daran anschließende Erstellung von Realisationsplänen (Nebe, 2000, S. 7). Das dritte Ziel dieser Hauptphase besteht darin, dass, nachdem die einzelnen Alternativen anhand eines möglichen Kriterienkatalogs bewertet wurden, die 23

Allgemeine Informationen zur Ideengenerierung finden sich u. a. bei Christiansen, 2000, S. 77, 79-102 und Wahren, 2004, S. 99-149.

92 zuständige Instanz eine Entscheidung über einen zu realisierenden Plan trifft (Thom/ Etienne, 2000, S. 276). Abschließend sei zur Ideenakzeptierung noch auf zwei Sachverhalte aufmerksam gemacht. Ersten spielen in dieser Phase einerseits personenbezogene Widerstände des Nicht-Wissens (Fähigkeitsbarrieren) und des Nicht-Wollens (Willensbarrieren) und andererseits die Personen, die versucht sind, diese Widerstände zu überwinden (Fachpromotoren zur Überwindung von Fähigkeitsbarrieren und Machtpromotoren zur Beseitigung von Willensbarrieren) eine nicht unerhebliche Rolle (Nebe, 2000, S. 7). Zweitens ist darauf hinzuweisen, dass die gesamte Phase der Ideenakzeptierung durch eine vergleichsweise hohe Entscheidungszentralisation, Strukturformalisierung und Dokumentenabstützung gekennzeichnet ist (Thom/ Etienne, 2000, S. 277). Primäre Ziele der dritten und somit auch letzten Hauptphase – der Ideenrealisierung – werden in der konkreten Verwirklichung der Idee und der Marktdistribution gesehen (Nebe, 2000, S. 8). Insbesondere in der Subphase der konkreten Verwirklichung der neuen Idee ist Einfallsreichtum gefragt und kommunikatives Geschick wird beim Absatz der neuen Ideen an die Adressaten als überaus wichtig erachtet (Thom/ Etienne, 2000, S. 278). Darüber hinaus beinhaltet die Hauptphase der Ideenrealisierung ebenfalls, dass die Akzeptanz – z. B. eines neuen Produktes – beim Zielpublikum und der allgemeinen Öffentlichkeit kontrolliert wird. Zum Schluss sei noch auf mögliche Implementierungsfallen hingewiesen. Diese können erstens aus fehlenden oder unzureichenden Zielvorgaben, zweitens aus Widerständen bei den durch das neue Produkt oder den neuen Prozess betroffenen Personen (z. B. wenn die Einführung eines neuen Produktes bzw. eines neuen Prozesses menschliche Arbeitskraft ersetzt oder den bisher gewohnten Arbeitsablauf verändert) und drittens aus einem unerwartet hohen Zeitaufwand für die Implementierung resultieren (Thom/ Etienne, 2000, S. 278). 3.2 Innovationskooperationen vor dem Hintergrund der Existenz-, Erfolgs- und Kontingenzanalyse Nachdem in Abschnitt 3.1 der Leser mit den begrifflichen Grundlagen der Innovationsforschung vertraut gemacht wurde, werden diese dort vermittelten Erkenntnisse im nun folgenden Abschnitt 3.2 auf das Themengebiet der Innovationskooperationen angewendet. Hierbei werden mit Abschnitt 3.2 mehrere Ziele verfolgt. Erstens soll in Abschnitt 3.2.1 eine Definition für den Begriff der Innovationskooperation erarbeitet werden. Außerdem wird am Ende von Abschnitt 3.2.1 eine Antwort auf die Frage gegeben, wie sich Innovationskooperationen strukturiert analysieren lassen. In diesem Kontext wird Gemündens Unterscheidung zwischen Existenz-, Erfolgs- und Kontingenzanalyse aufgegriffen (Gemünden, 2001, S. 124). Unter Zuhilfenahme dieses strukturellen Rahmens der Existenz-, Erfolgs- und Kontingenzanalyse erfolgt in den Abschnitten 3.2.2 bis 3.2.4 eine vertiefende Erarbeitung des Phänomens der Innovationskooperation, das, wie gesehen, den zweiten Forschungsschwerpunkt der vorliegenden Arbeit bildet. Dies ist als zweites Ziel von Abschnitt 3.2 festzuhalten. Drittens wird mit diesem Abschnitt das Ziel verfolgt, Forschungslücken hinsichtlich der Thematik der In-

93 novationskooperation zu identifizieren, auf Basis derer u. a. die beiden in Kapitel 1 genannten Forschungsfragen der Dissertation und die zwei ebenfalls im einleitenden Kapitel aufgeführten Fragen für weiterführende Forschung abgeleitet werden. Anzumerken ist hierbei, dass in allen in den Abschnitten 3.2.2 bis 3.2.4 gestellten Fragen, die mittels der bereits existierenden Literatur noch nicht befriedigend beantwortet werden können, dieser zweite Forschungsschwerpunkt der Arbeit mit dem ersten Forschungsschwerpunkt, nämlich dem der Supply Chain der europäischen Aviation-Industrie, inhaltlich verbunden wird. 3.2.1 Definition und Analysemöglichkeiten von Innovationskooperationen Sowohl in der theoretischen Forschung als auch in der praktischen Anwendung von Unternehmen und Supply Chains hat sich die Einsicht weitgehend durchgesetzt, dass Innovationsmanagement kein ausschließlich innerbetriebliches Problem mehr ist, sondern dass es vielmehr die Aktionen und Reaktionen externer Marktpartner mit einbezieht (A.T. Kearney, 2002, S. 1-12 und Hauschildt, 2004, S. 239).24 Die Hauptaussage der Transaktionskostentheorie, die im vierten Kapitel näher beschrieben werden wird, besagt, dass, insofern eine Transaktion nicht mit transaktionsspezifischen Investitionen oder besonderer Unsicherheit einhergeht, der Markt aufgrund seiner starken Anreizintensität und der Wirksamkeit des Konkurrenzmechanismus das vorteilhafteste institutionelle Arrangement darstellt (Ebers/ Gotsch, 2002, S. 237 und Williamson, 1991, S. 283). Mit zunehmendem Ausmaß an Unsicherheit und transaktionsspezifischen Investitionen wird jedoch zunächst das hybride und schließlich, bei großer Unsicherheit und einem hohen Niveau an transaktionsspezifischen Investitionen, sogar das hierarchische institutionelle Arrangement – d. h. eine organisationsinterne Leistungserstellung – vorteilhaft (Ebers/ Gotsch, 2002, S. 238, 239 und Williamson, 1991, S. 283). Nach diesem Ansatz lassen sich somit grundsätzlich die drei institutionellen Arrangements „Markt“, „Hierarchie“ und die „hybride Mischform“ der beiden zuvor genannten Extremausprägungen voneinander unterscheiden. Diese „hybride Mischform“ wird ebenfalls als „Kooperation“ bezeichnet (Schüller, 2002, S. 157). In der betriebswirtschaftlichen Theorie und Praxis gibt es jedoch zahlreiche Ausprägungsformen des Kontinuums zwischen Markt und Hierarchie und somit eine Vielzahl an unterschiedlichen Arbeiten hinsichtlich des Begriffs der Kooperation und dessen Weite und Begriffsauffassung (Schüller, 2002, S. 158). So unterscheiden z. B. Spekman/ Kamauff/ Myhr hinsichtlich der jeweiligen Ausprägungen der Komplexität und der strategischen Bedeutsamkeit der zwischenbetrieblichen Zusammenarbeit nicht nur zwischen Markt, Kooperation und Hierarchie, sondern untergliedern das Kontinuum der Kooperation weiter in „Co-operation“, „Coordination“ und „Collaboration“ (Spekman/ Kamauff/ Myhr, 1998, S. 648, 649). Demnach empfehlen die Autoren für eine Zusammenarbeit, die über eine niedrige strategische Bedeut24

Beispiele dafür sind Tabelle 1 der vorliegenden Arbeit zu entnehmen.

94 samkeit, aber über eine hohe Komplexität verfügt, eine „Co-operation“ und für eine Zusammenarbeit, bei der im Gegensatz dazu die strategische Bedeutsamkeit als hoch einzustufen ist, jedoch nur eine geringe Komplexität vorliegt, eine „Co-ordination“ (Spekman/ Kamauff/ Myhr, 1998, S. 649). Weisen hingegen beide Kriterien eine hohe Ausprägung auf, empfehlen sie eine „Collaboration“ (Spekman/ Kamauff/ Myhr, 1998, S. 649). Bezüglich des Begriffs „Collaboration“ vergleichen Rura-Polley/ Clegg wiederum sieben unterschiedliche Definitionen, die in der einschlägigen Literatur häufig zitiert werden und daher über einen nicht unerheblichen Einfluss verfügen (Rura-Polley/ Clegg, 1999, S. 38, 39). Auch Sonnenburg weist darauf hin, dass bereits der Begriff „Collaboration“ in der Wissenschaft nicht einheitlich verwendet wird (Sonnenburg, 2004, S. 254). Weitere Gründe, die obgleich der steigenden Relevanz von Kooperationen – sowohl in der Wissenschaft als auch in der Praxis – dafür angeführt werden, dass es bislang keinen Konsens über die inhaltliche Festlegung des Kooperationsbegriffes gibt, sind, dass er erstens nicht nur in der Wissenschafts- sondern auch in der Umgangssprache verwendet wird und dass er zweitens wiederum in unterschiedlichen wissenschaftlichen Disziplinen (z. B. in den Wirtschaftswissenschaften, der Soziologie und der Psychologie) beheimatet ist (Mellewigt, 2003, S. 8).25 In der vorliegenden Arbeit wird auf eine Differenzierung zwischen „Co-operation“, „Coordination“ und „Collaboration“ verzichtet. Vielmehr werden unter dem Terminus der Kooperation alle Interaktionen von Unternehmen subsumiert, die zwischen den Polen der reinen Markttransaktion und der hierarchischen Abwicklung betrieblicher Aktivitäten liegen (Höfer, 1997, S. 7). Exakt wird in der Dissertation der Begriff der Kooperation als eine nationale oder internationale Zusammenarbeit – auf freiwilliger oder vertraglicher Basis – zwischen rechtlich und – zumindest ursprünglich auch – wirtschaftlich selbständigen Unternehmen, Universitäten, Fachhochschulen, Forschungsstellen, Organisationen oder sonstigen Institutionen verstanden (Bullinger/ Schlick, 2002, S. 68; Rotering, 1990, S. 41 und Rüdiger, 1998, S. 26).26 Diese Begriffsbestimmung für den Terminus der Kooperation verwendet der Autor ebenfalls als Fundament zur Definition des Begriffs der Innovationskooperation. Hierzu wird lediglich die obige Begriffsbestimmung der Kooperation dadurch ergänzt bzw. präzisiert, dass die Zusammenarbeit auf dem Gebiet der Innovation stattfindet (Bullinger/ Schlick, 2002, S. 68; Rotering, 1990, S. 41 und Rüdiger, 1998, S. 26). Abschließend von Abschnitt 3.2.1 soll noch eine Antwort auf die Frage gegeben werden, wie sich Innovationskooperationen strukturiert analysieren lassen. Hierzu kann auf eine Arbeit 25

26

Ausführlichere Diskussionen zu dem Begriff der Kooperation findet sich u. a. bei Höfer, 1997, S. 3-8 und Mellewigt, 2003, S. 8-16. Zu beachten ist hierbei, dass gemäß Abschnitt 2.1.2 in der vorliegenden Schrift auch die Endkunden als eine Institution angesehen werden.

95 von Gemünden zurückgegriffen werden. In dieser Arbeit wird darauf hingewiesen, dass sich bezogen auf das Phänomen der Innovationskooperation drei Arten von Analysen unterscheiden lassen, die unabhängig voneinander durchgeführt werden können. Bei diesen drei Analysemöglichkeiten handelt es sich um die Existenzanalyse, um die Erfolgsanalyse und um die Kontingenzanalyse. (Gemünden, 2001, S. 124-152) Anzumerken ist an dieser Stelle, dass auch Hauschildt zur Strukturierung seiner Fragen für die empirische Erforschung von Innovationskooperationen eine ähnliche Klassifizierung verwendet (Hauschildt, 2004, S. 255). Folglich wird ebenfalls für die weitere Untersuchung auf diesen strukturellen Rahmen zurückgegriffen, da dieser eine umfassende Betrachtung des Phänomens der Innovationskooperation fördert, wobei in der vorliegenden Arbeit – wie an den jeweiligen Stellen begründet wird – die Schwerpunkte bei der Existenzanalyse und bei der Erfolgsanalyse gelegt werden. Die Anwendung dieses strukturellen Rahmens wird zunächst in den folgenden Abschnitten 3.2.2 bis 3.2.4 deutlich. Wie zu sehen sein wird, können einige der in diesen Abschnitten formulierten Fragestellungen – mit Bezug zur Supply Chain der europäischen Aviation-Industrie – noch nicht abschließend beantwortet werden. Diese Fragen werden erneut in den Kapiteln 5 und 6 aufgegriffen. Die zwei darin enthaltenen Forschungsfragen, die der Existenz- bzw. der Erfolgsanalyse zugeordnet werden, werden darüber hinaus bereits in Kapitel 4 thematisiert, da für diese Fragen in jenem Kapitel Hypothesen abzuleiten sind, die es in den beiden anschließenden Kapiteln empirisch zu untersuchen gilt. 3.2.2 Existenzanalyse von Innovationskooperationen Mittels der Existenzanalyse wird das Phänomen von Innovationskooperationen beschrieben (Gemünden, 2001, S. 124).27 Übergeordnet lässt sich hierfür die folgende Kernfrage formulieren (Gemünden, 2001, S. 124): •

Wie sehen Innovationskooperationen aus?

Um diese Kernfrage zu beantworten, werden hierzu in diesem Abschnitt explizit die Teilfragen thematisiert, mit welchen Partnern eine Innovationskooperation eingegangen werden kann, entlang welcher Richtung der Supply Chain Innovationskooperationen stattfinden können, bezüglich welches Gegenstandes bzw. welcher Funktion kooperiert werden kann, welche zeitlichen Aspekte von Innovationskooperationen zu beachten sind, welchen Innovationsgrad die durch eine kooperative Zusammenarbeit resultierende Innovation schlussendlich haben kann und hinsichtlich welches Innovationsobjektes die Kooperation möglich ist.

27

Eine Auswahl an Untersuchungen hinsichtlich der Existenzanalyse von Innovationskooperationen findet sich u. a. bei Gemünden, 2001, S. 125-135.

96 Aufgrund der Gegebenheiten, dass die mit Innovationen verbundenen Risiken, Kosten und Komplexitäten zunehmen, die spezifischen Kundenbedürfnisse möglichst exakt befriedigt werden müssen und die geforderte Time-to-Market von neuen Produkten und Prozessen immer kleiner wird, ist es nicht verwunderlich, dass Innovationskooperationen innerhalb der letzten Jahre sowohl für die Theorie als auch für die Praxis enorm an Relevanz gewonnen haben (Becker/ Dietz, 2004, S. 209 und Hagedoorn, 2002, S. 477-492). So haben sich bereits einige Autoren mit der Frage befasst, welche potenziellen Innovationspartner kooperationsfähigen und kooperationswilligen Unternehmen zur Verfügung stehen und welche für eine kooperative Zusammenarbeit geeignet sind (Gemünden, 2001, S. 119-121; Gemünden, 2004, S. 41-46 und Miotti/ Sachwald, 2003, S. 1484, 1485). Dementsprechend identifiziert beispielsweise Gemünden – wie Abbildung 18 zu entnehmen ist – 1. öffentliche Stellen, 2. Mitanbieter, 3. Berater, 4. Kunden, 5. Händler, 6. Wettbewerber, 7. Forschungs- und Ausbildungsinstitutionen und 8. Lieferanten als potenzielle Innovationspartner (Gemünden, 2001, S. 119). Unter den Kunden spielen wiederum die so genannten Lead User eine ganz besondere Rolle, da sie erstens die Bedürfnisse, die sich in der Zukunft auf dem Markt durchsetzen werden, erheblich früher als die Mehrzahl der Kunden verspüren und sie zweitens sehr stark von Innovationen profitieren, die ihre neuen Bedürfnisse befriedigen bzw. ihre bisherigen Probleme lösen (de Brentani, 2001, S. 182 und von Hippel, 1986, S. 796).28 Öffentliche Stellen

Lieferanten

Forschungs- und Ausbildungsinstitutionen

• Fördermittel, Infrastruktur

• Neue Materialien

• Technologisches Wissen

• Vermittlungsleistungen

• Neue Komponenten

• Ausbildungsleistungen

• Gesetze, Verordnungen

• Neue Systeme

• Nachwuchskräfte

Wettbewerber

Mitanbieter • Komplementäres Know-how

Fokales Unternehmen

• Lösung von Schnittstellenproblemen

• Informationsaustausch • Durchsetzung von Normen und Standards • Einwerbung Fördermittel

Berater

Kunden

Händler

• Innovative Konzepte

• Definition neuer Anforderungen

• Neue Nachfragetrends

• Prozessgestaltung

• Implementierungspartner

• Entwicklungen bei Wettbewerbern

• Finanz- und Rechtsdienstleistungen

• Referenzwirkung

Abbildung 18: Potenzielle Innovationspartner eines Unternehmens und deren Leistungsbeiträge (Quelle: In Anlehnung an Gemünden, 2001, S. 119)

Wie u. a. bereits im Abschnitt 2.3.2.1 herausgestellt wurde, wird in der vorliegenden Untersuchung die fokale Rolle von klassischen europäischen Airlines eingenommen. Als Innovati28

Für die Anwendung von Lead Usern vgl. Herstatt/ Lüthje/ Lettl, 2003, S. 58-70 und Lüthje, 2003, S. 44-47.

97 onspartner werden hierbei ausschließlich deren europäische Kunden und europäische Lieferanten betrachtet. Hinzuweisen ist an dieser Stelle noch auf eine Studie von Edquist/ Eriksson/ Sjögren, die sich auf Produktinnovationen bei der verarbeitenden Industrie fokussiert. Die Ergebnisse dieser Studie lassen erkennen, dass Lieferanten und (private) Kunden die häufigsten Kooperationspartner für Produktinnovationen sind (Edquist/ Eriksson/ Sjögren, 2000, S. 49-51, 53, 54). Eine weitere, eng damit verbundene Frage lautet, bezüglich welcher Richtung entlang der Supply Chain eine kooperative Zusammenarbeit stattfindet (Gemünden, 2001, S. 124). Hierzu lassen sich horizontale (d. h. zwischen Unternehmen der gleichen Branche, die auf ein und demselben Absatzmarkt konkurrieren), vertikale (d. h. zwischen Unternehmen, die auf verschiedenen Stufen der gleichen Supply Chain stehen), diagonale (d. h. falls Unternehmen aus unterschiedlichen Branchen über verschiedene Stufen der Supply Chain zusammenarbeiten) und konglomerate (d. h. falls die Zusammenarbeit auf einem Markt stattfindet, der in keiner Beziehung zu den angestammten Märkten der Kooperanden steht) Innovationskooperation unterscheiden (Pleschak/ Sabisch, 1996, S. 285).29 Im Vergleich zu horizontalen Kooperationen sind vertikale Kooperationen weniger anfällig für Konflikte, da die Kooperanden grundsätzlich unterschiedliche Arbeitsgebiete aufweisen (Gerybadze, 2004, S. 192, 193). Wie aus obiger Beschreibung ersichtlich wird, befasst sich die vorliegende Untersuchung im Kern mit einer vertikalen Zusammenarbeit. Die nächste Frage erkundet, was der Gegenstand der Kooperation ist bzw. hinsichtlich welcher Funktion zusammengearbeitet werden soll (Gemünden, 2001, S. 124). Hinsichtlich des Gegenstandes der Zusammenarbeit sind in Bezug zu den einzelnen Phasen des Innovationsprozesses nach Pleschak/ Sabisch die folgenden fünf Kooperationsgegenstände voneinander zu differenzieren: 1. Die Vorbereitung von Innovationsprojekten, 2. die Grundlagen- und angewandte Forschung, 3. die konstruktive und technologische Entwicklung von Produkten, 4. das Testen von neuen Produkten und Verfahren und 5. die Erschließung von Märkten und die Absatzvorbereitung (Pleschak/ Sabisch, 1996, S. 288). Nach Auffassung des Autors der vorliegenden Arbeit können hinsichtlich des Gegenstandes der Innovationskooperation auch die drei Hauptphasen des Innovationsprozesses von Thom, nämlich die Ideengenerierung, die Ideenakzeptierung und die Ideenrealisierung herangezogen werden (Thom, 1980, S. 53). Wie bereits u. a. in Abschnitt 3.1.3 herausgestellt wurde, wird sich die anschließende empirische Analyse hierbei fokussiert mit der ersten Hauptphase, nämlich der Ideengenerierung befassen. Eine weitere Frage thematisiert die zeitlichen Aspekten der Zusammenarbeit (Gemünden, 2001, S. 124). In Bezug auf den Zeitpunkt der Innovationsaktivitäten sind Ex-postKooperationen (beziehen sich auf die Zeit, in der die Ergebnisse der Innovationsaktivität be29

Für horizontale Kooperationen vgl. von Hippel, 1987, S. 291-302.

98 reits feststehen) und Ex-ante-Kooperationen (beziehen sich auf Aktivitäten, die vor und während des Innovationsprozesses stattfinden) zu unterscheiden (Pleschak/ Sabisch, 1996, S. 285). Durch die oben beschriebene Fokussierung auf die Phase der Ideengenerierung ist die in der vorliegenden Arbeit zu untersuchende Zusammenarbeit somit als Ex-ante-Kooperationen zu bezeichnen. Darüber hinaus lassen sich Innovationskooperationen nach dem Zeithorizont der Zusammenarbeit (langfristige, zumeist unbegrenzte Kooperationen und kurzfristig orientierte und zeitlich begrenzte Kooperationen) voneinander differenzieren (Pleschak/ Sabisch, 1996, S. 290). Zwei andere Fragen, die nach Auffassung des Verfassers ebenfalls als Teilfragen der Kernfrage der Existenzanalyse einzuordnen sind, lauten erstens, welchen Innovationsgrad die durch eine kooperative Zusammenarbeit resultierende Innovation schlussendlich haben soll (radikal oder inkremental) und hinsichtlich welches Innovationsobjektes die Kooperation stattfindet (Produkt- oder Prozessinnovation). Diese beiden Fragen werden bereits in Kapitel 4 erneut in der Form der unten aufgeführten ersten Forschungsfrage aufgegriffen, indem zu dieser Forschungsfrage u. a. entsprechende Hypothesen abgeleitet werden, die es in Kapitel 5 zu untersuchen gilt. •

1. Forschungsfrage: Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet?

Neben den bereits erwähnten Aspekten werden darüber hinaus in wissenschaftlichen Arbeiten u. a. die Fragen – die durchaus als Teilfragen der Kernfrage zur Existenzanalyse von Innovationskooperationen angesehen werden können – aufgeworfen, welche Intensität Innovationskooperationen haben können, wie Innovationskooperationen und das dazugehörige Personalmanagement organisiert sind und wie das Finanzmanagement und Controlling bei Innovationskooperationen gestaltet ist (Hauschildt, 2004, S. 244, 245).30 3.2.3 Erfolgsanalyse von Innovationskooperationen Nachdem nun der Begriff der Innovationskooperation thematisiert (Abschnitt 3.2.1) und Innovationskooperationen beschrieben wurden (Abschnitt 3.2.2), soll in diesem Abschnitt 3.2.3 gezeigt werden, wie erfolgreich Innovationskooperationen tatsächlich sind und damit einhergehend die Erfolgswirksamkeit von Innovationskooperationen bestimmt werden. Mittels der Erfolgsanalyse wird daher versucht, die Erfolgswirkungen von Innovationskooperationen zu bestimmen bzw. zu prognostizieren (Gemünden, 2001, S. 124).31 Mit Bezug auf 30

31

Weitere Fragen, die zur Existenzanalyse von Innovationskooperationen gezählt werden können, sind bei Gemünden, 2001, S. 124 zu finden. Eine Auswahl an Untersuchungen hinsichtlich der Erfolgsanalyse von Innovationskooperationen findet sich u. a. bei Gemünden, 2001, S. 135-152.

99 den in der vorliegenden Arbeit zu thematisierenden Sachverhalt lässt sich hierfür übergeordnet die folgende Kernfrage formulieren (Gemünden, 2001, S. 124): •

Welche Auswirkungen haben vertikale Innovationskooperationen auf den Erfolg der Kooperanden und welchen Einfluss haben hierbei die strategischen Erfolgsfaktoren?

Um diese Kernfrage zumindest in Ansätzen beantworten zu können, werden in Abschnitt 3.2.3.2 zunächst literaturbasiert einige Antworten auf damit einhergehende Teilfragen gegeben. Es werden Antworten auf die Fragen erarbeitet, ob Innovationskooperationen überhaupt positive Auswirkungen haben, welche Auswirkung die Beteiligung von vertikalen Supply Chain Partnern auf den Informationsstand über mögliche Innovationen hat, wie sich Innovationskooperationen mit Kunden und Lieferanten auf die strategischen Erfolgsfaktoren auswirken und welche Auswirkungen die Beteiligung von Kunden bei den Innovationsaktivitäten auf den Erfolg hat. Im Anschluss daran folgt am Ende von Abschnitt 3.2.3.2 die Ableitung der in diesen Kontext einzuordnenden zweiten Forschungsfrage der vorliegenden Dissertation. Bevor all dies in Abschnitt 3.2.3.2 explizit aufgegriffen wird, folgt in Abschnitt 3.2.3.1 jedoch vorab eine begriffliche Einführung in die Thematik der Erfolgsanalyse. Dies ist notwendig, da dort einerseits Termini erläutert werden, auf die im Laufe der weiteren Untersuchung des Öfteren zurückgegriffen werden wird, und andererseits die Frage nach der Erfolgswirkung einer kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern ein Schwerpunkt in Kapitel 5 darstellen wird. 3.2.3.1 Begriffliche Grundlagen der Erfolgsanalyse Für Unternehmen ist es überaus wichtig, möglichst exakt die Erfolgswirkungen einer Handlung bzw. Aktivität – wie etwa die einer kooperativen Ideengenerierung mit anderen Playern der Supply Chain der europäischen Aviation-Industrie – im besten Fall ex-ante, zumindest jedoch ex-post zu ermitteln (Holtrup/ Littkemann, 2005, S. 254-257; Müller/ Herstatt, 1999, S. 14 und Zillmer, 2000, S. 240, 241). Besonders bei Innovationsaktivitäten ist hierbei darauf zu achten, dass nicht alleine das Hervorbringen von Innovationen – neben anderen Aspekten, auf die an dieser Stelle nicht weiter eingegangen werden kann – zum Erhalt der Wettbewerbsfähigkeit von Unternehmen führt, sondern dass diese Innovationen auch erfolgreich sein müssen (Holtrup/ Littkemann, 2005, S. 254). Umso problematischer erscheint es, dass eine Vielzahl an wissenschaftlichen Arbeiten zwar von Erfolg und Erfolgsfaktoren sprechen, allerdings unter erheblichen inhaltlichen als auch methodischen Defiziten leiden (Hauschildt/ Walther, 2003, S. 11 und Nicolai/ Kieser, 2002, S. 584, 585). Daher wird im Folgenden zunächst kurz auf einige dieser Defizite hingewiesen. Im Anschluss daran folgt eine Definition für den Begriff des Erfolgs, die der vorliegenden Arbeit zu Grunde gelegt wird. Danach wird der Terminus Erfolgsfaktor expliziert. Der Schlussteil dieses Abschnitts befasst sich mit der Erfolgswirkung und den damit eng verbundenen Erfolgsindikatoren.

100 So bestehen inhaltliche Schwächen beispielsweise darin, dass die Erforschung von Erfolgsfaktoren – abstrahiert von dem Einwurf, ob überhaupt Erfolgsfaktoren identifiziert werden können – erstens primär aus der Marketingperspektive betrieben wird und dabei der Kooperation mit Marktpartnern eine geringe Aufmerksamkeit entgegengebracht wird (Hauschildt/ Walther, 2003, S. 11 und Nicolai/ Kieser, 2002, S. 579-596). Hierbei ist zu betonen, dass bislang insbesondere von der Kooperation mit Kunden in der Erfolgsfaktorenforschung weitestgehend abgeblendet wurde (Hauschildt, 2004, S. 263). Ein zweites inhaltliches Defizit ist darin zu sehen, dass kleine und mittlere Unternehmen nicht gesondert berücksichtigt werden (Hauschildt/ Walther, 2003, S. 11). Methodische Defizite bestehen u. a. darin, dass häufig die Frage unbeantwortet bleibt, für wen der Erfolg gemessen werden soll (Innovator vs. Investor; unternehmensintern vs. unternehmensübergreifend), bei einer zur Ermittlung durchgeführten Befragung zu sehr auf die Stichprobengröße als auf die Repräsentativität der Befunde geachtet wird und dass nicht gleichartig und gleich bleibend oder sogar überhaupt nicht definiert wird, was der Fragende überhaupt unter dem Begriff des Erfolges versteht (Hauschildt, 1991, S. 464, 465; Hauschildt, 2004, S. 36 und Holtrup/ Littkemann, 2005, S. 260). Ein weiteres methodisches Problem geht mit der Definition des Begriffs des Erfolgs einher. In Übereinstimmung mit Holtrup/ Littkemann definiert der Autor der vorliegenden Arbeit Erfolg als „[…] das Erreichen zuvor festgelegter Ziele […]“ (Holtrup/ Littkemann, 2005, S. 260). „Konkreter bedeutet dieses, dass die Ist-Werte den geforderten Soll-Größen zumindest entsprechen müssen“ und dazu ein Vergleich mit vorab festgelegten Zielvorgaben von so genannten Erfolgsindikatoren angemessen ist, die wiederum über Inhalt, Ausmaß und Zeitbezug verfügen sollten (Holtrup/ Littkemann, 2005, S. 260, 266, 267).32 Da die zu erreichenden Soll-Größen nicht in jedem Fall objektiv bestimmt werden können, kann der Erfolg oftmals lediglich aus einer subjektiven Sichtweise definiert werden (Holtrup/ Littkemann, 2005, S. 260). Wie auch bei dem Begriff des Erfolgs, orientiert sich der Autor für den Terminus der Erfolgsfaktoren an Holtrup/ Littkemann. Demnach handelt es sich, bezogen auf Innovationen, bei Erfolgsfaktoren um „[…] Variablen, die auf das Innovationsprojekt und damit auch auf den Erfolg der Innovation Einfluss nehmen“ (Holtrup/ Littkemann, 2005, S. 262). Darüber hinaus haben die Erfolgsfaktoren einen Einfluss auf die Erfolgsindikatoren – die ebenfalls noch in diesem Abschnitt thematisiert werden – und determinieren deren Ausprägungen (Holtrup/ Littkemann, 2005, S. 262). Trotz der großen Anzahl an empirischen und theoretischen Schriften zu der Erfolgsfaktorenforschung konnte bislang keine Einigung darüber getroffen werden, welche Faktoren als strategische Erfolgsfaktoren angesehen werden können (Ringle, 2005, S. 32

Anzumerken ist jedoch, dass, insofern die Übererfüllung gewisser Zielvorgaben die Nichterfüllung anderer Zielvorgaben kompensieren kann, nicht alle Ist-Werte mindestens den geforderten Soll-Größen entsprechen müssen, damit von einem Erfolg gesprochen werden kann. Vgl. hierzu Laux/ Liermann, 1997, S. 61, 62.

101 311). Wie auch bei anderen Autoren, die zur Thematik von Innovationen geschrieben haben, werden in der vorliegenden Arbeit daher die in den Beiträgen zum strategischen Management konsensfähigen unternehmensbezogenen strategischen Erfolgsfaktoren Kosten, Zeit und Qualität verwendet (vgl. z. B. Hansmann/ Ringle, 2005, S. 220; Horsch, 2003, S. 21-26; Keuper, 2001, S. 8, 12-16; Pleschak/ Sabisch, 1996, S. 9 und Ringle, 2005, S. 311).33 Nachdem nun herausgestellt wurde, was in der Dissertation – unter Berücksichtigung der genannten Probleme – unter dem Begriff des Erfolges und der ihn (und die Erfolgsindikatoren) beeinflussenden Erfolgsfaktoren zu verstehen ist, ist an dieser Stelle zunächst der Terminus der Erfolgswirkung zu klären. Unter Erfolgswirkung wird in der vorliegenden Arbeit verstanden, dass eine Handlung bzw. Aktivität – wie etwa eine kooperative Ideengenerierung – einen statistisch signifikanten Beitrag dazu leistet, dass die zuvor festgelegten Ziele erreicht werden und diese Handlung bzw. Aktivität somit einen entscheidenden Beitrag dazu leistet, dass z. B. ein neues Produkt oder ein neuer Prozess zu einem Erfolg wird. So hinterfragt beispielsweise die Frage nach der Erfolgswirkung einer kooperativen Ideengenerierung mit anderen Worten formuliert, ob und wenn ja welche Auswirkungen eine kooperative Ideengenerierung auf den Erfolg (z. B. Unternehmenserfolg und/ oder Innovationserfolg) hat. Hinzuweisen ist an dieser Stelle darauf, dass der Erfolg in der vorliegenden Arbeit selbst als latente, das heißt nicht direkt messbare Variable angesehen wird, die erst durch direkt messbare Indikatorvariablen valide beschrieben werden kann (Ringle, 2005, S. 311). Solche Indikatorvariablen, mittels derer zum einen indiziert werden kann, ob von einem Erfolg oder Misserfolg gesprochen werden kann, werden als Erfolgsindikatoren bezeichnet (Holtrup/ Littkemann, 2005, S. 259). Somit können diese Erfolgsindikatoren zum anderen ebenfalls dazu verwendet werden, um zu indizieren, ob und wenn ja welche Erfolgswirkung eine Handlung bzw. Aktivität hat. Aufgrund des inhaltlichen Bezugs der Dissertation zur Innovationsforschung verwendet der Autor eine häufig zur Bestimmung des Innovationserfolges genutzte Systematik der Messdimensionen für Erfolgsindikatoren. Demnach kann sich der Erfolg auf den technischen Nutzen, auf den ökonomischen Nutzen und bzw. oder auf den so genannten sonstigen Nutzen beziehen (Hauschildt, 1991, S. 467 und Hauschildt, 2004, S. 502). Hinsichtlich der oben beschriebenen zweiten Verwendungsmöglichkeit von Erfolgsindikatoren kann sich eine Handlung bzw. Aktivität entsprechend auf diese drei Messdimensionen auswirken. Der technische und der ökonomische Nutzen ergeben sich jeweils aus einer zusammenfassenden Beurteilung der jeweiligen direkten und indirekten Effekte (Hauschildt, 1991, S. 467, 33

Nicht betrachtet werden so genannte umweltbezogene strategische Erfolgsfaktoren wie z. B. der Marktlebenszyklus oder die Marktattraktivität, da diese durch die Unternehmen nicht oder nur in sehr geringem und kaum steuerbarem Maße beeinflusst werden können. Vgl. dazu Keuper, 2001, S. 12.

102 468). Während die direkten technischen Effekte mittels für den entsprechenden Sachverhalt zu spezifizierende Messwerte bestimmt werden, werden als indirekte technische Effekte z. B. Lernerfolge und Schwachstellenerkenntnisse genannt (Hauschildt, 1991, S. 467). Zu den direkten ökonomischen Effekten werden u. a. eine Umsatz- oder eine Gewinnsteigerung subsumiert, wohingegen die Umsatzverringerung der Konkurrenz zu den indirekten ökonomischen Effekten gezählt wird (Hauschildt, 1991, S. 467). Der sonstige Nutzen ergibt sich aus den beiden Bereichen systembezogene Effekte, wie z. B. soziale Effekte – zu denen nach Auffassung des Verfassers auch die Erzielung einer höheren Bindung der Kunden an das eigene Unternehmen zählt – und individuelle Effekte, wie z. B. die wissenschaftliche Anerkennung (Hauschildt, 1991, S. 467). 3.2.3.2 Auswirkungen von Innovationskooperationen Zunächst ist darauf hinzuweisen, dass innerhalb des vergangenen Jahrzehnts u. a. der schnelle technologische Wandel, kürzere Produktlebenszyklen und die Globalisierung der Märkte dazu geführt haben, dass die Entwicklung von neuen Produkten und Prozessen immer mehr in den Fokus der Unternehmensinteressen gerückt ist (Handfield et al., 2004, S. 506). Hierbei wird verstärkt die Meinung vertreten, dass die Integration von Kunden und Lieferanten – speziell in der Phase der Ideengenerierung – Unternehmen gegenüber ihren Konkurrenten u. a. einen erheblichen Wettbewerbsvorteil verschafft und die zwischenbetriebliche Zusammenarbeit technologische Innovationen beschleunigen kann (Christiansen, 2000, S. 207; Cooper, 1999, S. 117; Cooper, 2002, S. 191; Gemünden, 2001, S. 120; Handfield et al., 2004, S. 506, 508, 520; Powell, 2004, S. 394; Stern/ Jaberg, 2003, S. 128 und Tether, 2003, S. 495, 496). So ist als erstes die Frage zu stellen, ob Innovationskooperationen überhaupt eine positive Auswirkung auf Unternehmen haben und es generell lohnenswert ist, sich weiter mit dieser Thematik zu befassen. Auf diese Frage kann beispielsweise – insofern unterstellt wird, dass gesteigerte Innovationsfähigkeit als positiv zu bewerten ist – ein Beitrag von Smith herangezogen werden. Er macht am Beispiel von Norwegen deutlich, dass Unternehmen, die Innovationskooperationen durchführen, wesentlich innovativer wirken als solche Unternehmen, die über keine Innovationskooperation verfügen (Smith, 2000, S. 81). Eine andere Frage, die literaturbasiert an dieser Stelle beantwortet werden kann, lautet, welche Auswirkungen insbesondere die Beteiligung von vertikalen Supply Chain Partnern auf den Informationsstand von Unternehmen über mögliche Innovationen hat. Hierzu hinterfragt Tether in einer Arbeit die Relevanz, die Lieferanten, Kunden, Wettbewerber, Berater, Forschungsinstitute und Universitäten für Dienstleistungsunternehmen bei ihren Innovationsaktivitäten haben. Als Resultat einer damit verbundenen empirischen Untersuchung hinsichtlich des Innovationsverhaltens von Dienstleistern – gegliedert in die fünf Sektoren „Transport services“ (hierzu werden auch Airlines subsumiert), „Wholesale trades“, „Financial services“, „Technical services“ und „Computer services“ – bei der ca. 12.000 Dienstleister aus 13 westeuropäischen Ländern teilgenommen haben, betont Tether, dass Kunden und Lieferanten,

103 neben den unternehmensinternen Möglichkeiten, als wesentliche Quellen zur Erlangung von Informationen über Innovationen angesehen werden (Tether, 2003, S. 487, 495, 496). Stern/ Jaberg gehen sogar davon aus, dass etwa zwei Drittel aller Ideen von den Kunden ausgehen (Stern/ Jaberg, 2003, S. 100). Hinsichtlich der Auswirkungen von Innovationskooperationen auf die strategischen Erfolgsfaktoren ist nach einer Antwort auf die Frage zu suchen, wie sich Innovationskooperationen mit Kunden und Lieferanten auf eben diese Erfolgsfaktoren auswirken. Zur Auswirkung der Beteiligung von Lieferanten in den Prozess der Entwicklung neuer Produkte bzw. Prozesse schreiben Handfield et al., dass diese Zusammenarbeit zu nicht unerheblichen Resultaten führen kann (Handfield et al., 2004, S. 506). Explizit betonen sie, dass die Partizipation von Lieferanten in Projekte, bei denen es um die Entwicklung neuer Produkte bzw. Prozesse geht, zu einer Kostenreduzierung, zu einer Verringerung der Entwicklungszeit des betreffenden Produktes bzw. Prozesses und zu einer Qualitätsverbesserung führen kann (Handfield et al., 2004, S. 506, 521). Obwohl es keine Auswirkung auf einen strategischen Erfolgsfaktor ist, sei hier darauf aufmerksam gemacht, dass eine solche Beteiligung der Lieferanten darüber hinaus den Zugang zu innovativen Technologien ermöglichen und dadurch helfen kann, den eigenen Marktanteil zu steigern (Handfield et al., 2004, S. 506). Außerdem ist an dieser Stelle noch auf ein Praxisbeispiel hinzuweisen, welches die Auswirkungen einer Innovationskooperation auf die strategischen Erfolgsfaktoren Kosten und Zeit verdeutlicht. Bei der so genannten „Boeing Corporation’s 777“ bezog Boeing neben den eigenen Mitarbeitern seine Kunden und Key Supplier kooperativ mit in den Produktentwicklungsprozess ein (A. T. Kearney, 2002, S. 2). Das Ergebnis dieser Zusammenarbeit bestand darin, dass sich zum einen die Entwicklungszeit des Flugzeugs um 91 Prozent reduzierte und zum anderen die Lohnkosten um 71 Prozent sanken (A. T. Kearney, 2002, S. 2). Eine weitere Frage, die sich zumindest teilweise mittels der bereits existierenden Literatur beantworten lässt, ist die, welche Auswirkungen speziell die Beteiligung von Kunden bei den Innovationsaktivitäten auf den Erfolg hat. So schreibt Cooper in diesem Kontext zutreffend: „Successful business, and teams that drive winning new product projects, have a slave-like dedication to the voice of the customer” (Cooper, 1999, S. 117). In einer ähnlichen Form wird dieser Inhalt ebenso von Freeman wiedergegeben (Freeman, 1991, S. 500). Nach Hauschildt, der drei Studien beschreibt, in denen der Erfolg von Innovationskooperationen zwischen Herstellern und Kunden untersucht wird, liegt die Behauptung nahe, dass sich solche Kooperationen positiv auf den Erfolg beider Kooperationspartner auswirken (Hauschildt, 2004, S. 271). Überdies sei auf Tabelle 1 verwiesen. Dieser Tabelle können nämlich einerseits zusammenfassend die in diesem Abschnitt aufgezeigten Auswirkungen von Innovationskooperationen entnommen werden. Darüber hinaus sind in Tabelle 1 weitere Beispiele enthalten, die die Erfolgswirkung von Innovationskooperationen aufzeigen.

104 Zwei andere Fragen, die sich nach Auffassung des Autors ebenfalls als Teilfragen der Kernfrage der Erfolgsanalyse klassifizieren lassen, allerdings nicht mit der bereits existierenden Literatur zu beantworten sind, ergeben sich aus der Übertragung der bisher in den Abschnitten 3.2.3.1 und 3.2.3.2 diskutierten Aspekte auf die spezielle Thematik der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern. So könnte erstens von Interesse sein, ob und wenn ja, welche Erfolgswirkung eine solche kooperative Ideengenerierung tatsächlich für klassische europäische Airlines hat. Zweitens wäre es interessant zu untersuchen, welchen Einfluss dabei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren haben. Diese beiden Fragen werden bereits in Kapitel 4 erneut in der Form der unten aufgeführten zweiten Forschungsfrage aufgegriffen, in dem zu dieser Frage u. a. entsprechende Hypothesen abgeleitet werden, die es in Kapitel 5 zu untersuchen gilt. •

2. Forschungsfrage: Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit?

3.2.4 Kontingenzanalyse von Innovationskooperationen Mittels der Kontingenzanalyse wird in der vorliegenden Arbeit versucht zu erklären, wie wichtig gewisse Rahmenbedingungen für das Zustandekommen von Innovationskooperationen sind und warum überhaupt Innovationskooperationen durchgeführt werden (Hauschildt, 2004, S. 255). Übergeordnet lassen sich hierfür somit die beiden folgenden Kernfragen formulieren: •

Wie wichtig sind gewisse Rahmenbedingungen dafür, dass Innovationskooperationen geschlossen werden?

•

Warum werden Innovationskooperationen durchgeführt?

Anzumerken ist an dieser Stelle noch, dass keine der in diesem Abschnitt 3.2.4 formulierten Fragen als Forschungsfragen der vorliegenden Arbeit herausgestellt werden. Abgesehen vom Fokus der Arbeit ist eine andere Begründung hierfür darin zu sehen, dass es, wie beschrieben, bei der Kontingenzanalyse im weitesten Sinne um die „Erklärung“ von Innovationskooperationen geht. Laut Ellram werden solche Forschungsziele einerseits bevorzugt mit qualitativen Methoden bearbeitet (Ellram, 1996, S. 97, 98). Wie in Kapitel 5 andererseits zu sehen sein wird, kommen in der vorliegenden Arbeit allerdings ausschließlich quantitative Methoden zum Einsatz. Daher werden einige in dem vorliegenden Abschnitt aufgeworfene Fragestellungen zwar nochmals kurz in Kapitel 5 aufgegriffen, indem sie mit quantitativen Methoden untersucht werden. Jedoch wird u. a. aufgrund der nicht durchgeführten qualitativen Untersu-

105 chungen darauf verzichtet, diese Fragen als Forschungsfragen zu klassifizieren. Daher werden diese Fragen, die gemäß Kapitel 1 als Fragen für weiterführende Forschung bezeichnet werden, zum einen in Kapitel 4 u. a. nicht mit Hypothesen hinterlegt und zum anderen in Kapitel 5 der Arbeit nicht so ausführlich wie die Forschungsfragen untersucht und diskutiert. Um einen Eindruck von den Rahmenbedingungen zu erhalten, die mit der ersten Kernfrage einhergehen, werden diese in diesem Abschnitt zunächst explizit thematisiert und einige von ihnen – und deren Bedeutung für das Zustandekommen von Innovationskooperationen – etwas genauer erklärt. Zur Beantwortung der zweiten Kernfrage der Kontingenzanalyse werden zuerst einige Schwachstellen bzw. Probleme aufgeführt, die mit den alternativen institutionellen Arrangements „Markt“ und „Hierarchie“ einhergehen und bei denen eine Kooperation – zumindest teilweise – Abhilfe schaffen kann. Im zweiten Schritt wird anschließend auf die damit eng verbundenen Motive eingegangen, die Institutionen mit Innovationskooperationen verfolgen. Die ersten beiden Rahmenbedingungen, die im nun Folgenden auch etwas eingehender thematisiert werden sollen, sind zum einen die absorptiven Fähigkeiten der Kooperationspartner und zum anderen deren Vertrauen in die potenziellen Partner. Beide Kooperationspartner müssen tatsächlich vom Know-how und den Erfahrungen des anderen lernen, dessen Wissen aufnehmen und schließlich in der Lage sein, es in den eigenen Wissensstock zu integrieren und für eigene Belange umzusetzen (Pyka, 1999, S. 17). Die so bezeichneten absorptiven Fähigkeiten von Unternehmen stellen im wissensbasierten Ansatz der neuen Innovationsforschung die Verbindung zwischen den Kooperanden dar, die über unterschiedliches Knowhow verfügen (Kaufmann/ Tödtling, 2001, S. 802, 803 und Pyka, 1999, S. 82). So vertreten hierzu Bougrain/ Haudeville die Ansicht, dass „[…] firms’ ability to exploit external knowledge depends on their absorptive capacity“ (Bougrain/ Haudeville, 2002, S. 743). In diesem Kontext muss allerdings beachtet werden, dass der Integration externen Wissens das so genannte Not-invented-here-Syndrom entgegensteht, da jedem Know-how, das von außerhalb des eigenen Unternehmens kommt, häufig zunächst mit Skepsis und nicht mit Absorption begegnet wird (Pyka, 1999, S. 134, 135). Allerdings bleibt die bisherige Forschung die Antwort auf die Frage schuldig, wie wichtig die absorptiven Fähigkeiten für eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern sind. Wie bereits oben erwähnt, ist ebenfalls das Vertrauen mit dafür verantwortlich, dass es überhaupt zu einer Innovationskooperation kommt. Müller/ Herstatt schreiben in diesem Kontext treffend: „Any cooperation will be a fairly fragile construct without trust among the participants“ (Müller/ Herstatt, 1999, S. 8). Es ist eher unwahrscheinlich, dass Kooperationsverträge ex-ante so spezifisch und detailliert formuliert werden können, dass sie einerseits alle Eventualitäten erfassen und die Kooperationspartner andererseits noch schnell und flexibel auf neue Anforderungen reagieren können. Da sich die Rolle des Vertrauens zwischen Kooperations-

106 partnern in den vergangenen Jahren von einer Randerscheinung hin zu einem Hauptaugenmerk in der betriebswirtschaftlichen Forschung entwickelt hat, gibt es in der aktuellen Literatur entsprechend die Tendenz, den Aspekt des Vertrauens ebenfalls auf die Innovationsforschung anzuwenden (Eberl, 2004a, S. 258-273; Kohtamäki/ Kekäle/ Viitala, 2004, S. 75-88; Müller/ Herstatt, 2004, S. 12; Nooteboom, 1999, S. 793-805 und Walter et al., 2003, S. 159169). Auf die Frage, wie wichtig Vertrauen für klassische europäische Airlines ist, damit sie mit ihren europäischen Kunden und europäischen Lieferanten eine kooperative Ideengenerierung durchführen, wurde in der einschlägigen Literatur bislang jedoch noch keine Antwort gegeben. Weitere Rahmenbedingungen, die einen wichtigen Einfluss darauf haben können, ob es zu einer Innovationskooperation kommt, sind die Investitionen der Partner in beziehungsspezifische Assets, sind die Anreize der potenziellen Partner, Transparenz und Reziprozität anstatt „Free Riding“ zu erzeugen, sind die bisherigen Erfahrungen der Institutionen mit Innovationskooperationen, sind der fundamentale, der strategische und der kulturelle Fit zwischen den jeweiligen Parteien, sind die Verhaltens- und Umweltunsicherheiten, ist die ex-ante Ausgestaltung des Cost-Benefit-Sharings und sind die geeigneten politischen und rechtlichen Rahmenbedingungen (vgl. u. a. de Brentani, 2001, S. 174, 178; Ebers/ Gotsch, 2002, S. 228-230; Gerybadze, 2004, S. 195; Isermann/ Lieske, 1998, S. 415; Müller/ Herstatt, 1999, S. 7, 8, 1113; Pompl, 2002, S. 147, 161, 162; Strebel/ Hasler, 2003, S. 353 und Williamson, 1991, S. 281). Wie auch bei den absorptiven Fähigkeiten und dem Vertrauen drängt sich an dieser Stelle die Frage auf, wie wichtig diese Rahmenbedingungen für eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern sind. Da auch diese Frage in der einschlägigen Literatur noch nicht thematisiert wurde, lässt sich hinsichtlich der Rahmenbedingungen somit zusammenfassend die folgende erste Frage für weiterführende Forschung formulieren, die erneut in Kapitel 5 aufgegriffen werden wird: •

1. Frage für weiterführende Forschung: Wie wichtig sind gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden?

Auf die Frage, warum überhaupt allgemein Innovationskooperationen durchgeführt werden, wurde von einigen Autoren bereits eine Antwort gegeben. So stellen Verfasser von wissenschaftlichen Arbeiten zunächst heraus, dass das institutionelle Arrangement der Kooperation bei Innovationsaktivitäten immer stärker in den Fokus der Betrachtung rückt und im Vergleich zu den klassischen marktlichen oder hierarchischen Möglichkeiten von Vorteil sein kann (Borchert/ Goos/ Hagenhoff, 2004, S. 1 und Gerybadze, 2004, S. 191). Grundsätzlich weisen Strebel/ Hasler darauf hin, dass ein Akteur – bei unterstelltem rationalen Verhalten – nur dann eine Kooperation eingehen wird, wenn er davon ausgeht, durch die Kooperation für

107 sich eine Kombination von Zielbeiträgen zu erhalten, die er höher einschätzt als die, die er im Falle eines Alleingangs (hierarchisches institutionelles Arrangement) vermutlich realisieren würde (Strebel/ Hasler, 2003, S. 353). Diese grundsätzliche Aussage ist nach Auffassung des Autors der vorliegenden Arbeit ebenfalls auf den Vergleich zwischen Kooperation und dem marktlichen institutionellen Arrangement zu übertragen. Hat ein Unternehmen z. B. identifiziert, dass es Bedarf an einer speziellen innovativen Technologie hat, kann es das Spektrum der dafür notwendigen Leistungen am Markt hinzukaufen. Im Vergleich zum kooperativen institutionellen Arrangement steht dieser marktlichen Lösung vor allem bei Innovationsprojekten mit Schwerpunkten auf der Technologieentwicklung und -durchsetzung das Problem gegenüber, dass Märkte in der frühen Phase noch nicht angemessen entwickelt sind (Gerybadze, 2004, S. 191). Im Detail gibt es drei Hauptgründe, die für das Versagen von Märkten – insbesondere in der frühen Phase des Innovationsprozesses – verantwortlich sind: Erstens lassen sich intellektuelle Eigentumsrechte nicht ausreichend absichern, zweitens fehlt es an der kritischen Masse an Marktteilnehmern und drittens können Informationen, z. B. zu gehandelten Gütern, noch nicht explizit formuliert werden (Gerybadze, 2004, S. 191). Den Vergleich zwischen dem hierarchischen institutionellen Arrangement und der kooperativen Alternative für Innovationsaktivitäten wagen ebenfalls einige Autoren. Müller/ Herstatt weisen darauf hin, dass Unternehmen in einer Welt voller Unsicherheiten und Veränderungen agieren (Müller/ Herstatt, 1999, S. 1). So sehen sich Unternehmen u. a. mit stark ansteigenden Kosten für Produkt- und Prozessinnovationen konfrontiert, müssen mit fragmentierten und anspruchsvollen Märkten umgehen, haben in einigen Branchen verstärkt mit dem immer schneller werdenden technologischen Fortschritt zu kämpfen und sehen sich einer zunehmenden Internationalisierung ausgesetzt, die mit einem gesteigerten Wettbewerb einhergeht (Müller/ Herstatt, 1999, S. 1). Sie ziehen daraus die Schlussfolgerung, dass es für Unternehmen zusehends schwerer wird, z. B. hoch entwickelte Produkte alleine basierend auf eigenen Expertisen zu entwickeln (Müller/ Herstatt, 1999, S. 1). Einen Ausweg aus dieser misslichen Lage sehen sie in Innovationskooperationen: „Basically, innovation can be jointly developed with other companies, suppliers or even customers“ (Müller/ Herstatt, 1999, S. 1). Solch eine unternehmensübergreifende Zusammenarbeit bietet im Vergleich zur alleinigen Vorgehensweise der Unternehmen u. a. die Möglichkeit auf sinkende Aufwendungen bei gleichzeitig steigender oder zumindest gleich bleibender Innovationsfähigkeit (Borchert/ Goos/ Hagenhoff, 2004, S. 1). Auch ein fester Zusammenschluss mehrerer Unternehmen, der an dieser Stelle auch zum hierarchischen institutionellen Arrangement subsumiert wird und der zwar möglicherweise einigen der oben im Zusammenhang mit Innovationsaktivitäten aufgeführten Herausforderungen

108 entgegenwirken kann, weist im Vergleich zu Innovationskooperationen diverse Nachteile auf.34 So sind diese Zusammenschlüsse häufig zu zeitaufwendig und zu starr und weisen im Vergleich zu Kooperationen eine geringere Flexibilität bezüglich des Einsatzes von finanziellen und personellen Ressourcen auf (Gerybadze, 2004, S. 191 und Müller/ Herstatt, 1999, S. 5). Hinzu kommt, dass beispielsweise eine Fusion zwar bewirken könnte, dass ein innovierendes Unternehmen Zugang zu bisher fehlenden Ressourcen bekommt. Allerdings sind Fusionen oft kein gangbarer Weg, da – neben einer Vielzahl von weiteren Gründen – damit auch einhergehen würde, dass andere Ressourcen und Geschäftsbereiche mit dem ursprünglichen Unternehmen zusammenzubringen sind, bei denen es zu erheblichen Konflikten kommen kann (Gerybadze, 2004, S. 191). Am Ende dieses Abschnitts soll – wie erwähnt – noch auf den zweiten Teil der zweiten Kernfrage der Kontingenzanalyse von Innovationskooperationen eingegangen werden. Aus den beschriebenen Schwachstellen bzw. Problemen, die bei den institutionellen Arrangements Markt und Hierarchie im Zusammenhang mit Innovationsaktivitäten auftreten können und aus den möglichen Vorteilen, die in einer kooperativen Organisationsform gesehen werden, kann nun explizit auf die Motive geschlossen werden, die Institutionen mit Innovationskooperationen verfolgen. So nennt z. B. Hauschildt potenzielle Motive. Ein erstes Motiv sieht er im Ausgleich von Defiziten hinsichtlich der unternehmensinternen Ressourcen und Potenziale (Hauschildt, 2004, S. 247). Insofern diese fehlenden Ressourcen und Potenziale beispielsweise über den Markt beschafft werden können, wird das Motiv des Ausgleichs von Defiziten durch ein Kostenmotiv ersetzt (Hauschildt, 2004, S. 247). Dies ist dann der Fall, wenn die Kosten der Potenzial- bzw. Ressourcenbeschaffung über den Markt höher wären als die Kosten bzw. Opportunitätskosten bei einer Innovationskooperation (Hauschildt, 2004, S. 247). Ein weiteres Motiv dafür, warum Institutionen Innovationskooperationen eingehen, wird aus ressourcenorientierter Sicht in der Risikoteilung gesehen, da Kooperationen dort essenziell sind, wo ein Partner nicht dazu fähig ist, einen Fehlschlag der Innovation wirtschaftlich zu überleben (Hauschildt, 2004, S. 247, 248).35 Es ist jedoch darauf hinzuweisen, dass in der einschlägigen Literatur noch nicht untersucht wurde, warum klassische europäische Airlines ihre vertikalen europäischen Supply Chain Partner mit in ihre Innovationsaktivitäten einbeziehen. Aus diesem Grund lautet die zweite Frage für weiterführende Forschung, die ebenfalls erneut in Kapitel 5 aufgegriffen werden wird, wie folgt:

34

35

Zur Thematik, dass z. B. auch Fusionen und Akquisitionen zum hierarchischen institutionellen Arrangement zu zählen sind, vgl. Höfer, 1997, S. 8. Weitere Motive finden sich u. a. bei Hauschildt, 2004, S. 268-270; Strebel, 2003, S. 67 und Wissema/ Euser, 1991, S. 35. Für mögliche Nachteile und Risiken von Kooperationen vgl. u. a. Müller/ Herstatt, 1999, S. 6, 7.

109 •

2. Frage für weiterführende Forschung: Warum beziehen klassische europäische Airlines ihre europäischen Kunden und ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten ein?

3.3 Zwischenergebnis: Kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern Bevor in den folgenden Kapiteln die bisher erarbeiteten Erkenntnisse und Ergebnisse verwendet werden, um u. a. Hypothesen abzuleiten und statistische Analysen durchzuführen, werden in diesem Abschnitt in aller Kürze einige der bisherigen Resultate zusammengefasst. Das zweite Kapitel befasste sich mit dem ersten Forschungsschwerpunkt der vorliegenden Arbeit, nämlich der Supply Chain der europäischen Aviation-Industrie. Hinsichtlich der Grundlagen des Konzepts der Supply Chain wurde erstens festgehalten, dass die institutionelle Ebene der Supply Chain von der prozess- und ressourcenorientierten Ebene der Supply Chain zu unterscheiden ist. Zweitens wurde erarbeitet, dass die Supply Chain als Netzwerk aufzufassen ist. Abgeleitet wurde daraus eine Definition für den Begriff der Supply Chain, die der weiteren Untersuchung zu Grunde gelegt wurde. Darüber hinaus wurde durch die Einschränkung der weiteren Betrachtung auf die institutionelle Ebene der Supply Chain die erste Fokussierung vorgenommen. Außerdem wurden im zweiten Kapitel sowohl der geschichtliche Hintergrund als auch die heutigen Eigenschaften der Aviation-Industrie erläutert. Damit wurde ein grundlegendes Verständnis für diese Branche geschaffen. Wie zu sehen sein wird, ist dieses Verständnis nicht nur für den bisherigen Teil der Dissertation, sondern auch für die weitere Diskussion von erheblicher Bedeutung. Hierbei wurde ebenfalls eine weitere Fokussierung vorgenommen, indem die klassischen Airlines – als eine Gruppe von Institutionen der Aviation-Industrie – in den Mittelpunkt der Betrachtung gerückt wurden. Hinzu wurde im zweiten Kapitel der Übergang von der allgemeinen Beschreibung der Aviation-Industrie auf die spezielle Betrachtung der europäischen Aviation-Industrie vorgenommen. Zu diesem Zweck wurde die europäische Aviation-Industrie in die maßgeblichen Triebkräfte des Wettbewerbs unterteilt. Auf Basis dessen wurden wiederum die wesentlichen Stufen der Supply Chain der europäischen Aviation-Industrie herausgearbeitet und charakterisiert und somit die besagte Industrie grundlegend strukturiert. Als weiteres Ergebnis des Kapitels kann verzeichnet werden, dass pro Stufe der Supply Chain der europäischen Aviation-Industrie die Key Player bzw. wichtige Institutionen identifiziert wurden. Hierdurch konnte sukzessive eine Antwort auf die in Abschnitt 1.2 formulierte erste Strukturierungsfrage gegeben werden. Als weitere Ergebnisse können zusätzlich erneut zwei in diesem Kontext vorgenommene Fokussierungen festgehalten werden. Erstens wurde die zuvor durchgeführte Konzentration der Betrachtung auf klassische Airlines präzisiert, indem der Begriff der Airlines weiter differenziert wurde, und schlussendlich für die vorliegende Arbeit die so genannten klassischen europäi-

110 schen Airlines als fokale Institutionen festgelegt wurden. Zweitens wurde eine weitere Fokussierung dahingehend vorgenommen, dass für die vorliegende Untersuchung als primäre Interaktionspartner dieser fokalen Institutionen deren europäische Kunden und europäische Lieferanten (vertikale europäische Supply Chain Partner) herausgestellt wurden. Das nächste Resultat des zweiten Kapitels wird in der modellhaften Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie gesehen, in der die klassischen europäischen Airlines die fokale Stufe einnehmen. Da gerade die mit der institutionellen Ebene einhergehenden informatorischen Beziehungen für den zweiten Forschungsschwerpunkt der vorliegenden Arbeit von erheblicher Bedeutung sind, wird in dieser modellhaften Darstellung einerseits die theoretische Abrundung des ersten Forschungsschwerpunktes und andererseits der Beginn des zweiten Forschungsschwerpunktes gesehen. Darüber hinaus kann dieses Modell dazu verwendet werden, ein Verständnis davon zu erhalten, über welche Typen von europäischen Kunden und Lieferanten klassische europäische Airlines verfügen und somit von welchen Institutionen und von welchem Beziehungsgefüge in der weiteren Untersuchung die Rede sein wird. Zusammenfassend wurde mit dieser modellhaften Darstellung der in Abschnitt 1.2 genannten zweiten Strukturierungsfrage Rechnung getragen. Entsprechend befasste sich das daran anschließende dritte Kapitel zunächst mit dem zweiten Forschungsschwerpunkt, nämlich dem der Innovationskooperationen. Im Kontext der Einführung der begrifflichen Grundlagen der Innovationsforschung wurde u. a. definiert, was in der vorliegenden Arbeit unter den Termini der Innovation und des Innovationsmanagements zu verstehen ist und herausgestellt, dass sich Innovationen bezüglich des Innovationsobjektes und des Innovationsgrades unterscheiden lassen. Hinzu konnten notwendige Abgrenzungen zu häufig synonym verwendeten Begriffen vorgenommen werden und das Phasenmodell für Innovationsprozesse von Thom wurde der weiteren Untersuchung zu Grunde gelegt. Hierbei wurde dahingehend eine entscheidende Fokussierung vorgenommen, indem sich die weitere Arbeit primär mit der ersten Hauptphase dieses Modells, namentlich der Ideengenerierung, befassen wird. Darauf aufbauend wurde – ebenfalls im dritten Kapitel – der Terminus der Innovationskooperation definiert. Ferner kann festgehalten werden, dass zur vertiefenden Analyse von Innovationskooperationen ein struktureller Rahmen, der zwischen der Existenzanalyse, der Erfolgsanalyse und der Kontingenzanalyse unterscheidet, eingeführt wurde. Bezüglich der Erfolgsanalyse wurden ergänzend die begrifflichen Grundlagen geklärt, da diese für die weitere Untersuchung von essenziellem Charakter sind. Durch die inhaltliche Vereinigung der beiden Forschungsschwerpunkte innerhalb der Abschnitte zu der Existenz-, der Erfolgs- und der Kontingenzanalyse wurden außerdem Forschungslücken identifiziert. Hinsichtlich dieser Forschungslücken wurde in den Abschnitten zur Existenz- und Erfolgsanalyse jeweils eine Forschungsfrage gestellt und im Abschnitt zur Kontingenzanalyse wurden zwei Fragen für weiterführende Forschung formuliert. Alle diese Fragen sollen – mit unterschiedlicher Tiefe –

111 entsprechend in den Kapiteln 5 und 6 beantwortet werden. Dabei ist zu betonen, dass speziell die beiden Forschungsfragen für die weitere Arbeit von herausragender Bedeutung sein werden, da sie den allgemeinen Schwerpunkt der weiteren Untersuchung repräsentieren. Dies wird u. a. dadurch deutlich, dass sie – im Gegensatz zu den Fragen für weiterführende Forschung – bereits im folgenden Kapitel eingehend thematisiert werden, da dort zu diesen zwei Forschungsfragen Hypothesen abgeleitet werden und darüber hinaus für die zweite Forschungsfrage zwei theoretische Modell aufgestellt werden. Somit bleibt an dieser Stelle noch abschließend festzuhalten, dass beide Forschungsschwerpunkte der vorliegenden Dissertation in der Ausprägung der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern inhaltlich zusammengeführt wurden und sich die weitere Untersuchung daher primär mit diesem Sachverhalt auseinandersetzen wird.

112

4

Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie

Wie im vorherigen Kapitel erwähnt, stehen die beiden erarbeiteten Forschungsfragen im Mittelpunkt des nun folgenden Kapitels. Gemäß der im dritten Kapitel eingeführten begrifflichen und inhaltlichen Systematik und Einordnung der beiden Forschungsfragen wird die erste Forschungsfrage in Abschnitt 4.1 und die zweite Forschungsfrage in Abschnitt 4.2 thematisiert. Bevor in Abschnitt 4.1 zur ersten Forschungsfrage korrespondierende Hypothesen abgeleitet werden, erfolgt jeweils eine Erläuterung, welche Indikatoren den mit dieser Forschungsfrage einhergehenden Konstrukten zugeordnet werden (Schnell/ Hill/ Esser, 2005, S. 11). Diese vorangestellten Einführungen der entsprechenden Indikatoren dienen dem besseren Verständnis der im Mittelpunkt stehenden Hypothesen. In ähnlicher Weise erfolgt in Abschnitt 4.2 zunächst die Zuordnung der Indikatoren zu den Konstrukten, die mit der zweiten Forschungsfrage in Verbindung stehen. Abschnitt 4.2 schließt mit der darauf aufbauenden Ableitung von Hypothesen für die zweite Forschungsfrage und den aus diesen Hypothesen resultierenden zusammenfassenden theoretischen Forschungsmodellen für diese Forschungsfrage. 4.1 Konstrukte, Indikatoren und Hypothesen zur Existenzanalyse In Abschnitt 3.2.2 wurde im Kontext der Existenzanalyse von Innovationskooperationen die folgende erste Forschungsfrage für die vorliegende Arbeit herausgestellt: •

1. Forschungsfrage: Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet?

Ebenfalls wurde dabei darauf hingewiesen, dass diese Frage klären möchte, welchen Innovationsgrad die durch eine kooperative Zusammenarbeit resultierende Innovation schlussendlich haben soll und hinsichtlich welches Innovationsobjektes die Kooperation stattfindet. Die mit den im vorherigen Satz genannten Begriffen „Innovationsgrad“ und „Innovationsobjekt“ einhergehenden theoretischen Zusammenhänge sollen in dieser Schrift als Konstrukte bzw. latente Variablen angesehen werden. Konstrukte zeichnen sich dadurch aus, dass sie nicht direkt messbar sind und nur mittels Indikatorvariablen beschrieben werden können (Ringle, 2005, S. 311). Mittels der Indikatoren werden den Konstrukten somit beobachtbare Sachverhalte zugeordnet, die erst die Messung der theoretischen Zusammenhänge ermöglichen (Schnell/ Hill/ Esser, 2005, S. 11). Nachdem in den Abschnitten 4.1.1 und 4.1.3 diese beiden Konstrukte auf Basis der ihnen theoretisch und sachlogisch zugeordneten Indikatoren erklärt sind, folgen in den jeweils darauf folgenden Abschnitten 4.1.2 und 4.1.4 die entsprechenden Hypothesen, die es im fünften Kapitel empirisch zu untersuchen gilt.

113 4.1.1 Indikatoren zum Innovationsgrad In diesem Abschnitt soll auf den in den Abschnitten 3.1.1 und 3.2.2 erarbeiteten Erkenntnissen aufgebaut werden. Der theoretische Zusammenhang, der an dieser Stelle zu thematisieren ist, wurde oben allerdings noch recht allgemein mit der Frage umschrieben, welchen Innovationsgrad die durch eine kooperative Zusammenarbeit resultierende Innovation schlussendlich haben soll. Speziell für die Thematik der vorliegenden Arbeit ist diese Frage nun zu spezifizieren. Es soll untersucht werden, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht. Da es sich bei dem hier zu thematisierenden theoretischen Zusammenhang um einen sehr speziellen handelt, konnten vom Autor keine geeigneten – bereits von anderen Wissenschaftlern erfolgreich verwendeten – Indikatoren identifiziert werden. In Anlehnung an andere wissenschaftliche Arbeiten wählte der Verfasser zur Erarbeitung adäquater Indikatoren eine zweistufige Vorgehensweise (vgl. z. B. Mellewigt, 2003, S. 172-175 und Ritter, 1998, S. 122). Wie in diesem Abschnitt zu sehen sein wird, wurde erstens unter Verwendung theoretischer Literatur eine Reihe möglicher sachlogischer Indikatoren herausgearbeitet. Diese potenziellen Indikatoren ermöglichen es – aus theoretischer Sicht – die oben formulierte Frage hinsichtlich des Innovationsgrades zu beantworten. Nachdem zu Beginn des sich anschließenden fünften Kapitels die Forschungsmethodologie beschrieben sein wird, wird in Abschnitt 5.2.1.1 zweitens erneut auf diese hier theoretisch erarbeiteten potenziellen Indikatoren Bezug genommen, indem sie mittels statistischer Analysen auf ihre Reliabilität und Validität hin evaluiert werden. Diese dort durchzuführenden statistischen Analysen ermöglichen somit dann die finale Aussage, mit welchen Indikatoren in Abschnitt 5.2.1.2 untersucht werden kann, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht. So wurden zunächst die in Abschnitt 3.1.1 erarbeiteten Differenzierungen zwischen radikalen und inkrementalen Innovationen aufgegriffen und in mögliche adäquate Indikatoren umgewandelt. Aus Abbildung 15 ergeben sich somit die folgenden neun theoretischen Indikatoren: (1) Basistechnologien, die sich auf den heutigen Markt beschränken, (2) Basistechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen, (3) Basistechnologien, die sich auf einen ganz neuen Markt beziehen, (4) Schlüsseltechnologien, die sich auf den heutigen Markt beschränken, (5) Schlüsseltechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen, (6) Schlüsseltechnologien, die sich auf einen ganz neuen Markt beziehen, (7) Schrittmachertechnologien, die sich auf den heutigen Markt beschränken, (8) Schrittmachertechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen und (9) Schrittmachertechnologien, die sich auf einen ganz neuen Markt beziehen (Kroy, 1995, S. 59).

114 Weitere mögliche Indikatoren, die zur Messung des oben genannten theoretischen Zusammenhangs verwendet werden könnten, lassen sich auf weitere fachspezifische Literatur zurückführen, die sowohl radikale als auch inkrementale Innovationen definieren bzw. beschreiben. Hieraus ergeben sich zusätzlich sechs weitere theoretische Indikatoren: (10) bahnbrechende Technologien, Kundenbedürfnisse, Trends bzw. Entwicklungen, (11) neue Standards, (12) sprunghafte Technologien, Kundenbedürfnisse, Trends bzw. Entwicklungen, (13) wegbereitende Technologien, Kundenbedürfnisse, Trends bzw. Entwicklungen, (14) mittlere technologische Veränderungen, Kundenbedürfnisse, Trends bzw. Entwicklungen und (15) kleinere technologische Veränderungen, Kundenbedürfnisse, Trends bzw. Entwicklungen (de Brentani, 2001, S. 169-187; Green/ Gavin/ Aiman-Smith, 1995, S. 205 und Zhao, 2005, S. 27). Das Ergebnis der Literaturanalyse ergibt somit insgesamt 15 potenzielle Indikatoren, die vom Autor auf zwei Fragenkomplexe – potenzielle Indikatoren (1) bis (9) und potenzielle Indikatoren (10) bis (15) – aufgeteilt wurden, mit denen theoretisch untersucht werden könnte, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht.36 Pro Fragenkomplex wurde infolgedessen das gesamte Kontinuum von inkrementalen Innovationen bis hin zu radikalen Innovationen theoretisch beschrieben. 4.1.2 Hypothese zum Innovationsgrad Die Rolle, die der angestrebte Innovationsgrad im Kontext von Innovationskooperationen einnimmt, ist noch weitestgehend unerforscht (Müller/ Herstatt, 1999, S. 15, 16). Bisherige Studien, die sich mit zwischenbetrieblichen Kooperationen befassen, unterscheiden in den meisten Fällen nicht zwischen radikalen und inkrementalen Innovationen (Müller/ Herstatt, 1999, S. 15, 16). Ziel dieses Abschnittes ist es daher, an dieser bisherigen Forschungslücke anzusetzen und eine Hypothese dahingehend abzuleiten, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht. Zu diesem Zweck wird an dieser Stelle speziell auf die in Abschnitt 3.1 geschaffenen theoretischen Grundlagen der Innovationsforschung Bezug genommen. Insbesondere in Abschnitt 3.1.1 wurde nicht nur eingehend der Innovationsgrad thematisiert. Darüber hinaus wurde u. a. ebenfalls der Begriff der Innovation von dem der Invention abgegrenzt. Hierbei wurde festgehalten, dass der Verkauf oder die Nutzung einer Idee, die bei einer Invention noch nicht gegeben ist, diese von einer Innovation unterscheidet (Hauschildt, 2004, S. 7 und Perl, 2003, S. 19). In Abschnitt 3.1.3 wurde überdies dargelegt bzw. expliziert, dass bzw. warum sich der Autor insbesondere auf die Phase der Ideengenerierung fokussiert und dass das Ziel dieser ersten Hauptphase des Innovationsprozesses darin besteht, möglichst viele und qualitativ 36

Für die Erklärungen, wie die Probanden exakt nach diesen Indikatoren gefragt wurden, vgl. Abschnitt 5.1.2.

115 hochwertige Ideen zu produzieren und vorzuschlagen (Nebe, 2000, S. 6 und Thom/ Etienne, 2000, S. 274). Die Tatsache, dass radikale Innovationen im Vergleich zu inkrementalen Innovationen i. d. R. ein höheres wirtschaftliches Risiko mit sich bringen, könnte die nahe liegende Vermutung zulassen, dass klassische europäische Airlines zwecks Risikoteilung mit ihren vertikalen europäischen Supply Chain Partnern insbesondere bei der Ideengenerierung für radikale Innovationen kooperativ zusammenarbeiten (Pleschak/ Sabisch, 1996, S. 3). Diese nahe liegende Vermutung berücksichtigt allerdings nicht das oben beschriebene Ziel der Ideengenerierung und die definitorischen Grundlagen. Demnach findet in der Phase der Ideengenerierung – beginnend mit der Suchfeldbestimmung – ein so grundlegender Prozess statt, bei dem noch nicht mit planbarer Sicherheit bestimmt werden kann bzw. abzusehen ist, ob aus der Idee schlussendlich eine radikale oder eine inkrementale Innovation hervorgeht. Allenfalls kann vermutet werden, dass dieser Gedanke nach dem Innovationsgrad mit dem Voranschreiten von der Subphase der Suchfeldbestimmung über die Subphase der Ideenfindung bis hin zur letzten Subphase der Ideengenerierung, nämlich des Ideenvorschlags, an Relevanz gewinnt. Bei der übergeordneten Betrachtung der gesamten Hauptphase der Ideengenerierung als einen ganzheitlichen Abschnitt des Phasenmodells für Innovationsprozesse spielt allerdings nach Meinung des Autors aus besagten Gründen der mögliche final erreichbare Innovationsgrad insgesamt – wenn überhaupt – nur eine untergeordnete Rolle. Auf diesem Argumentationsstrang basierend stellt der Verfasser für diesen hier diskutierten theoretischen Zusammenhang die folgende Hypothese auf: •

1. Hypothese: Der angestrebte Innovationsgrad hat für klassische europäische Airlines keinen Einfluss darauf, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht.

Diese erste Hypothese wird erneut in Abschnitt 5.2.1.2 aufgegriffen, indem sie dort empirisch untersucht wird. 4.1.3 Indikatoren zum Innovationsobjekt Dieser Absatz baut ebenfalls auf den in den Abschnitten 3.1.1 und 3.2.2 erarbeiteten Erkenntnissen auf. Der in diesem Abschnitt zu thematisierende Sachverhalt wurde zu Beginn von Abschnitt 4.1 noch recht allgemein mit der Frage umschrieben, hinsichtlich welches Innovationsobjektes die Kooperation stattfindet. Ebenso wie in Abschnitt 4.1.1 soll nun auch an dieser Stelle diese Frage für die Thematik der vorliegenden Arbeit spezifiziert werden. Es soll die Frage untersucht werden, ob klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen bzw. Prozessinnovationen einen Unterschied zwischen der kooperativen Einbeziehung ihrer europäischen Kunden und ihrer europäischen Lieferanten machen. Mit anderen Worten sollen die Teilfragen beantwortet werden, ob für klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen respektive Prozessinnovationen die kooperative Zusammenarbeit mit

116 ihren europäischen Kunden oder die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger ist. Abbildung 19 verdeutlicht diese Fragestellung nochmals visuell: Innovative Ideen zur Erlangung von Produktinnovationen

Kooperative Einbeziehung von Kunden wichtiger als kooperative Einbeziehung von Lieferanten

Kooperative Einbeziehung von Lieferanten wichtiger als kooperative Einbeziehung von Kunden

Innovative Ideen zur Erlangung von Prozessinnovationen

Kooperative Einbeziehung von Kunden wichtiger als kooperative Einbeziehung von Lieferanten

Kooperative Einbeziehung von Lieferanten wichtiger als kooperative Einbeziehung von Kunden

Abbildung 19: Visuelle Darstellung der Fragestellung zur zweiten und dritten Hypothese (Quelle: Eigene Darstellung)

Auch zur Erarbeitung adäquater Indikatoren für den an dieser Stelle zu thematisierenden theoretischen Zusammenhang wird die in Abschnitt 4.1.1 explizierte zweistufige Vorgehensweise verwendet. Unter Einbeziehung fachspezifischer Literatur werden in diesem Abschnitt mögliche sachlogische Indikatoren abgeleitet, die nach Auffassung des Autors aus theoretischer Sicht sehr gut dazu geeignet sind, die oben formulierte Frage hinsichtlich des Innovationsobjektes zu beantworten. Diese potenziellen Indikatoren werden entsprechend in Abschnitt 5.2.2.1 erneut aufgegriffen, um sie auf ihre Reliabilität und Validität hin zu evaluieren. Diese dabei durchzuführenden statistischen Tests ermöglichen die finale Aussage, mit welchen Indikatoren in Abschnitt 5.2.2.2 die oben genannte Frage zum Innovationsobjekt untersucht werden kann. Wie bereits in Abschnitt 3.1.1 erläutert, werden in der vorliegenden Arbeit hinsichtlich des Innovationsobjektes Produktinnovationen und Prozessinnovationen voneinander unterschieden. In diesem Sinne wurden – wie auch bei den Indikatoren zum Innovationsgrad – zwei Fragenkomplexe erarbeitet, mit denen theoriegestützt der oben genannte theoretische Zusammenhang gemäß des Innovationsobjektes untersucht werden kann. Die sechs potenziellen Indikatoren des ersten Fragenkomplexes beschreiben Möglichkeiten, bei denen die klassischen europäischen Airlines kooperativ mit ihren vertikalen europäischen Supply Chain Partnern hinsichtlich der Ideengenerierung zur Erlangung von Produktinnovationen zusammenarbeiten können. Die acht potenziellen Indikatoren des zweiten Fragenkomplexes beschreiben vergleichbar Möglichkeiten, bei denen die klassischen europäischen Airlines kooperativ mit ih-

117 ren vertikalen europäischen Supply Chain Partnern hinsichtlich der Ideengenerierung zur Erlangung von Prozessinnovationen zusammenarbeiten können.37 Die Indikatoren des ersten Fragenkomplexes lauten wie folgt: (1) Informationen bezüglich der Grenzen der Anwendbarkeit von Produkten, (2) Erfahrungsberichte zu Produkten, (3) Informationen bezüglich Problemfeldern von Produkten, (4) Verbesserungsmöglichkeiten zu Produkten, (5) Ideen für neue Produkte und (6) Informationen zur Sensibilisierung für neue Produkte (Gemünden, 2001, S. 120 und von Hippel, 1986, S. 791-797). Die acht Indikatoren, die vom Autor dem zweiten Fragenkomplex zugeordnet wurden, lauten wie folgt: (7) Informationen bezüglich Verbesserungen für Produktionsverfahren, (8) Informationen bezüglich der Grenzen der Anwendbarkeit von Prozessen, (9) Erfahrungsberichte zu Prozessen, (10) Informationen bezüglich Problemfeldern von Prozessen, (11) Verbesserungsmöglichkeiten zu Prozessen, (12) Ideen für neue Prozesse, (13) Informationen zur Sensibilisierung für neue Prozesse und (14) Ideen für neue Technologien (Gemünden, 2001, S. 120 und von Hippel, 1986, S. 791-797). 4.1.4 Hypothesen zum Innovationsobjekt vor dem Hintergrund des Relational Views Zur Ableitung der Hypothesen für den oben beschriebenen Zusammenhang im Kontext des Innovationsobjektes wird als theoretischer Rahmen der Relational View von Dyer/ Singh zu Grunde gelegt (Dyer/ Singh, 1998, S. 660-679). Aufgrund der großen Relevanz, die der Verfasser dem Relational View für die Dissertation beimisst, wird in diesem Abschnitt zunächst dessen allgemeine Bedeutsamkeit begründet. Hierbei findet eine kurze Abgrenzung zu zwei anderen Ansätzen des strategischen Managements, nämlich dem des Market-Based Views und dem des Resource-Based Views statt. Außerdem wird im Zuge dessen expliziert, weshalb sich diese beiden letztgenannten Ansätze nicht – oder nur sehr eingeschränkt – dazu eignen, den in dieser Arbeit zu thematisierenden Sachverhalt theoriegeleitet zu erklären. Nachdem diese fundamentalen Abgrenzungen durchgeführt sind, werden die Grundlagen des Relational Views in diesem Abschnitt etwas eingehender dargestellt. Die hierbei erarbeiteten Erkenntnisse dienen nicht nur zur Ableitung von Hypothesen für die formulierte Frage im Kontext des Innovationsobjektes. Vielmehr ist die detaillierte Darstellung des Relational Views von Nöten, da darüber hinaus in Abschnitt 4.2 auf diesen Ansatz zurückgegriffen werden wird, um dort die Hypothesen zur Erfolgsanalyse abzuleiten. Noch vor gut einem Jahrzehnt wurde die Leistungsfähigkeit eines Unternehmens prinzipiell entweder auf Basis der strukturellen Charakteristika der Branche erklärt, zu der das Unternehmen zu zählen ist, oder die Performance wurde mittels der Ressourcenausstattung des Unternehmens begründet (Contractor/ Kim/ Beldona, 2002, S. 493). So argumentiert der Market-

37

Für die Erklärungen, wie die Probanden exakt nach diesen Indikatoren gefragt wurden, vgl. Abschnitt 5.1.2.

118 Based View, als dessen Entwickler häufig Porter zitiert wird, dass „supernormal returns are primarily a function of a firm’s membership in an industry with favorable structural characteristics (e. g., relative bargaining power, barriers to entry, and so on)” (Dyer/ Singh, 1998, S. 660).38 Diesem Ansatz entsprechend sollten Unternehmen danach bestrebt sein, beispielsweise die Anzahl ihrer Lieferanten zu steigern, um dadurch einerseits ihre eigene Verhandlungsmacht und andererseits ihren Gewinn zu steigern (Dyer/ Singh, 1998, S. 675). Dieser Ansatz widerspricht allerdings von Grund auf dem Gedanke einer Innovationskooperation im Allgemeinen oder dem einer kooperativen Ideengenerierung im Speziellen. Bei dem soeben verwendeten Beispiel bleibend sollte es – wie mit dem Relational View erklärbar – bei den kooperativen Aktivitäten vielmehr zwar ein Ziel sein, den Gewinn zu steigern, allerdings sollte das Unternehmen dabei die Anzahl seiner Lieferanten reduzieren und die Abhängigkeit zu wenigen Lieferanten erhöhen (Dyer/ Singh, 1998, S. 675). So kann es nämlich etwa zu einem größeren Anreiz für die Lieferanten kommen, ihr Wissen mit besagtem Unternehmen zu teilen und womöglich sogar in die weitere Zusammenarbeit zu investieren (Dyer/ Singh, 1998, S. 675).39 Dieses exemplarisch aufgeführte Beispiel, das den Grundgedanken des Market-Based Views widerspiegelt, verdeutlicht bereits sehr schön, dass dieser Ansatz nicht zur Erklärung des in der vorliegenden Schrift zu thematisierten Sachverhalts geeignet ist. Der Resource-Based View, der in seiner heutigen Erscheinungsform primär auf Barney zurückzuführen ist, argumentiert, dass „individual firms generate supernormal returns based upon resources, assets, and capabilities that are housed within the firm” (Dyer/ Singh, 1998, S. 675).40 Gemäß des Resource-Based Views sollte ein individuelles Unternehmen z. B. versuchen, sein Know-how möglichst für sich zu behalten anstatt es mit anderen Institutionen zu teilen, um so mögliche Spillover-Effekte zu vermeiden, die wiederum bestehende Wettbewerbsvorteile zunichte machen könnten (Dyer/ Singh, 1998, S. 675). Im Sinne einer kooperativen Zusammenarbeit zwischen mehreren Institutionen sollte das Unternehmen – wie mit dem Relational View erklärbar – jedoch danach bestrebt sein, sein Wissen systematisch mit seinen Partnern zu teilen – auch wenn dies Spillover-Effekte zur Folge hat – um somit im Umkehrschluss auch an das Wissen der anderen Partner zu gelangen (Dyer/ Singh, 1998, S. 675). Da Innovationskooperationen bzw. kooperative Ideengenerierungen darauf abzielen, möglichst viel Wissen zwischen den Partnern auszutauschen, erscheint bereits auf Grundlage dieses eben gezeigten Beispiels somit ebenfalls der Resource-Based View nicht zur Erklärung des in der vorliegenden Schrift zu thematisierten Sachverhalts geeignet.41 38 39

40 41

Für den Market-Based View vgl. auch Porter, 1980; Porter, 1981, S. 609-620 und Porter, 1998. Unter dem Terminus des Wissens wird hierbei übergeordnet sowohl der Begriff „Information“ als auch der Begriff „Know-how“ subsumiert. Zur Abgrenzung sei auf Dyer/ Singh, 1998, S. 665 verwiesen. Für den Resource-Based View vgl. auch Barney, 1991, S. 99-120 und Prahalad/ Hamel, 1990, S. 81-85. Weitere Einschränkungen des Resource-Based View für zwischenbetriebliche Kooperationen sind bei Duschek, 2004, S. 58-61 zusammengestellt.

119 Dimensionen Untersuchungsobjekt

• Branche

Market-Based View

Primäre Quelle zur Erlangung von Wettbewerbsvorteilen

• Relative Verhandlungsmacht • Kollusion

Mechanismen, die die Wettbewerbsvorteile erhalten

• Branchenbarrieren zum Markteintritt: - Staatliche Regulierungen - Produktionsvorteile/ Sunk Costs

Resource-Based View

Relational View

• Institution

• Dyade oder Netzwerk von Institutionen • Knappe physische • Investitionen in bezieRessourcen (z. B. Land, hungsspezifische Assets Rohmaterialien) • Zwischenbetriebliche • Humanressource/ Routine bzgl. Know-how (z. B. Wissensaustausch Managementtalent) • Effektive Steuerung • Technologische • Komplementäre Ressourcen (z. B. Ressourcenausstattung Prozesstechnologie) • Finanzielle Ressourcen • Immaterielle Ressourcen (z. B. Reputation) • Barrieren auf • Barrieren auf Dyade-/ Institutionsebene gegen Netzwerkebene gegen Imitation: Imitation: - Ressourcenknappheit/ - Kausale Ambiguität Verfügungsrechte - Unumgehbare zeitauf- Kausale Ambiguität wändige Prozesse - Unumgehbare zeitauf- Interinstitutionale wändige Prozesse Vernetzung des - Vernetzung des Asset-Stocks Asset-Stocks - Knappheit der Partner - Unteilbarkeit der Ressourcen - Institutionelles Umfeld • Einzelne Institution • Gemeinschaftlich (Geschäftspartner)

Eigentümer/ Kontrolle • Gemeinschaftlich von Prozessen/ (mit Wettbewerbern) Ressourcen, die Wettbewerbsvorteile generieren Tabelle 16: Vergleich zwischen Market-Based View, Resource-Based View und Relational View (Quelle: In Anlehnung an Dyer/ Singh, 1998, S. 674)

Zusammenfassend kann an dieser Stelle festgehalten werden, dass sowohl der Market-Based View als auch der Resource-Based View über den überaus wichtigen Aspekt hinwegsehen, dass die Vor- und Nachteile einer einzelnen Institution häufig mit den Vor- und Nachteilen des Netzwerks von Beziehungen verknüpft sind, in das die Institution eingebettet ist (Dyer/ Singh, 1998, S. 660). An dieser Stelle setzt der Relational View an, indem er sich explizit mit zwischenbetrieblichen Beziehungen in der Form von Netzwerken oder Dyaden befasst und untersucht, wie gerade aus dieser Zusammenarbeit Wettbewerbsvorteile erzielt werden können. Wie im Folgenden zu sehen sein wird, eignet sich dieser Ansatz sehr gut, um den in der vorliegenden Arbeit thematisierten Sachverhalt zu erklären. Vor der etwas ausführlicheren Erläuterung des Relational Views sei hier noch auf Tabelle 16 verwiesen, die einen direkten Vergleich zwischen dem Market-Based View, dem Resource-Based View und dem Relational View ermöglicht. Befürworter des Relational Views betonen, dass sich die kritischen Ressourcen einer Institution über die eigentlichen Institutionsgrenzen hinweg erstrecken können (Corsten/ Kumar, 2005, S. 81; Duschek, 2004, S. 61 und Dyer/ Singh, 1998, S. 660). Dies indiziert, dass Institu-

120 tionen, die ihre Ressourcen gemeinschaftlich nutzen und somit kooperativ zusammenarbeiten, Wettbewerbsvorteile gegenüber anderen Institutionen realisieren können, die entweder nicht in der Lage sind oder aber nicht gewillt sind, dies ihrerseits zu tun. In diesem Sinne können idiosynkratische zwischenbetriebliche Verknüpfungen eine Quelle für so genannte „Relational Rents“ und Wettbewerbsvorteile sein (Dyer/ Singh, 1998, S. 661). Diese von dem Relational View bezeichneten Wettbewerbsvorteile, die auch „Relational Competitive Advantages“ genannt werden, sind definiert als „[…] above normal profits or interorganisational quasi rents which are fundamentally generated in inter-firm relations“ (Duschek, 2004, S. 62). Dementsprechend können diese nicht von einer einzelnen Institution alleine generiert werden, sondern nur durch den gemeinschaftlichen, idiosynkratischen Beitrag der jeweiligen Kooperationspartner (Duschek, 2004, S. 62 und Dyer/ Singh, 1998, S. 662). Dyer/ Singh schreiben in diesem Kontext zusammenfassend: „This analysis suggests that a firm’s critical resources may span firm boundaries and may be embedded in interfirm routines and processes“ (Dyer/ Singh, 1998, S. 661). Diese Darstellung des gedanklichen Hintergrundes des Relational Views und die Tatsache, dass auch Dyer/ Singh zur Veranschaulichung des von ihnen entwickelten theoretischen Ansatzes Beispiele aus der Innovationsforschung anführen, bei denen die große Relevanz der Zusammenarbeit mit Kunden und Lieferanten betont wird, verdeutlichen die sehr gute Anwendbarkeit des Relational Views auf die Thematik der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern (Dyer/ Singh, 1998, S. 664, 665). Die Quellen zur Erlangung von Wettbewerbsvorteilen einer Partnerschaft können gemäß des Relational Views in vier Kategorien eingeteilt werden. Erstens können diese Wettbewerbsvorteile durch Investitionen in beziehungsspezifische Assets entstehen. Zweitens können sie sich durch substanziellen Wissensaustausch ergeben. An dieser Stelle sei nochmals darauf hingewiesen, dass unter dem Terminus des Wissens hierbei übergeordnet die beiden Begriffe „Information“ und „Know-how“ subsumiert werden. Drittens besteht die Möglichkeit, dass die Wettbewerbsvorteile durch – im Vergleich zu Konkurrenten – effektivere Steuerungsmechanismen entstehen, die z. B. niedrigere Transaktionskosten mit sich bringen. Viertens können diese Wettbewerbsvorteile aus der Zusammenführung von komplementären, aber gleichzeitig auch knappen Ressourcen und Fähigkeiten resultieren, was häufig in der gemeinschaftlichen Schaffung von neuen und einzigartigen Produkten und Prozessen mündet. (Dyer/ Singh, 1998, S. 662)42 Diese vier Determinanten für Relational Rents werden im Folgenden unter den nachstehenden vier Überschriften thematisiert:

42

Zur detaillierten Erläuterung der Mechanismen, die die Wettbewerbsvorteile erhalten können, vgl. Duschek, 2004, S. 64-67 und Dyer/ Singh, 1998, S. 671-674.

121 (1) Investitionen in beziehungsspezifische Assets (2) Zwischenbetriebliche Routine bezüglich Wissensaustausch (3) Effektive Steuerung (4) Komplementäre Ressourcenausstattung

Hierbei wird in diesem Abschnitt darauf geachtet, an den geeigneten Stellen Hinweise für die hier zu diskutierende Fragestellung zu geben, ob klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen bzw. Prozessinnovationen einen Unterschied zwischen der kooperativen Einbeziehung ihrer europäischen Kunden und ihrer europäischen Lieferanten machen. Wie zu sehen sein wird, ist für diese Fragestellung insbesondere der vierte Punkt, die komplementäre Ressourcenausstattung, von großer Relevanz. Darauf aufbauend sollen am Ende dieses Abschnittes Hypothesen zu dieser Fragestellung abgeleitet werden. Darüber hinaus wird auch bei den anderen drei Punkten jeweils ein Bezug zur übergeordneten Thematik der Arbeit – der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern – hergestellt. Dies erscheint dem Autor als angemessen, da dadurch ein besseres Verständnis für den Relational View geschaffen wird. Bezug nehmend darauf können dann in Abschnitt 4.2 die mit der Erfolgsanalyse einhergehenden Thematiken und Fragestellungen einfacher unter Zuhilfenahme des Relational Views bearbeitet werden und infolgedessen zur Ableitung weiterer Hypothesen auf die dort relevanten Zusammenhänge angewendet werden. Ad (1) Investitionen in beziehungsspezifische Assets Gemäß Williamson können Investitionen in beziehungsspezifische Assets u. a. in standortspezifische Investitionen (site specificity), anlagenspezifische Investitionen (physical asset specificity) und humankapitalspezifische Investitionen (human asset specificity) untergliedert werden (Williamson, 1985, S. 55 und Williamson, 1991, S. 281). Standortspezifische Investitionen wären beispielsweise dann zu verzeichnen, wenn ein Lieferant für Materialien einer Airline seine Lagerhalle in unmittelbarer Nähe zu besagter Airline bauen würde, um z. B. die anfallenden Transportkosten zu reduzieren. Von anlagenspezifischen Investitionen könnte dann die Rede sein, wenn z. B. ein Lieferant für Fertigerzeugnisse von Airlines eine Maschine anschaffen würde, die ausschließlich spezifische Anpassungswünsche an das Standardprodukt einer speziellen Airline (Customizing) befriedigt. Humankapitalspezifische Investitionen wären wiederum dann zu verzeichnen, wenn sich etwa ein vertikaler Supply Chain Partner einer Airline explizit mit den Prozessen oder Produkten einer Airline vertraut machen würde. So könnte z. B. eine kooperative Zusammenarbeit bei der Ideengenerierung stattfinden, die wiederum mit zunehmender Erfahrung hinsichtlich der Zusammenarbeit im ersten Schritt zu einer Akkumulierung der spezialisierten Informationen, zu einer gemeinsamen Sprache und zu einem großen Know-how führen. Im zweiten Schritt könnte sich dies wiederum in einer effi-

122 zienteren und effektiveren Kommunikation der Partner niederschlagen (Duschek, 2004, S. 63 und Dyer/ Singh, 1998, S. 662). Abschließend kann hierbei noch festgehalten werden, dass je größer einerseits der zeitliche Horizont ist, indem die positiven Effekte der Partnerschaft vor Opportunismus geschützt sind und je größer andererseits das Transaktionsvolumen zwischen den Partnern ist, desto größer ist das Potenzial, Relational Rents durch Investitionen in beziehungsspezifische Assets zu generieren (Dyer/ Singh, 1998, S. 664). Ad (2) Zwischenbetriebliche Routine bezüglich Wissensaustausch Wie in Ansätzen bereits in Abschnitt 3.2.3.2 erwähnt wurde, wird von einer Vielzahl von Autoren die Auffassung vertreten, dass interorganisationales Lernen – zu dem folglich auch die Integration von Kunden und Lieferanten in der Phase der Ideengenerierung zu zählen ist – als ein kritischer Faktor angesehen werden kann, um Wettbewerbsvorteile gegenüber den Konkurrenten zu erzielen (Christiansen, 2000, S. 207; Cooper, 1999, S. 117; Cooper, 2002, S. 191; Gemünden, 2001, S. 120; Handfield et al., 2004, S. 506, 508, 520; Powell, 2004, S. 394; Powell/ Koput/ Smith-Doerr, 1996, S. 119-122; Stern/ Jaberg, 2003, S. 128 und Tether, 2003, S. 495, 496). So findet z. B. von Hippel heraus, dass in einigen Branchen mehr als zwei Drittel der von ihm untersuchten Innovationen auf die ursprünglichen Vorschläge oder Ideen der Kunden zurückzuführen sind. In anderen Industrien sind es wiederum verstärkt die Lieferanten, die den Anstoß für die Innovationen geben (von Hippel, 1988, S. 4, 5). Er betont, dass somit der Wissensaustausch zwischen den Partnern von immanenter Wichtigkeit ist, um gegenüber Konkurrenten, die keinen solchen Wissensaustausch praktizieren, Wettbewerbsvorteile zu erzielen (vgl. z. B. von Hippel, 2005, S. 127). Darüber hinaus ist auf eine Arbeit von Smith zu verweisen. Auch hier wird – am Beispiel von norwegischen Unternehmen – betont, dass Unternehmen, die Innovationskooperationen durchführen und somit auch einen Wissensaustausch mit anderen Institutionen fördern, wesentlich innovativer erscheinen als solche Unternehmen, die über keine Innovationskooperation verfügen (Smith, 2000, S. 81). Um an dieser Stelle noch ein letztes Beispiel anzuführen, sei auf eine Schrift von Handfield et al. verwiesen. Sie betonen explizit, dass sich die Beteiligung von Lieferanten in die Entwicklung neuer Produkte bzw. Prozesse – was auch hierbei folglich nicht ohne einen angemessenen zwischenbetrieblichen Wissensaustausch möglich ist – bei den jeweiligen Unternehmen in Wettbewerbsvorteilen niederschlagen kann. So kann dies zu einer Kostenreduzierung, zu einer Verringerung der Entwicklungszeit des betreffenden Produktes bzw. Prozesses und zu einer Qualitätsverbesserung führen. (Handfield et al., 2004, S. 506, 521)43

43

Da dieser Aspekt der „zwischenbetrieblichen Routine bezüglich Wissensaustausch“ nochmals eine wichtige Rolle in Abschnitt 4.2 einnehmen wird, wird an dieser Stelle auf darüber hinausgehende Ausführungen verzichtet. Weitere Beispiele finden sich außerdem in Abschnitt 3.2.3.2.

123 So stellen Dyer/ Singh in diesem Kontext zusammenfassend treffend fest, dass in vielen Fällen die Partnerinstitutionen die wichtigsten Quellen für neue Ideen und Informationen sind, die sich in leistungssteigernden Technologien und Innovationen widerspiegeln. Unternehmen können infolgedessen Wettbewerbsvorteile erzielen, indem sie überdurchschnittlich gute zwischenbetriebliche Routinen bezüglich des Wissensaustausches mit ihren Partnern entwickeln und einsetzen. (Dyer/ Singh, 1998, S. 665) Ad (3) Effektive Steuerung In der effektiven Steuerung wird ebenfalls eine Quelle gesehen, aus der sich Relational Rents ergeben können, da dadurch – nach der Anschauung des Relational Views – sowohl eine Beeinflussung der Transaktionskosten denkbar ist als auch eine Einflussnahme auf die Bereitschaft der Partner möglich ist, sich in einer Zusammenarbeit zu engagieren (Dyer/ Singh, 1998, S. 669). Als Begründung, weshalb Dyer/ Singh die Bezeichnung effektive Steuerung und nicht etwa effiziente Steuerung gewählt haben, schreiben sie: „[…] we use the term effective governance to suggest that governance mechanisms play an important role in generating relational rents that extends beyond efficiency arguments“ (Dyer/ Singh, 1998, S. 670). Zur Steuerung werden hierbei zwei grundlegende Arten von Steuerungsmechanismen voneinander unterschieden. Einerseits gibt es die so genannten „Third-Party Enforcements“ (z. B. rechtskräftige Verträge) und andererseits die „Self-Enforcing Agreements“ (Dyer/ Singh, 1998, S. 669). Zu dem letztgenannten Steuerungsmechanismus schreibt Telser: „In a selfenforcing agreement each party decides unilaterally whether he is better off continuing or stopping his relation with the other parties. […] No outside party intervenes to enforce the agreement, to determine whether there has been violations, to assess damages, and to impose penalties“ (Telser, 1980, S. 27). Innerhalb der Gruppe der Self-Enforcing Agreements bestehen weitere Differenzierungsmöglichkeiten. So sind zum einen ökonomische Sanktionen („Formal Safeguards“) und zum anderen Einbußen der Vertrauenswürdigkeit und der Reputation („Informal Safeguards“) bei einem Fehlverhalten gegenüber anderen Institutionen voneinander abzugrenzen (Dyer/ Singh, 1998, S. 669). Auch wenn klassische europäische Airlines ihre vertikalen europäischen Supply Chain Partner kooperativ in der Phase der Ideengenerierung mit einbeziehen, stellt sich die Frage, wie eine effektive Steuerung auszusehen hat. Dies ist insbesondere unter dem Gesichtspunkt des opportunistischen Verhaltens des jeweiligen anderen Partners von großer Relevanz (Duschek, 2004, S. 64). Für die besagte Airline könnte es z. B. fatale Auswirkungen haben, wenn beispielsweise ein kooperierender Lieferant vertrauliche Informationen hinsichtlich eines angestrebten innovativen Prozesses der Airline an eine konkurrierende Fluggesellschaft weitergeben würde. Ad (4) Komplementäre Ressourcenausstattung Eine andere Möglichkeit für Institutionen, Relational Rents zu erlangen, besteht darin, die komplementäre Ressourcenausstattung ihrer Partner wirksam zu nutzen. Unter gewissen Um-

124 ständen kann die Fähigkeit eines Unternehmens, seine eigenen Ressourcen so einzusetzen, dass sie Erträge generieren, davon abhängig sein, ob die eigenen Ressourcen in Verbindung mit den komplementären Ressourcen einer anderen Institution genutzt werden. (Dyer/ Singh, 1998, S. 666) Interessant ist in diesem Kontext ein Ergebnis von Miotti/ Sachwald. Sie weisen darauf hin, dass Unternehmen als Partner für Innovationskooperationen häufig ihre Kunden und Lieferanten wählen, da diese vertikalen Partner die betrachteten Unternehmen gut mit komplementären Ressourcen versorgen können. (Miotti/ Sachwald, 2003, S. 1484, 1496) Die Bezeichnung der komplementären Ressourcenausstattung (engl. complementary resource endowment) wird in der vorliegenden Arbeit nach Dyer/ Singh wie folgt definiert: „We define complementary resource endowments as distinctive resources of alliance partners that collectively generate greater rents than the sum of those obtained from the individual endowments of each partner“ (Dyer/ Singh, 1998, S. 666, 667). Unter dem Begriff der Ressource wird hierbei ganz grundlegend all das verstanden, was als Stärken oder Schwächen einer Institution angesehen werden kann (Wernerfelt, 1984, S. 172). Neben Ressourcen wie etwa dem Markennamen, Maschinen und Kapital werden in einer Vielzahl von Arbeiten auch das Wissen im Allgemeinen bzw. die Informationen und das Know-how im Speziellen zu den Ressourcen einer Institution gezählt (Barney, 1991, S. 101; Olavarrieta/ Ellinger, 1997, S. 561, 563 und Wernerfelt, 1984, S. 172). Zur theoriegestützten Beantwortung der zu Beginn von Abschnitt 4.1.3 gestellten Frage – nämlich ob klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen bzw. Prozessinnovationen einen Unterschied zwischen der kooperativen Einbeziehung ihrer europäischen Kunden und ihrer europäischen Lieferanten machen – und somit als Ansatz zur Ableitung hierfür geeigneter Hypothesen ist zu hinterfragen, welche dieser vertikalen europäischen Supply Chain Partner ein besseres komplementäreres Wissen für den jeweiligen Bereich haben. Vereinfacht ausgedrückt ist erstens zu untersuchen, ob die klassischen europäischen Airlines sich das für Produktinnovationen notwendige Wissen besser durch die ergänzenden Informationen bzw. durch das komplementäre Know-how der Kunden oder der Lieferanten aneignen können. Entsprechend ist zweitens zu untersuchen, ob sich diese Airlines das für Prozessinnovationen essenzielle Wissen besser durch die ergänzenden Informationen bzw. durch das komplementäre Know-how der Kunden oder der Lieferanten aneignen können. Es ist somit danach zu fragen, welche Defizite (bei der Ideengenerierung für Produktinnovationen oder Prozessinnovationen) von wem (europäische Kunden oder europäische Lieferanten) am besten ausgeglichen werden können. Die hierzu vom Autor durchgeführte Betrachtung fachbezogener Literatur lässt ein recht eindeutiges Ergebnis vermuten. Hierbei ist darauf zu achten, dass der Verfasser einerseits keine Arbeit identifizieren konnte, in der explizit die für die vorliegende Schrift relevanten Player

125 betrachtet wurden. Andererseits thematisieren die meisten Arbeiten nicht speziell die Phase der Ideengenerierung, in der die Zusammenarbeit stattfindet. So ist zunächst auf eine Studie von Gemünden/ Ritter/ Heydebreck hinzuweisen. In dieser Studie, bei der 321 Hightech Unternehmen untersucht wurden, gelangten sie zu der Aussage, dass für Projekte, bei denen es um die Entwicklung von Produkten geht, insbesondere die Beteiligung von Kunden angemessen ist. Bei Projekten, deren Absicht in der Entwicklung neuer Prozesse gesehen wird, zeigte die Zusammenarbeit mit Lieferanten (und Universitäten) positive Auswirkungen (Gemünden/ Ritter/ Heydebreck, 1996, S. 451-460). Des Weiteren ist eine wegweisende Arbeit des Wissenschaftlers von Hippel zu nennen. Bei dieser wurde die essenzielle Rolle von Kunden für die Entwicklung neuer Produkte herausgestellt (von Hippel, 1986, S. 796). In einer späteren Schrift von Gemünden ist darüber hinaus zu lesen, dass seiner Meinung nach die Zusammenarbeit mit Kunden speziell für Produktinnovationen geeignet ist (Gemünden, 2001, S. 120). Zusätzlich merkt er an, dass Lieferanten klassischerweise als Partner für Prozessinnovationen angesehen werden (Gemünden, 2001, S. 120). Sowohl Gespräche, die der Verfasser im Vorfeld seiner Untersuchung mit Mitarbeitern einer klassischen europäischen Airline geführt hat, als auch seine Erfahrungen, die er im Kontext eines für eine solche Airline durchgeführten Forschungsprojektes sammeln konnte, lassen die Annahme zu, dass diese soeben genannten Ergebnisse anderer Autoren auch auf die Supply Chain der europäischen Aviation-Industrie übertragbar sind. Diese Annahme wird zusätzlich durch die in den Abschnitten 2.3.2.4 und 2.3.2.5 gewonnenen Erkenntnisse gestützt. Basierend auf diesem Argumentationsstrang stellt der Verfasser daher die beiden nächsten Hypothesen auf: •

2. Hypothese: Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Lieferanten.

•

3. Hypothese: Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Kunden.

Diese zwei Hypothesen werden erneut in Abschnitt 5.2.2.2 aufgegriffen, indem sie dort empirisch untersucht werden. 4.2 Konstrukte, Indikatoren, Hypothesen und theoretische Modelle zur Erfolgsanalyse In Abschnitt 3.2.3.2 wurde im Kontext der Erfolgsanalyse von Innovationskooperationen die folgende zweite Forschungsfrage herausgestellt:

126 •

2. Forschungsfrage: Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit?

Die mit den strategischen Erfolgsfaktoren der Ideengenerierung – nämlich den „Kosten für die Ideengenerierung“, der „Qualität bei der Ideengenerierung“ und dem „Zeitaufwand für die Ideengenerierung“ – und die mit den Begriffen „Innovationserfolg“ und „Unternehmenserfolg“ einhergehenden theoretischen Zusammenhänge werden in der vorliegenden Arbeit ebenfalls als Konstrukte bzw. latente Variablen angesehen. In den Abschnitten 4.2.1 bis 4.2.3 werden diesen Konstrukten auf Basis theoretisch fundierter und sachlogischer Überlegungen, aber auch auf Grundlage bereits von anderen Autoren durchgeführten Befragungen potenzielle Indikatoren zugeordnet. Die explizite Nennung der den Konstrukten zugeordneten potenziellen Indikatoren ermöglicht ein besseres Verständnis dieser latenten Variablen. Nachdem die Konstrukte mittels der ihnen zugeordneten potenziellen Indikatoren erklärt sind, werden in den daran anschließenden Abschnitten 4.2.4 bis 4.2.6 Hypothesen für die zweite Forschungsfrage abgeleitet. Wie zu sehen sein wird, wird jedem dieser drei Abschnitte eine zweistufige Vorgehensweise zu Grunde gelegt. Zu Beginn dieser Abschnitte (erste Stufe) wird mittels Anwendung des Relational Views bzw. der Transaktionskostentheorie argumentiert, wie sich die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung, auf die Qualität bei der Ideengenerierung und auf den Zeitaufwand für die Ideengenerierung auswirkt. Aufbauend auf den jeweiligen Erkenntnissen der ersten Stufe wird in den zweiten Teilstücken der Abschnitte 4.2.4 bis 4.2.6 literaturgestützt diskutiert, welcher Zusammenhang zwischen diesen Auswirkungen auf die Kosten für die Ideengenerierung, auf die Qualität bei der Ideengenerierung und auf den Zeitaufwand für die Ideengenerierung einerseits und den Auswirkungen der kooperativen Ideengenerierung auf den Innovationserfolg und den Unternehmenserfolg der klassischen europäischen Airlines andererseits besteht. Hierzu werden Arbeiten anderer Autoren herangezogen, die die Beziehungen zwischen Kosten, Qualität und Zeitaufwand auf der einen Seite und Innovationserfolg bzw. Unternehmenserfolg auf der anderen Seite thematisieren. Aus diesen vermuteten Zusammenhängen werden am Ende der Abschnitte 4.2.4 bis 4.2.6 Hypothesen abgeleitet, die es in Abschnitt 5.3 empirisch zu untersuchen gilt. Den Abschluss von Abschnitt 4.2 bildet Abschnitt 4.2.7, in dem die theoretisch vermuteten Zusammenhänge, die zwischen den in Abschnitt 4.2 thematisierten Konstrukten bestehen, zusammengefasst werden. Zu diesem Zweck werden zwei theoretische Modelle aufgezeigt –

127 auch hierbei wird erneut eine strikte Trennung zwischen Produktinnovationen und Prozessinnovationen vorgenommen – die diese vermuteten Zusammenhänge graphisch verdeutlichen. 4.2.1 Indikatoren zu den strategischen Erfolgsfaktoren der Ideengenerierung Zur Erarbeitung potenzieller Indikatoren, die messen sollen, wie sich eine kooperative Zusammenarbeit zwischen den besagten Playern im Kontext der Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten für die Ideengenerierung, Qualität bei der Ideengenerierung und Zeitaufwand für die Ideengenerierung auswirkt, wird erneut auf die in Abschnitt 3.1 geschaffenen begrifflichen Grundlagen der Innovationsforschung Bezug genommen. In Abschnitt 3.1.3 wurde bereits das 3-phasige Modell für Innovationsprozesse von Thom erläutert (Thom, 1980, S. 53). Bei dieser Erläuterung wurde die besondere Relevanz der ersten Hauptphase dieses Modells herausgestellt – nämlich die Phase der Ideengenerierung – und eingehend die drei dazugehörigen Subphasen erklärt: Die „Suchfeldbestimmung“, die „Ideenfindung“ und der „Ideenvorschlag“. So wurde für die Subphase der Suchfeldbestimmung u. a. festgehalten, dass hierbei ein mögliches – mit der Unternehmensstrategie vereinbares oder sogar daraus abgeleitetes – Problem zu identifizieren und zu präzisieren ist und darüber hinaus bestimmt werden soll, in welchem Bereich innovative Ideen generiert werden sollen. Die Aufgabe der Subphase der Ideenfindung wurde damit umschrieben, dass für das identifizierte Suchfeld innovative Ideen erarbeitet werden (Thom/ Etienne, 2000, S. 274). Für die Subphase des Ideenvorschlags wurde in Abschnitt 3.1.3 betont, dass hier die für das Suchfeld erarbeiteten innovativen Ideen einer entscheidungsbefugten Stelle vorzuschlagen sind (Thom/ Etienne, 2000, S. 274). Die Erklärungen dieser drei Subphasen der Ideengenerierung, die sich somit durchweg auf das häufig zitierte und angewendete 3-phasige Modell für Innovationsprozesse von Thom beziehen, stellen bereits den ersten Bestandteil der potenziellen Indikatoren zu den strategischen Erfolgsfaktoren der Ideengenerierung dar (Thom, 1980, S. 53 und Verworn/ Herstatt, 2002, S. 11). Der zweite und gleichzeitig sehr nahe liegende letzte Bestandteil der hier zu thematisierenden potenziellen Indikatoren ergibt sich daraus, dass in der vorliegenden Arbeit hinsichtlich des Innovationsobjektes explizit und durchgängig zwischen Produktinnovationen und Prozessinnovationen differenziert wird. Diese Differenzierung, die, wie gesehen, auch von vielen anderen Autoren vorgenommen wird, soll somit auch hier beibehalten werden. Durch die Zusammenführung der beiden Bestandteile der potenziellen Indikatoren zu den mit den strategischen Erfolgsfaktoren einhergehenden theoretischen Zusammenhängen werden somit jedem dieser hier zu thematisierenden Konstrukte sechs theoriegeleitete Indikatoren zugeordnet.44 Alle diese nun aufgeführten potenziellen Indikatoren werden erneut in den Ab-

44

Zu den Erklärungen, wie die Probanden exakt nach diesen Indikatoren gefragt wurden, vgl. Abschnitt 5.1.2.

128 schnitten 5.3.2.4 bzw. 5.3.2.5 aufgegriffen. Dort werden sie u. a. mittels statistischer Tests evaluiert. Die potenziellen Indikatoren des mit den Kosten für die Ideengenerierung einhergehenden theoretischen Zusammenhangs lauten daher wie folgt: (1) Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen, (2) Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen, (3) Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen, (4) Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen, (5) Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle und (6) Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle. In Anlehnung daran lauten die potenziellen Indikatoren des mit der Qualität bei der Ideengenerierung einhergehenden theoretischen Zusammenhangs wie folgt: (7) Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen, (8) Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen, (9) Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen, (10) Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen, (11) Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle und (12) Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle. Gleichsam sind als potenzielle Indikatoren des mit dem Zeitaufwand für die Ideengenerierung einhergehenden theoretischen Zusammenhangs die folgenden festzuhalten: (13) Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen, (14) Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen, (15) Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen, (16) Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen, (17) Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle und (18) Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle. 4.2.2 Indikatoren zum Innovationserfolg Insofern Forscher offenlegen, welche Indikatoren sie dem theoretischen Begriff des Innovationserfolges zuordnen, sind sie frei, diesen Begriff für das entsprechende Forschungsprojekt

129 zu definieren (Hauschildt, 1991, S. 452). Zur Erarbeitung von potenziellen Erfolgsindikatoren, die messen sollen, welche Auswirkungen eine kooperative Ideengenerierung zwischen den oben benannten Playern der Supply Chain der europäischen Aviation-Industrie auf den Innovationserfolg der klassischen europäischen Airlines hat, lehnt sich der Autor an die in Abschnitt 3.2.3.1 aufgeführten drei Messdimensionen (technischer Nutzen, ökonomischer Nutzen, sonstiger Nutzen) für Erfolgsindikatoren an. Wie in Abschnitt 3.2.3.1 dargelegt, kann sich die kooperative Ideengenerierung entsprechend auf diese drei Messdimensionen auswirken. Bevor nun die entsprechenden Erfolgsindikatoren aufgeführt werden, sei auch an dieser Stelle darauf hingewiesen, dass hinsichtlich des Innovationsobjektes ebenfalls hier zwischen Produktinnovationen und Prozessinnovationen differenziert wird. Der allgemeine, oben formulierte theoretische Zusammenhang bezüglich der Auswirkungen der kooperativen Ideengenerierung auf den Innovationserfolg ist daher zu spezifizieren. Zwecks konsistenter Fortführung der bisherigen Differenzierung zwischen Produktinnovationen und Prozessinnovationen werden zum einen potenzielle Erfolgsindikatoren erarbeitet, die messen können, welche Auswirkungen eine kooperative Ideengenerierung zwischen den besagten Playern der Supply Chain der europäischen Aviation-Industrie auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. Zum anderen werden potenzielle Erfolgsindikatoren erarbeitet, die dies für die Auswirkungen auf den Prozessinnovationserfolg ermöglichen. Aus diesem Grund werden die für diesen Abschnitt thematisch relevanten potenziellen Erfolgsindikatoren nun in zwei Fragenkomplexe untergliedert, wobei sich der erste auf den theoretischen Zusammenhang des Produktinnovationserfolges bezieht und der zweite Fragenkomplex entsprechend die potenziellen Erfolgsindikatoren beinhaltet, die mit dem theoretischen Zusammenhang des Prozessinnovationserfolges einhergehen. Hierbei wird auf von anderen Autoren durchgeführte Studien zurückgegriffen, die die nun folgenden potenziellen Erfolgsindikatoren so – oder in ähnlicher Form – in ihren Arbeiten bereits zur Ermittlung von Produkt- bzw. Prozessinnovationserfolgen verwendet haben.45 Vorab sei jedoch auch in diesem Abschnitt betont, dass alle nun aufgeführten potenziellen Erfolgsindikatoren erneut in den Abschnitten 5.3.2.2 bzw. 5.3.2.3 aufgegriffen werden, um sie dort primär mittels statistischer Tests auf Reliabilität und Validität hin zu evaluieren. Die folgenden potenziellen Erfolgsindikatoren wurden vom Verfasser – basierend auf bereits durchgeführten Studien – dem ersten Fragenkomplex zugeordnet: (1) Anzahl der Produktinnovationen, (2) Neuigkeitsgrad der Produktinnovationen, (3) Effektivität (Wirksamkeit) bei der Umsetzung von Produktinnovationen, (4) Effizienz (relative Kosten, relativer Zeitauf45

Zu den Erklärungen, wie die Probanden in der vorliegenden Arbeit exakt nach diesen Erfolgsindikatoren gefragt wurden, vgl. Abschnitt 5.1.2.

130 wand, Nutzung von Synergieeffekten) bei der Umsetzung von Produktinnovationen und (5) Stand der Technik der Produkte (Luber et al., 2006, S. 9 und Ritter, 1998, S. 135). Auf Basis bereits durchgeführter Studien wurden dem zweiten Fragenkomplex in ähnlicher Weise die folgenden Erfolgsindikatoren zugeordnet: (6) Anzahl der Prozessinnovationen, (7) Neuigkeitsgrad der Prozessinnovationen, (8) Effektivität (Wirksamkeit) bei der Umsetzung von Prozessinnovationen, (9) Effizienz (relative Kosten, relativer Zeitaufwand, Nutzung von Synergieeffekten) bei der Umsetzung von Prozessinnovationen, (10) Modernität der Prozesse und (11) Stand der Technik der Prozesse (Luber et al., 2006, S. 10 und Ritter, 1998, S. 135). 4.2.3 Indikatoren zum Unternehmenserfolg In diesem Abschnitt werden potenzielle Erfolgsindikatoren aufgezeigt, mit denen der Verfasser messen möchte, welche Auswirkungen eine kooperative Ideengenerierung zwischen den oben genannten Playern der Supply Chain der europäischen Aviation-Industrie auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Zu diesem Zweck verwendet der Verfasser Erfolgsindikatoren, die in der wirtschaftswissenschaftlichen Forschung zur Messung des Unternehmenserfolges etabliert sind und daher so – oder in einer ähnlichen Form – bereits von einigen anderen Autoren verwendet wurden bzw. von anderen Autoren empfohlen werden. Diese fünf potenziellen Erfolgsindikatoren lauten wie folgt: (1) Kundenbindung, (2) Lieferantenbindung, (3) Marktanteil, (4) Gewinn und (5) Nutzung von knappen Ressourcen und Fähigkeiten (vgl. z. B. Daniel, 2007, S. 309; Hauschildt, 2004, S. 503-506; Moser, 2007, S. 230 und Ringle, 2005, S. 311, 318, 319).46 Wie bei den im vorherigen Abschnitt thematisierten potenziellen Erfolgsindikatoren wird der Verfasser die fünf soeben aufgeführten potenziellen Erfolgsindikatoren erneut in den Abschnitten 5.3.2.2 bzw. 5.3.2.3 aufgreifen. Dort werden sie primär mittels statistischer Tests auf Reliabilität und Validität hin evaluiert. Diese fünf potenziellen Erfolgsindikatoren lassen sich wiederum sehr gut den drei Messdimensionen für Erfolgsindikatoren zuordnen, die erstmals in dieser Arbeit in Abschnitt 3.2.3.1 expliziert wurden. So kann die Nutzung von knappen Ressourcen und Fähigkeiten nach Auffassung des Verfassers den indirekten technischen Effekten und somit der Messdimension des technischen Nutzens zugeordnet werden. Bei den potenziellen Erfolgsindikatoren Gewinn und Marktanteil handelt es sich um direkte ökonomische Effekte, die wiederum unter dem ökonomischen Nutzen zu subsumieren sind. Wie bereits in Abschnitt 3.2.3.1 erwähnt wurde, lässt sich der potenzielle Erfolgsindikator „Kundenbindung“ nach Auffassung des Verfassers den systembezogenen Effekten und daher dem sonstigen Nutzen zuordnen. Eine entsprechende

46

Zu den Erklärungen, wie die Probanden in der vorliegenden Arbeit exakt nach diesen Erfolgsindikatoren gefragt wurden, vgl. Abschnitt 5.1.2.

131 Zuordnung erfährt somit auch der potenzielle Erfolgsindikator der „Lieferantenbindung“. (Hauschildt, 2004, S. 503-506) 4.2.4 Hypothesen zum Einfluss der Kosten für die Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views und der Transaktionskostentheorie Die erste Frage, die in diesem Abschnitt zu diskutieren ist, lautet, wie sich die beschriebene kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung auswirkt. Zur theoriegestützten Beantwortung werden zunächst der Relational View und seine Ausführungen aus Abschnitt 4.1.4 herangezogen. Dort wurde eine Kategorie der Quellen zur Erlangung von Relational Rents als „Zwischenbetriebliche Routine bezüglich Wissensaustausch“ bezeichnet. In besagtem Abschnitt wurde u. a. auf eine Schrift von Handfield et al. aufmerksam gemacht, in der die Autoren ausdrücklich betonen, dass Unternehmen durch die Beteiligung von Lieferanten in die Entwicklung neuer Produkte bzw. Prozesse Wettbewerbsvorteile erzielen können (Handfield et al., 2004, S. 506, 521). Bei einer von ihnen durchgeführten Untersuchung gelangen sie zu dem Ergebnis, dass Unternehmen bei Projekten, bei denen sie ihre Lieferanten stark in den Innovationsprozess mit einbeziehen und es damit zu einem intensiven zwischenbetrieblichen Wissensaustausch kommt – im Vergleich zu Projekten, bei denen sie ihre Lieferanten nicht mit einbeziehen – eine Verbesserung der Kosten von durchschnittlich zehn bis 15 Prozent erzielt werden konnte (Handfield et al. 2004, S. 520, 521). Betrachtet wurden dabei die Kosten für die eingekauften Materialien, die Herstellungskosten und die Entwicklungskosten (Handfield et al. 2004, S. 520). Diese Untersuchung lässt die Vermutung zu, dass, begründet durch einen zwischenbetrieblichen Wissensaustausch, die kooperative Zusammenarbeit zwischen den oben genannten Playern der Supply Chain der europäischen Aviation-Industrie eine positive Auswirkung auf die Kosten für die Ideengenerierung hat. Als weitere Kategorie der Quellen zur Erlangung von Relational Rents wurde in Abschnitt 4.1.4 eine „Effektive Steuerung“ hervorgehoben. Dort wurde zum einen auf den Unterschied zwischen „Third-Party Enforcements“ und „Self-Enforcing Agreements“ hingewiesen und zum anderen erwähnt, dass der zuletzt genannte Steuerungsmechanismus nochmals in „Formal Safeguards“ und „Informal Safeguards“ differenziert werden kann (Dyer/ Singh, 1998, S. 669). In diesem Kontext machen Dyer/ Singh zwei äußerst interessante Aussagen. Erstens argumentieren sie, dass Self-Enforcing Agreements einen effektiveren Steuerungsmechanismus darstellen als Third-Party Enforcements (Dyer/ Singh, 1998, S. 670). Hierzu formulieren sie die folgende erste hier zu nennende Aussage: „The greater the alliance partners’ ability is to employ self-enforcing safeguards (e. g., trust or hostages) rather than third-party safeguards (e. g., legal contracts), the greater the potential will be for relational rents, owing to (1) lower contracting costs, (2) lower monitoring costs, (3) lower adaptation costs, (4) lower recontracting costs, and (5) superior incentives for value-creation initiatives” (Dyer/ Singh, 1998, S.

132 671). Weiter argumentieren sie, dass innerhalb der Kategorie der Self-Enforcing Agreements die Informal Safeguards geeigneter dazu sind, Relational Rents zu erzielen als die Formal Safeguards (Dyer/ Singh, 1998, S. 671). Dazu formulieren sie die folgende zweite hier zu nennende Aussage: „The greater the alliance partners’ ability is to employ informal selfenforcing safeguards (e. g., trust) rather than formal self-enforcing safeguards (e. g., financial hostages), the greater the potential will be for relational rents, owing to (1) lower marginal costs and (2) difficulty of imitation“ (Dyer/ Singh, 1998, S. 671). Diese beiden Aussagen sind für den vorliegenden Abschnitt von großer Relevanz. Der Grund hierfür ist der, dass Dienstleister ihre Kunden und Lieferanten neben den unternehmensinternen Möglichkeiten zwar als wesentliche Quellen zur Erlangung von Informationen über Innovationen ansehen (Tether, 2003, S. 495, 496). Allerdings zeigt eine dazu durchgeführte Studie, bei der ca. 12.000 Dienstleister aus 13 westeuropäischen Ländern nach ihrem Innovationsverhalten befragt wurden, dass formale Kooperationsvereinbarungen wesentlich seltener zum Einsatz kommen als informelle Interaktionen zwischen den Institutionen (Tether, 2003, S. 494-496). Da, wie in Abschnitt 3.2.3.2 gezeigt, auch die klassischen europäischen Airlines übergeordnet zur Gruppe der Dienstleister zu zählen sind, lässt dies die Vermutung zu, dass auch diese Airlines zwecks kooperativer Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern primär Informal Safeguards verwenden. Aufgrund der in diesem Absatz durchgeführten Argumentation und somit auch unter Berücksichtigung der Folgen von Informal Safeguards für die Kosten unterstützt dies die Aussage, dass die kooperative Zusammenarbeit zwischen besagten Playern der Supply Chain der europäischen Aviation-Industrie eine positive Auswirkung auf die Kosten für die Ideengenerierung hat. Weitere Auswirkungen der kooperativen Zusammenarbeit sollen anhand der nächsten Kategorie der Quellen zur Erlangung von Relational Rents gemäß des Relational Views diskutiert werden. Diese Kategorie wurde in Abschnitt 4.1.4 als „Komplementäre Ressourcenausstattung“ bezeichnet. So ist sicherlich ein Anteil der Kostensenkungen der bereits in Abschnitt 3.2.3.2 angesprochenen „Boeing Corporation’s 777“ auf die komplementäre Ressourcenausstattung der beteiligten Institutionen zurückzuführen, bei der Boeing neben den eigenen Mitarbeitern seine Kunden und Key Supplier kooperativ mit in den Produktentwicklungsprozess einbezog (A. T. Kearney, 2002, S. 2). Als Ergebnis dieser Zusammenarbeit konnte u. a. eine Lohnkostensenkung von 71 Prozent erreicht werden (A. T. Kearney, 2002, S. 2). Diese Kostensenkung könnte damit erklärt werden, dass z. B. weniger eigene Mitarbeiter involviert waren – die sich gegebenenfalls das notwendige Wissen, soweit möglich, noch hätten aneignen müssen – und stattdessen auf die komplementären humankapitalspezifischen Ressourcen der Kunden und Lieferanten zurückgegriffen werden konnte. Allgemein ist jedoch darauf hinzuweisen, dass komplementäre Ressourcenausstattungen – wie sie häufig zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern bestehen – nicht für einige in diesem Kontext häufig genannte Kosten-

133 reduzierungen verantwortlich gemacht werden können. So wird des Öfteren aufgeführt, dass eine Reduzierung der Kosten aufgrund der Teilnahme an einer Kooperation besonders durch die Bündelung von Aktivitäten bzw. Ressourcen und der damit einhergehenden Möglichkeit, größenbedingte Kostendegressionseffekte (Skalen-, Erfahrungs- bzw. Lernkurveneffekte) zu erzielen, erreichbar wird (Corsten, 1990b, S. 144 und Hansmann/ Ringle, 2005, S. 220). Demnach ermöglicht die Bündelung von Aktivitäten bzw. Ressourcen, dass bestehende Kapazitäten besser ausgenutzt werden und Fixkosten auf eine größere Anzahl an Institutionen verteilt werden können, wodurch die Kostenbelastung pro Institution sinkt (Ringle, 2005, S. 312). Darüber hinaus können die kooperierenden Institutionen, etwa aufgrund des vergrößerten Produktionsvolumens (beinhaltet auch die „Produktion“ innovativer Ideen), schneller auf der Lernkurve voranschreiten, wodurch sie die Stückkosten (hier die Kosten pro innovativer Idee) senken können (Corsten, 1990b, S. 144 und Hansmann/ Ringle, 2005, S. 220). Jedoch ist darauf zu achten, welche Ressourcenbündelung hier zu Kostenvorteilen führt. Nach Auffassung des Verfassers werden hierbei nämlich nicht primär komplementäre Ressourcen gebündelt. Vielmehr gehen die Kostenvorteile aus einer Bündelung gleichartiger und nicht etwa komplementärer Ressourcen hervor, die eher bei einer kooperativen Ideengenerierung mit horizontalen Supply Chain Partnern – wie z. B. im Kontext der Star Alliance – als bei einer solchen Zusammenarbeit mit vertikalen Supply Chain Partnern zu erwarten sind (Miotti/ Sachwald, 2003, S. 1484). Nichtsdestotrotz lässt auch die in diesem Absatz durchgeführte Diskussion die Vermutung zu, dass, begründet durch eine komplementäre Ressourcenausstattung, die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine positive Auswirkung auf die Kosten für die Ideengenerierung haben kann. Allerdings sind – wie gesehen – die auf die komplementäre Ressourcenausstattung zurückzuführenden Kostenvorteile geringer als häufig angenommen. Somit kann an dieser Stelle das erste Ergebnis dieses Abschnittes wie folgt vermerkt werden: 1. Übergeordnet kann als Ergebnis der Argumentation auf Basis des Relational Views festgehalten werden, dass eine solche beschriebene kooperative Zusammenarbeit zwischen den besagten Playern eine Reduktion der Kosten für die Ideengenerierung vermuten lässt. Nachdem nun auf Basis des Relational Views diskutiert wurde, welche Auswirkungen die beschriebene kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung hat, soll dieser Kontext im Folgenden – wie in vergleichbaren Arbeiten üblich – mit der Transaktionskostentheorie untersucht werden (vgl. z. B. Becker/ Dietz, 2004, S. 211 und Fischer, 2006, S. 62-70). Hiermit werden explizit die mit einer Kooperation einhergehenden Koordinations- bzw. Transaktionskosten betont. Aufgrund ihrer Relevanz wird die Transaktionskostentheorie nachstehend im Hinblick auf die für diesen Abschnitt relevanten Aspekte

134 expliziert. Dabei wird der Autor, soweit möglich, die jeweils erarbeiteten Erkenntnisse zur Beantwortung der zu Beginn dieses Abschnitts formulierten Frage anwenden. Eine Transaktion bezeichnet den Prozess der Klärung und Vereinbarung eines Leistungsaustausches, wie er etwa bei einer kooperativen Ideengenerierung stattfindet (Picot, 1993, Sp. 4195). Da den beteiligten Akteuren hierbei lediglich unvollkommene Informationen zur Verfügung stehen, kommt es allgemein formuliert zu den so genannten Transaktionskosten (Weber et al., 2002, S. 37). Der Begriff der Transaktionskosten, der erstmals von Coase im Jahre 1937 in die ökonomische Diskussion eingeführt wurde, bezeichnet hierbei nach Arrow die „costs of running the economic system“ (Arrow, 1969, S. 48 und Coase, 1937). Das Ziel der Transaktionskostentheorie besteht darin, zu bestimmen, welche Typen von Transaktionen in welchen institutionellen Arrangements relativ am kostengünstigsten abgewickelt und organisiert werden können (Ebers/ Gotsch, 2002, S. 225; Richter, 2001, S. 11 und Williamson, 1985, S. 41). Als Maßstab für die Vorteilhaftigkeit eines institutionellen Arrangements dienen in der Transaktionskostentheorie nicht nur die bei der Abwicklung und Organisation der Transaktion anfallenden Kosten (Transaktionskosten), sondern auch die Kosten, die den Vertragspartnern für die ausgetauschten Güter oder Leistungen (Produktionskosten) entstehen (Ebers/ Gotsch, 2002, S. 225). Wie bereits oben angeführt, wird der Autor nachfolgend jedoch vorwiegend auf Basis der Transaktionskosten argumentieren (vgl. Fischer, 2006, S. 62-70). Die Transaktionskostentheorie wird im Folgenden auf Grundlage der folgenden drei Aspekte thematisiert: (1) Effizienzkriterium (2) Charakterisierung der Akteure (3) Transaktionscharakteristika

Ad (1) Effizienzkriterium Das Effizienzkriterium, das bei der Transaktionskostentheorie zur Beurteilung der Effizienz alternativer institutioneller Formen hinsichtlich der Abwicklung und Organisation einer Transaktion zu Grunde gelegt wird, ergibt sich aus der Summe der jeweils anfallenden Produktionskosten und Transaktionskosten (Ebers/ Gotsch, 2002, S. 225 und Williamson, 1985, S. 22). Die anfallenden Transaktionskosten lassen sich in verschiedene Kostenarten unterteilen (Isermann/ Lieske, 1998, S. 409; Picot, 1993, Sp. 4195, 4196 und Richter, 1994, S. 6, 7): •

Suchkosten: Zum Beispiel Kosten der Suche nach geeigneten Partnern, mit denen eine kooperative Ideengenerierung durchgeführt werden kann.

•

Anbahnungskosten: Zum Beispiel Kosten der Vorbereitung von Verhandlungen mit den potenziellen Kooperationspartnern.

•

Verhandlungskosten: Zum Beispiel Kosten für die Rechtsbetreuung.

135 •

Entscheidungskosten: Zum Beispiel Kosten der Entscheidung über das Ausmaß, in wie weit die potenziellen Kooperationspartner Zugang zu unternehmensinternen Daten erhalten.

•

Vereinbarungskosten: Zum Beispiel Kosten der vertraglichen Einigung mit dem Kooperationspartner.

•

Abwicklungskosten: Zum Beispiel Kosten der Steuerung und des Managements der kooperativen Ideengenerierung (beispielsweise wann die kooperative Suchfeldbestimmung stattfindet, welche Kreativitätstechniken zur Ideenfindung eingesetzt werden und in welcher Form der Ideenvorschlag stattfindet).

•

Kontrollkosten: Zum Beispiel Kosten der Überwachung der Vertragseinhaltungen der Kooperationspartner.

•

Anpassungskosten: Zum Beispiel Kosten für die Durchsetzung nachträglicher Änderungen.

•

Beendigungskosten: Zum Beispiel Kosten der Vertragsaufhebung.

Zur Auswahl einer institutionellen Koordinationsform sind allerdings nicht immer alle hier aufgeführten Transaktionskosten entscheidungsrelevant (Isermann/ Lieske, 1998, S. 410). Zu diesem Zweck unterscheidet die Transaktionskostentheorie zwischen Ex-ante-Transaktionskosten und Ex-post-Transaktionskosten (Isermann/ Lieske, 1998, S. 410). Für das jeweils aktuelle Entscheidungsproblem haben solche Transaktionskosten keine Bedeutung, die aus bereits getroffenen Entscheidungen bzw. Maßnahmen resultieren (Isermann/ Lieske, 1998, S. 410). Zur Verdeutlichung dient Abbildung 20:

Ex-ante-Transaktionskosten (nicht entscheidungsrelevant)

Zeit Ex-post-Transaktionskosten (entscheidungsrelevant)

aktuelle Phase des Transaktionsprozesses Abbildung 20: Entscheidungsrelevanz der Transaktionskosten in einem Transaktionsprozess (Quelle: Isermann/ Lieske, 1998, S. 410)

Ad (2) Charakterisierung der Akteure Den Akteuren werden in der Transaktionskostentheorie drei Verhaltensannahmen unterstellt: •

Begrenzte Rationalität: Die Transaktionspartner verfügen lediglich über begrenzte Informationen und ihre Informationsverarbeitungskapazität ist beschränkt (Ebers/

136 Gotsch, 2002, S. 226 und Picot/ Dietl, 1990, S. 179). „Bounded rationality refers to rate and storage limits on the capacities of individuals to receive, store, retrieve, and process information without error“ (Williamson, 1973, S. 317). Die Gültigkeit dieser grundlegenden Annahme kann aufgrund ihrer Praxisnähe nach Auffassung des Autors sowohl für die klassischen europäischen Airlines als auch für deren vertikalen europäischen Supply Chain Partner unterstellt werden. •

Opportunismus: Die Transaktionspartner verhalten sich häufig strategisch und verfolgen bei der Gestaltung der Austauschbeziehungen – auch zum Nachteil anderer – ihre Eigeninteressen (Ebers/ Gotsch, 2002, S. 226; Picot/ Dietl, 1990, S. 179 und Williamson, 1973, S. 317). Um ihre Ziele zu erreichen, muss ebenfalls damit gerechnet werden, dass sie hierzu u. a. auch List und Täuschung einsetzen und bewusst Informationen zurückhalten (Ebers/ Gotsch, 2002, S. 226 und Powell, 1990, S. 297). Da in Abschnitt 3.2.1 im Kontext der Definition des Begriffes der Innovationskooperation explizit auch die rechtliche und – zumindest ursprünglich auch – wirtschaftliche Selbständigkeit der Institutionen betont wurde, kann ebenso die Gültigkeit dieser Annahme für die besagten Player der Supply Chain der europäischen Aviation-Industrie unterstellt werden.

•

Risikoneutralität: Die Transaktionskostentheorie unterstellt den Transaktionspartnern Risikoneutralität (Ebers/ Gotsch, 2002, S. 227 und Williamson, 1985, S. 388-390). Diese Annahme wird vom Verfasser für die vorliegende Thematik als kritisch betrachtet, da ihm keine Studien darüber vorliegen, in denen die Risikoeinstellungen der besagten Player der Supply Chain der europäischen Aviation-Industrie untersucht wurden. Risikoaverses Verhalten der Akteure erscheint dem Verfasser jedoch realistischer als die Annahme von Risikoneutralität.

Ad (3) Transaktionscharakteristika Die folgenden drei Transaktionscharakteristika beeinflussen die Höhe der Kosten, die bei der Abwicklung und Organisation von Transaktionen anfallen (Williamson, 1985, S. 52-61). Aus diesem Grund können sie einen entscheidenden Beitrag dazu leisten, eine theoriegestützte Antwort auf die zu Beginn des Abschnitts formulierte Frage zu geben, wie sich die beschriebene kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung auswirkt: •

Spezifität: Von einer spezifischen Ressourcennutzung kann dann gesprochen werden, wenn zur Erfüllung einer Aufgabe Ressourcen eingesetzt werden, die kaum oder gar nicht für andere Verwendungszwecke eingesetzt werden können (Isermann/ Lieske, 1998, S. 413 und Williamson, 1991, S. 281). Spezifische Leistungsbeziehungen basieren auf so genannten idiosynkratischen Investitionen, d. h. falls auf bestimmte Transaktionen spezialisierte Investitionen getätigt werden (Picot/ Dietl, 1990, S. 179). Ins-

137 gesamt lassen sich sechs Formen von transaktionsspezifischen Investitionen voneinander unterscheiden: (1) standortspezifische Investitionen, (2) anlagenspezifische Investitionen, (3) humankapitalspezifische Investitionen, (4) Investitionen in die Reputation, (5) abnehmerspezifische Investitionen und (6) terminspezifische Investitionen (Ebers/ Gotsch, 2002, S. 228 und Williamson, 1991, S. 281). In diesem Kontext ist zu erwähnen, dass die kooperative Ideengenerierung durchaus mit hohen transaktionsspezifischen Investitionen verbunden sein kann. Von besonderer Relevanz erscheinen aufgrund der Erläuterungen der einzelnen Phasen des Innovationsprozesses von Thom in Abschnitt 3.1.3 insbesondere die humankapitalspezifischen Investitionen und die Investitionen in die Reputation. So bedarf es z. B. bereits für die Subphase der Suchfeldbestimmung hier einzuordnende spezifische Investitionen. Beispielsweise müssen sich die vertikalen Supply Chain Partner, die zwecks Ideengenerierung mit einer Airline kooperieren möchten, über das normale Maß hinaus mit der Fluggesellschaft vertraut machen. Ohne dieses „Einarbeiten“ in die Belange der Airline könnten sie der Airline nur schwerlich dabei behilflich sein, z. B. bestehende Problemfelder zu identifizieren. Des Weiteren würde keiner der Institutionen eine derartige Kooperation eingehen, insofern der jeweils andere Akteur über keine ausreichende Reputation verfügen würde. •

Unsicherheit: Die Unsicherheit hinsichtlich der situativen Bedingungen der Transaktion einerseits (wie z. B. der relevanten Umweltzustände und des Transaktionsgegenstandes) bzw. deren zukünftige Entwicklung (parametrische Unsicherheit) und die Unsicherheit bezüglich des Verhaltens der Vertragspartner (Verhaltensunsicherheit) andererseits sind weitere Einflussfaktoren auf die Höhe der Transaktionskosten (Ebers/ Gotsch, 2002, S. 229; Isermann/ Lieske, 1998, S. 415 und Williamson, 1985, S. 5660). Auch diese beschriebene Unsicherheit spielt für die kooperative Ideengenerierung zwischen den besagten Partnern vermutlich eine wichtige Rolle. Wie bereits in Abschnitt 4.1.2 argumentiert wurde, findet in der Phase der Ideengenerierung ein so grundlegender Prozess statt, bei dem das möglicherweise erzielbare Resultat noch nicht absehbar ist. Aus diesem Grund ist die kooperative Ideengenerierung mit einer sehr großen Unsicherheit verbunden.

•

Häufigkeit: Eine häufige Abwicklung identischer Transaktionen zwischen Akteuren verkürzt z. B. die Amortisationszeit aufwendiger Beherrschungs- und Überwachungssysteme und lässt die Partner folglich Skalen- und Synergieeffekte realisieren (Ebers/ Gotsch, 2002, S. 230 und Picot, 1993, Sp. 4201). Für die kooperative Ideengenerierung ist nicht nur die allgemeine Kontakthäufigkeit der jeweiligen Partner von großer Bedeutung (Nebe, 2000, S. 6). Vielmehr werden die besagten Player bei der Auswahl ihrer Kooperationspartner, mit denen sie eine kooperative Ideengenerierung durchführen möchten, auch darauf achten, wie häufig sie mit welchen Institutionen bezüglich

138 dieses speziellen Ziels bereits in der Vergangenheit erfolgreich zusammengearbeitet haben (Pyka, 1999, S. 145). Eine Übersicht hinsichtlich der Auswirkungen der drei soeben genannten und kurz explizierten Transaktionscharakteristika auf die Transaktionskosten gibt abschließend Tabelle 17, wobei ein „+“ für „Zunahme“ und ein „-“ für „Abnahme“ steht:

Transaktionskosten

Transaktionsspezifische Investitionen +

Unsicherheit

Häufigkeit

+

–

Tabelle 17: Transaktionskostenwirkungen ceteris paribus zunehmender Ausprägungen der Transaktionscharakteristika (Quelle: In Anlehnung an Ebers/ Gotsch, 2002, S. 230)

Für die Transaktionskosten kann allgemein erkannt werden, dass sie sich mit steigender Spezifität der für eine Zusammenarbeit notwendigen Investitionen als auch mit steigender Unsicherheit ceteris paribus erhöhen. Hingegen wirkt eine zunehmende Häufigkeit der Abwicklung von Transaktionen tendenziell transaktionskostensenkend. (Rüdiger, 1998, S. 33) Die explizite Anwendung dieser Ergebnisse auf die zu Beginn des Abschnitts formulierte Fragestellung lässt, wie gesehen, einige Schlussfolgerungen zu. Bezüglich der Häufigkeit wurde festgehalten, dass die Institutionen vermutlich danach bestrebt sein werden, Partner für die kooperative Zusammenarbeit bei der Ideengenerierung zu finden, mit denen sie zu diesem Zweck in der Vergangenheit schon häufiger erfolgreich zusammengearbeitet haben. Die obigen Ausführungen zur Spezifität machten deutlich, dass insbesondere die humankapitalspezifischen Investitionen und die Investitionen in die Reputation als transaktionsspezifische Investitionen für die kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zu berücksichtigen sind. Auch die thematisierte Unsicherheit, die speziell mit der Phase der Ideengenerierung einhergeht, hat gemäß Tabelle 17 eine transaktionskostensteigernde Wirkung. Somit kann an dieser Stelle das zweite Ergebnis dieses Abschnittes festgehalten werden: 2. Die Thematisierung der Transaktionskosten auf Basis der Transaktionskostentheorie lässt übergeordnet vermuten, dass die durch eine kooperative Ideengenerierung anfallen Kosten aufgrund der damit einhergehenden sehr großen Unsicherheit und der notwendigen transaktionsspezifischen Investitionen zumindest anfänglich steigen werden. Durch die zusammenfassende Betrachtung der beiden bisherigen Ergebnisse dieses Abschnittes, dessen Ziel es war, theoriegestützt die Frage zu beantworten, wie sich die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung auswirkt, leitet der Autor die folgende Aussage ab: 3. Die kooperative Zusammenarbeit hinsichtlich der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern hat keine signifikante Auswirkung auf die Kosten für die Ideengenerierung.

139 Nachdem nun mittels Anwendung des Relational Views und der Transaktionskostentheorie eine theoriegestützte Antwort auf die zu Beginn des Abschnitts gestellte Frage erarbeitet wurde, wird für den Rest dieses Abschnitts nun auf dieser Antwort aufgebaut. In dieser zweiten Stufe dieses Abschnitts soll literaturgestützt untersucht werden, welcher Zusammenhang einerseits zwischen der eben beschriebenen Auswirkung, die diese kooperative Zusammenarbeit auf die Kosten für die Ideengenerierung hat und andererseits den Auswirkungen, die die kooperative Ideengenerierung auf den Innovationserfolg und den Unternehmenserfolg der klassischen europäischen Airlines hat, besteht. Eine Vielzahl von Arbeiten zeigen bzw. erklären, dass es einen Zusammenhang zwischen den Kosten auf der einen Seite und dem Innovationserfolg und dem Unternehmenserfolg auf der anderen Seite gibt (vgl. z. B. Ansari/ Modarress, 1997, S. 389; Atkinson, 1999, S. 337-339, 341; Bower/ Hout, 1988, S. 113; Chan/ Scott/ Lam, 2002, S. 120-128; Hamel/ Prahalad, 1991, S. 81; Hamel/ Prahalad, 2005, S. 155 und Ling, 2004, S. 128-139). So weisen beispielsweise Hansmann/ Ringle den Einfluss kostenspezifischer Kooperationseffekte auf den Unternehmenserfolg nach (Hansmann/ Ringle, 2005, S. 226, 232). Auch Ringle zeigt, dass eine Kostenreduzierung einen positiven Einfluss auf den Unternehmenserfolg haben kann (Ringle, 2004a, S. 327). Andere Autoren weisen auf die große Relevanz von niedrigen Kosten für den Erfolg bei der Einführung neuer Produkte hin (Layer et al., 2002, S. 499, 500). O’Neill/ Sohal verdeutlichen im Kontext des Business Process Reengineerings die große Bedeutsamkeit, die von einer Kostenreduzierung ausgeht (O’Neill/ Sohal, 1998, S. 839). In ihrer Arbeit von 1987 zeigen Cooper/ Kleinschmidt, dass die Kosten einen wichtigen Einfluss auf den Erfolg neuer Produkte haben (Cooper/ Kleinschmidt, 1987, S. 176, 180). Atkinson weist überdies darauf hin, dass eine Kostenreduktion zu einer Effizienzsteigerung führen kann (Atkinson, 1999, S. 341). Da in Abschnitt 4.2.2 die Effizienz bei der Umsetzung von Innovationen als ein potenzieller Erfolgsindikator für den Innovationserfolg erarbeitet wurde, verdeutlicht dies beispielhaft den positiven Zusammenhang zwischen der Kostenreduktion und dem Innovationserfolg. Darüber hinaus sei darauf aufmerksam gemacht, dass „Gewinn“ in Abschnitt 4.2.3 als ein potenzieller Erfolgsindikator für den Unternehmenserfolg herausgestellt wurde. Der Zusammenhang, der zwischen dem Gewinn – und somit dem Unternehmenserfolg – und den Kosten besteht, wird hierbei durch die Definition von Gewinn verdeutlicht, wonach sich der Gewinn aus der Differenz des Erlöses und der Kosten berechnet (Varian, 1999, S. 307). Sinken z. B. bei gleich bleibendem Erlös die Kosten, hat dies eine Gewinnsteigerung zur Folge. Diese Gewinnsteigerung kann dann wiederum einen gesteigerten Unternehmenserfolg indizieren. Demnach kann davon ausgegangen werden, dass eine Reduktion der Kosten einen positiven Einfluss auf den Unternehmenserfolg und auf den Innovationserfolg hat und eine Kostensteigerung diese Erfolgskonstrukte entsprechend negativ beeinflusst. Da jedoch, wie oben gezeigt, von der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern insgesamt keine signifikant positive und

140 keine signifikant negative Auswirkung auf die Kosten für die Ideengenerierung zu erwarten ist, leitet der Autor daraus die nächsten beiden Hypothesen ab, die in Abschnitt 5.3 empirisch untersucht werden: •

4. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat.

•

5. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

4.2.5 Hypothesen zum Einfluss der Qualität bei der Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views Ähnlich wie im Abschnitt zuvor lautet die erste Frage, die in diesem nun folgenden Abschnitt zu diskutieren ist, wie sich die beschriebene kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung auswirkt. Unter dem Begriff Qualität wird hierbei gemäß DIN EN ISO 9000:2005 der Grad verstanden, in dem ein Satz inhärenter Merkmale Anforderungen erfüllt (DIN EN ISO 9000:2005). Zur theoriegestützten Beantwortung dieser Frage werden auch hier der Relational View und seine Ausführungen aus Abschnitt 4.1.4 herangezogen. Wie auch im vorherigen Abschnitt wird nun mit der Kategorie „Zwischenbetriebliche Routine bezüglich Wissensaustausch“ die Argumentation begonnen. Das in diesem Zusammenhang in Abschnitt 4.1.4 aufgeführte interorganisationale Lernen ist hierbei von ganz entscheidender Bedeutung (Dyer/ Singh, 1998, S. 664; Powell/ Koput/ Smith-Doerr, 1996, S. 116-145 und Ringle, 2004a, S. 224). Dieser über Institutionsgrenzen hinweggehende Wissensaustausch ermöglicht u. a., gemeinschaftlich die Qualität bei der Ideengenerierung zu verbessern. Die europäischen Kunden und Lieferanten der klassischen europäischen Airlines können in der Subphase der Suchfeldbestimmung der kooperierenden Fluggesellschaft z. B. dabei helfen, tatsächliche Problemfelder zu bestimmen. Die dadurch identifizierten Problemfelder entsprechen hierdurch viel besser den von den Kunden tatsächlich erachteten Schwachstellen einer Airline bzw. sind besser auf die Lieferantenschnittstellen abgestimmt. Der qualitative „Output“ der Subphase der Suchfeldbestimmung könnte durch den zwischenbetrieblichen Wissensaustausch infolgedessen gesteigert werden, da, wie gezeigt, dadurch den mit der Subphase der Suchfeldbestimmung verbundenen Anforderungen besser gerecht werden kann. Ähnlich sieht es bei der nächsten Subphase aus, nämlich der Ideenfindung. Durch einen routine-

141 mäßigen, zwischenbetrieblichen Wissensaustausch können z. B. fest institutionalisierte Innovationsworkshops implementiert werden, bei denen auf das jeweilige Suchfeld spezialisierte Personen der unterschiedlichen Institutionen teilnehmen (vgl. z. B. Higgins/ Wiese, 1996, S. 49). Die jeweiligen Spezialisten der Kunden bzw. der Lieferanten können viel besser das für die Ideenfindung benötigte Kunden- bzw. Lieferantenwissen – in etwa bei Brainstormingrunden – einbringen als es die Airline alleine könnte (Higgins/ Wiese, 1996, S. 126-131; Schaude, 2000, S. 80-82 und Wahren, 2004, S. 133-149). Es ist daher anzunehmen, dass die alleinige Vorgehensweise einer klassischen europäischen Airline und einer hierzu extra durchgeführten Einarbeitung der Mitarbeiter der Airline in die Wünsche, Probleme und Denkweisen ihrer Kunden und Lieferanten nicht an den qualitativen Output der Ideenfindung heranreichen kann, der bei einem zwischenbetrieblichen Wissensaustausch erreichbar wäre. Mit anderen Worten formuliert kann die Anforderung in dieser Subphase, nämlich innovative Ideen zu erarbeiten, demzufolge besser mittels einer kooperativen Ideengenerierung zwischen den besagten Playern erfüllt werden als es z. B. bei einer alleinigen Vorgehensweise der klassischen europäischen Airlines möglich erscheint. Ähnlich ist es bei der Subphase des Ideenvorschlags. Da durch den institutionsübergreifenden Wissensaustausch das Wissen und somit auch wichtige Hinweise auf mögliche innerinstitutionelle Blockaden und die Bedenken der unterschiedlichen Institutionen etwa in die Anfertigung eines für den Ideenvorschlag notwendigen Protokolls einfließen, ermöglicht dies eine umfangreichere und damit verbunden qualitativ hochwertigere Ausarbeitung. Außerdem kann der institutionsübergreifende Wissensaustausch dazu genutzt werden, die bereits gesammelten Erfahrungen – so z. B. beim Vorschlagen der innovativen Ideen – auszutauschen, um auf diesem Wege etwa ein IT unterstütztes Tool für den Ideenvorschlag zu entwickeln. Dieses Tool könnte, etwa aufgrund einer damit einhergehenden größeren Transparenz, langfristig wiederum dazu beitragen, die Qualität bei der Ideengenerierung zu erhöhen. Nicht zu vernachlässigen ist an dieser Stelle ebenfalls die durch die gemeinschaftliche Erarbeitung resultierende Tatsache, dass der Output der gesamten Hauptphase der Ideengenerierung von allen Institutionen zusammen getragen wird und somit in jeder betroffenen Institution Promotoren für die Idee vorhanden sind (Nebe, 2000, S. 7). Diese aufgeführten Beispiele werden durch in anderen Bereichen empirisch durchgeführte Untersuchungen gestützt. So kann hierzu auf die bereits in Abschnitt 4.2.4 erwähnte Arbeit von Handfield et al. verwiesen werden. Die Autoren konnten als ein Ergebnis ihrer Untersuchung feststellen, dass die starke Lieferanteneinbindung in den Innovationsprozess der von ihnen befragten Unternehmen – und somit der intensive zwischenbetriebliche Wissensaustausch – nicht nur zu einer Reduktion diverser Kostengrößen führt, sondern auch die Qualität um durchschnittlich 20 Prozent verbessert (Handfield et al., 2004, S. 520). Betrachtet wurde dabei die Qualität eingekaufter Materialien (Handfield et al., 2004, S. 520). Die auf Grundlage des zwischenbetrieblichen Wissensaustausches durchgeführte Diskussion lässt daher die Vermutung zu, dass die kooperative Zusammenarbeit zwischen den klassi-

142 schen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine positive Auswirkung auf die Qualität bei der Ideengenerierung hat. Unter der in Abschnitt 4.2.4 begründeten Vermutung des Autors, dass klassische europäische Airlines zwecks kooperativer Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern primär Informal Safeguards als Steuerungsmechanismen verwenden, kann auch die Kategorie „Effektive Steuerung“ zur Erarbeitung einer auf dem Relational View basierenden Antwort auf die zu Beginn dieses Abschnitts gestellte Frage herangezogen werden. Als Referenz für eine etwaige Qualitätssteigerung wird auch hier, wie bisher, die Situation verglichen, in der die klassischen europäischen Airlines zur Ideengenerierung nicht auf die kooperative Zusammenarbeit mit ihren europäischen Kunden und Lieferanten zurückgreifen. Obwohl eine klassische europäische Airline in einer solchen Situation somit keine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern durchführt, bestehen für die Fluggesellschaften dennoch einige Möglichkeiten, um an das Wissen ihrer entsprechenden Kunden und Lieferanten zu gelangen. Eine dieser Möglichkeiten sieht vor, das notwendige Wissen – soweit es realisierbar ist – über das marktliche institutionelle Arrangement zu beschaffen.47 Solche losen, marktlich institutionellen Arrangements werden häufig über klassische rechtskräftige Verträge abgewickelt (Williamson, 1991, S. 271). Diese klassischen rechtskräftigen Verträge, die in Abschnitt 4.2.4 auch als „legal contracts“ bezeichnet wurden, sind wiederum den Third-Party Enforcements zuzuordnen (Dyer/ Singh, 1998, S. 669). Im Vergleich zu den vermutlich bei der kooperativen Ideengenerierung zwischen den besagten Playern zum Einsatz kommenden Informal Safeguards, die – wie beschrieben – der Gruppe der Self-Enforcing Agreements zugeordnet werden können, haben diese Third-Party Enforcements zwei für den hier diskutierten Kontext relevante Nachteile. Erstens entsteht durch den Einsatz der letztgenannten Gruppe der Steuerungsmechanismen ein geringerer (intrinsischer) Anreiz für die Institutionen, sich in einer zwischenbetrieblichen Zusammenarbeit zu engagieren (Dyer/ Singh, 1998, S. 669, 671). Zweitens besteht für die Resultate, die sich auf Grundlage einer Zusammenarbeit ergeben haben, die mittels Third-Party Enforcements gesteuert werden, eine vergleichsweise größere Imitationsgefahr durch Konkurrenten (Dyer/ Singh, 1998, S. 671). Kaufen sich die klassischen europäischen Airlines nun das für eine Ideengenerierung notwendige Kunden- bzw. Lieferantenwissen über die Form eines marktlichen institutionellen Arrangements hinzu, wird den entsprechenden Kunden bzw. Lieferanten – im Vergleich zum kooperativen institutionellen Arrangement – weniger daran gelegen sein, alle an eine Ideengenerierung gestellten Anforderungen zu erfüllen. Es ist davon auszugehen, dass die Kunden bzw. Lieferanten in diesem Fall maximal nur die an sie gestellten Anforderungen erfüllen, die vertraglich fixiert sind. Allerdings kann ein Vertrag nicht alle 47

Zu den institutionellen Arrangements vgl. z. B. Picot/ Maier, 1994, S. 109, 110 und Williamson, 1991, S. 271, 274.

143 Eventualitäten und daher auch nicht alle möglicherweise entstehenden Anforderungen an die Vertragspartner beinhalten. Dies ist insbesondere bei einer Ideengenerierung zu beachten, die – wie beschrieben – mit einer sehr großen Unsicherheit verbunden ist. Laut obiger Definition für den Begriff der Qualität geht damit eine geringere Qualität bei der Ideengenerierung einher. Die Nutzung des marktlichen institutionellen Arrangements könnte sich ebenfalls beim Verhalten der klassischen europäischen Airlines bemerkbar machen. So ist davon auszugehen, dass sie Kunden und Lieferanten, mit denen sie zwecks der Ideengenerierung nicht kooperieren, sondern lediglich deren Wissen über den Marktmechanismus hinzukaufen, weniger Einblicke in unternehmensinterne Informationen gewähren würden. Da dies jedoch wiederum – wie gesehen – für die Ideengenerierung unerlässlich ist, hat dies zur Folge, dass auch somit die an die Phase der Ideengenerierung gestellten Anforderungen nicht – oder zumindest schlechter als bei einer Kooperation mit ihren vertikalen europäischen Supply Chain Partnern – erfüllt werden können. Infolgedessen kann auch auf Grundlage der Diskussion, die der Kategorie der effektiven Steuerung zuzuordnen ist, die Vermutung gestützt werden, dass die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine positive Auswirkung auf die Qualität bei der Ideengenerierung hat. Wie auch im vorherigen Abschnitt wird nun mit der Kategorie „Komplementäre Ressourcenausstattung“ die Argumentation beendet, wie sich die kooperative Zusammenarbeit zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung auswirkt. Hierzu kann teilweise an die bereits in Abschnitt 4.1.4 formulierten Überlegungen angeknüpft werden. Die Nutzung der komplementären Ressourcen ihrer vertikalen europäischen Supply Chain Partner – zu denen wie in Abschnitt 4.1.4 beschrieben auch der jeweilige Wissensstock zu zählen ist – kann von den klassischen europäischen Airlines vielfältig genutzt werden, um ihre eigenen Schwachstellen auszubessern. Zum Beispiel können sie die komplementären Ressourcen ihrer vertikalen europäischen Supply Chain Partner dazu nutzen, sich möglichst frühzeitig (etwa nach der Subphase der Ideenfindung) Feedback der Endkunden einzuholen (Gemünden, 2001, S. 120). Die Lieferanten können beispielsweise ihre komplementären Ressourcen dazu verwenden, den klassischen europäischen Airlines dahingehend Feedback zu geben, ob ihrer Meinung nach eine technische Umsetzung realisierbar ist und wie diese Umsetzung aussehen könnte. Diese diversen Feedbacks der europäischen Kunden und europäischen Lieferanten, die auf den komplementären Ressourcen und damit einhergehenden unterschiedlichen Sichtweisen, Kernkompetenzen und Herangehensweisen an Problemstellungen dieser Institutionen basieren,

144 können die im Fokus der Arbeit stehenden Airlines zu einer frühzeitigen Fehlerkorrektur bzw. Anpassung nutzen.48 Dieser Argumentation folgend kann ebenfalls auf Grundlage der Kategorie der komplementären Ressourcenausstattung die Vermutung gestützt werden, dass die kooperative Zusammenarbeit zwischen den besagten Playern eine positive Auswirkung auf die Qualität bei der Ideengenerierung hat. Durch die zusammenfassende Betrachtung der bisherigen Diskussion kann an dieser Stelle, die gemäß der Einführung zu Abschnitt 4.2 gleichzeitig auch das Ende der ersten Stufe von Abschnitt 4.2.5 darstellt, eine theoriegestützte Antwort auf die zu Beginn dieses Abschnitts gestellte Frage gegeben werden, wie sich die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung auswirkt. Basierend auf den oben beschriebenen Argumenten, die sich durch die Anwendung des Relational Views auf den hier zu thematisierende Sachverhalt ergeben, leitet der Autor der vorliegenden Schrift als Antwort die folgende Aussage ab: •

Die kooperative Zusammenarbeit hinsichtlich der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern führt zu einer gesteigerten Qualität bei der Ideengenerierung.

Auf dieser Aussage aufbauend, soll nun in der zweiten Stufe dieses Abschnitts literaturgestützt untersucht werden, welcher Zusammenhang einerseits zwischen der beschriebenen Auswirkung, die die explizierte kooperative Zusammenarbeit auf die Qualität bei der Ideengenerierung hat, und andererseits den Auswirkungen, die die kooperative Ideengenerierung auf den Innovationserfolg und auf den Unternehmenserfolg der klassischen europäischen Airlines hat, besteht. Eine vom Verfasser durchgeführte Literaturanalyse führt zu der Erkenntnis, dass von einer Vielzahl von Autoren die Ansicht vertreten wird, dass gesteigerte Qualität eine positive Erfolgswirkung hat (Ansari/ Modarress, 1997, S. 389; Atkinson, 1999, S. 337-339, 341; Buzzell/ Gale, 1989, S. 93, 94; Chan/ Scott/ Lam, 2002, S. 120-128; Hamel/ Prahalad, 1991, S. 81; Hamel/ Prahalad, 2005, S. 155; Hansmann/ Ringle, 2005, S. 221, 226, 227; Layer et al., 2002, S. 499; Ling, 2004, S. 128-139; O’Neill/ Sohal, 1998, S. 839 und Ringle, 2004a, S. 327). Exemplarisch seien an dieser Stelle die Arbeiten einiger Autoren besonders hervorgehoben. So verdeutlichen Hansmann/ Ringle z. B. den positiven, hoch signifikanten Einfluss qualitätsspezifischer Kooperationseffekte auf den Unternehmenserfolg (Hansmann/ Ringle, 2005, S. 226, 227). Buzzell/ Gale betonen, dass Unternehmen, die im Vergleich zu ihren 48

Zu Kernkompetenzen vgl. z. B. Jahns, 2005, S. 1-4.

145 Konkurrenten eine relativ hohe Qualität ihrer angebotenen Leistungen aufweisen, einen höheren Return on Sales (RoS) und einen höheren Return on Investment (RoI) generieren (Buzzell/ Gale, 1989, S. 93, 94). Ling weist außerdem die große Relevanz der Qualität für Projekterfolge nach (Ling, 2004, S. 128-139). Überdies akzentuiert Atkinson, dass eine Qualitätssteigerung zu einer Effektivitätsverbesserung führen kann (Atkinson, 1999, S. 341). Da in Abschnitt 4.2.2 die Effektivität bei der Umsetzung von Innovationen als ein potenzieller Erfolgsindikator für den Innovationserfolg herausgestellt wurde, verdeutlicht dies beispielhaft den positiven Zusammenhang zwischen der Qualitätssteigerung und dem Innovationserfolg. Diesen aufgeführten Beispielen folgend kann davon ausgegangen werden, dass eine Qualitätssteigerung einen positiven Einfluss auf den Unternehmenserfolg und auf den Innovationserfolg hat und eine Abnahme der Qualität diese Erfolgskonstrukte entsprechend negativ beeinflusst. Durch eine inhaltliche Zusammenführung dieser auf einer Literaturanalyse beruhenden Erkenntnis und der oben auf Basis des Relational Views begründeten Aussage, dass die besagte kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zu einer gesteigerten Qualität bei der Ideengenerierung führt, leitet der Verfasser die nächsten beiden Hypothesen ab, die in Abschnitt 5.3 empirisch untersucht werden: •

6. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat.

•

7. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

4.2.6 Hypothesen zum Einfluss des Zeitaufwandes für die Ideengenerierung auf die Erfolgskonstrukte vor dem Hintergrund des Relational Views Zu Beginn dieses Abschnitts ist zunächst die Frage zu diskutieren, wie sich die beschriebene kooperative Zusammenarbeit zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung auswirkt. Zur theoriegestützten Beantwortung dieser Frage werden, wie schon im vorherigen Abschnitt, der Relational View und seine Ausführungen aus Abschnitt 4.1.4 herangezogen. Die Argumentation wird an dieser Stelle mit der Kategorie „Investitionen in beziehungsspezifische Assets“ begonnen. Nach Auffassung des Autors können insbesondere die humankapitalspezifischen Investitionen und die anlagenspezifischen Investitionen zu einer Reduktion des Zeitaufwandes für die Ideengenerierung beitragen. Als Referenz für eine etwaige Reduk-

146 tion des Zeitaufwandes wird auch hier die Situation verglichen, in der die klassischen europäischen Airlines zur Ideengenerierung nicht auf die kooperative Zusammenarbeit mit ihren europäischen Kunden und Lieferanten zurückgreifen. Es wird jedoch angenommen, dass die klassischen europäischen Airlines dennoch – so weit es realisierbar ist – an das spezifische Wissen ihrer entsprechenden Kunden und Lieferanten gelangen möchten und dieses daher über das marktliche institutionelle Arrangement hinzukaufen. Ist etwa ein europäischer Lieferant einer klassischen europäischen Airline dazu bereit, dass sich ein spezifischer Personenkreis seiner Mitarbeiter – so z. B. die für die Airline benannten Key Account Manager – explizit in die Belange der entsprechenden Fluggesellschaft einarbeitet, könnte dies dazu beitragen, den Zeitaufwand für die Ideengenerierung zu reduzieren.49 Im Detail würde dies nämlich bedeuten, dass die klassische europäische Airline diesen kooperierenden Lieferanten für die Ideengenerierung nicht erst zeitaufwändig instruieren müsste, wie es zum Vergleich bei einer Abwicklung über das marktliche institutionelle Arrangement von Nöten wäre. Insbesondere in der Subphase der Suchfeldbestimmung und der sich daran anschließenden Subphase der Ideenfindung könnte diese vorab von dem entsprechenden Lieferanten durchgeführte Einarbeitung in die Belange der Airline, die auch auf einer in der Vergangenheit durchgeführten kooperativen Ideengenerierung basieren kann, somit zu einer Reduktion des benötigten Zeitaufwandes führen. Hinzuweisen ist an dieser Stelle zudem darauf, dass die klassische europäische Airline auch dazu bereit sein muss, diesem Lieferanten vorab die notwendigen Einblicke zu gewähren. Eine Reduktion des Zeitaufwandes für die Ideengenerierung wäre darüber hinaus dann zu erwarten, wenn etwa in eine Informations- und Kommunikationstechnologie (I & KTechnologie) investiert werden würde (anlagespezifische Investition), die es allen kooperierenden Institutionen ermöglicht, zeitlich und räumlich flexibel z. B. auf Problemfelder der bisherigen Produkte bzw. der bisherigen Prozesse einer im Fokus stehenden klassischen europäischen Airline hinzuweisen (Scheer/ Hofer/ Adam, 2005, S. 349-374). Hinzu könnten die Kooperanden flexibel innovative Ideen für die zuvor herausgestellten Suchfelder eingeben und die erarbeiteten Ideen innerhalb kürzester Zeit an die entscheidungsbefugten Stellen weiterleiten. Unter Berücksichtigung der soeben angeführten Argumente kann an dieser Stelle die Vermutung geäußert werden, dass, begründet durch die Investitionen in beziehungsspezifische Assets, die oben beschriebene kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine positive Auswirkung auf den Zeitaufwand für die Ideengenerierung hat. Anzumerken ist hierbei noch, dass 49

Zur Thematik des Key Account Managements vgl. z. B. Arnett/ Macy/ Wilcox, 2005, S. 27-42; Homburg/ Workman/ Jensen, 2002, S. 38-60; Hughes et al., 2004, S. 184-193; McDonald, 2000, S. 15-34; McDonald/ Millman/ Rogers, 1997, S. 737-757; Millman/ Wilson, 1999, S. 328-337 und Ojasalo, 2002, S. 301-318.

147 in der vorliegenden Arbeit unter einer positiven Auswirkung auf den Zeitaufwand, eine Reduktion des Zeitaufwandes verstanden wird. Die „Zwischenbetriebliche Routine bezüglich Wissensaustausch“ stellt die nächste Kategorie dar, mit der versucht wird, eine Antwort auf die zu Beginn dieses Abschnitts gestellte Frage zu erarbeiten. Speziell für die Ideengenerierung, die, wie erwähnt, die erste Hauptphase des dieser Arbeit zu Grunde gelegten Innovationsprozesses darstellt, ist eine Reduktion des Zeitaufwandes durch einen zwischenbetrieblichen Wissensaustausch – und dem damit einhergehenden interorganisationalen Lernen – sehr gut erklärbar (Dyer/ Singh, 1998, S. 664 und Thom, 1980, S. 53). So müssten die klassischen europäischen Airlines zur Aneignung des für die Ideengenerierung teilweise notwendigen Kunden- bzw. Lieferantenwissens sowohl bei Anwendung des hierarchischen institutionellen Arrangements als auch bei Anwendung des marktlichen institutionellen Arrangements mit einem nicht unbeträchtlichen Zeitaufwand rechnen. Dieser Zeitaufwand käme im ersten Fall dadurch zustande, dass die besagten Airlines das gesamte notwendige Wissen eigenständig erlernen müssten. Dieser Prozess würde unter Umständen – um nur zwei Beispiele zu nennen – mit Mitarbeiterschulungen und umfangreichen Marktforschungen einhergehen, währenddessen die betroffenen Mitarbeiter überdies für andere Aufgaben nicht zur Verfügung stehen würden. Der Zeitaufwand käme beim Hinzukaufen des notwendigen Wissens über das marktliche institutionelle Arrangement u. a. dadurch zustande, dass die jeweiligen „Wissensverkäufer“ nur einen geringen Anreiz haben, alle für eine Ideengenerierung notwendigen Anforderungen zu erfüllen.50 Daher wären die klassischen europäischen Airlines hierbei u. a. zu zeitaufwändigen Kontrollen gezwungen. Auch wenn das auf diesem Wege erhaltene Wissen den Kontrollen Stand halten würde, müssten noch individuelle Anpassungen durchgeführt werden. Begründen lässt sich dies wiederum damit, dass die klassischen europäischen Airlines den als „Wissensverkäufer“ agierenden Kunden und Lieferanten – wie bereits weiter oben expliziert – sicherlich keinen uneingeschränkten Einblick in die unternehmensinternen Daten gewährleisten, um somit den Abfluss sensibler Informationen zu verhindern. Führen die klassischen europäischen Airlines mit ihren vertikalen europäischen Supply Chain Partnern hingegen eine kooperative Ideengenerierung durch, können sie an dem Wissen der Kooperationspartner partizipieren und es kann somit zu einem interorganisationalen Lernen kommen (Dyer/ Singh, 1998, S. 664). Dieser Prozess geht u. a. wegen des geringeren Zeitaufwandes für den notwendigen unternehmensinternen Wissensaufbau, für die Kontrolle und für die Anpassung an die spezifischen Bedürfnisse der im Fokus stehenden Airline nach Auffassung des Verfassers insgesamt mit einem vergleichsweise geringen zeitlichen Aufwand einher. Zu berücksichtigen sind lediglich die speziell in der frühen Phase von Kooperationen möglicherweise anfallenden zeitlichen Aufwendungen, wie etwa für die Suche nach geeigneten Partnern. 50

Vgl. dazu Abschnitt 4.2.5.

148 Somit wurde auch im vorherigen Absatz hergeleitet, dass die kooperative Ideengenerierung insgesamt zu einer zeitlichen Einsparung führt. Zur Untermauerung sei hierzu exemplarisch auf eine Untersuchung von Handfield et al. verwiesen, die bereits in den Abschnitten 4.2.4 und 4.2.5 an den entsprechenden Stellen thematisiert wurde. Handfield et al. merken nämlich an, dass die starke Lieferanteneinbindung in den Innovationsprozess der von ihnen befragten Unternehmen – und somit der intensive zwischenbetriebliche Wissensaustausch – auch zu einer Verbesserung des Zeitaufwandes um durchschnittlich 20 Prozent führt (Handfield et al., 2004, S. 520, 521). Betrachtet wurde hierbei der Zeitaufwand für die Entwicklung von Produkten und Prozessen. Somit lässt die Anwendung der Kategorie der zwischenbetrieblichen Routine bezüglich Wissensaustausch die Vermutung zu, dass die kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine positive Auswirkung auf den Zeitaufwand (im Sinne einer Zeitaufwandsreduktion) für die Ideengenerierung hat. Ähnlich wie bei den zwei vorhergehenden Abschnitten 4.2.4 und 4.2.5 wird nun mit der Kategorie „Komplementäre Ressourcenausstattung“ die Argumentation beendet, wie sich die beschriebene kooperative Zusammenarbeit zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung auswirkt. Die bereits in den Abschnitten 3.2.3.2 und 4.2.4 erwähnte „Boeing Corporation’s 777“, bei der der Flugzeughersteller Boeing neben seinen eigenen Mitarbeitern seine Key Supplier und seine Kunden kooperativ mit in den Produktentwicklungsprozess einbezog, soll auch hier beispielhaft angeführt werden (A. T. Kearney, 2002, S. 2). Ein Ziel dieser engen Zusammenarbeit mit den Kunden und Lieferanten bestand für Boeing darin, eine dramatische Reduzierung der Entwicklungszeiten zu realisieren. Dieses formulierte Ziel wurde eingehalten, indem der Zeitaufwand für die Entwicklung um 91 Prozent reduziert werden konnte (A. T. Kearney, 2002, S. 2). Die Relevanz, die hierbei die Nutzung der komplementären Ressourcen von Boeings Kunden und Lieferanten hatte, ist sehr nahe liegend. So ist es denkbar, dass Boeings vertikale Supply Chain Partner im Entwicklungsprozess bereits sehr frühzeitig auf Basis ihres Wissensstandes Feedbacks geben konnten. Diese frühzeitigen Feedbacks reduzieren prinzipiell die Gefahr von nachträglichen und zeitaufwändigen Anpassungen. Ein überaus wichtiger Aspekt, der die Reduktion der Entwicklungszeit erklären kann, wird überdies darin gesehen, dass es zu einer zeitlich parallelen Entwicklung gekommen ist, die den gesamten Entwicklungsprozess beschleunigt hat (A. T. Kearney, 2002, S. 2 und Perl, 2003, S. 33). Dieser parallele Entwicklungsprozess konnte nach Auffassung des Autors nebst anderen Gründen deshalb zu zeitlichen Einsparungen führen, da die jeweilige Ressourcenausstattung und somit die jeweiligen Kernkompetenzen der einzelnen Kooperanden gezielt zum Einsatz gebracht wurden. Im Vergleich zur alleinigen Vorgehensweise von Boeing konnten aufgrund dessen zeitliche Ineffizienzen reduziert werden, die sich z. B. durch Know-how bedingte Wartezeiten ergeben und die durch Einarbeitungen in eine Thematik entstehen, die nicht durch die bisherigen Ressourcen abgedeckt werden können.

149 Dieses soeben explizierte Beispiel zur Nutzung der komplementären Ressourcenausstattungen von Boeing und deren Kunden und Lieferanten, das einige Parallelen zur speziellen Thematik der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern aufweist, bestärkt infolgedessen die bereits zuvor in diesem Abschnitt geäußerte Vermutung des Autors. Hinzu machen Borchert/ Goos/ Hagenhoff auf ein ähnliches Beispiel aufmerksam. So beschreiben sie, dass bei der Entwicklung des „smarts“ u. a. aufgrund der sehr intensiven Einbindung der Systempartner eine Time-to-Market von vier Jahren erreicht werden konnte, die somit ein bis zwei Jahre unter den branchenüblichen fünf bis sechs Jahren liegt (Borchert/ Goos/ Hagenhoff, 2004, S. 20, 21). Demnach ist zu erwarten, dass die beschriebene kooperative Zusammenarbeit zwischen den besagten Playern eine positive Auswirkung auf den Zeitaufwand für die Ideengenerierung hat. Die zusammenfassende Betrachtung der bisherigen, in diesem Abschnitt durchgeführten Diskussion lässt auf eine theoriegestützte Antwort auf die zu Beginn dieses Abschnitts gestellte Frage schließen, nämlich wie sich die beschriebene kooperative Zusammenarbeit zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung auswirkt. Basierend auf den oben aufgeführten Argumenten, die sich durch die Anwendung des Relational Views auf den hier zu thematisierenden Sachverhalt ergeben, leitet der Autor an dieser Stelle – die gemäß der Einführung zu Abschnitt 4.2 gleichzeitig auch das Ende der ersten Stufe von Abschnitt 4.2.6 darstellt – die folgende Aussage ab: •

Die kooperative Zusammenarbeit hinsichtlich der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern führt zu einem verringerten Zeitaufwand für die Ideengenerierung.

Auf dieser Aussage aufbauend soll in der nun folgenden zweiten Stufe dieses Abschnitts literaturgestützt untersucht werden, welcher Zusammenhang zum einen zwischen der explizierten Auswirkung, die die beschriebene kooperative Zusammenarbeit auf den Zeitaufwand für die Ideengenerierung hat und zum anderen den Auswirkungen, die die kooperative Ideengenerierung auf den Innovationserfolg und auf den Unternehmenserfolg der klassischen europäischen Airlines hat, besteht. Eine vom Autor speziell für die Thematik der zweiten Stufe dieses Abschnitts durchgeführte Literaturanalyse gelangt zu der grundlegenden Erkenntnis, dass eine Reduktion des Zeitaufwandes häufig mit einer gesteigerten Erfolgswirkung einhergeht (Ansari/ Modarress, 1997, S. 389; Atkinson, 1999, S. 337-339, 341; Bower/ Hout, 1988, S. 110, 111; Chan/ Scott/ Lam, 2002, S. 120-128; Hamel/ Prahalad, 1991, S. 81; Horsch, 2003, S. 25; Keuper, 2001, S. 15, 131; Milling/ Schwellbach/ Thun, 2000, S. 16; O’Neill/ Sohal, 1998, S. 839; Pleschak/ Sabisch, 1996, S. 12; Ringle, 2004a, S. 327; Ringle, 2005, S. 318, 319 und Stalk, 1988, S. 4151). Aus der Vielzahl von Arbeiten, die diesen Zusammenhang aufzeigen, werden an dieser

150 Stelle nun einige als sehr geeignet empfundene Untersuchungen exemplarisch besonders hervorgehoben. So wird von Stalk/ Hout auf die große Relevanz der Entwicklungszeit einer Innovation für dessen Erfolg aufmerksam gemacht (Stalk/ Hout, 1990, S. 131, 132). Speziell für Produktinnovationen schreibt Horsch, dass der benötigte Zeitraum zur Entwicklung eines Produktes sich ganz erheblich auf den Erfolg einer Innovation auswirkt (Horsch, 2003, S. 25). Des Weiteren verdeutlicht Ringle z. B. den positiven, hoch signifikanten Einfluss zeitspezifischer Kooperationseffekte auf den Unternehmenserfolg (Ringle, 2005, S. 318, 319). Ebenfalls wird argumentiert, dass eine Reduktion des Zeitaufwandes für eine gewisse Aktivität darauf abzielen kann, eine möglichst rasche Bedürfnisbefriedigung (z. B. des Kunden oder des Lieferanten) zu erlangen, eine schnelle Anpassung an die spezifischen Wünsche der Kunden zu gewährleisten und eine schnelle Bereitstellung innovativer Produkte und Prozesse zu erreichen (Keuper, 2001, S. 131). Anzumerken ist an dieser Stelle, dass sich diese beispielhaft aufgeführten Ergebnisse einer Zeitreduktion in einigen potenziellen Erfolgsindikatoren der Abschnitte 4.2.2 und 4.2.3 widerspiegeln; so z. B. im Neuigkeitsgrad der Produkt- bzw. der Prozessinnovationen und der Kunden- und Lieferantenbindung. Überdies weist Atkinson darauf hin, dass eine Zeitaufwandsreduktion zu einem steigenden Gewinn führen kann, wobei in Abschnitt 4.2.3 der Gewinn als ein potenzieller Erfolgsindikator für den Unternehmenserfolg erarbeitet wurde (Atkinson, 1999, S. 341). Entsprechend dieser aufgeführten Beispiele kann davon ausgegangen werden, dass eine Zeitaufwandsreduktion einen positiven Einfluss auf den Unternehmenserfolg und auf den Innovationserfolg hat, wohingegen eine Steigerung des Zeitaufwandes diese Erfolgskonstrukte negativ beeinflusst. Eine inhaltliche Zusammenführung dieser auf einer Literaturanalyse beruhenden Erkenntnis und der oben auf Basis des Relational Views begründeten Aussage, dass die besagte kooperative Zusammenarbeit zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zu einem verringerten Zeitaufwand für die Ideengenerierung führt, ermöglicht es dem Verfasser, darauf aufbauend die letzten beiden Hypothesen der Dissertation abzuleiten, die in Abschnitt 5.3 empirisch untersucht werden: •

8. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat.

•

9. Hypothese: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

151 4.2.7 Theoretische Modelle zur Erfolgsanalyse Nachdem nun in den Abschnitten 4.2.4 bis 4.2.6 die für die Erfolgsanalyse der vorliegenden Schrift relevanten Hypothesen mittels Anwendung der Transaktionskostentheorie, des Relational Views und des Studiums weiterer themenspezifischer Literatur abgeleitet wurden, werden diese Hypothesen nun zu zwei theoretischen Modellen der Erfolgsanalyse zusammengefasst. Zur besseren Übersicht sei jedoch zunächst auf Tabelle 18 verwiesen, in der die entsprechenden Hypothesen nochmals aufgelistet sind: Nummer

H4

H5

H6

H7

H8

H9

Hypothese Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat. Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat. Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf die Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Innovationserfolg der klassischen europäischen Airlines hat. Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die diese kooperative Ideengenerierung auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

Tabelle 18: Zusammenfassende Übersicht über die Hypothesen zur Erfolgsanalyse (Quelle: Eigene Darstellung)

Die Begründung dafür, dass an dieser Stelle nicht nur von einem, sondern von zwei theoretischen Modellen die Rede ist, ergibt sich daraus, dass – wie erläutert – in der Dissertation hinsichtlich des Innovationsobjektes explizit und durchgängig zwischen Produktinnovationen und Prozessinnovationen differenziert wird. Die Beibehaltung dieser Differenzierung, die wie gezeigt auch von einer Vielzahl anderer Autoren vorgenommen wird, führt dazu, dass die in Tabelle 18 mit den Nummern H4 bis H9 bezeichneten Hypothesen zur Erfolgsanalyse auf zwei spezifische Thematiken angewendet werden. Zum einen werden diese Hypothesen für

152 die Thematik überprüft, bei der die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen genutzt wird. Das hierfür relevante theoretische Modell wird in Abschnitt 4.2.7.1 dargestellt. In Abschnitt 4.2.7.2 werden zum anderen die mit den Hypothesen H4 bis H9 einhergehenden vermuteten Zusammenhänge für die spezifische Thematik, bei der die kooperative Ideengenerierung zwischen den besagten Playern zur Erlangung von Prozessinnovationen verwendet wird, graphisch verdeutlicht. 4.2.7.1 Erstes theoretisches Modell: Modell für die kooperative Ideengenerierung zur Erlangung von Produktinnovationen Angewendet auf die spezifische Thematik, dass die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern speziell für die letztendliche Erlangung von Produktinnovationen durchgeführt wird, verdeutlicht Abbildung 21 die in den oben aufgelisteten Hypothesen H4 bis H9 zum Ausdruck kommenden vermuteten Zusammenhänge. Durch die Indizierung der Hypothesenbezeichnungen H4 bis H9 mit „I“ wird dieser spezifischen Anwendung Rechnung getragen. Darüber hinaus ist nicht mehr allgemein vom Innovationserfolg die Rede. Vielmehr ist in Abbildung 21 das Konstrukt der Auswirkung der kooperativen Ideengenerierung zwischen den besagten Playern auf den Produktinnovationserfolg der klassischen europäischen Airlines dargestellt. Überdies soll die jeweilige in Klammern geschriebene Ergänzung „Produktinnovation“ auf diese Fokussierung aufmerksam machen. So beinhaltet z. B. das in Abbildung 21 mit „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (Produktinnovation)“ bezeichnete Konstrukt ausschließlich die Auswirkungen auf die Kosten, die sich für die Generierung innovativer Ideen ergeben, deren letztendlicher Zweck in der Erlangung von Produktinnovationen gesehen wird. Somit können den in Abbildung 21 aufgeführten Konstrukten zu den strategischen Erfolgsfaktoren der Ideengenerierung die in Abschnitt 4.2.1 mit (1), (3), (5), (7), (9), (11), (13), (15) und (17) gekennzeichneten potenziellen Indikatoren zugeordnet werden. Die für die in Abbildung 21 genannten Erfolgskonstrukte erarbeiteten potenziellen Erfolgsindikatoren sind entsprechend den Abschnitten 4.2.2 und 4.2.3 zu entnehmen.

153

H6 I H8 I

Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (Produktinnovation)

Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg (Produktinnovation)

H7 I

Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung (Produktinnovation)

H4 I H5 I

Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (Produktinnovation)

I H9

Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg (Produktinnovation)

Abbildung 21: Erstes theoretisches Modell der Erfolgsanalyse (Quelle: Eigene Darstellung)

4.2.7.2 Zweites theoretisches Modell: Modell für die kooperative Ideengenerierung zur Erlangung von Prozessinnovationen Die Erklärungen zu Abbildung 22 – und somit zu dem zweiten theoretischen Modell der Erfolgsanalyse der Dissertation – sind annähernd äquivalent zu den Erläuterungen des vorherigen Abschnitts. Lediglich stehen in Abbildung 22 nicht mehr Produktinnovationen, sondern Prozessinnovationen im Mittelpunkt der Betrachtung. So verdeutlicht Abbildung 22 die in den oben aufgeführten Hypothesen H4 bis H9 zum Ausdruck kommenden vermuteten Zusammenhänge unter Anwendung auf die spezifische Thematik, dass die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen

154 Supply Chain Partnern speziell für die letztendliche Erlangung von Prozessinnovationen durchgeführt wird.

I

I

H6 I H8 II

I

Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (Prozessinnovation)

Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg (Prozessinnovation)

H7 I

Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung (Prozessinnovation)

H4 I H5 II

Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (Prozessinnovation)

II H9

Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg (Prozessinnovation)

Abbildung 22: Zweites theoretisches Modell der Erfolgsanalyse (Quelle: Eigene Darstellung)

Entsprechend Abschnitt 4.2.7.1 wird dieser spezifischen Anwendung u. a. durch eine Indizierung der Hypothesenbezeichnungen H4 bis H9 Rechnung getragen. Da in Abbildung 22 das zweite theoretische Modell der Erfolganalyse graphisch dargestellt ist, wird als Index jeweils die Beschriftung „II“ verwendet. Darüber hinaus ist an dieser Stelle nochmals darauf hinzuweisen, dass auch hier nicht mehr allgemein vom Innovationserfolg die Rede ist. Stattdessen ist in Abbildung 22 das Konstrukt der Auswirkung der kooperativen Ideengenerierung zwischen den oben genannten Playern der Supply Chain der europäischen Aviation-Industrie auf

155 den Prozessinnovationserfolg der klassischen europäischen Airlines abgebildet. Diese Fokussierung wird außerdem durch die jeweilige in Klammern geschriebene Ergänzung „Prozessinnovation“ deutlich. Wie auch in Abschnitt 4.2.7.1 wird dies nun anhand eines Beispiels erklärt. So beinhaltet z. B. das in Abbildung 22 mit „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (Prozessinnovation)“ benannte Konstrukt ausschließlich die Auswirkungen auf den Zeitaufwand, die sich durch die Generierung innovativer Ideen ergeben, deren finaler Zweck in der Erlangung von Prozessinnovationen gesehen wird. Entsprechend können den in Abbildung 22 aufgeführten Konstrukten zu den strategischen Erfolgsfaktoren der Ideengenerierung die in Abschnitt 4.2.1 mit (2), (4), (6), (8), (10), (12), (14), (16) und (18) nummerierten potenziellen Indikatoren zugeordnet werden. Den Abschnitten 4.2.2 und 4.2.3 sind demgemäß die für die in Abbildung 22 genannten Erfolgskonstrukte erarbeiteten potenziellen Erfolgsindikatoren zu entnehmen.

156

5

Forschungsmethodologie, Datenanalyse und empirische Ergebnisse zur kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie

Wie bereits im vorherigen Kapitel erwähnt wurde, stehen die empirischen Untersuchungen der vom Autor abgeleiteten Hypothesen im Mittepunkt des nun folgenden Kapitels. Zur Darstellung der empirisch ermittelten Ergebnisse wird auch in diesem Kapitel erneut auf den im dritten Kapitel eingeführten strukturellen Rahmen und die zu diesem Zweck durchgeführte Dreiteilung in Existenzanalyse, Erfolgsanalyse und Kontingenzanalyse zurückgegriffen. Bevor jedoch die Ergebnisse zur Existenzanalyse (Abschnitt 5.2), zur Erfolgsanalyse (Abschnitt 5.3) und die Ergebnisse zur Kontingenzanalyse (Abschnitt 5.4) dargelegt und diskutiert werden, folgt in Abschnitt 5.1 eine ausführliche Erläuterung der hierzu verwendeten Forschungsmethodologie der empirischen Untersuchung. 5.1 Forschungsmethodologie der empirischen Untersuchung In den folgenden Abschnitten werden zunächst die für dieses Kapitel relevanten Forschungskonzepte expliziert (Abschnitt 5.1.1). Der daran anschließende Abschnitt 5.1.2 widmet sich dem Fragebogendesign und dem Datensammlungsprozess. Wie zu sehen sein wird, sind die Erläuterungen dieser Schritte für das Verständnis und für die Diskussion der empirisch ermittelten Ergebnisse von großer Bedeutung. Abschnitt 5.1 schließt mit einer Übersicht über die Soziodemographika der befragten Probanden (Abschnitt 5.1.3). Insgesamt kann somit festgehalten werden, dass der gesamte Abschnitt 5.1 dazu beitragen soll, die gewählte Vorgehensweise der empirischen Untersuchung aufzuzeigen und somit erklärt, wie der Verfasser zu seinen empirisch ermittelten Ergebnissen gelangt (Schnell/ Hill/ Esser, 2005, S. 50). 5.1.1 Forschungskonzepte Die nun folgenden Abschnitte geben einen Überblick darüber, wie die Forschungskonzepte jeweils für die mit Existenzanalyse (Abschnitt 5.1.1.1), Erfolgsanalyse (Abschnitt 5.1.1.2) und Kontingenzanalyse (Abschnitt 5.1.1.3) bezeichneten Bereiche ausgestaltet sind. Hierbei wird z. B. erläutert, wie die entsprechende empirische Untersuchung in den weiteren Abschnitten vonstatten geht und welche statistischen Methoden verwendet werden. So wird beispielsweise in Abschnitt 5.1.1.2 u. a. ausdrücklich erklärt, weshalb zur Erarbeitung der empirisch ermittelten Ergebnisse zur Erfolgsanalyse der Partial Least Squares Ansatz verwendet wird. 5.1.1.1 Existenzanalyse Im Kontext der Existenzanalyse von Innovationskooperationen wurde in Abschnitt 3.2.2 die folgende erste Forschungsfrage der vorliegenden Arbeit formuliert, auf Basis derer in den Abschnitten 4.1.2 und 4.1.4 die drei ersten Hypothesen abgeleitet wurden:

157 •

1. Forschungsfrage: Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet?

Gemäß Abschnitt 3.2.2 wird mittels der Existenzanalyse ein Phänomen beschrieben (Gemünden, 2001, S. 124). Nach Ellram handelt es sich somit um eine „Description“ (Ellram, 1996, S. 98). Diese Tatsache und die Art der Fragestellung der oben formulierten ersten Forschungsfrage weisen darauf hin, dass zur Beantwortung dieser Frage eine quantitative Befragung als angemessen erscheint (Ellram, 1996, S. 98). Dieses Ergebnis kann als erste Begründung dafür angesehen werden, weshalb der Autor als Grundlage seiner empirischen Untersuchung eine Befragung durchgeführt hat, für die ein standardisierter Fragebogen entworfen wurde, der wiederum mittels quantitativer Methoden auszuwerten ist.51 Zur Beantwortung dieser ersten Forschungsfrage und somit zur empirischen Untersuchung der ersten drei Hypothesen wird der Autor das Statistiksoftwarepaket SPSS (Version 11.0) verwenden. Anzumerken ist hierbei, dass das Softwarepaket SPSS, dessen Abkürzung ursprünglich für Statistical Package for the Social Sciences stand, ein in den Sozialwissenschaften weit verbreitetes Statistikprogramm ist (Bellgardt, 1997, S. 1). So wird der Verfasser einerseits in den Abschnitten 5.2.1.1 und 5.2.2.1 unter Zuhilfenahme von SPSS die in den Abschnitten 4.1.1 und 4.1.3 für die Thematik der Existenzanalyse herausgestellten potenziellen Indikatoren auf ihre Reliabilität und Validität hin evaluieren. Andererseits wird der Verfasser in den Abschnitten 5.2.1.2 und 5.2.2.2 SPSS einsetzen, um dort die drei im Kontext der Existenzanalyse erarbeiteten Hypothesen – und somit übergreifend auch die erste Forschungsfrage – empirisch zu untersuchen. Hierbei werden neben einfachen deskriptiven Auswertungen auch Tests auf Normalverteilung und dazu korrespondierende Mittelwertvergleiche durchgeführt (Bleymüller/ Gehlert/ Gülicher, 1998, S. 1). 5.1.1.2 Erfolgsanalyse Im Kontext der Erfolgsanalyse von Innovationskooperationen wurde in Abschnitt 3.2.3.2 die nachstehende zweite Forschungsfrage der vorliegenden Arbeit formuliert, auf deren Basis die restlichen sechs Hypothesen abgeleitet wurden, die den Abschnitten 4.2.4 bis 4.2.6 zu entnehmen sind: •

51

2. Forschungsfrage: Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der

Die zweite Begründung hierfür findet der Leser in Abschnitt 5.1.1.2. Zum Fragebogendesign vgl. Abschnitt 5.1.2.

158 kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit? Gemäß Abschnitt 3.2.3 wird mittels der Erfolgsanalyse versucht, die Erfolgswirkungen – z. B. die einer Innovationskooperation – zu bestimmen bzw. zu prognostizieren (Gemünden, 2001, S. 124). Nach Ellram handelt es sich somit um eine „Prediction“ (Ellram, 1996, S. 98). Diese Tatasche und die Art der Fragestellung der oben formulierten zweiten Forschungsfrage weisen – ähnlich wie bei den Beschreibungen zur Existenzanalyse in Abschnitt 5.1.1.1 – darauf hin, dass zur Beantwortung dieser Frage eine quantitative Befragung als angemessen erachtet wird (Ellram, 1996, S. 98). Dieses Ergebnis, dass somit sowohl zur Beantwortung der ersten als auch zur Beantwortung der zweiten Forschungsfrage eine quantitative Befragung empfohlen wird, begründet somit, weshalb der Autor als Grundlage seiner empirischen Untersuchung eine Befragung durchgeführt hat, für die ein standardisierter Fragebogen entworfen wurde, der wiederum mittels quantitativen Methoden auszuwerten ist.52 Zur Beantwortung dieser zweiten Forschungsfrage – damit einhergehend auch zur empirischen Untersuchung der letzten sechs Hypothesen der Dissertation – und ebenfalls zur Evaluation der in den Abschnitten 4.2.1 bis 4.2.3 erarbeiteten potenziellen Indikatoren zur Erfolgsanalyse wird der Autor in Abschnitt 5.3 primär die zum Partial Least Squares (PLS)-Ansatz zugehörige Software SmartPLS (Version 2.0 M3) einsetzen. Dies ist vereinfacht ausgedrückt damit zu begründen, dass die PLS-Analyse die Modellierung und Schätzung von Strukturgleichungsmodellen (auch Structural Equation Models SEM) mit latenten Variablen ermöglicht (Ringle et al., 2006, S. 81). Bevor nun etwas eingehender begründet wird, weshalb sich der Autor für die PLS-Analyse entschieden hat, sei noch darauf hingewiesen, dass zur Evaluierung der PLS-Pfadmodelle manche statistische Tests mittels SPSS (Version 11.0) durchgeführt werden. Dies ist darauf zurückzuführen, dass die entsprechenden Tests noch nicht von der angesprochenen Software SmartPLS (Version 2.0 M3) unterstützt werden. Im Fokus der empirisch geleiteten betriebswirtschaftlichen Forschung stehen oftmals Ursache-Wirkungs-Beziehungen wie etwa die Untersuchung strategischer Erfolgsfaktoren und deren Auswirkungen auf Erfolgsgrößen. So wurden in den letzten Jahrzehnten insbesondere in den Sozialwissenschaften adäquate statistische Verfahren zur empirischen Überprüfung solcher Beziehungen erarbeitet. Bei der Analyse von Strukturgleichungsmodellen, die oftmals synonym auch als Kausalanalyse oder Pfadanalyse bezeichnet wird, werden latente, das heißt nicht direkt messbare Variablen – diese werden auch Konstrukte genannt – mittels Messmodellen empirisch ermittelter Indikatorvariablen bestimmt. Überdies werden die Konstrukte über ein so genanntes Strukturmodell zueinander in Beziehung gesetzt. (Ringle et al., 2006, S. 81) 52

Zum Fragebogendesign vgl. Abschnitt 5.1.2.

159 Abbildung 23 stellt ein einfaches Strukturgleichungsmodell schematisch dar. Hierbei werden latente Variablen, die andere latente Variablen im Strukturmodell erklären, als exogen (ξ) bezeichnet und solche, die wiederum durch latente exogene Variablen erklärt werden, stellen latente endogene Variablen dar (η) (Ringle, 2004b, S. 8). So wird in Abbildung 23 die latente endogene Variable η durch die latenten exogenen Variablen ξ1 und ξ2 sowie die Residualvariable ζ erklärt (Ringle, 2004b, S. 8). Eine notwendige Bedingung ist dabei für das Strukturmodell die so genannte Rekursivität, das heißt, dass es innerhalb des Strukturmodells keine kausalen Schleifen geben darf (Henseler, 2005, S. 71). Anzumerken ist hierbei noch, dass in Abbildung 23 δ1 die Residualvariable der Indikatorvariable x1, δ2 die Residualvariable der Indikatorvariable x2, δ3 die Residualvariable der latenten exogenen Variable ξ2, ε1 die Residualvariable der Indikatorvariable y1 und ε2 die Residualvariable der Indikatorvariable y2 dar-

Reflektives Messmodell

stellen.

δ1

Strukturmodell

Indikator x1

Messmodell der latenten endogenen Variablen

ξ1 ζ

Indikator x2

Indikator y1

ε1

Indikator y2

ε2

Formatives Messmodell

η Indikator x3

Reflektives Messmodell

δ2

ξ2 Indikator x4 δ3 Messmodelle der latenten exogenen Variablen

Abbildung 23: Allgemeine Darstellung eines Strukturgleichungsmodells (Quelle: In Anlehnung an Götz/ Liehrs-Gobbers, 2004, S. 7)

Ein Hauptgrund für die zunehmende Beliebtheit von Strukturgleichungsmodellierungen mit Konstrukten ist darin zu sehen, dass mit ihnen simultan zum einen die Güte der Konstruktmessung hinsichtlich der Reliabilität und Validität untersucht und zum anderen die Stärke der Beziehungen zwischen den Konstrukten geschätzt werden kann (Henseler, 2005, S. 70). Chin sieht einen großen Vorteil dieser multivariaten Verfahren der zweiten Generation gegenüber solchen Methoden der ersten Generation, wie etwa der Faktorenanalyse, der multiplen Regression und der Diskriminanzanalyse, in der größeren Flexibilität, die der Forscher für das Zusammenspiel von Theorie und den erhobenen Daten hat (Chin, 1998, S. 296). Zusammenfassend schreibt Chin weiter: „In general, SEM-based approaches provide the researcher with the flexibility to perform the following: (a) model relationships among multiple predictor and criterion variables, (b) construct unobservable latent variables, (c) model errors in measure-

160 ments for observed variables, and (d) statistically test a priori substantive/ theoretical and measurement assumptions against empirical data (i. e., confirmatory analysis)” (Chin, 1998, S. 297). Zur Modellierung und Schätzung von Strukturgleichungsmodellen mit latenten Variablen stehen zwei voneinander unterscheidbare Ansätze zur Verfügung: die Kovarianzstrukturanalyse, die maßgeblich durch Jöreskog und Sörbom geprägt wurde und die von Wold entwickelte Varianzstruktur- bzw. Partial Least Squares (PLS)-Analyse (Henseler, 2005, S. 70). In der vorliegenden Arbeit wird – wie bereits erwähnt – der varianzbasierte Ansatz bzw. der PLSApproach angewendet. Aus diesem Grund werden sich die folgenden Ausführungen in diesem Absatz primär mit diesem Ansatz befassen und dabei erklären, weshalb sich der Autor für diesen Approach entschieden hat. Der kovarianzbasierte Ansatz, der beispielsweise in den Softwarepaketen LISREL (Linear Structural Relationships), AMOS (Analysis of Moment Structures) oder EQS (Structural Equation Systems) Anwendung findet, gilt im Vergleich zur PLS-Analyse, die z. B. mit den Softwarepaketen PLS Graph und SmartPLS durchgeführt werden kann, als das statistisch exaktere Verfahren (Bliemel et al., 2005, S. 10; Jochims, 2006, S. 164 und Ringle et al., 2006, S. 81). Jedoch erschweren die stark einschränkenden Verfahrensprämissen der Kovarianzstrukturanalyse eine überzeugende Abbildung und Messung der praktischen Zusammenhänge oftmals erheblich (Ringle et al., 2006, S. 81). So setzt LISREL eine multivariate Normalverteilung der Indikatorvariablen und der Konstrukte voraus (Scholderer/ Balderjahn, 2005, S. 91). Im Vergleich dazu weist der PLS-Ansatz weniger restriktive Anforderungen auf (Ringle et al., 2006, S. 81). Dementsprechend werden PLS-Modelle unter Zuhilfenahme der partiellen Kleinste Quadrate Schätzung (Ordinary Least Squares OLS) gemessen und kommen als nicht-parametrisches Verfahren ohne strikte Verteilungsannahmen aus (Herrmann/ Huber/ Kressmann, 2006, S. 39; Jochims, 2006, S. 165 und Ringle et al., 2006, S. 81). Aus diesem Grund kann der PLS-Ansatz auch nicht mit den inferenzstatistischen Möglichkeiten von LISREL aufwarten (Scholderer/ Balderjahn, 2006, S. 62). Stattdessen können beim PLSAnsatz Resampling-Methoden wie Bootstrapping oder Jacknifing angewendet werden, die es ermöglichen, die Stabilität der Schätzungen zu ermitteln (Chin, 1998, S. 318-320 und Ringle et al., 2006, S. 86). Außerdem erfordert der PLS-Ansatz aufgrund der partiellen Modellschätzung einen vergleichsweise kleinen Stichprobenumfang (Ringle et al., 2006, S. 81). Eine Daumenregel für den Stichprobenumfang bei Anwendung des PLS-Ansatzes besagt, dass dieser mindestens zehnmal so groß sein muss wie die größte Anzahl an exogenen Konstrukten, die auf ein endogenes Konstrukt laden, oder aber mindestens zehnmal so groß zu sein hat wie die Anzahl der Indikatoren des komplexesten formativen Konstrukts im Modell (Chin, 1998, S. 311). Der Stichprobenumfang ist hierbei an derjenigen Anforderung auszurichten, welche das entsprechend größte Produkt ergibt (Chin, 1998, S. 311). Für LISREL wird hingegen eine Stichprobe

161 von mindestens 200 Fällen gefordert (Chin/ Newsted, 1999, S. 314). Als Faustregel für die Stichprobengröße wird für LISREL sogar gesagt, dass sie zumindest das Fünffache, jedoch besser sogar das Zehnfache der Zahl der zu schätzenden Parameter betragen sollte (Scholderer/ Balderjahn, 2005, S. 97). Ein grundlegender statistischer Unterschied zwischen der Kovarianzstrukturanalyse – wie etwa bei LISREL – und dem PLS-Ansatz besteht darin, dass der erstgenannte Ansatz die Kovarianzmatrix untersucht (Fornell/ Bookstein, 1982, S. 449 und Henseler, 2005, S. 70). Hierbei wird eine Kovarianzmatrix auf Basis der erhobenen Daten kalkuliert (Chin, 1998, S. 299). „Parameter estimates for a given model are then selected such that the implied covariance based on the model parameter estimates is similar as that of the sample data set“ (Chin, 1998, S. 299). Dementsprechend testet der kovarianzbasierte Ansatz ein vorab spezifiziertes theoretisches Modell gegen empirisch ermittelte Daten (Fornell/ Bookstein, 1982, S. 450). Im Vergleich dazu wird mit der Anwendung des PLS-Ansatzes ein anderes Ziel verfolgt. Das Hauptziel des PLS-Ansatzes besteht nämlich in „Prediction“, was wiederum sehr gut zu der zu Beginn dieses Abschnittes formulierten Forschungsfrage passt (Chin, 1998, S. 332 und Ellram, 1996, S. 98). Der PLS-Ansatz analysiert die Rohdatenmatrix und erlaubt daher neben der expliziten Schätzung der Werte der latenten Variablen die Ermittlung der Stärke der Wirkzusammenhänge (Fassott, 2005, S. 26 und Henseler, 2005, S. 70). Genauer bedeutet dies, dass das PLS-Verfahren von den erhobenen Daten ausgeht und die latenten Variablen als Linearkombination der Indikatorvariablen approximiert, woraufhin sich die Pfadkoeffizienten schätzen lassen (Anderson/ Gerbing, 1988, S. 412; Herrmann/ Huber/ Kressmann, 2006, S. 41 und Ringle, 2004a, S. 313). Chin schreibt im Vergleich zur Kovarianzstrukturanalyse: „Instead of using the model for explaining the covariation of all the indicators, we switch to minimizing the variance of all dependent variables […]” (Chin, 1998, S. 301). Zusammenfassend wird beim PLS-Ansatz ein induktiver Schritt vollzogen, indem von den Daten auf das Modell geschlossen wird, wohingegen bei der Kovarianzstrukturanalyse ein deduktives Vorgehen erkennbar ist, indem vom Modell auf die zu erwartende Kovarianz der Indikatorvariablen geschlossen wird (Fassott, 2005, S. 29; Lohmöller, 1981, S. 17 und Ringle, 2004a, S. 313). Ein weiterer hier zu nennender Unterschied zwischen dem varianz- und dem kovarianzbasierten Verfahren besteht hinsichtlich der Berücksichtigung formativer Konstruktoperationalisierungen. Zum besseren Verständnis sei hierzu nun in aller Kürze auf die prinzipiellen Unterschiede zwischen reflektiven und formativen Konstruktoperationalisierungen und somit zwischen reflektiven und formativen Messmodellen – wie sie Abbildung 23 zu entnehmen sind – hingewiesen (vgl. z. B. ausführlich bei Fassott, 2006, S. 67-88; Fassott/ Eggert, 2005, S. 3147 und Fornell/ Bookstein, 1982, S. 441, 442). So zeichnet sich die reflektive Spezifikationsart dadurch aus, dass die Ausprägungen der Indikatoren durch die latenten Variablen verursacht werden (Eberl, 2004b, S. 3). Die Beziehungen werden in diesem Fall über Faktorladungen ausgedrückt (Ringle, 2004a, S. 314). Dies hat zur Folge, dass Veränderungen der latenten

162 Variablen zu Veränderungen aller Indikatoren führen (Eberl, 2004b, S. 3). Durch die Eliminierung einer der Indikatorvariablen im reflektiven Messmodell würde sich das entsprechend reflektiv operationalisierte Konstrukt inhaltlich kaum verändern (Ringle, 2004a S. 315). Demgemäß sollten reflektive Indikatoren hochgradig korreliert sein (Fassott/ Eggert, 2005, S. 46). Im Gegensatz dazu zeichnen sich formative Messmodelle durch eine umgekehrte Beziehungsrichtung aus, indem die Indikatoren die latenten Variablen verursachen (Eberl, 2004b, S. 5). Die Beziehungen werden hierbei über Regressionskoeffizienten verdeutlicht (Ringle, 2004a, S. 314). Dies bedeutet, dass eine Veränderung der latenten Variable aus einer Veränderung von mindestens einer Indikatorvariablen resultiert, wobei die Indikatorvariablen in diesem formativen Fall vollkommen unabhängig voneinander sein können und somit die Korrelation dieser Indikatoren auch gering ausfallen kann (Fassott/ Eggert, 2005, S. 46 und Ringle, 2004a, S. 314). Entsprechend hat dies zur Folge, dass durch die Eliminierung einer Indikatorvariablen im formativen Messmodell die Aussagekraft des formativ operationalisierten Konstruktes erheblich eingeschränkt wäre und ein formatives Messmodell daher möglichst alle relevanten Indikatoren enthalten muss (Ringle, 2004a, S. 315). So ermöglicht der PLS-Ansatz problemlos formativ operationalisierte Konstrukte in das Strukturgleichungsmodell mit einzubinden (Herrmann/ Huber/ Kressmann, 2006, S. 43). Im Gegensatz dazu basieren kovarianzbasierte Verfahren wie LISREL auf dem Modell der Faktorenanalyse, das prinzipiell reflektiv operationalisierte latente Variablen einbezieht (Herrmann/ Huber/ Kressmann, 2006, S. 43). „Die einzige Möglichkeit, formative Konstruktoperationalisierungen abzubilden, besteht darin, ein formatives Konstrukt als indikatorlos und über eine Zahl von Einzelindikatorkonstrukten determiniert darzustellen“ (Herrmann/ Huber/ Kressmann, 2006, S. 43). Die relevantesten Resultate eines Methodenvergleichs zwischen der PLS-Analyse bzw. der Varianzstrukturanalyse und der Kovarianzstrukturanalyse zur Untersuchung von Strukturgleichungsmodellen finden sich zusammenfassend in Tabelle 19 wieder. Als Fazit kann an dieser Stelle vermerkt werden, dass die Kovarianzstrukturanalyse und der PLS-Ansatz nur sehr eingeschränkt als Konkurrenten betrachtet werden können, da sich bereits die Zielsetzungen der beiden Methoden erheblich voneinander unterscheiden (Chin, 1998, S. 332 und Scholderer/ Balderjahn, 2005, S. 98). Keines der beiden Verfahren kann grundsätzlich als überlegen angesehen werden (Scholderer/ Balderjahn, 2005, S. 98). Vielmehr muss der Anwender bei seiner Entscheidung darauf achten, was er bei gegebener Datenlage mit seinem Modell erreichen möchte (Scholderer/ Balderjahn, 2005, S. 98).

163 Kriterium Hauptziel

Methodenansatz Annahmen

Parameterschätzer

Partial Least Squares-Analyse Prognoseorientiert: Erklärung latenter und/ oder Indikatorvariablen Varianzbasiert Prädiktorspezifikation (nicht-parametrisch)

Konsistent, wenn Fallzahl und Indikatorzahl hoch („consistency at large“) Latente Variablen Werte explizit geschätzt Messmodell Kann sowohl formativ als auch reflektiv modelliert werden Implikationen Optimal für Prognosegenauigkeit Modellkomplexität Hochkomplexe Modelle analysierbar (z. B. 100 Konstrukte und 1000 Indikatoren) Stichprobenumfang Auch für kleine Stichproben von 30 bis 100 Fällen

Kovarianzbasierte Analyse Parameterorientiert: Erklärung empirischer Datenstrukturen Kovarianzbasiert Multinormalverteilung und unabhängige Beobachtungen (parametrisch) Konsistent

Werte nicht determiniert Typischerweise nur mit reflektiven Indikatoren Optimal für Parametergenauigkeit Kleine bis mittelmäßige Modelle analysierbar (z. B. weniger als 100 Indikatoren) Mindestens 200 Fälle

Tabelle 19: Methodenvergleich zwischen Partial Least Squares-Analyse und Kovarianzstrukturanalyse (Quelle: In Anlehnung an Bliemel et al., 2005, S. 11 und Chin/ Newsted, 1999, S. 314)

Aufgrund der Vergleichsergebnisse fällt die Wahl der geeigneten Methode für die vorliegende Arbeit eindeutig zu Gunsten des PLS-Ansatzes aus. So wurde bereits zu Beginn dieses Abschnittes darauf aufmerksam gemacht, dass mit der Erfolgsanalyse beabsichtigt wird, die Erfolgswirkung – beispielsweise die einer kooperativen Ideengenerierung – zu bestimmen bzw. zu prognostizieren. Dieses Ziel ist somit äquivalent zu dem in Tabelle 19 aufgeführten Hauptziel des PLS-Ansatzes. Ebenfalls stimmt der Verfasser der vorliegenden Arbeit mit Ringle überein, der schreibt, dass die Annahmen bezüglich Kovarianzstrukturmodellen sehr einschränkend sind und nur in den wenigsten Fällen erfüllt werden (Ringle, 2004a, S. 319). Außerdem werden – wie in Abschnitt 5.3.2.1 zu sehen sein wird – für die Konstrukte der strategischen Erfolgsfaktoren der Ideengenerierung formative und für die Erfolgskonstrukte reflektive Messmodelle formuliert. Gemäß der oben geführten Diskussion eignet sich auch aus diesem Grund das PLS-Verfahren besser als die Kovarianzstrukturanalyse. Überdies konnte aufgrund des Untersuchungsobjektes der vorliegenden Schrift bereits im Vorfeld davon ausgegangen werden, dass kein Stichprobenumfang von 200 Fällen erreicht werden kann. Wie in Abschnitt 5.1.2 zu sehen sein wird, wurde diese Vermutung bestätigt, so dass auch aufgrund des Stichprobenumfangs dem PLS-Ansatz der Vorzug vor der Kovarianzstrukturanalyse gegeben wird. Aufgrund der herausgestellten großen Relevanz des PLS-Ansatzes für die in dieser Arbeit durchzuführende Erfolgsanalyse von kooperativen Ideengenerierungen zwischen klassischen

164 europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern wird nun in aller Kürze auf die Funktionsweise des PLS-Algorithmus hingewiesen.53 Ein PLS-Pfadmodell besteht typischerweise aus linearen Gleichungssystemen für das Strukturmodell (auch „inneres Modell“) und für die Messmodelle (auch „äußere Modelle“) (vgl. dazu Abbildung 23). Wie bereits weiter oben beschrieben wurde, sind im Strukturmodell ausschließlich die Beziehungen von Interesse, die zwischen den latenten Variablen bzw. Konstrukten bestehen, wobei bei diesen wiederum zwischen exogenen und endogenen unterschieden werden kann. Jedes Konstrukt wird durch Indikatorvariablen operationalisiert, wodurch es sein eigenes Messmodell besitzt. Wie ebenfalls oben expliziert, wird hierbei zwischen formativen und reflektiven Messmodellen differenziert. (Ringle et al., 2006, S. 81-83) „Die Kernaufgabe des Partial-Least-Squares-Algorithmus ist es, Schätzwerte für die latenten, nicht direkt beobachtbaren Variablen zu generieren, um darauf aufbauend Aussagen über die Beziehungen der latenten Variablen untereinander bzw. zu ihren Indikatoren treffen zu können“ (Ringle et al., 2006, S. 83). Das infolgedessen zweistufige Verfahren generiert auf der ersten Stufe konkrete Schätzwerte für die latenten Variablen (Betzin/ Henseler, 2005, S. 50). Auf der zweiten Stufe werden darauf aufbauend die Parameter in den beiden Gleichungssystemen geschätzt, wodurch Aussagen hinsichtlich der Beziehungen der Modellelemente getroffen werden können (Betzin/ Henseler, 2005, S. 50 und Ringle et al., 2006, S. 84). Die erste Stufe durchläuft über ein iteratives Verfahren vier Schritte, die Abbildung 24 zu entnehmen sind:

Start

Ende Ja

1. Schätzung der inneren Gewichte

2. Innere Schätzung der Fallwerte latenter Variablen

3. Schätzung der äußeren Gewichte

4. Äußere Schätzung der Fallwerte latenter Variablen

Konvergenz?

Nein Abbildung 24: Ablaufdiagramm des PLS-Basisalgorithmus (Quelle: Ringle et al., 2006, S. 84)

Dementsprechend geschieht im ersten Algorithmus-Schritt die Schätzung der Beziehungen zwischen den Konstrukten untereinander (Ringle et al., 2006, S. 84). Die hierbei durchzuführende Schätzung der „inneren Gewichte“ kann auf drei unterschiedliche Arten erfolgen, da 53

Dezidierte Ausführungen finden sich z. B. bei Betzin/ Henseler, 2005, S. 49-69; Henseler, 2005, S. 70-75 und Lohmöller, 1989, S. 27-48.

165 diese Gewichte nämlich mittels der drei Gewichtungsschemata „Centroid Weighting Scheme“, „Factor Weighting Scheme“ und „Path Weighting Scheme“ geschätzt werden können (Fornell/ Cha, 1994, S. 65 und Lohmöller, 1989, S. 42, 43). Auf eine eingehende Erläuterung dieser drei Gewichtungsschemata wird an dieser Stelle verzichtet, da in Arbeiten anderer Autoren gezeigt werden konnte, dass diese drei Schätzarten kaum Einfluss auf das letztendliche Ergebnis haben (Ringle et al., 2006, S. 85). In der empirischen Untersuchung des Abschnitts 5.3 wird der Autor als Gewichtungsschema das „Path Weighting Scheme“ verwenden, da dieses das einzige Gewichtungsschema ist, welches die Direktionalität des Strukturmodells berücksichtigt und daher häufig für Modelle verwendet wird, bei denen die kausalen Beziehungen mit Hypothesen hinterlegt sind (Chin, 1998, S. 309). Der zweite Schritt der ersten Stufe ist dadurch gekennzeichnet, dass die im ersten Schritt bestimmten Beziehungen dazu verwendet werden, auf Basis der letzten äußeren Schätzung der Konstrukte neue innere Schätzungen vorzunehmen. Darauf aufbauend erfolgt im dritten Schritt die Bestimmung der Beziehungen zwischen den Konstrukten und den ihnen zugeordneten Indikatoren. Im vierten Schritt der ersten Stufe werden die im vorherigen Schritt bestimmten Beziehungen dazu benutzt, auf der Grundlage der Indikatoren neue äußere Schätzungen für die Konstrukte vorzunehmen. Anzumerken ist noch, dass die erste Iteration mit diesem vierten Schritt startet. Dadurch werden initiale äußere Schätzungen der Konstrukte erarbeitet. Überdies ist darauf hinzuweisen, dass in der ersten Stufe die Iteration so lange durchgeführt wird, bis ein vorab festgelegtes Konvergenzkriterium erfüllt wird. (Ringle et al., 2006, S. 85, 86) Auf der zweiten Stufe werden, basierend auf den am Ende der ersten Stufe ermittelten Schätzwerten für die Konstrukte, die endgültigen PLS-Ergebnisse bestimmt. Hierbei ergeben sich die Pfadkoeffizienten des Strukturmodells auf Grundlage der Schätzwerte für die Konstrukte durch multiple Regressionen mit jeweils einer latenten endogenen Variablen als Regressand. Hinsichtlich der endgültigen Koeffizienten der Messmodelle wird zwischen Ladungen und Gewichten unterschieden. Die Gewichte bei den formativen Messmodellen lassen sich blockweise durch multiple Regressionen berechnen, wobei die Konstrukte als abhängige Variablen und ihre Indikatorvariablen als unabhängige Variablen fungieren. Die Ladungen bei den reflektiven Messmodellen ergeben sich hingegen aufgrund der Schätzwerte für die Konstrukte durch einfache Regressionen zwischen den Konstrukten und den entsprechenden Indikatorvariablen. (Ringle et al., 2006, S. 86) 5.1.1.3 Kontingenzanalyse In Abschnitt 3.2.4 wurde darauf hingewiesen, dass in der vorliegenden Arbeit mittels der Kontingenzanalyse versucht wird zu erklären, wie wichtig gewisse Rahmenbedingungen für das Zustandekommen von Innovationskooperationen sind und warum überhaupt Innovationskooperationen durchgeführt werden (Hauschildt, 2004, S. 255). Bezogen auf die Thematik der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren verti-

166 kalen europäischen Supply Chain Partnern sind gemäß Abschnitt 3.2.4 entsprechend erste Antworten auf die folgenden beiden Fragen für weiterführende Forschung zu geben: •

1. Frage für weiterführende Forschung: Wie wichtig sind gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden?

•

2. Frage für weiterführende Forschung: Warum beziehen klassische europäische Airlines ihre europäischen Kunden und ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten ein?

Doch wie bereits in Abschnitt 3.2.4 begründet, stellen diese beiden Fragen keine Forschungsfragen für die vorliegende Arbeit dar. Begründet wurde dies zum einen damit, dass diese Fragen vom Autor nicht dem Fokus der vorliegenden Schrift hinzugerechnet werden. Zum anderen sei auch wie schon bei der Existenzanalyse und wie bei der Erfolgsanalyse auf Ellram verwiesen. Die mit der Kontingenzanalyse beabsichtigten „Erklärungen“ (engl. „Explanation“) werden nach Ellram nämlich bevorzugt mit qualitativen Methoden untersucht, wohingegen in der vorliegenden Dissertation ausschließlich quantitative Methoden zum Einsatz kommen (Ellram, 1996, S. 98). Aus diesen Gründen wurden auf diesen beiden Fragen aufbauend – die wie erläutert als „Fragen für weiterführende Forschung“ bezeichnet werden – keine Hypothesen abgeleitet. Da die oben formulierten Fragen für weiterführende Forschung in dieser Form bisher in der Literatur jedoch noch nicht beantwortet wurden, möchte der Verfasser nichtsdestotrotz mögliche erste Antworten geben, die einen Anstoß für eine etwaige anschließende vertiefende qualitative Forschung darstellen könnten. Aufgrund der genannten Gründe steht die hierzu durchzuführende empirische Untersuchung im Vergleich zu den empirischen Untersuchungen zu den Thematiken der Existenz- und der Erfolgsanalyse allerdings im Hintergrund. Entsprechend wurden im vierten Kapitel auch die Indikatoren, mit denen diese beiden oben genannten Fragen in Ansätzen beantwortet werden sollen, nicht thematisiert. Demgemäß kann auch in diesem Kapitel auf die Evaluierung dieser Indikatoren verzichtet werden. Vielmehr wird – wie in den Abschnitten 5.4.1 und 5.4.2 zu sehen sein wird – auf von anderen Autoren für ähnliche Fragestellungen verwendete Indikatoren zurückgegriffen, ohne hierzu Reliabilitäts- und Validitätstests durchzuführen. Zur Auswertung der mit diesen Indikatoren einhergehenden Fragen, die ebenfalls kurz in Abschnitt 5.1.2 thematisiert werden, werden mittels SPSS (Version 11.0) lediglich einfache deskriptive Analysen durchgeführt. Diese empirisch ermittelten Ergebnisse zur Kontingenzanalyse werden in den Abschnitten 5.4.1 und 5.4.2 dargeboten. 5.1.2 Fragebogendesign und Datensammlungsprozess Gemäß Abschnitt 3.2 lassen sich die mit den Forschungsfragen und den Fragen für weiterführende Forschung einhergehenden Sachverhalte nicht anhand bereits von anderen Autoren ver-

167 öffentlichten Schriften beantworten. Überdies liegen dem Verfasser keine Sekundärdaten vor, die eine entsprechende in Abschnitt 5.1.1 explizierte empirische Untersuchung ermöglichen würden. „Secondary data are statistics not gathered for the immediate study at hand but for some other purpose. Primary data, in contrast, are originated by the researcher for the purpose of the investigation at hand” (Churchill, 1991, S. 247). Daher ist an dieser Stelle nun die Frage zu beantworten, wie der Verfasser die für seine Forschungsfragen – und damit einhergehend für seine Hypothesen – und die für die beiden Fragen für weiterführende Forschung relevanten Primärdaten erhoben hat. Die für die Dissertation relevanten Primärdaten wurden mit Hilfe des am weitaus häufigsten eingesetzten Datenerhebungsinstruments erhoben, nämlich einer Befragung (Stier, 1999, S. 171). Zu diesem Zweck wurde ein speziell für den in der vorliegenden Arbeit thematisierten Sachverhalt geeigneter standardisierter Fragebogen entwickelt.54 Im Allgemeinen besteht ein Fragebogen aus einer Kollektion von Fragen, mittels derer die Informationen gewonnen werden sollen, die entsprechend der theoretischen Vorüberlegungen für eine empirische Untersuchung benötigt werden (Stier, 1999, S. 181). Ein standardisierter Fragebogen zeichnet sich im Vergleich zu teil- und nicht-standardisierten Fragebögen im Speziellen dadurch aus, dass die Formulierungen und die Reihenfolge der Fragen exakt vorgegeben sind (Müller-Böling/ Klandt, 1996, S. 29 und Stier, 1999, S. 171). Zur näheren Beschreibung des Fragebogens werden zunächst die Arten der gestellten Fragen erläutert. So enthält der Fragebogen maximal 50 Fragen, von denen 43 als geschlossene Fragen und die restlichen sieben Fragen als offene Fragen formuliert wurden. Offene Fragen sind hierbei dadurch gekennzeichnet, dass für die Befragten die Möglichkeit besteht, ihre Antworten mit ihren eigenen Worten zu geben und im Vergleich zu geschlossenen Fragen nicht an einen engen Rahmen mit vorgegebenen Antwortmöglichkeiten gebunden sind, unter denen sie sich für eine oder auch mehrere Alternativen entscheiden müssen (Churchill, 1991, S. 374). Geschlossene Fragen haben dagegen u. a. den Vorteil der größeren Standardisierung und dass sie i. d. R. von den Probanden schneller beantwortet werden können. Der Grund, weshalb oben von „maximal“ 50 Fragen gesprochen wurde, besteht darin, dass sechs der geschlossenen Fragen als Filterfragen formuliert wurden. Filterfragen haben hier die Funktion, dass je nach gegebener Antwort gewisse sich anschließende Fragen, z. B. durch die Probanden, übersprungen werden können, da die dort erfragten Sachverhalte für die befragte Person nicht relevant sind (Stier, 1999, S. 183). Beispielsweise lautete eine Filterfrage: „Wa54

Aufgrund der Zusicherung an die befragte klassische europäische Airline, dass die empirisch ermittelten Daten vertraulich behandelt werden und der sehr starken Bezugnahme auf diese Airline sowohl innerhalb des verwendeten Fragebogens als auch innerhalb des zur Ansprache der identifizierten Ansprechpartner eingesetzten standardisierten Anschreibens, können der Fragebogen und dieses Anschreiben nicht der Dissertation beigefügt werden. Aus diesem Grund werden sowohl der Fragebogen als auch das besagte Anschreiben in Abschnitt 5.1.2 sehr ausführlich thematisiert. Vgl. z. B. Fischer, 2006; Ritter, 1998 und Wurst, 2001.

168 ren in Ihrem Geschäftsfeld in den letzten 3 Geschäftsjahren Produktinnovationen zu verzeichnen?“ Gab es nach Meinung der befragten Person in diesem Zeitraum keine Produktinnovationen, erübrigen sich entsprechend darauf aufbauende Fragen nach diesen Produktinnovationen. Als Hinweis sei an dieser Stelle bereits darauf aufmerksam gemacht, dass innerhalb der befragten klassischen europäischen Airline, gemäß dem zweiten Kapitel, Mitarbeiter der beiden Geschäftsfelder „Passagierverkehr“ und „Frachtverkehr“ befragt wurden.55 Innerhalb der Gruppe der geschlossenen Fragen muss aufgrund der großen Relevanz für den entwickelten Fragebogen auf die Fragestellungen aufmerksam gemacht werden, denen eine so genannte Likert-Skalierung zu Grunde gelegt wurde. Bei der Likert-Skalierung, die im Jahr 1932 von Rensis Likert vorgeschlagen wurde, handelt es sich insbesondere in der Sozialpsychologie um das Standardverfahren der Skalierung, wobei zu einer Gruppe zusammengestellter Items mögliche Antwortkategorien vorgegeben werden (Müller-Böling/ Klandt, 1996, S. 23; Schnell/ Hill/ Esser, 2005, S. 187 und Stier, 1999, S. 79-81). In dem vom Autor für die vorliegende Untersuchung entwickelten Fragebogen wurde allen diesen Fragen eine 5-PunktLikert-Skalierung zu Grunde gelegt, bei denen sowohl die erste Antwortkategorie (z. B. „lehne voll und ganz ab“) als auch die letzte Antwortkategorie (z. B. „stimme voll und ganz zu“) beschriftet wurde.56 Hierbei wurde die „negative“ Antwortkategorie immer ganz links und die „positive“ Antwortkategorie immer ganz rechts notiert. Da empirische Tests zeigen und somit davon ausgegangen wird, dass die Probanden die Abstände zwischen den z. B. fünf Stufen der Skala gleich groß bewerten, wird Intervallskalenniveau erreicht (Hammann/ Erichson, 1994, S. 275 und Westermann, 1985, S. 265-274). Die große Relevanz dieser Fragen für die in dieser Arbeit durchzuführenden empirischen Untersuchungen wird dadurch deutlich, dass alle in den Abschnitt 4.1 und 4.2 formulierten Indikatoren zu den Thematiken der Existenzanalyse und der Erfolgsanalyse in einer solchen eben beschriebenen Art und Weise skaliert wurden. Überdies erfuhren alle Fragen bzw. deren Items, die zur Beantwortung der in Abschnitt 5.1.1.3 formulierten Fragen für weiterführende Forschung in den Fragebogen aufgenommen wurden, ebenfalls eine solche Skalierung. Die Befragung wurde sowohl internetgestützt als Web-Survey als auch als Mail-Survey (postalische Befragung) durchgeführt (Schnell/ Hill/ Esser, 2005, S. 358, 382).57 Bei Web-Surveys wird der Fragebogen als Programm auf einem Web-Server ausgeführt (Schnell/ Hill/ Esser, 2005, S. 382). Als Anbieter wurde Globalpark ausgewählt, da das befragte Unternehmen bereits bei früheren Befragungen erfolgreich mit diesem Anbieter zusammengearbeitet hatte und daher auf erste Erfahrungen zurückgegriffen werden konnte. Neben dem häufig genannten 55 56

57

Weitere Ausführungen dazu finden sich weiter unten in diesem Abschnitt. Eine ausführliche Diskussion zu der Anzahl der Antwortkategorien findet sich bei Viswanathan/ Sudman/ Johnson, 2004, S. 108-124. Wie zu sehen sein wird, wurde die postalische Befragung allerdings nur ergänzend eingesetzt.

169 Vorteil der im Vergleich zu den anderen Erhebungsmodi vernachlässigbaren Erhebungskosten bei Web-Surveys, die z. B. bei reinen Mail-Surveys insbesondere durch den postalischen Versand der Fragebögen anfallen, sind als weitere Vorteile von Web-Surveys speziell die einfache Einarbeitung der genannten Filterfragen und die komplikationslose Integration von Informationsfeldern zu nennen (Schnell/ Hill/ Esser, 2005, S. 377). Die beiden zuletzt genannten Punkte ermöglichen den Probanden ein komfortableres Ausfüllen des Fragebogens. So wurden Informationsfelder dazu benutzt, möglicherweise unklare und wichtige Begriffe bei ihrem erstmaligen Auftreten zu erklären. Hinzu wurde ein so genannter Fortschrittsindikator in den Fragebogen eingearbeitet, der den Probanden als Balkendiagramm anzeigt, wie viel Prozent der Fragen sie bereits ausgefüllt haben (Schnell/ Hill/ Esser, 2005, S. 384). Darüber hinaus bietet der Anbieter Globalpark die Funktion an, dass die auf dem Web-Server gespeicherten Antworten der Probanden dem Anwender in verschiedenen Dateiformaten zur Verfügung gestellt werden. Durch diese Exportierung der Daten wird dem Problem entgegengewirkt, dass Übertragungsfehler bei der manuellen Eingabe in die entsprechenden Dateiformate die tatsächlichen Ergebnisse verfälschen. Wie weiter unten in diesem Abschnitt etwas ausführlicher dargestellt werden wird, äußerten einige Probanden jedoch die Bitte, den Fragebogen in physischer Form auszufüllen (ergänzender Mail-Survey) (Schnell/ Hill/ Esser, 2005, S. 358). Begründet werden kann dies mit den üblichen in der Literatur diskutierten Problemen von Web-Surveys (vgl. z. B. Schnell/ Hill/ Esser, 2005, S. 385, 386). Anhand der vom Autor der vorliegenden Arbeit gesammelten Erfahrungen sind zwei Ursachen besonders zu betonen. Einerseits ist dies die Sorge der Befragten, ihre Anonymität würde bei der internetgestützten Befragung nicht angemessen geschützt. Auch der explizite Hinweis bei der Ansprache der potenziellen Probanden und der ausdrückliche Vermerk auf dem Deckblatt des Fragebogens, dass die Angaben der Probanden streng vertraulich behandelt und anonym ausgewertet werden, konnten diese Sorge nicht bei allen Befragten ausräumen. Andererseits ist – abgesehen von der eben genannten Sorge der Probanden – noch darauf hinzuweisen, dass einige Probanden aus Gewohnheit Fragebögen lieber in physischer Form ausfüllen. Diesen Probanden wurde es entsprechend ermöglicht, den Fragebogen auch in physischer Form zu beantworten. Hierzu wurde der Fragebogen lediglich dahingehend modifiziert, dass erstens die ursprünglich in den Informationsfeldern enthaltenen Informationen als Anhang dem Fragebogen beigefügt wurden. Hierbei wurde bei den entsprechenden Fragen auf diesen Anhang verwiesen. Zweitens wurde bei den Filterfragen jeweils ein Vermerk ergänzt wie z. B. „Falls Sie bei dieser Frage „Nein“ ankreuzen, gehen Sie bitte direkt zu Frage 25 und beantworten nicht die Fragen 22 bis 24“ (Schnell/ Hill/ Esser, 2005, S. 362). Um diese manuellen Verweise zu ermöglichen, wurde drittens der bei der internetgestützten Befragung eingesetzte Fortschrittsindikator durch eine Nummerierung der Fragen und der Seitenzahlen ersetzt. Eine direkte Gegenüberstellung der Fragebögen, die zum einen internetgestützt und zum anderen physisch ausgefüllt wurden, weisen eine Abweichung auf. Diese besteht darin, dass die physisch ausgefüllten Fragebögen häufiger Lücken bei den so-

170 ziodemographischen Fragen aufweisen. Dies lässt sich wiederum in ähnlicher Weise mit dem oben aufgeführten Argument der Anonymitätssorge einiger Probanden erklären. Es ist zu vermuten, dass einige der Probanden, die den Fragebogen physisch ausfüllen wollten und dies dann auch gemacht haben, eine größere Besorgnis verspürten, durch das Ausfüllen personenbezogener Fragen ihre Anonymität zu verlieren.58 Bevor nun explizit die einzelnen Abschnitte des Fragebogens inhaltlich betrachtet werden, sei noch kurz auf einige generelle Aspekte des Fragebogens aufmerksam gemacht. Allgemein wurden bei der Gestaltung des Fragebogens die hierzu von Schnell/ Hill/ Esser gemachten Hinweise beachtet, die sowohl für Mail-Surveys als auch für Web-Surveys Gültigkeit besitzen (Schnell/ Hill/ Esser, 2005, S. 361, 362, 383). So enthielt das Deckblatt Antworten auf die Fragen, wer die Studie durchführt und worum die Probanden gebeten werden. Im Anschluss daran beinhaltete das Deckblatt des Fragebogens Bearbeitungshinweise. Hierbei wurde u. a. aufgeführt, wie viele Fragen der Fragebogen maximal enthält und wie viele davon durch einfaches Ankreuzen beantwortet werden können. Es wurde geschrieben, dass das Ausfüllen des Fragebogens maximal 45 Minuten dauert, dass die von den Befragten gemachten Angaben streng vertraulich behandelt und anonym ausgewertet werden und dass der Fragebogen wissenschaftlichen Zwecken dient. Für weitere Fragen der Probanden wurde die Kontaktadresse des Autors angegeben. An diese Adresse sollten auch die Fragebögen zurückgesendet werden, insofern sie papierbasiert ausgefüllt wurden. Überdies wurden spezielle Hinweise für das Untersuchungsobjekt gegeben und darauf hingewiesen, dass bei einigen Fragen zwischen Kunden und Lieferanten differenziert wird. Als ein Resultat des Pre-Tests, der weiter unten in diesem Abschnitt gesondert thematisiert werden wird, wurden die Probanden auf dem Deckblatt darauf aufmerksam gemacht, dass auch Schätzungen zu validen Ergebnissen führen. Es wurde aufgeführt, dass sich die Fragen nach den unternehmensexternen Partnern ausschließlich auf europäische Partner beschränken. Hierzu wurde aufgelistet, welche europäischen Länder in die Studie aufgenommen wurden. Darüber hinaus wurde erwähnt, dass unklare Begriffe beim erstmaligen Erscheinen erklärt werden. Am Ende des Deckblattes hatten die Probanden die Möglichkeit, ihre E-Mail-Adresse einzutragen, falls sie an einer Zusammenfassung der Ergebnisse interessiert sind. Um die Anonymität der Angaben zu gewährleisten, wurden diese Angaben zu den E-Mail-Adressen in einer gesonderten Excel-Datei gespeichert. Dadurch sind keine Rückschlüsse von den angegebenen E-Mail-Adressen auf die gemachten Angaben möglich. Ferner wurde bei der Erstellung des Fragebogens auf eine konsistente Vorgehensweise hinsichtlich der oben beschriebenen Antwortkategorien geachtet. Überdies wurde beachtet, dass keine Frage über mehrere Seiten geht, da sonst eventuell Antwortmöglichkeiten von den Befragten übersehen werden können. (Schnell/ Hill/ Esser, 2005, S. 362) 58

Zum genauen Vorgehen des Datensammlungsprozesses vgl. weiter unten in diesem Abschnitt. Weitere Ausführungen zum Thema der internetgestützten Befragung siehe z. B. Schnell/ Hill/ Esser, 2005, S. 377-386.

171 Wie angedeutet, werden nun die einzelnen Abschnitte des Fragebogens, die die folgenden Überschriften hatten, kurz gesondert thematisiert: (1) Allgemeine Angaben zum Innovationsverhalten (2) Spezifische Fragen zu den Arten von innovativen Ideen (3) Spezifische Fragen zu den Bedingungen zur gemeinschaftlichen Ideengenerierung (4) Spezifische Fragen zu den Auswirkungen der gemeinschaftlichen Ideengenerierung (5) Angaben zur Person

Ad (1) Allgemeine Angaben zum Innovationsverhalten Ziel dieses ersten Fragebogenabschnittes war es, zunächst die Befragten auf die Thematik einzustimmen (Schnell/ Hill/ Esser, 2005, S. 361). Hierzu wurden sie gefragt, wie wichtig ihrem Geschäftsfeld Innovationen sind, wie hoch die Innovationsaufwendungen in ihrem Geschäftsfeld im Jahr 2005 waren und wie sich diese Aufwendungen im Vergleich zum Jahr 2004 verändert haben. Im Anschluss daran wurde danach gefragt, wie wichtig die einzelnen Subphasen des in Abschnitt 3.1.3 vorgestellten Phasenmodells für Innovationsprozesse von Thom sind (Thom, 1980, S. 53). In zwei Blöcken – differenziert nach Produkten und Prozessen – wurde danach gefragt, wie wichtig verschiedene unternehmensexterne Quellen hinsichtlich ihrer Relevanz zur Generierung innovativer Ideen für das Geschäftsfeld der Probanden sind. Danach wurde gefragt, wie oft sie ihre Kunden, Lieferanten und Konkurrenten zur Ideengenerierung mit einbeziehen. Eine weitere Frage befasste sich mit den Motiven, die mit der kooperativen Einbeziehung von Kunden und Lieferanten in die Innovationsaktivitäten verfolgt werden. Auch hierbei wurde die Frage in zwei Blöcke – getrennt nach Kunden und Lieferanten – aufgeteilt. Die Auswertungen zu dieser Frage, die sich direkt auf die zweite Frage für weiterführende Forschung beziehen, werden explizit in Abschnitt 5.4.2 als ein Teil der Ergebnisse zur Kontingenzanalyse dargestellt. Ergänzend wurde gefragt, wie die bisherigen Kooperationen mit ihren Kunden und bzw. oder mit ihren Lieferanten rechtlich organisiert sind, bei denen eine Einbeziehung in die Innovationsaktivitäten vollzogen wird. Die letzte Frage thematisierte die bisherigen Erfahrungen hinsichtlich kooperativer Ideengenerierung mit ihren vertikalen Supply Chain Partnern. Ad (2) Spezifische Fragen zu den Arten von innovativen Ideen Ziel dieses Fragebogenabschnittes war es, eine empirisch ermittelte Antwort auf die erste Forschungsfrage zu erarbeiteten und somit eine Beurteilung der ersten drei Hypothesen zu ermöglichen. Aus diesem Grund befasst sich dieser Abschnitt des Fragebogens ausschließlich mit der in der vorliegenden Schrift als Existenzanalyse bezeichneten Thematik. Hierbei wurden, gegliedert in zwei Fragen, die Probanden zunächst danach gefragt, für welchen Innovationsgrad ihr Geschäftsfeld vertikale Supply Chain Partner bzw. Konkurrenten als

172 Quellen zur Ideengenerierung nutzt oder – insofern das Geschäftsfeld sowohl für Produkte als auch für Prozesse momentan keinen dieser Partner bei der Generierung innovativer Ideen mit einbezieht – es diese Partner nutzen würde.59 Als Items wurden die 15 in Abschnitt 4.1.1 erarbeiteten potenziellen Indikatoren zum Innovationsgrad verwendet. Im Anschluss daran folgten zwei Fragen zum Innovationsobjekt. Die Probanden wurden in jeweils zwei Blöcken – geteilt nach Kunden und Lieferanten – gefragt, inwiefern der jeweilige vertikale Supply Chain Partner das Geschäftsfeld mit Informationen zu innovativen Produkten bzw. zu innovativen Prozessen versorgt.60 Als Items wurden die 13 in Abschnitt 4.1.3 herausgestellten potenziellen Indikatoren zum Innovationsobjekt verwendet. Eine zusammenfassende Kontrollfrage zur Thematik des Innovationsobjektes stellte das Ende dieses zweiten Fragebogenabschnittes dar. Ad (3) Spezifische Fragen zu den Bedingungen zur gemeinschaftlichen Ideengenerierung Der dritte Fragenkomplex besteht lediglich aus einer Frage und hatte das Ziel herauszufinden, wie wichtig gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür sind, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden. Für die hierzu gestellte „Jedesto-Frage“ wurden die in Abschnitt 3.2.4 der vorliegenden Arbeit formulierten Rahmenbedingungen als Items verwendet.61 Die erste Antwortkategorie der hierzu verwendeten 5Punkt-Likert-Skalierung wurde mit „lehne voll und ganz ab“ beschriftet und die letzte Antwortkategorie erhielt demgemäß die Bezeichnung „stimme voll und ganz zu“. Die Auswertungen zu dieser Frage, die sich entsprechend direkt auf die erste Frage für weiterführende Forschung beziehen, werden explizit in Abschnitt 5.4.1 als ein Teil der Ergebnisse zur Kontingenzanalyse aufgeführt. Ad (4) Spezifische Fragen zu den Auswirkungen der gemeinschaftlichen Ideengenerierung Ziel dieses vierten Fragebogenabschnittes war es, empirisch ermittelte Antworten auf die zweite Forschungsfrage zu geben und damit einhergehend eine Beurteilung der vierten bis neunten Hypothese zu ermöglichen. Daher befasst sich dieser Abschnitt des Fragebogens ausschließlich mit der in der vorliegenden Schrift als Erfolgsanalyse bezeichneten Thematik. Wie in Abschnitt 4.2.7 expliziert wurde, werden diese Hypothesen in der vorliegenden Arbeit für zwei spezielle Thematiken angewendet. So werden diese Hypothesen zum einen für die Thematik überprüft, bei der die kooperative Ideengenerierung zwischen den klassischen euro59

60

61

Diese Konjunktivergänzung, welche Partner sie nutzen würden, war eine Anregung aus dem Pre-Test, der später in diesem Abschnitt thematisiert wird. Auch hierbei wurden wieder für den Fall, dass das Geschäftsfeld sowohl für Produkte als auch für Prozesse momentan keinen dieser Partner bei der Generierung innovativer Ideen mit einbezieht, die entsprechenden Konjunktivformulierungen ergänzt. Auch hierbei wurde eine entsprechende Konjunktivformulierung ergänzt.

173 päischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen genutzt wird. Zum anderen werden diese Hypothesen für die Thematik überprüft, bei der die kooperative Ideengenerierung zwischen den besagten Playern zur Erlangung von Prozessinnovationen verwendet wird. Wie bereits im dritten und vierten Kapitel wurde somit auch im Fragebogen hinsichtlich des Innovationsobjektes explizit zwischen Produktinnovationen und Prozessinnovationen differenziert. So wurde diese Differenzierung bereits bei der ersten Frage des vierten Fragebogenabschnittes vorgenommen, bei der gefragt wurde, wie oft das jeweilige Geschäftsfeld des befragten Unternehmens zur Ideengenerierung kooperativ mit seinen vertikalen Supply Chain Partnern zusammenarbeitet. Darauf aufbauend wurde speziell nach der Häufigkeit der kooperativen Zusammenarbeit mit den vertikalen Supply Chain Partnern in den einzelnen Subphasen der Ideengenerierung gefragt. Die Formulierung der Items wurde hierbei aus den Beschreibungen der einzelnen Subphasen der Ideengenerierung von Abschnitt 3.1.3 abgeleitet. Weiterhin zwischen Produktinnovationen und Prozessinnovationen differenzierend wurde anschließend danach gefragt, wie hoch die Kosten des zum befragten Probanden gehörigen Geschäftsfeldes bei den Subphasen der Ideengenerierung sind. Entsprechende Fragen wurden im Anschluss daran für die Qualität und den Zeitaufwand bei der Ideengenerierung gestellt. Drei darauf aufbauende Fragen ermittelten jeweils, wie sich die kooperative Zusammenarbeit mit den vertikalen europäischen Supply Chain Partnern nach Einschätzung der Probanden im Vergleich zur alleinigen Vorgehensweise auf die Kosten für die Ideengenerierung, die Qualität bei der Ideengenerierung und den Zeitaufwand für die Ideengenerierung auswirkt. Auch hierbei wurde die Differenzierung hinsichtlich des Innovationsobjektes vorgenommen. Als Items wurden zu diesem Zweck die insgesamt 18 potenziellen Indikatoren verwendet, die in Abschnitt 4.2.1 erarbeitet wurden. Die Resultate dieser drei Fragen werden dementsprechend zur Bestimmung der Ergebnisse zur Erfolgsanalyse in Abschnitt 5.3 genutzt. Die sich daran anschließenden Fragen widmeten sich dem Unternehmenserfolg, dem Produktinnovationserfolg und dem Prozessinnovationserfolg des befragten Untersuchungsobjektes. Als Items wurden hier zum Großteil die in Abschnitt 4.2.2 und 4.2.3 erarbeiteten potenziellen Erfolgsindikatoren verwendet. Von ganz besonderer Bedeutung für die empirische Untersuchung sind die Fragen, bei denen ermittelt wurde, welche Auswirkungen die kooperative Ideengenerierung mit den vertikalen europäischen Supply Chain Partnern nach Einschätzung der Probanden auf den Produktinnovationserfolg, den Prozessinnovationserfolg und den Unternehmenserfolg des befragten Untersuchungsobjektes hat. Auch hierzu wurden die erwähnten Erfolgsindikatoren aus den Abschnitten 4.2.2 und 4.2.3 als Items benutzt. Ad (5) Angaben zur Person Wie in vielen anderen Arbeiten, in denen ein Fragebogen zum Einsatz kommt und wie von der Literatur häufig gefordert, schließt der Fragebogen mit soziodemographischen Fragen (vgl. z. B. Jochims, 2006, S. 237, 238 und Ringle, 2004a, S. 422, 423). Da diese Fragen von

174 den Probanden teilweise als unangenehm empfunden werden, weil sie vereinzelt in den Persönlichkeitsbereich der Befragten eindringen, wird durch ihre Platzierung ans Ende des Fragebogens eine vergleichsweise geringere Abbruchquote erreicht. In dem hier zu erörternden Fragebogen wurde nach dem Geschlecht der Probanden gefragt. Danach wurde ermittelt, in welcher Abteilung der jeweilige Proband arbeitet, wie viele Personen in dieser Abteilung arbeiten, welche Position der Befragte im Unternehmen bekleidet, wie viele Jahre Berufserfahrung der Proband insgesamt in der Luftfahrtindustrie hat und wie viele Jahre er bereits in dem als Untersuchungsobjekt bezeichneten Unternehmen arbeitet. Die letzte Frage war durch eine Freitexteingabe zu beantworten, in dem der Befragte das Datum eintragen konnte, an dem der Fragebogen ausgefüllt wurde. Der gesamte Fragebogen endet mit einer Danksagung für die Teilnahme an der Befragung (Schnell/ Hill/ Esser, 2005, S. 362). Nachdem der Fragebogen in seiner ersten Version fertig gestellt war, jedoch bevor es zum tatsächlichen Datensammlungsprozess kam, wurde von August 2006 bis Mitte September 2006 der Pre-Test durchgeführt. Hierzu wurde ein zweistufiges Vorgehen gewählt. In der ersten Stufe wurde der Fragebogen primär von neun Wissenschaftlern verschiedener Universitäten geprüft. Die hierzu ausgewählten Wissenschaftler haben unterschiedliche Forschungsschwerpunkte (Luftfahrtindustrie, Supply Chain Management, Netzwerkmanagement, Supply Management, Innovationsmanagement, Controlling, empirische Forschungsmethoden), so dass die verschiedenen Aspekte des Fragebogens adäquat abgedeckt wurden. Die Ziele dieser ersten Pre-Test-Stufe bestanden darin, herauszufinden, ob der Fragebogen aus den verschiedenen wissenschaftlichen Gesichtspunkten als angemessen beurteilt werden kann, ob die Zuordnung der potenziellen Indikatoren zu den jeweiligen Konstrukten stimmig ist, ob Verständnisprobleme bestehen und ob die Filterführung funktioniert (Schnell/ Hill/ Esser, 2005, S. 347). Außerdem wurde der Inhalt des Fragebogens – ebenfalls als Teil der ersten Pre-TestStufe – im August 2006 auf einem Doktorandenkonsortium in den USA mit internationalen Wissenschaftlern diskutiert, deren Schwerpunkt Operations Management ist. Basierend auf dem Feedback, das der Autor auf der ersten Stufe seines Pre-Tests erhalten hatte, wurde der Fragebogen um zwei Fragen gekürzt, einige Fragenformulierungen angepasst und um die oben genannten Konjunktivfragen ergänzt. Überdies wurde der Autor dazu angeregt, auf dem Deckblatt zu ergänzen, dass auch Schätzungen zu validen Ergebnissen führen. Der leicht überarbeitete Fragebogen wurde dann in der zweiten Stufe von fünf Mitarbeitern der befragten klassischen europäischen Airline aus den Geschäftsfeldern Passagierverkehr und Frachtverkehr getestet. Hierbei lag der Fokus auf dem Schwierigkeitsgrad der Fragen, auf dem Verständnis der Fragen, auf der Zuordnung der potenziellen Indikatoren zu den jeweiligen Konstrukten, auf der Belastung der Probanden durch die Befragung und auf der Dauer der Befragung (Schnell/ Hill/ Esser, 2005, S. 347). Als Resultat dieser zweiten Pre-Test-Stufe wurden weitere Informationsfelder in den Fragebogen eingearbeitet. Hinzu wurden begriffliche Anpassungen dahingehend vorgenommen, dass der Fragebogen dem allgemeinen Sprach-

175 gebrauch des befragten Unternehmens entspricht. Außerdem wurde der benötigte Zeitaufwand zum Ausfüllen des Fragebogens auf ca. 45 Minuten festgelegt. Diese Angabe wurde auf dem Deckblatt des Fragebogens vermerkt. Im Anschluss an den Pre-Test fand im Zeitraum von Mitte September 2006 bis Ende Dezember 2006 die tatsächliche Datenerhebung statt. An dieser Stelle ist zunächst anzumerken, dass die Forschungsfragen, die Hypothesen und die Fragen für weiterführende Forschung allgemein formuliert sind. Damit sind die Beantwortung dieser Fragen und die empirische Überprüfung der Hypothesen nicht an die Analyse eines speziellen Unternehmens gebunden. Obgleich in der empirischen Untersuchung 45 Mitarbeiter aus insgesamt zehn Abteilungen einer klassischen europäischen Airline befragt wurden, gehörten die Probanden jedoch einem einzigen Unternehmen an, dem – wie oben bei der Beschreibung des Deckblatts des Fragebogens zu lesen war – die vertrauliche Behandlung der empirisch ermittelten Daten zugesichert wurde. Nach Schnell/ Hill/ Esser ist in einem solchen Fall von einer Einzelfallstudie zu sprechen, da nur eine Institution Gegenstand der Untersuchung ist (Schnell/ Hill/ Esser, 2005, S. 248-251). Die Entscheidung für eine Einzelfallstudie und damit eng verbunden die Auswahl der befragten klassischen europäischen Airline als Untersuchungsobjekt lässt sich für die vorliegende Dissertation wie folgt begründen. Erstens hatte der Autor aufgrund eines vorab bei der untersuchten klassischen europäischen Airline durchgeführten Forschungsprojektes die Möglichkeit, sein Dissertationsthema mit Mitarbeitern aus unterschiedlichen Abteilungen und verschiedenen Geschäftsfeldern (Passagierverkehr und Frachtverkehr) dieses Unternehmens zu diskutieren. Die Ergebnisse dieser Gespräche ließen im Allgemeinen darauf schließen, dass das Forschungsthema der vorliegenden Arbeit als überaus relevant erachtet wird. Im Speziellen erweckten diese Gespräche jedoch den Eindruck, dass der themenspezifische Kenntnisstand innerhalb des Unternehmens nicht nur zwischen den einzelnen Geschäftsfeldern und Abteilungen differiert, sondern bereits innerhalb der gleichen Abteilung unterschiedliche Auffassungen vorherrschen. Dies kann z. B. damit begründet werden, dass es bei diesem Thema nicht vorwiegend um feststehende Kennzahlen, sondern um Einschätzungen der Individuen zu einem Sachverhalt geht, der von keiner speziellen Abteilung bzw. Person zentral gesteuert wird. Vielmehr haben eine Vielzahl der Mitarbeiter des befragten Unternehmens in unterschiedlichen Abteilungen und in unterschiedlichen Funktionen mit dem Sachverhalt Erfahrungen sammeln können, die stellenweise voneinander abweichen und stark durch das jeweilige Tagesgeschäft geprägt sind. Dementsprechend hätte eine Studie, bei der mehrere klassische europäische Airlines befragt werden und dabei – wie in solchen Fällen üblich – nur ein Fragebogen pro Unternehmen ausgefüllt wird, einen erheblichen kenntnisbezogenen Bias zum Ergebnis. Folglich hätte alternativ eine sehr umfangreiche Datenerhebung durchgeführt werden können. Hierbei hätten jedoch – wie soeben begründet – pro Unternehmen mehrere Abteilungen und eine Vielzahl von Mitarbeitern befragt werden müssen. Eine solche Untersuchung wäre aller-

176 dings mit dem Erfordernis enormer ökonomischer Forschungsmittel verbunden gewesen (Stier, 1999, S. 232 und Wurst, 2001, S. 125). Drittens handelt es sich bei der befragten klassischen europäischen Airline gemäß Abschnitt 2.3.2.1 sowohl für den Passagierverkehr als auch für den Frachtverkehr um eine Fluggesellschaft, die bereits seit vielen Jahren zu den Top-Playern dieser Branche zu zählen ist und innerhalb derer der Verfasser – wie erwähnt – bereits Kontaktpersonen hatte. Somit kann die Beschränkung auf einen Einzelfall zwar den Vorbehalt der mangelnden Generalisierbarkeit der ermittelten Forschungsergebnisse hervorrufen (Schnell/ Hill/ Esser, 2005, S. 250 und Wurst, 2001, S. 125). Aufgrund der genannten Gründe soll dieser Vorbehalt hier allerdings bewusst zu Gunsten einer differenzierteren Datenerhebung und Datenanalyse in Kauf genommen werden, die als eine Tiefenanalyse einen „Pilotcharakter“ für zukünftige, darauf aufbauende Studien haben kann (Ayers/ Dahlstrom/ Skinner, 1997, S. 113; Cohen/ Eliashberg/ Ho, 1997, S. 117; Stier, 1999, S. 232; Wurst, 2001, S. 125, 126 und Yin, 2003, S. 37). Zusammenfassend ist zu dieser Diskussion noch auf ein Zitat von Schnell/ Hill/ Esser zu verweisen, in dem sich sehr schön die genannten Argumente wieder finden, weshalb sich der Verfasser der vorliegenden Schrift für die Durchführung einer Einzelfallstudie entschieden hat: „Eine generelle Empfehlung für oder gegen solche Fallstudien kann es nicht geben. Hier ist immer eine Abwägung zwischen der Vielschichtigkeit der interessierenden theoretischen Aspekte, dem bisherigen Forschungsgebiet und den Forschungsressourcen zu treffen“ (Schnell/ Hill/ Esser, 2005, S. 250, 251). Unterstützt wird die Entscheidung des Verfassers, sich für eine Tiefenanalyse eines einzelnen Unternehmens entschieden zu haben, durch eine zu diesem Thema durchgeführte Literaturanalyse. Diese Analyse, für die in Tabelle 20 exemplarisch einige Ergebnisse aufgelistet sind, stellt gleichzeitig den Abschluss der Diskussion der Frage dar, weshalb sich die empirische Untersuchung in der Dissertation auf ein Unternehmen beschränkt. Wie nämlich zu sehen ist, ist diese Art der empirischen Untersuchung, bei der häufig quantitative Methoden zum Einsatz kommen, in der Wissenschaft gängige Praxis. Sowohl in Journals, die nach dem aktuellen VHB-Ranking mit A+ und A geratet sind, als auch in wegweisenden Forschungsstudien und Dissertationen wird in dieser Art und Weise häufig ein einzelnes Unternehmen untersucht (Hennig-Thurau/ Walsh/ Schrader, 2003). Wie Tabelle 20 ebenfalls zu entnehmen ist, legen viele Autoren hierbei keinen Schwerpunkt auf die Begründung für die Auswahl des untersuchten Unternehmens. Diese Begründung wurde vom Verfasser der vorliegenden Arbeit oben jedoch dargeboten. Außerdem nennen nur vereinzelte Forscher den Namen des von ihnen untersuchten Unternehmens, was unter Umständen auf die zugesicherte vertrauliche Behandlung der Daten zurückzuführen ist (vgl. z. B. Wehr, 2001, S. 156). Überdies ist darauf hinzuweisen, dass – im Gegensatz zur oben geführten Diskussion – nur vergleichsweise wenige Autoren sich überhaupt mit der Thematik auseinandersetzen, dass sie ihre empirische

177 Untersuchung anhand eines einzelnen Unternehmens durchführen (vgl. z. B. Ayers/ Dahlstrom/ Skinner, 1997, S. 113 und Wurst, 2001, S. 125, 126). Namentliche Nennung des Hauptbegründung(en) für die Auswahl des untersuchten Unternehmens untersuchten Unternehmens Ailawadi et al., Journalartikel (A+) ja • Innerhalb der untersuchten Branche ge2006 hört das Unternehmen zu den führenden Playern. • Einer der Autoren arbeitet für das Unternehmen. Journalartikel (A+) nein Ayers/ Dahl• Innerhalb der untersuchten Branche gestrom/ Skinner, hört das Unternehmen in den USA zu den 1997 führenden Playern. Çalişkan/ Hall, Journalartikel (A) nein • In der untersuchten Branche gehört das 2006 Unternehmen in den USA zu den Top 3 Unternehmen. Cohen/ EliashJournalartikel (A+) nein • In der untersuchten Branche gehört das berg/ Ho, 1997 Unternehmen zu den führenden Playern. Heinemann, 2007 Dissertation nein • Durch seine klaren Hierarchien und die langfristigen Arbeitsverhältnisse erfüllt das befragte Unternehmen eine Hauptprämisse der Untersuchung. Hofstede, 1997 Forschungsstudie ja • Die befragten Mitarbeiter des multinationalen Konzerns stellen eine fast perfekt zusammengesetzt Stichprobe für die jeweiligen Länder dar. Menzel, 2006 Dissertation ja • Der Autor arbeitet für das Unternehmen. Moe, 2006 Journalartikel (A+) nein • keine Uhl, 2000 Dissertation nein • keine Wehr, 2001 Dissertation nein • Das Unternehmen vertreibt alle Produkte des Kerngeschäfts dieser Branche. Wurst, 2001 Dissertation nein • Der Untersuchungsgegenstand ist in dem Unternehmen vorhanden. Autor, Jahr

Art der Veröffentlichung

Tabelle 20: Exemplarischer Überblick über Einzelfallanalysen mit empirischen Untersuchungen in wissenschaftlichen Arbeiten (Quelle: Eigene Darstellung)

Nachdem der Autor das Thema seines Fragebogens detailliert mit zwei langjährigen und erfahrenen Mitarbeitern dieser klassischen europäischen Airline besprochen hatte, untersuchte der Autor in enger Zusammenarbeit mit diesen zwei Personen das Intranet dieses Unternehmens nach Abteilungen, die zu dem erfragten Sachverhalt Auskunft geben können. Auf diesem Wege wurden 14 Abteilungen als relevant identifiziert. Nachdem mittels Organigrammen und via Intranet die jeweiligen Ansprechpartner der Abteilungen aufgelistet waren, verfasste der Autor ein standardisiertes Anschreiben, indem zunächst die Relevanz des Themas – abgeleitet aus der Unternehmensphilosophie – aufgezeigt wurde. Danach stellte der Autor die EBS European Business School, das Supply Management Institute SMI der EBS und sich selbst vor. Im Anschluss daran wurde das Ziel der Studie expliziert und erklärt, wie der Verfasser an die Adresse der jeweiligen Personen gelangt ist. In

178 diesem Zusammenhang wurde betont, wie wichtig es für den Erfolg der Untersuchung ist, dass sich die entsprechende Abteilung an der Befragung beteiligt. Darauf folgend wurde der jeweilige Empfänger darum gebeten, sich an der Befragung zu beteiligen und weitere Ansprechpartner innerhalb der entsprechenden Abteilung zu benennen, die ebenfalls den Fragebogen ausfüllen. Danach wurden die Vorteile der Studie für die Teilnehmer aufgelistet (z. B. dass alle Teilnehmer eine Zusammenfassung der Ergebnisse erhalten) und die vertrauliche Behandlung der gesammelten Daten zugesichert. Am Ende des standardisierten Anschreibens wurden die vollständigen Kontaktdaten des Verfassers angegeben. (Schnell/ Hill/ Esser, 2005, S. 362) Dieses standardisierte Anschreiben versendete der Autor via Hauspost dieser klassischen europäischen Airline an die jeweiligen Ansprechpartner, bei denen es sich um Vice Presidents oder Abteilungsleiter der zuvor identifizierten Abteilungen handelte. Hinsichtlich der Abteilungen, von denen der Verfasser nach ca. zehn Tagen kein Feedback auf sein Anschreiben erhalten hatte, wurde eine telefonische Nachfassaktion gestartet. Bei einigen Abteilungen wurde der Autor auf diesem Wege – teilweise auch urlaubsbedingt – an mehrere verantwortliche Personen weitergeleitet, so dass die Befragung nicht bei allen Abteilungen gleichzeitig bzw. simultan starten konnte. Insgesamt beteiligten sich zehn der ursprünglich 14 identifizierten Abteilungen. Dies entspricht einer Rücklaufquote von über 71 Prozent. Im nächsten Schritt bekam der Verfasser von einigen Empfängern seines standardisierten Anschreibens, die sich an der Befragung beteiligen wollten, Namen von Mitarbeitern genannt, die den Fragebogen ausfüllen sollten. Diese Personen erhielten dann via E-Mail direkt eine persönliche Einladung zum Fragebogen. In dieser E-Mail war ein ähnlicher Text zu lesen, wie der im oben beschriebenen standardisierten Anschreiben (Schnell/ Hill/ Esser, 2005, S. 362). Zusätzlich wurde ein Link zum Fragebogen in die E-Mail hineinkopiert und das Datum genannt, bis wann das Ausfüllen des Fragebogens möglich ist. Mittels dieses Links gelangten die Teilnehmer direkt zum Fragebogen. Die Befragung konnte von den Probanden unterbrochen werden und zu einem späteren Zeitpunkt an der gleichen Stelle fortgeführt werden. Ebenfalls ermöglichte dieser Link, dass dieser Fragebogen pro eingeladener Person nur einmal beantwortet werden konnte (Schnell/ Hill/ Esser, 2005, S. 385). Andere Empfänger des standardisierten Anschreibens, die sich ebenso dazu bereit erklärten, den Fragebogen von einigen ihrer Mitarbeiter ausfüllen zu lassen, bevorzugten es allerdings, wie oben bereits geschrieben, den Fragebogen in physischer Form auszufüllen. Diesen Personen sendete der Verfasser den Fragebogen per Post zu. Die Empfänger verteilten die physischen Fragebögen dann in der von ihrer Abteilung benötigten Anzahl unter ihren Mitarbeitern und sendeten die ausgefüllten Fragebögen an den Verfasser per Post zurück. Insgesamt konnten auf diesem Wege 45 ausgefüllte Fragebögen der betrachteten klassischen europäischen Airline gesammelt werden, die für die empirische Untersuchung genutzt werden konnten.

179 Trotz der recht hohen Rücklaufquote soll auch in dieser Arbeit das mögliche Problem des so genannten Non-Response Bias nicht unberücksichtigt bleiben, das Armstrong/ Overton wie folgt beschreiben: „If persons who respond differ substantially from those who do not, the results do not directly allow one to say how the entire sample would have responded […]“ (Armstrong/ Overton, 1977, S. 396). Es soll daher getestet werden, ob die erhobenen Daten auch repräsentativ sind für die Personen, die den Fragebogen nicht ausgefüllt haben, also für die Gruppe der „Nonrespondents“. Bei einer Möglichkeit, zu testen, ob ein Non-Response Bias vorliegt, wird davon ausgegangen, dass die Befragten, die den Fragebogen erst spät nach dessen Erhalt ausfüllen im Vergleich zu den Probanden, die den Fragebogen recht früh ausfüllen, der Gruppe der „Nonrespondents“ ähneln (Armstrong/ Overton, 1977, S. 397). Daher werden die Antworten der Probanden, die früh geantwortet haben, mit den Antworten der Befragten verglichen, die erst recht spät den Fragebogen ausgefüllt haben. Problematisch ist hierbei allerdings, dass – wie oben erwähnt – nicht alle Probanden den Fragebogen zum gleichen Zeitpunkt erhielten. Aus diesem Grund kann die ursprünglich hierfür im Fragebogen formulierte Frage, an welchem Datum die Teilnehmer den Fragebogen ausgefüllt haben, nicht als Gruppierungsvariable verwendet werden. Vielmehr wird stattdessen die Zeitspanne genommen, die zwischen dem Erhalt des Fragebogens bei den Probanden und der Angabe bei dieser Datumsfrage liegt. Aufgrund der zeitlichen Verzögerung, die durch das Versenden der physischen Fragebögen im Vergleich zur internetgestützten Version besteht, werden bei dieser Zeitspanne bei den Probanden, die den Fragebogen physisch ausgefüllt haben, zwei Tage subtrahiert. Dabei handelt es sich um einen Tag für den postalischen Versand zur Kontaktperson und um einen Tag für die Übermittlung von der Kontaktperson zum Probanden. Da diese Korrektur der Zeitspanne somit nur recht pauschal berechnet werden kann, der Test dennoch durchgeführt werden soll, wird die Zeitspanne, in der das Ausfüllen des Fragebogens die Probanden noch zu der Gruppe der früh Antwortenden zuordnet, mit 14 Tagen großzügig festgelegt. Aus beiden Probandengruppen wurden im nächsten Schritt jeweils acht Teilnehmer zufällig ausgewählt, was somit insgesamt etwas mehr als einem Drittel des gesamten Datensatzes entspricht. Die Unterschiede zwischen den beiden Gruppen hinsichtlich ihrer Antworten bei 30 zufällig ausgewählten Items aus dem ersten, zweiten, dritten und vierten Abschnitt des Fragebogens, denen jeweils eine 5-Punkt-Likert-Skalierung zu Grunde gelegt war, wurden zum einen mit einem t-Test zum Vergleich zweier unabhängiger Stichproben getestet. Da, wie weiter unten mittels Anwendung des Kolomogorov-Smirnov-Tests gezeigt werden wird, davon ausgegangen werden kann, dass die Verteilung vieler Indikatoren in der Grundgesamtheit nicht normalverteilt ist, wurde zum anderen zusätzlich der Mann-Whitney U-Test als nichtparametrisches Äquivalent zu diesem t-Test durchgeführt (vgl. z. B. Bandyopadhyay/ Biswas, 1999, S. 301-308; Bühl/ Zöfel, 2002, S. 222 und Nippani/ Washer, 2004, S. 1105-1110). Bei beiden Tests konnten auf einem 5-Prozent-Signifikanzniveau jedoch keine statistisch signifi-

180 kanten Unterschiede zwischen den Antworten der beiden Gruppen festgestellt werden. Hieraus kann geschlossen werden, dass bei den empirisch ermittelten Daten der Non-Response Bias auf diesem Niveau keinen statistisch signifikanten Einfluss auf die Ergebnisse hat. 5.1.3 Soziodemographische Grundlagen Wie im vorherigen Abschnitt gezeigt wurde, füllten letztendlich 45 Mitarbeiter der untersuchten klassischen europäischen Airline den Fragebogen aus. Im Folgenden werden die soziodemographischen Charakteristika dieser Teilnehmer etwas eingehender betrachtet. So gaben 69 Prozent der Probanden an, dass sie männlich sind. Weitere 18 Prozent der Befragten gaben an, dass sie weiblich sind und 13 Prozent der Probanden machten hierzu keine Angaben. Außerdem arbeiteten zum Zeitpunkt der Datenerhebung 58 Prozent von den 45 befragten Mitarbeitern der untersuchten klassischen europäischen Airline für das Geschäftsfeld „Passagierverkehr“ und 42 Prozent waren zu dieser Zeit für das Geschäftsfeld „Frachtverkehr“ tätig. Bereits in Abschnitt 5.1.2 wurde erwähnt, dass sich zehn Abteilungen der besagten klassischen europäischen Airline an der Befragung beteiligten. Diese zehn Abteilungen lassen sich thematisch in die fünf Geschäftsbereiche Einkauf, Unternehmensentwicklung, Marketing, Innovations-/ Netzwerkmanagement und Vertrieb clustern. Demgemäß gaben 20 Prozent der Befragten an, für den Einkauf zu arbeiten, zwei Prozent lassen sich der Unternehmensentwicklung zuordnen, im Marketing waren zur Zeit der Datenerhebung neun Prozent der Probanden beschäftigt, 22 Prozent der Teilnehmer lassen sich dem übergeordneten Bereich Innovations- und Netzwerkmanagement zuordnen und 27 Prozent der Befragten arbeiteten im Vertrieb. Sieben Prozent der Probanden konnten sich keiner der im Fragebogen zur Auswahl stehenden Abteilung zuordnen („Sonstiges“) und machten auch keine weiteren Angaben zu der Bezeichnung ihrer Abteilung. Somit lassen sie sich ebenfalls auch in keinen Geschäftsbereich einordnen. 13 Prozent der Teilnehmer machten hierzu keine Angaben. Eine detaillierte Übersicht bietet Abbildung 25.

181

k. A. 13% Sonstiges 7%

Einkauf 20% Unternehmensentwicklung 2% Marketing 9%

Vertrieb 27% Innovations-/ Netzwerkmanagement 22%

n = 45 Abbildung 25: Prozentuale Zuordnung der Probanden zu Geschäftsbereichen (Quelle: Eigene Darstellung)

Auf die Frage, welche Position die Probanden innerhalb der untersuchten klassischen europäischen Airline bekleiden, gaben vier Prozent der Teilnehmer an, dass sie auf der Hierarchiestufe eines Vice Presidents arbeiten. 29 Prozent der Probanden machten die Angabe, dass sie als Abteilungsleiter beschäftigt sind. Werden die neun Befragten herausgerechnet, die bei dieser Frage keine Angaben machten, kommen die Probanden, bei denen es sich entweder um Vice Presidents oder um Abteilungsleiter handelt, in Summe auf 42 Prozent. Erneut bezogen auf alle 45 Teilnehmer gaben 36 Prozent an, dass es sich bei ihnen um Seniormanager handelt und neun Prozent arbeiteten zum Zeitpunkt der Datenerhebung auf der Referentenebene. Zwei Prozent der Befragten konnten sich hinsichtlich ihrer Hierarchiestufe im Unternehmen nicht innerhalb der vorgegebenen Positionen (Vorstand, Vice President, Abteilungsleiter, Seniormanager, Referentenebene) einordnen, sondern machten bei der Frage nach ihrer Position die Angabe „Sonstiges“, ohne dies weiter in dem dafür vorgesehenen Textfeld zu spezifizieren. Einen zusammenfassenden Überblick über die Hierarchiestufen der befragten Mitarbeiter der untersuchten klassischen europäischen Airline bietet Abbildung 26.

182

k. A. 20%

Vice President 4%

Abteilungsleiter 29%

Sonstiges 2% Referentenebene 9%

Seniormanager 36%

n = 45 Abbildung 26: Prozentuale Zuordnung der Probanden zu Hierarchiestufen (Quelle: Eigene Darstellung)

Abschließend sei in diesem Abschnitt noch auf die Berufserfahrung der Probanden in der Luftfahrtindustrie im Allgemeinen und in der untersuchten klassischen europäischen Airline im Speziellen hingewiesen. So zeigt sich, dass kein Befragter die Angabe machte, dass er komplett neu in dieser Branche ist. Bei einem arithmetischen Mittel von 14,17 Jahren und einer Standardabweichung von 9,96 lag die minimale Anzahl an Jahren Berufserfahrung, die die Probanden in der Luftfahrtindustrie zum Zeitpunkt der Datenerhebung hatten, bei zwei Jahren und die maximale Anzahl wurde mit 38 Jahren beziffert. Auch speziell bezogen auf die klassische europäische Airline kann aus den gemachten Angaben nur ein Teilnehmer als „Unternehmensneuling“ klassifiziert werden, da diese Person nach eigenen Angaben noch kein Jahr bei diesem Unternehmen arbeitet. Der Maximalwert lag bei dieser Frage ebenfalls bei 38 Jahren. Bei einer Standardabweichung von 10,12 arbeiteten die Probanden zum Zeitpunkt der Datenerhebung im Durchschnitt (arithmetisches Mittel) seit 12,63 Jahren bei der untersuchten klassischen europäischen Airline. Diese Zahlen verdeutlichen somit, dass es sich bei den befragten Personen im Durchschnitt um vergleichsweise erfahrene Mitarbeiter handelt. Im Zusammenspiel mit den Ergebnissen zu der prozentualen Verteilung der Probanden auf die jeweiligen Hierarchiestufen lässt sich daraus folgern, dass die von den Probanden im Fragebogen gemachten Angaben auf einen soliden Erfahrungsschatz und Kenntnisstand zurückzuführen sind, was sich wiederum positiv auf die Qualität der empirisch ermittelten Daten auswirkt. Diese Daten werden in den folgenden Abschnitten weiter ausgewertet und diskutiert.

183 5.2 Ergebnisse zur Existenzanalyse Der hiermit beginnende Abschnitt befasst sich ausschließlich mit der in der vorliegenden Dissertation als Existenzanalyse bezeichneten Thematik. Ziel dieses Abschnittes ist es daher, die drei aus der ersten Forschungsfrage abgeleiteten Hypothesen empirisch zu überprüfen. So wird in Abschnitt 5.2.1 empirisch überprüft, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht. Im darauf folgenden Abschnitt 5.2.2 wird hingegen zum einen empirisch untersucht, ob für klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger ist als die kooperative Zusammenarbeit mit ihren europäischen Lieferanten. Zum anderen wird in diesem Abschnitt 5.2.2 empirisch überprüft, ob für klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger ist als die kooperative Zusammenarbeit mit ihren europäischen Kunden. 5.2.1 Innovationsgrad Unter Zuhilfenahme von SPSS werden in Abschnitt 5.2.1.1 die speziell für den theoretischen Zusammenhang des Innovationsgrades in Abschnitt 4.1.1 erarbeiteten potenziellen Indikatoren auf ihre Reliabilität und Validität hin evaluiert. Die in Abschnitt 5.2.1.1 als hinreichend reliabel und valide beurteilten Indikatoren werden im darauf folgenden Abschnitt 5.2.1.2 dazu verwendet, um die erste Hypothese der vorliegenden Arbeit empirisch zu überprüfen. 5.2.1.1 Evaluation der Indikatoren zum Innovationsgrad Wie in Abschnitt 4.1.1 gezeigt wurde, konnte der Autor auf Grundlage seiner Literaturanalyse insgesamt 15 potenzielle Indikatoren erarbeiten, die auf zwei Fragenkomplexe aufgeteilt wurden und mit denen theoretisch untersucht werden könnte, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner zur Ideengenerierung nutzen oder nicht. Gleichsam kann Abschnitt 4.1.1 entnommen werden, dass an dieser Stelle nun erneut auf diese dort theoretisch erarbeiteten Indikatoren Bezug genommen werden soll, indem sie mittels statistischer Analysen auf ihre Reliabilität und Validität hin evaluiert werden. Das Ziel dieser statistischen Tests besteht darin, herauszufinden, mit welchen Indikatoren im nachfolgenden Abschnitt 5.2.1.2 der oben genannte theoretische Zusammenhang hinsichtlich des Innovationsgrades untersucht werden kann. Somit werden nun diese potenziellen Indikatoren mittels statistischer Verfahren der ersten Generation auf Reliabilität und Validität hin überprüft. Hierzu ist anzumerken, dass, während die Validität den Grad der Genauigkeit beschreibt, mit dem das, was gemessen werden soll, tatsächlich gemessen wird (Freiheit von systematischen Fehlern), die Reliabilität einer Vari-

184 ablen den Grad widerspiegelt, mit dem eine Messung frei von zufälligen Messfehlern ist (Backhaus et al., 2003, S. 371). Zur Prüfung der Reliabilität wird mittels des Statistiksoftwarepakets SPSS einerseits Cronbachs Alpha berechnet, welches ein Gesamtmaß für die Skalenreliabilität darstellt (Bellgardt, 1997, S. 1 und Ritter, 1998, S. 122). Als Untergrenze wird für Cronbachs Alpha hier ein Wert von 0,6 gefordert (Churchill, 1979, S. 68 und Stockmeyer, 2001, S. 131). Darüber hinaus wird andererseits der Trennschärfekoeffizient rit (Corrected Item-Total Correlation) berechnet, für den ein Mindestwert von 0,3 gefordert wird und der die Korrelation eines Einzelindikators mit der Summe der übrigen Indikatoren darstellt, die dasselbe Konstrukt messen (Ritter, 1998, S. 122). Die Beurteilung der Validität erfolgt mit Hilfe der Faktorenanalyse, die ebenfalls mit dem Statistiksoftwarepaket SPSS durchgeführt wird. Hierzu werden die mit Varimax rotierten Ergebnisse der Hauptkomponentenanalyse betrachtet. Anzumerken ist hierbei, dass die Varimax-Rotation als das Standardrotationsverfahren angesehen werden darf (Bellgardt, 1997, S. 213 und Stier, 1999, S. 293, 294). Als Gütekriterien wird überprüft, ob bei der Faktorextraktion nur ein Faktor ermittelt wird (als Abbruchkriterium wird das Kaiser-Kriterium verwendet), ob die Faktorladungen jedes einzelnen Indikators größer als 0,5 sind und ob durch den extrahierten Faktor mehr als 50 Prozent der Varianz der Indikatoren erklärt wird (Homburg/ Giering, 1996, S. 12 und Ritter, 1998, S. 122). Für die theoretischen Indikatoren des ersten Fragenkomplexes, die in Abschnitt 4.1.1 herausgestellt wurden, lassen sich hinsichtlich ihrer Reliabilität die in Tabelle 21 aufgeführten Ergebnisse festhalten. Potenzielle Indikatoren (1) bis (9) für den Innovationsgrad (1) Basistechnologien, die sich auf den heutigen Markt beschränken (2) Basistechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (3) Basistechnologien, die sich auf einen ganz neuen Markt beziehen (4) Schlüsseltechnologien, die sich auf den heutigen Markt beschränken (5) Schlüsseltechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (6) Schlüsseltechnologien, die sich auf einen ganz neuen Markt beziehen (7) Schrittmachertechnologien, die sich auf den heutigen Markt beschränken (8) Schrittmachertechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (9) Schrittmachertechnologien, die sich auf einen ganz neuen Markt beziehen Cronbachs Alpha (standardisiert) = 0,86

rit 0,03 0,69 0,75 0,52 0,76 0,70 0,70 0,61 0,68

Tabelle 21: Reliabilitätsüberprüfung der potenziellen Indikatoren (1) bis (9) für den Innovationsgrad (Quelle: Eigene Darstellung)

Wie gut zu erkennen ist, übersteigen acht der neun Indikatoren in Tabelle 21 den angegebenen Mindestwert für den Trennschärfekoeffizient von 0,3. Lediglich Indikator (1) bleibt unter diesem Wert. Da jedoch Cronbachs Alpha mit 0,86 ebenfalls mühelos den hierfür geforderten

185 Mindestwert von 0,6 übersteigt und die in Abschnitt 3.1.1 und 4.1.1 angeführten theoretischen Überlegungen der Einteilung des Innovationsgrades in diese neun Indikatoren nach Auffassung des Verfassers inhaltlich konsistent und sachlogisch in ihrer Herleitung sind, wird der betroffene Indikator vorerst nicht für die weitere Betrachtung entfernt. Vielmehr wird der Autor bei den Auswertungen in Abschnitt 5.2.1.2 explizit diesen Indikator auf Auffälligkeiten hin beobachten und gegebenenfalls auf seinen eingeschränkten Aussagegehalt hinweisen. Die Validitätsüberprüfung dieser neun Indikatoren ergibt, dass bei der Faktorextraktion zunächst zwei Faktoren ermittelt werden. Allerdings erklärt der erste Faktor mit 48,95 Prozent bereits fast 50 Prozent der Varianz der Indikatoren. Bis auf Indikator (1) und Indikator (4) sind die Faktorladungen aller Indikatoren größer als 0,5. Somit bleibt für die Indikatoren des ersten Fragenkomplexes, mit denen untersucht werden soll, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner zur Ideengenerierung nutzen oder nicht, festzuhalten, dass sie nicht alle Validitätskriterien erfüllen. Insofern der zweite Fragenkomplex – Indikatoren (10) bis (15) – bessere Werte erzielt, wird der Autor bei der weiteren Untersuchung in Abschnitt 5.2.1.2 auf etwaige Unterschiede dieser beiden Fragenkomplexe hinweisen und dabei die soeben identifizierten Validitätsprobleme berücksichtigen. Für die theoretischen Indikatoren des zweiten Fragenkomplexes, die in Abschnitt 4.1.1 herausgestellt wurden, lassen sich hinsichtlich ihrer Reliabilität die folgenden Werte festhalten: Potenzielle Indikatoren (10) bis (15) für den Innovationsgrad (10) bahnbrechende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (11) neue Standards (12) sprunghafte Technologien, Kundenbedürfnisse, Trends, Entwicklungen (13) wegbereitende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (14) mittlere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen (15) kleinere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen Cronbachs Alpha (standardisiert) = 0,87

rit 0,73 0,60 0,72 0,80 0,76 0,45

Tabelle 22: Reliabilitätsüberprüfung der potenziellen Indikatoren (10) bis (15) für den Innovationsgrad (Quelle: Eigene Darstellung)

Für die in Tabelle 22 aufgeführten Indikatoren werden sowohl alle Mindestwerte für den Trennschärfekoeffizient als auch für Cronbachs Alpha erreicht. Insgesamt kann daher die Messung der potenziellen Indikatoren des zweiten Fragenkomplexes – für den in diesem Abschnitt zu thematisierenden theoretischen Zusammenhang – anhand der geforderten Mindestwerte als sehr reliabel bezeichnet werden. Im Vergleich zu den ersten neun Indikatoren, bei denen die Frage nach der Validität nicht zur vollsten Zufriedenheit beantwortet werden konnte, ergibt die Validitätsüberprüfung für die Indikatoren des zweiten Fragenkomplexes ein eindeutiges Ergebnis. Erstens wird – wie erwünscht – bei der Faktorextraktion nur ein Faktor ermittelt. Zweitens sind die Faktorladungen aller sechs Indikatoren größer als 0,5 und drittens wird durch den einen ermittelten Faktor

186 61,58 Prozent der Varianz der Indikatoren erklärt. Dies liegt über dem angestrebten Wert von 50 Prozent. Obwohl nun tatsächlich die Indikatoren des zweiten Fragenkomplexes für den in diesem Abschnitt relevanten theoretischen Zusammenhang insgesamt sowohl reliabler als auch valider sind als die des ersten Fragenkomplexes, werden die Indikatoren des ersten Fragenkomplexes in Abschnitt 5.2.1.2 mit in die Auswertungen einbezogen. Allerdings wird verstärkt darauf geachtet werden, ob die Indikatoren der beiden Fragenkomplexe unterschiedliche Schlussfolgerungen zulassen. Bei voneinander abweichenden Ergebnissen – insbesondere bei den Indikatoren (1) und (4) – wird somit den Aussagen, die sich aus den Indikatoren des zweiten Fragenkomplexes ableiten lassen, der Vorzug gegeben. 5.2.1.2 Ergebnisse zum Innovationsgrad Die Probanden wurden – untergliedert in zwei Fragenkomplexe – darum gebeten, anzugeben, „wozu“ ihr Geschäftsfeld seine vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzt bzw. nutzen würde. Um den Bezug zum theoretischen Kontext des Innovationsgrades herzustellen, wurde konkret nach den Indikatoren (1) bis (9) und (10) bis (15) gefragt, die u. a. im vorherigen Abschnitt evaluiert wurden, wobei die extremen Ausprägungen der Antwortkategorien mit „1 = lehne voll und ganz ab“ bzw. „5 = stimme voll und ganz zu“ beschriftet waren. Um am Ende dieses Abschnittes eine empirisch fundierte Stellungnahme zu der ersten Hypothese der vorliegenden Arbeit zu ermöglichen, wird die folgende schrittweise Vorgehensweise angewendet. Zuerst werden für den ersten Fragenkomplex – Indikatoren (1) bis (9) – die arithmetischen Mittel nebst Standardabweichungen der von den Probanden zu diesen Items gemachten Angaben tabellarisch dargestellt. Diese visuelle Darstellung ermöglicht bereits erste Aussagen dahingehend zu treffen, ob es auffallende Unterschiede zwischen den neun Indikatoren gibt. Da diese bloße visuelle Betrachtung der deskriptiven Statistik im vorliegenden Fall zur Beantwortung einer Forschungsfrage nicht ausreichend ist, werden im zweiten Schritt adäquate statistische Tests durchgeführt.62 Zunächst wird überprüft, ob die empirisch ermittelten Daten zu den Indikatoren (1) bis (9) normalverteilt sind. Darauf aufbauend wird entschieden, welcher statistische Test dafür geeignet ist zu analysieren, ob zwischen den Mittelwerten statistisch signifikante Unterschiede bestehen.63 Nachdem diese schrittweise Vorgehensweise für den ersten Fragenkomplex abgeschlossen ist, werden die beschriebenen Untersuchungsschritte ebenfalls für den zweiten Fragenkomplex – und somit für die Indikatoren (10) bis (15) – vollzogen. Erst im Anschluss daran kann daher eine empirisch fundierte Stellungnahme zu der ersten Hypothese der vorliegenden Arbeit ausgesprochen werden. 62 63

Zum Begriff der deskriptiven Statistik vgl. z. B. Bleymüller/ Gehlert/ Gülicher, 1998, S. 1. Je nach Test werden entweder die arithmetischen Mittel oder die mittleren Ränge miteinander verglichen.

187 In diesem Sinne sind in Tabelle 23 die arithmetischen Mittel x zu den Indikatoren (1) bis (9) dargestellt. Hinzu sind die jeweils dazugehörigen Standardabweichungen σ ausgewiesen, sowie die Anzahl an Probanden n aufgelistet, die eine Angabe zu dem entsprechenden Indikator gemacht haben. Indikatoren (1) Basistechnologien, die sich auf den heutigen Markt beschränken (2) Basistechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (3) Basistechnologien, die sich auf einen ganz neuen Markt beziehen (4) Schlüsseltechnologien, die sich auf den heutigen Markt beschränken (5) Schlüsseltechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (6) Schlüsseltechnologien, die sich auf einen ganz neuen Markt beziehen (7) Schrittmachertechnologien, die sich auf den heutigen Markt beschränken (8) Schrittmachertechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (9) Schrittmachertechnologien, die sich auf einen ganz neuen Markt beziehen

n 40

σ 1,08

x 3,43

39

1,07

3,56

39 39

1,22 0,89

3,69 3,82

40

0,73

3,77

38 38

1,08 0,95

3,76 3,42

39

0,93

3,64

38

0,99

3,66

Tabelle 23: Deskriptive Statistik zu den Indikatoren (1) bis (9) für den Innovationsgrad (Quelle: Eigene Darstellung)

Die allgemeine Betrachtung der in Tabelle 23 aufgeführten Ergebnisse zur deskriptiven Statistik und insbesondere der visuelle Vergleich der arithmetischen Mittel lassen auf keine auffälligen Unterschiede schließen. Alle arithmetischen Mittel liegen bei vergleichsweise geringen Standardabweichungen zwischen 3,42 und 3,82. Im zweiten Schritt sollen die Mittelwerte nun anhand statistischer Tests dahingehend analysiert werden, ob signifikante Differenzen bestehen. Für die hier zu untersuchende Thematik bieten sich prinzipiell der t-Test bei gepaarten Stichproben und der Wilcoxon-Test zum Vergleich zweier abhängiger Stichproben an (vgl. z. B. Bühl/ Zöfel, 2002, S. 222). Ein bedeutender Unterschied zwischen diesen beiden Tests besteht darin, dass der t-Test ein parametrischer Test und der Wilcoxon-Test ein nicht-parametrischer Test ist und daher für den letztgenannten Test im Vergleich zum t-Test u. a. keine Normalverteilung vorliegen muss (Bühl/ Zöfel, 2002, S. 222 und Davis/ Holt, 1993, S. 526). Aus diesem Grund wird als Nächstes überprüft, ob die empirisch ermittelten Daten zu den Indikatoren (1) bis (9) normalverteilt sind. Hierzu wird der Kolmogorov-Smirnov-Test auf Normalverteilung durchgeführt (Bühl/ Zöfel, 2002, S. 228 und Schlittgen, 2000, S. 396). Bei diesem Test wird die Nullhypothese unterstellt, dass die Verteilung der jeweiligen Testvariable in der Grundgesamtheit normalverteilt ist (Bellgardt, 1997, S. 83). Ist der mit diesem Test ermittelte p-Wert bzw. die 2-seitige asymptotische Signifikanz größer als das Signifikanzniveau von 0,05, wird in der vorliegenden Arbeit die Nullhypothese nicht verworfen. Ist der ermittelte p-Wert jedoch kleiner als 0,05, wird die Nullhypothese verworfen. Im zuletzt genannten Fall wird dann davon ausgegangen, dass die Verteilung des jeweiligen Indikators in der Grundgesamtheit nicht normalverteilt ist (Bellgardt, 1997, S. 84). In Tabelle 24 sind die entsprechenden Werte des Kolomogorov-SmirnovTests auf Normalverteilung für die Indikatoren (1) bis (9) aufgeführt.

188 Indikatoren (1) Basistechnologien, die sich auf den heutigen Markt beschränken (2) Basistechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (3) Basistechnologien, die sich auf einen ganz neuen Markt beziehen (4) Schlüsseltechnologien, die sich auf den heutigen Markt beschränken (5) Schlüsseltechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (6) Schlüsseltechnologien, die sich auf einen ganz neuen Markt beziehen (7) Schrittmachertechnologien, die sich auf den heutigen Markt beschränken (8) Schrittmachertechnologien, die sich auf die Erweiterung in Richtung eines verwandten Marktes beziehen (9) Schrittmachertechnologien, die sich auf einen ganz neuen Markt beziehen

40

Asymp. Sig. (2-seitig) 0,160

39

0,099

39 39

0,022 0,069

n

40

0,011

38 38

0,127 0,017

39

0,056

38

0,062

Tabelle 24: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (1) bis (9) für den Innovationsgrad (Quelle: Eigene Darstellung)

Tabelle 24 ist zu entnehmen, dass bei den Indikatoren (3), (5) und (7) die mittels SPSS berechneten Werte für die 2-seitige asymptotische Signifikanz kleiner sind als das vorgegebene Signifikanzniveau von 0,05. Wie oben expliziert, kann daher davon ausgegangen werden, dass die Verteilung dieser Indikatoren in der Grundgesamtheit nicht normalverteilt ist. Wie bereits erklärt wurde, wird daher im Folgenden zur Analyse der Mittelwertunterschiede zwischen den zu diesen neun Indikatoren empirisch ermittelten Daten der nicht-parametrische Wilcoxon-Test zum Vergleich zweier abhängiger Stichproben verwendet. Der Wilcoxon-Test, bei dem die mittleren Ränge bezüglich eines signifikanten Unterschieds untersucht werden, geht von der Nullhypothese aus, dass die empirisch ermittelten Daten der jeweils miteinander zu vergleichenden Indikatoren sich nicht statistisch signifikant voneinander unterscheiden (Davis/ Holt, 1993, S. 544). Auch hierzu wird erneut ein Signifikanzniveau von 0,05 unterstellt. Demgemäß werden an dieser Stelle die Daten aller neun Indikatoren miteinander verglichen, wodurch es zu insgesamt 36 Vergleichspaaren kommt. Pro Vergleichspaar berechnet SPSS auch bei dem Wilcoxon-Test einen Wert für die 2-seitige asymptotische Signifikanz, der entsprechend mit dem vorgegebenen Signifikanzniveau verglichen wird. Ist dieser berechnete Wert kleiner als der vorgegebene Wert von 0,05, bedeutet dies, dass die Nullhypothese verworfen wird und somit die Unterschiede zwischen dem jeweiligen Vergleichspaar auf diesem Niveau statistisch signifikant sind. Bei lediglich fünf der 36 Vergleichspaare kommt es dazu, dass der berechnete Wert der 2seitigen asymptotischen Signifikanz kleiner ist als das vorgegebene Signifikanzniveau von 0,05. Dabei handelt es sich um die folgenden Vergleichspaare, wobei die Zahl in den eckigen Klammern jeweils den berechneten Wert für die 2-seitige asymptotische Signifikanz angibt: •

Indikator (4) mit Indikator (1): [2-seitige asymp. Sig. = 0,013]

•

Indikator (5) mit Indikator (1): [2-seitige asymp. Sig. = 0,039]

•

Indikator (7) mit Indikator (4): [2-seitige asymp. Sig. = 0,003]

189 •

Indikator (7) mit Indikator (5): [2-seitige asymp. Sig. = 0,005]

•

Indikator (7) mit Indikator (6): [2-seitige asymp. Sig. = 0,027]

Bei den restlichen 31 Vergleichspaaren kann die Nullhypothese beibehalten werden, da die Unterschiede auf dem 5-Prozent-Signifikanzniveau nicht statistisch signifikant sind. Bevor diese Ergebnisse eine Interpretation erfahren, werden, wie zu Beginn dieses Abschnitts erklärt, zunächst in gleicher Weise die Ergebnisse des zweiten Fragenkomplexes – und somit die der Indikatoren (10) bis (15) – berechnet. Begonnen wird auch bei diesen Indikatoren mit der visuellen Darstellung der Auswertungen der deskriptiven Statistik, die Tabelle 25 zu entnehmen ist. Indikatoren (10) bahnbrechende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (11) neue Standards (12) sprunghafte Technologien, Kundenbedürfnisse, Trends, Entwicklungen (13) wegbereitende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (14) mittlere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen (15) kleinere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen

n 39 39 39 39

σ 0,92 0,79 0,97 0,90

x 4,00 4,05 3,59 3,97

39

0,66

3,69

39

0,74

3,77

Tabelle 25: Deskriptive Statistik zu den Indikatoren (10) bis (15) für den Innovationsgrad (Quelle: Eigene Darstellung)

Die reine visuelle Betrachtung der in Tabelle 25 aufgelisteten Ergebnisse lässt keine auffallenden Unterschiede zwischen den von den Probanden gemachten Angaben zu den einzelnen Indikatoren erkennen. So liegen alle arithmetischen Mittel, bei einer maximalen Standardabweichung von 0,97, zwischen 3,59 und 4,05. Wie auch bei der Vorgehensweise der Analyse des ersten Fragenkomplexes wird nun ebenfalls überprüft, ob die empirisch ermittelten Daten zu den Indikatoren (10) bis (15) normalverteilt sind. Die entsprechenden Werte des speziell hierzu durchgeführten KolmogorovSmirnov-Tests auf Normalverteilung sind Tabelle 26 zu entnehmen. Indikatoren (10) bahnbrechende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (11) neue Standards (12) sprunghafte Technologien, Kundenbedürfnisse, Trends, Entwicklungen (13) wegbereitende Technologien, Kundenbedürfnisse, Trends, Entwicklungen (14) mittlere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen (15) kleinere technologische Veränderungen, Kundenbedürfnisse, Trends, Entwicklungen

39 39 39 39

Asymp. Sig. (2-seitig) 0,020 0,020 0,013 0,075

39

0,007

39

0,009

n

Tabelle 26: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (10) bis (15) für den Innovationsgrad (Quelle: Eigene Darstellung)

Aus Tabelle 26 wird ersichtlich, dass lediglich die 2-seitige asymptotische Signifikanz von Indikator (13) mit einem Wert von 0,075 größer ist als das an dieser Stelle geforderte Signifi-

190 kanzniveau von 0,05. Daraus folgt, dass die Verteilungen der übrigen fünf in Tabelle 26 aufgeführten Indikatoren in der Grundgesamtheit nicht normalverteilt sind. Entsprechend wird auch hier im nächsten Schritt der nicht-parametrische Wilcoxon-Test zum Vergleich zweier abhängiger Stichproben durchgeführt. Hierbei werden die Daten aller sechs Indikatoren miteinander verglichen, wodurch es zu insgesamt 15 Vergleichspaaren kommt. Bei sechs dieser 15 Vergleichspaare kommt es dazu, dass der berechnete Wert der 2-seitigen asymptotischen Signifikanz kleiner ist als das vorab festgelegte Signifikanzniveau von 0,05. Bei diesen Vergleichspaaren handelt es sich um die folgenden: •

Indikator (12) mit Indikator (10): [2-seitige asymp. Sig. = 0,001]

•

Indikator (14) mit Indikator (10): [2-seitige asymp. Sig. = 0,022]

•

Indikator (12) mit Indikator (11): [2-seitige asymp. Sig. = 0,005]

•

Indikator (14) mit Indikator (11): [2-seitige asymp. Sig. = 0,005]

•

Indikator (13) mit Indikator (12): [2-seitige asymp. Sig. = 0,004]

•

Indikator (14) mit Indikator (13): [2-seitige asymp. Sig. = 0,012]

Bei den verbleibenden neun Vergleichspaaren kann die oben zum Wilcoxon-Test formulierte Nullhypothese nicht verworfen werden, da die Unterschiede auf dem 5-Prozent-Signifikanzniveau nicht statistisch signifikant sind. Nachdem nun beide Fragenkomplexe und damit verbunden die dazugehörigen empirisch ermittelten Daten zu den korrespondierenden 15 Indikatoren analysiert wurden, kann festgehalten werden, dass lediglich elf der 51 untersuchten Vergleichspaare auf dem 5-Prozent-Signifikanzniveau statistisch signifikante Unterschiede aufweisen. Um herauszufinden, ob der angestrebte Innovationsgrad für klassische europäische Airlines einen Einfluss darauf hat, ob sie ihre vertikalen europäischen Supply Chain Partner zur Ideengenerierung nutzen oder nicht, werden die betroffenen Vergleichspaare nochmals genauer betrachtet und deren Unterschiede interpretiert. Unter Einbeziehung der Erläuterungen der Unterschiede zwischen radikalen und inkrementalen Innovationen aus Abschnitt 3.1.1 und unter Berücksichtigung der Herleitung der Indikatoren aus Abschnitt 4.1.1 wird Folgendes deutlich: Die elf identifizierten Vergleichspaare weisen nicht darauf hin, dass die im Fokus der vorliegenden Schrift stehenden Airlines ihre vertikalen europäischen Supply Chain Partner eher bei Ideengenerierungen einbeziehen, bei denen am Ende des Innovationsprozesses radikale Innovation als Output zu verzeichnen sind. Das Gleiche gilt für den Fall, bei dem eine inkrementale Innovation das letztendliche Ergebnis des Innovationsprozesses darstellt. So hat z. B. Indikator (5) einen signifikant größeren Mittelwert als Indikator (1), was die Aussage zulassen würde, dass die kooperative Zusammenarbeit eher dann durchgeführt wird, wenn als finaler Output eine radikalere Innovation zu verzeichnen

191 ist. Dem widerspricht allerdings, dass dieser Indikator (5) ebenfalls einen signifikant größeren Mittelwert aufweist als Indikator (7), da gemäß Abbildung 15 mit dem letztgenannten Indikator ein höherer Innovationsgrad verbunden ist. Zwei weitere Beispiele lassen sich gleichermaßen für die Indikatoren des zweiten Fragenkomplexes finden. So hat Indikator (13) einerseits einen statistisch signifikant größeren Mittelwert als Indikator (12). Jedoch hat dieser Indikator (13) andererseits desgleichen einen statistisch signifikant größeren Mittelwert als Indikator (14). Des Weiteren sollen an dieser Stelle auch die in Abschnitt 5.2.1.1 genannten Reliabilitäts- und Validitätsprobleme von zwei Indikatoren des ersten Fragenkomplexes berücksichtigt werden. Dort wurde herausgearbeitet, dass Indikator (1) sowohl bei der Reliabilitäts- als auch bei der Validitätsüberprüfung negativ aufgefallen ist. In ähnlicher Weise fiel Indikator (4) bei der Validitätsüberprüfung auf. Bemerkenswert ist, dass von den insgesamt elf identifizierten Vergleichspaaren, bei denen auf dem 5-Prozent-Signifikanzniveau statistisch signifikante Unterschiede bestehen, bereits drei Vergleichspaare zumindest einen dieser beiden Indikatoren enthalten. Da diesen beiden Indikatoren, wie erläutert, aufgrund der genannten Probleme eine geringere Aussagekraft zugesprochen wird als den anderen Indikatoren, bekräftigt dies die Aussage, dass der angestrebte Innovationsgrad keinen Einfluss hat. Somit kann am Ende dieses Abschnittes festgehalten werden, dass die empirischen Ergebnisse die 1. Hypothese der vorliegenden Arbeit bestätigen: •

1. Resultat: Der angestrebte Innovationsgrad hat für klassische europäische Airlines keinen Einfluss darauf, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht.

5.2.2 Innovationsobjekt In Abschnitt 5.2.2.1 werden mit Hilfe von SPSS die eigens für den theoretischen Zusammenhang des Innovationsobjektes in Abschnitt 4.1.3 herausgearbeiteten potenziellen Indikatoren auf ihre Reliabilität und Validität hin evaluiert. Darauf aufbauend werden die als hinreichend reliabel und valide beurteilten Indikatoren in Abschnitt 5.2.2.2 dazu verwendet, um empirisch geleitet zwei Analysen durchzuführen. Erstens soll untersucht werden, ob für klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger ist als die kooperative Zusammenarbeit mit ihren europäischen Lieferanten. Zweitens soll in Abschnitt 5.2.2.2 überprüft werden, ob für klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger ist als eine solche Zusammenarbeit mit ihren europäischen Kunden.

192 5.2.2.1 Evaluation der Indikatoren zum Innovationsobjekt Die nun durchzuführende Vorgehensweise zur Evaluation der potenziellen Indikatoren zum Innovationsobjekt entspricht der von Abschnitt 5.2.1.1. So werden an dieser Stelle die insgesamt 14 potenziellen Indikatoren aufgegriffen, die vom Verfasser in Abschnitt 4.1.3 erarbeitet wurden. Wie in Abschnitt 4.1.3 gezeigt wurde, könnte mit diesen 14 potenziellen Indikatoren theoretisch untersucht werden, ob klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen bzw. Prozessinnovationen den in der Einleitung zu Abschnitt 5.2.2 beschriebenen Unterschied zwischen der kooperativen Einbeziehung ihrer europäischen Kunden und ihrer europäischen Lieferanten machen. Diese 14 potenziellen Indikatoren wurden gemäß der in der vorliegenden Arbeit durchgeführten Differenzierung hinsichtlich des Innovationsobjektes in Produktinnovationen und Prozessinnovationen in zwei Fragenkomplexe unterteilt. Die potenziellen Indikatoren (1) bis (6) des ersten Fragenkomplexes beschreiben Möglichkeiten, bei denen die klassischen europäischen Airlines kooperativ mit ihren vertikalen europäischen Supply Chain Partnern hinsichtlich der Ideengenerierung zur Erlangung von Produktinnovationen zusammenarbeiten können. Die potenziellen Indikatoren (7) bis (14) des zweiten Fragenkomplexes beschreiben hingegen vergleichbar Möglichkeiten, bei denen die klassischen europäischen Airlines kooperativ mit ihren vertikalen europäischen Supply Chain Partnern hinsichtlich der Ideengenerierung zur Erlangung von Prozessinnovationen zusammenarbeiten können. Für die potenziellen Indikatoren des ersten Fragenkomplexes lassen sich hinsichtlich ihrer Reliabilität die in Tabelle 27 aufgeführten Ergebnisse festhalten.64 Potenzielle Indikatoren (1) bis (6) für das Innovationsobjekt (1) Informationen bezüglich der Grenzen der Anwendbarkeit von Produkten (2) Erfahrungsberichte zu Produkten (3) Informationen bezüglich Problemfeldern von Produkten (4) Verbesserungsmöglichkeiten zu Produkten (5) Ideen für neue Produkte (6) Informationen zur Sensibilisierung für neue Produkte Cronbachs Alpha (standardisiert) = 0,93

rit 0,76 0,79 0,80 0,90 0,76 0,78

Tabelle 27: Reliabilitätsüberprüfung der potenziellen Indikatoren (1) bis (6) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Wie Tabelle 27 entnommen werden kann, wird für alle sechs dort aufgeführten potenziellen Indikatoren der Mindestwert für den Trennschärfekoeffizient von 0,3 mühelos erreicht. Auch der für Cronbachs Alpha geforderte Wert von 0,6 wird mit 0,93 übertroffen. Insgesamt kann somit die Messung der potenziellen Indikatoren dieses ersten Fragenkomplexes – für den in

64

Für die Reliabilitäts- und Validitätsüberprüfung der potenziellen Indikatoren (1) bis (6) für das Innovationsobjekt wurden die von den Probanden zu dem Lieferantenblock gemachten Angaben verwendet. Vgl. Abschnitt 5.1.2.

193 diesem Abschnitt zu thematisierenden theoretischen Zusammenhang – auf Basis der in der vorliegenden Arbeit geforderten Mindestwerte als sehr reliabel bezeichnet werden. Auch die Validitätsüberprüfung dieser potenziellen Indikatoren (1) bis (6) liefert ein sehr zufrieden stellendes Ergebnis, da alle geforderten Mindestwerte erfüllt werden. Erstens wird – wie verlangt – bei der Faktorextraktion nur ein Faktor ermittelt. Zweitens sind die Faktorladungen aller sechs potenziellen Indikatoren größer als 0,5. So beträgt die kleinste hierbei ermittelte Faktorladung 0,833 (bei Indikator (5)) und die größte berechnete Faktorladung 0,935 (bei Indikator (4)). Drittens wird durch den einen extrahierten Faktor mit 74,53 Prozent mehr als 50 Prozent der Varianz der Indikatoren erklärt. Ebenfalls wurden für die potenziellen Indikatoren des zweiten Fragenkomplexes eine Reliabilitäts- und eine Validitätsüberprüfung durchgeführt.65 Tabelle 28 können die Ergebnisse der Reliabilitätsüberprüfung entnommen werden. Potenzielle Indikatoren (7) bis (14) für das Innovationsobjekt (7) Informationen bezüglich Verbesserungen für Produktionsverfahren (8) Informationen bezüglich der Grenzen der Anwendbarkeit von Prozessen (9) Erfahrungsberichte zu Prozessen (10) Informationen bezüglich Problemfeldern von Prozessen (11) Verbesserungsmöglichkeiten zu Prozessen (12) Ideen für neue Prozesse (13) Informationen zur Sensibilisierung für neue Prozesse (14) Ideen für neue Technologien Cronbachs Alpha (standardisiert) = 0,93

rit 0,77 0,73 0,76 0,75 0,86 0,80 0,81 0,67

Tabelle 28: Reliabilitätsüberprüfung der potenziellen Indikatoren (7) bis (14) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Gemäß Tabelle 28 erreichen auch alle dort aufgeführten potenziellen Indikatoren problemlos den Mindestwert für den Trennschärfekoeffizient von 0,3. Ebenfalls übersteigt der berechnete Wert von 0,93 den geforderten Wert von 0,6 für Cronbachs Alpha. Wie schon bei den Indikatoren des ersten Fragenkomplexes kann somit ebenso die Messung der potenziellen Indikatoren (7) bis (14) insgesamt auf Basis der geforderten Mindestwerte als sehr reliabel bezeichnet werden. Die Validitätsüberprüfung der potenziellen Indikatoren (7) bis (14) ergibt erstens, dass bei der Faktorextraktion nur ein Faktor ermittelt wird. Zweitens liegt der Wert für die kleinste Faktorladung bei 0,741 (bei Indikator (14)), womit die Faktorladungen dieser acht potenziellen Indikatoren größer als 0,5 sind. Die größte Faktorladung erreicht von diesen acht potenziellen Indikatoren übrigens Indikator (11) mit einem Wert von 0,901. Auch der dritte geforderte

65

Zwecks einer konsistenten Vorgehensweise wurden für die Reliabilitäts- und Validitätsüberprüfung der potenziellen Indikatoren (7) bis (14) für das Innovationsobjekt ebenfalls die von den Probanden zu dem Lieferantenblock gemachten Angaben verwendet. Vgl. Abschnitt 5.1.2.

194 Mindestwert wird erfüllt, da durch den einen extrahierten Faktor mit 68,55 Prozent mehr als 50 Prozent der Varianz der Indikatoren erklärt wird. Somit kann am Ende dieses Abschnitts zusammenfassend festgehalten werden, dass für die 14 Indikatoren dieser beiden Fragenkomplexe hinsichtlich der Reliabilitäts- und der Validitätsüberprüfung alle vorab definierten Mindestanforderungen ohne Ausnahme eingehalten werden. Daraus folgt, dass im nun folgenden Abschnitt 5.2.2.2 alle 14 Indikatoren, die ursprünglich in Abschnitt 4.1.3 erarbeitet wurden, zur Analyse der Fragestellung verwendet werden können, ob klassische europäische Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen bzw. Prozessinnovationen den in der Einleitung zu Abschnitt 5.2.2 explizierten Unterschied zwischen der kooperativen Einbeziehung ihrer europäischen Kunden und ihrer europäischen Lieferanten machen. 5.2.2.2 Ergebnisse zum Innovationsobjekt Die Probanden wurden – untergliedert in zwei Fragenkomplexe – darum gebeten, zu bewerten, mit welchen Informationen, Erfahrungsberichten usw. ihre europäischen Kunden bzw. ihre europäischen Lieferanten das ihnen zugeordnete Geschäftsfeld versorgen bzw. versorgen würden. Wie bereits in Abschnitt 5.1.2 expliziert, wurden beide Fragenkomplexe nochmals je in einen Kundenblock und in einen Lieferantenblock unterteilt. Erst diese Unterteilung ermöglicht es, Unterschiede dahingehend zu erkennen, ob z. B. für die im Fokus der vorliegenden Arbeit stehenden Airlines die kooperative Einbeziehung ihrer europäischen Kunden zur Erlangung von innovativen Ideen bezüglich möglicher Produktinnovationen wichtiger ist als eine zu diesem Zweck durchgeführte Zusammenarbeit mit ihren europäischen Lieferanten.66 Als Items wurden für den ersten Fragenkomplex, bei dem das Innovationsobjekt die Produktinnovationen sind, die im vorigen Abschnitt erfolgreich evaluierten Indikatoren (1) bis (6) verwendet. Die Indikatoren (7) bis (14), die ebenfalls im vorherigen Abschnitt erfolgreich evaluiert wurden, bildeten die Items für den zweiten Fragenkomplex, bei dem das Innovationsobjekt entsprechend die Prozessinnovationen darstellen. Bei beiden Fragenkomplexen wurden die extremen Ausprägungen der Antwortkategorien mit „1 = lehne voll und ganz ab“ bzw. „5 = stimme voll und ganz zu“ beschriftet. Das Ziel dieses Abschnittes besteht darin, dahingehend fundierte Aussagen zu treffen, ob die empirischen Ergebnisse die theoretisch hergeleitete 2. Hypothese und die auf gleichem Wege abgeleitete 3. Hypothese unterstützten. Um dieses Ziel zu erreichen, wird im Folgenden die in Abschnitt 5.2.1.2 vorgestellte schrittweise Vorgehensweise verwendet. Begonnen wird mit dem ersten Fragenkomplex. So sind Tabelle 29 die hierfür relevanten Auswertungen der deskriptiven Statistik zu entnehmen. 66

Zur Verdeutlichung vgl. Abbildung 19.

195 Indikatoren (1) Informationen bezüglich der Grenzen der Anwendbarkeit von Produkten • Kunden • Lieferanten (2) Erfahrungsberichte zu Produkten • Kunden • Lieferanten (3) Informationen bezüglich Problemfeldern von Produkten • Kunden • Lieferanten (4) Verbesserungsmöglichkeiten zu Produkten • Kunden • Lieferanten (5) Ideen für neue Produkte • Kunden • Lieferanten (6) Informationen zur Sensibilisierung für neue Produkte • Kunden • Lieferanten

n

σ

x

42 41

0,90 1,12

4,02 3,56

42 41

0,86 1,09

4,45 3,24

41 41

0,71 1,07

4,46 3,44

42 41

0,95 1,07

4,14 3,41

42 41

1,02 1,07

3,71 3,37

42 41

1,09 1,16

3,45 3,17

Tabelle 29: Deskriptive Statistik zu den Indikatoren (1) bis (6) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Die Betrachtung von Tabelle 29 macht insbesondere deutlich, dass bei allen sechs aufgelisteten Indikatoren die arithmetischen Mittel für die Bewertungen der Relevanz der Kunden höher sind als für die Bewertungen der Relevanz der Lieferanten. Dieses erste Ergebnis unterstützt demnach die Vermutung, dass klassischen europäischen Airlines für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger ist als eine solche Zusammenarbeit mit ihren europäischen Lieferanten. Im nächsten Schritt muss demnach überprüft werden, ob die in Tabelle 29 ersichtlichen Unterschiede zwischen der Relevanz von Kunden und der von Lieferanten für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen auch auf dem 5-Prozent-Signifikanzniveau statistisch signifikant sind. Um herauszufinden, welcher statistische Test hierfür adäquat ist, werden daher – wie in Abschnitt 5.2.1.2 beschrieben – die empirisch ermittelten Daten zu den Indikatoren (1) bis (6) dahingehend überprüft, ob sie normalverteilt sind. Die entsprechenden Werte des speziell hierzu durchgeführten Kolmogorov-Smirnov-Tests auf Normalverteilung sind Tabelle 30 zu entnehmen. Wie aus dieser Tabelle ersichtlich wird, sind die aufgelisteten Werte für die 2seitige asymptotische Signifikanz häufig kleiner als das geforderte Signifikanzniveau von 0,05, woraus zu folgern ist, dass die Verteilungen der entsprechenden Indikatoren in der Grundgesamtheit nicht normalverteilt sind. So sind diese berechneten Werte beispielsweise bei Indikator (1) sowohl beim „Kundenblock“ (0,010) als auch beim „Lieferantenblock“ (0,019) kleiner als 0,05. Demgemäß wird im nächsten Schritt der nicht-parametrische Wilcoxon-Test zum Vergleich zweier abhängiger Stichproben durchgeführt.

196 Indikatoren (1) Informationen bezüglich der Grenzen der Anwendbarkeit von Produkten • Kunden • Lieferanten (2) Erfahrungsberichte zu Produkten • Kunden • Lieferanten (3) Informationen bezüglich Problemfeldern von Produkten • Kunden • Lieferanten (4) Verbesserungsmöglichkeiten zu Produkten • Kunden • Lieferanten (5) Ideen für neue Produkte • Kunden • Lieferanten (6) Informationen zur Sensibilisierung für neue Produkte • Kunden • Lieferanten

n

Asymp. Sig. (2-seitig)

42 41

0,010 0,019

42 41

0,000 0,168

41 41

0,000 0,051

42 41

0,005 0,088

42 41

0,048 0,038

42 41

0,051 0,121

Tabelle 30: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (1) bis (6) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Hierzu werden nun pro Indikator die zum Kundenblock gewonnenen Daten mit den korrespondierenden empirisch ermittelten Daten zum Lieferantenblock verglichen. Ähnlich wie in Abschnitt 5.2.1.2 wird hierbei die Nullhypothese unterstellt, dass sich die zu vergleichenden Daten nicht statistisch signifikant voneinander unterscheiden. Auch hierbei wird erneut ein Signifikanzniveau von 0,05 unterstellt, welches mit dem berechneten Wert der 2-seitigen asymptotischen Signifikanz verglichen werden muss. Wenn der berechnete Wert kleiner ist als der vorgegebene Wert von 0,05, bedeutet dies, dass die Nullhypothese verworfen wird und daher die Unterschiede bei dem jeweiligen Indikator zwischen dem Kundenblock und dem Lieferantenblock auf diesem Niveau statistisch signifikant sind. Indikatoren – Vergleich Kundenblock mit Lieferantenblock (1) Informationen bezüglich der Grenzen der Anwendbarkeit von Produkten (2) Erfahrungsberichte zu Produkten (3) Informationen bezüglich Problemfeldern von Produkten (4) Verbesserungsmöglichkeiten zu Produkten (5) Ideen für neue Produkte (6) Informationen zur Sensibilisierung für neue Produkte

Asymp. Sig. (2-seitig) 0,023 0,000 0,000 0,000 0,106 0,094

Tabelle 31: Wilcoxon-Test zum Vergleich der Daten zum Kundenblock mit den Daten zum Lieferantenblock zu den Indikatoren (1) bis (6) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Für die Indikatoren (1) bis (6) wurden diese Vergleiche durchgeführt. Die hierbei berechneten Werte können Tabelle 31 entnommen werden. Es ist erkennbar, dass bei den Indikatoren (1), (2), (3) und (4) die Werte für die 2-seitige asymptotische Signifikanz kleiner sind als das festgelegte Signifikanzniveau von 0,05. Entsprechend sind die gewonnenen Daten zum Kundenblock bei diesen Indikatoren auf diesem Signifikanzniveau statistisch signifikant unterschied-

197 lich zu den verglichenen Daten zum Lieferantenblock. Bei einem unterstellten Signifikanzniveau von 0,10 wären sogar die Unterschiede bei Indikator (6) und beinahe auch die Differenzen bei Indikator (5) statistisch signifikant. Da somit erstens, wie Tabelle 29 zu entnehmen ist, die arithmetischen Mittel für die Bewertungen der Relevanz der Kunden bei allen sechs Indikatoren (1) bis (6) größer sind als für die Bewertungen der Relevanz der Lieferanten (Richtung der Unterschiede) und zweitens bei einem Großteil dieser Indikatoren die Unterschiede, die zwischen den Daten zum Kundenblock und den Daten zum Lieferantenblock bestehen, nicht zufällig, sondern statistisch signifikant sind (Stärke der Unterschiede), kann an dieser Stelle vermerkt werden, dass die empirischen Ergebnisse die 2. Hypothese unterstützen. Dementsprechend kann das folgende Resultat festgehalten werden: •

2. Resultat: Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Lieferanten.

Nachdem nun die Analyse des ersten Fragenkomplexes abgeschlossen ist, wird sich der Rest dieses Abschnittes mit dem zweiten Fragenkomplex – und damit einhergehend mit den Indikatoren (7) bis (14) – befassen, bei dem das Innovationsobjekt, wie erwähnt, die Prozessinnovationen darstellen. Die hierbei verwendete Vorgehensweise entspricht exakt derjenigen, die soeben für den ersten Fragenkomplex verwendet wurde. Somit sei zunächst auf Tabelle 32 verwiesen, der die hierfür relevanten Auswertungen zur deskriptiven Statistik zu entnehmen sind. Die Betrachtung dieser Tabelle verdeutlicht insbesondere, dass, bis auf die Indikatoren (9) und (10), bei allen anderen aufgeführten Indikatoren die arithmetischen Mittel für die Bewertungen der Relevanz der Lieferanten höher sind als für die Bewertungen der Relevanz der Kunden. Bei den beiden Indikatoren (9) und (10) sind die Mittelwertunterschiede zwischen dem Kundenblock und dem Lieferantenblock überdies vergleichsweise gering. Dieses erste Ergebnis unterstützt demzufolge die Vermutung, dass klassischen europäischen Airlines für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger ist als eine solche Zusammenarbeit mit ihren europäischen Kunden. Wie beim ersten Fragenkomplex muss daher überprüft werden, ob die in Tabelle 32 erkennbaren Differenzen zwischen der Relevanz von Lieferanten und der von Kunden für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen auf dem 5-Prozent-Signifikanzniveau statistisch signifikant sind.

198 Indikatoren (7) Informationen bezüglich Verbesserungen für Produktionsverfahren • Kunden • Lieferanten (8) Informationen bezüglich der Grenzen der Anwendbarkeit von Prozessen • Kunden • Lieferanten (9) Erfahrungsberichte zu Prozessen • Kunden • Lieferanten (10) Informationen bezüglich Problemfeldern von Prozessen • Kunden • Lieferanten (11) Verbesserungsmöglichkeiten zu Prozessen • Kunden • Lieferanten (12) Ideen für neue Prozesse • Kunden • Lieferanten (13) Informationen zur Sensibilisierung für neue Prozesse • Kunden • Lieferanten (14) Ideen für neue Technologien • Kunden • Lieferanten

n

σ

x

40 41

1,18 1,04

3,05 3,78

40 41

1,16 0,99

3,13 3,66

40 41

0,96 1,03

3,58 3,46

40 40

1,03 1,01

3,78 3,62

40 41

1,01 0,97

3,58 3,63

40 41

0,97 0,97

2,98 3,41

39 40

1,11 1,13

3,13 3,53

40 41

0,87 1,14

2,58 3,59

Tabelle 32: Deskriptive Statistik zu den Indikatoren (7) bis (14) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Dazu werden – wie oben expliziert – im nächsten Schritt die empirisch ermittelten Daten zu den Indikatoren (7) bis (14) auf Normalverteilung überprüft. Die Werte des speziell hierzu durchgeführten Kolmogorov-Smirnov-Tests auf Normalverteilung können Tabelle 33 entnommen werden. Aus Tabelle 33 wird ersichtlich, dass die aufgelisteten Werte für die 2-seitige asymptotische Signifikanz oft kleiner sind als das geforderte Signifikanzniveau von 0,05. Daraus ist zu folgern, dass die Verteilungen der entsprechenden Indikatoren in der Grundgesamtheit nicht normalverteilt sind. Exemplarisch sei Indikator (12) angeführt, bei dem diese berechneten Werte sowohl beim „Kundenblock“ (0,020) als auch beim „Lieferantenblock“ (0,012) kleiner als 0,05 sind. Infolgedessen wird im nächsten Schritt auch hierbei der nicht-parametrische Wilcoxon-Test zum Vergleich zweier abhängiger Stichproben zum Einsatz kommen.

199 Indikatoren (7) Informationen bezüglich Verbesserungen für Produktionsverfahren • Kunden • Lieferanten (8) Informationen bezüglich der Grenzen der Anwendbarkeit von Prozessen • Kunden • Lieferanten (9) Erfahrungsberichte zu Prozessen • Kunden • Lieferanten (10) Informationen bezüglich Problemfeldern von Prozessen • Kunden • Lieferanten (11) Verbesserungsmöglichkeiten zu Prozessen • Kunden • Lieferanten (12) Ideen für neue Prozesse • Kunden • Lieferanten (13) Informationen zur Sensibilisierung für neue Prozesse • Kunden • Lieferanten (14) Ideen für neue Technologien • Kunden • Lieferanten

n

Asymp. Sig. (2-seitig)

40 41

0,110 0,082

40 41

0,141 0,037

40 41

0,016 0,051

40 40

0,055 0,026

40 41

0,110 0,024

40 41

0,020 0,012

39 40

0,102 0,054

40 41

0,023 0,124

Tabelle 33: Kolmogorov-Smirnov-Test auf Normalverteilung zu den Indikatoren (7) bis (14) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Wie schon beim ersten Fragenkomplex expliziert, werden hierzu pro Indikator die zum Kundenblock gewonnenen Daten mit den korrespondierenden, empirisch ermittelten Daten zum Lieferantenblock verglichen. Die Ergebnisse des hierfür durchgeführten Wilcoxon-Tests sind Tabelle 34 zu entnehmen. Indikatoren – Vergleich Kundenblock mit Lieferantenblock (7) Informationen bezüglich Verbesserungen für Produktionsverfahren (8) Informationen bezüglich der Grenzen der Anwendbarkeit von Prozessen (9) Erfahrungsberichte zu Prozessen (10) Informationen bezüglich Problemfeldern von Prozessen (11) Verbesserungsmöglichkeiten zu Prozessen (12) Ideen für neue Prozesse (13) Informationen zur Sensibilisierung für neue Prozesse (14) Ideen für neue Technologien

Asymp. Sig. (2-seitig) 0,004 0,008 0,561 0,487 0,787 0,015 0,027 0,000

Tabelle 34: Wilcoxon-Test zum Vergleich der Daten zum Kundenblock mit den Daten zum Lieferantenblock zu den Indikatoren (7) bis (14) für das Innovationsobjekt (Quelle: Eigene Darstellung)

Gemäß Tabelle 34 wurden diese Vergleiche für die Indikatoren (7) bis (14) durchgeführt. Es ist zu erkennen, dass bei den Indikatoren (7), (8), (12), (13) und (14) die Werte für die 2seitige asymptotische Signifikanz kleiner sind als das vorab bestimmte Signifikanzniveau von 0,05. Daraus kann geschlussfolgert werden, dass sich bei diesen Indikatoren die empirisch

200 ermittelten Daten zum Kundenblock auf dem genannten Signifikanzniveau statistisch signifikant von den gewonnenen Daten zum Lieferantenblock unterscheiden. Auffallend ist hierbei, dass entsprechend Tabelle 32 bei diesen fünf soeben genannten Indikatoren die arithmetischen Mittel für die Bewertungen der Relevanz der Lieferanten größer sind als für die Bewertungen der Relevanz der Kunden. Hinsichtlich der Indikatoren (9) und (10), deren arithmetische Mittel bei dem Kundenblock größer waren als bei dem Lieferantenblock, kommt es hingegen zu keinen auf dem 5-Prozent-Signifikanzniveau signifikanten Unterschieden der empirisch ermittelten Daten. Auf diesen Erkenntnissen aufbauend kann an dieser Stelle somit festgehalten werden, dass die empirischen Ergebnisse auch die 3. Hypothese unterstützen und nach Auffassung des Verfassers demzufolge das folgende Resultat vermerkt werden kann: •

3. Resultat: Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Kunden.

5.3 Ergebnisse zur Erfolgsanalyse Nachdem in Abschnitt 5.2 die erste Forschungsfrage thematisiert wurde, indem die drei hierzu formulierten Hypothesen eine empirische Überprüfung erfuhren, befasst sich der nun folgende Abschnitt ausschließlich mit der in der vorliegenden Arbeit als Erfolgsanalyse bezeichneten Thematik. Entsprechend stehen in diesem Abschnitt die zweite Forschungsfrage und die sechs daraus abgeleiteten Hypothesen bzw. die zwei hierzu entwickelten theoretischen Modelle der Erfolgsanalyse, die zusammenfassend Abschnitt 4.2.7 entnommen werden können, im Mittelpunkt des Interesses. Da, wie in Abschnitt 5.1.1.2 ausführlich beschrieben, zur empirischen Überprüfung dieser sechs Hypothesen und somit zur empirischen Überprüfung der zwei theoretischen Modelle die PLS-Analyse verwendet wird, werden in Abschnitt 5.3.1 zunächst die entsprechenden Gütekriterien zur Evaluierung von PLS-Pfadmodellen erklärt. Gemäß der thematischen und begrifflichen Einführung in die Besonderheiten von Strukturgleichungsmodellen in Abschnitt 5.1.1.2 folgen in den beiden sich daran anschließenden Abschnitten die Ergebnisse zu den Messmodellen (Abschnitt 5.3.2) und die Ergebnisse zu den Strukturmodellen (Abschnitt 5.3.3). Der Abschnitt 5.3 endet mit einer Zusammenfassung der empirisch ermittelten Ergebnisse, die der Thematik der Erfolgsanalyse zugeordnet werden können (Abschnitt 5.3.4). 5.3.1 Gütekriterien zur Evaluierung der PLS-Pfadmodelle Zur besseren Übersichtlichkeit werden die Erklärungen zu den Gütekriterien zur Evaluierung der PLS-Pfadmodelle in drei Abschnitte untergliedert. So widmet sich Abschnitt 5.3.1.1 den Gütemaßen zu Beurteilung reflektiver Messmodelle. Der darauf folgende Abschnitt 5.3.1.2 thematisiert die Gütekriterien zur Evaluation von formativen Messmodellen. Im abschließen-

201 den Abschnitt 5.3.1.3 werden hingegen die Gütemaße zur Beurteilung von Strukturmodellen vorgestellt. Bevor dies geschieht, sei an dieser Stelle jedoch kurz darauf hingewiesen, dass auch für die empirisch ermittelten Daten, die in diesem Abschnitt zur Analyse verwendet werden, überprüft wurde, ob Normalverteilung vorliegt. Hierzu wurde der Kolmogorov-Smirnov-Test auf Normalverteilung durchgeführt, der ausführlich in Abschnitt 5.2.1.2 erklärt wurde. Als Ergebnis dieses Tests kann festgehalten werden, dass bei sehr vielen Indikatoren, die für den im vorliegenden Abschnitt zu diskutierenden Sachverhalt herangezogen werden, die berechneten Werte für die 2-seitige asymptotische Signifikanz kleiner sind als das geforderte Signifikanzniveau von 0,05. Aus diesem Grund kann bei diesen Indikatoren von keiner Normalverteilung in der Grundgesamtheit ausgegangen werden (Bellgardt, 1997, S. 84). Wie jedoch bereits in Abschnitt 5.1.1.2 erläutert wurde, kommt der PLS-Ansatz als nicht-parametrisches Verfahren auch ohne strikte Verteilungsannahmen aus (Herrmann/ Huber/ Kressmann, 2006, S. 39; Jochims, 2006, S. 165 und Ringle et al., 2006, S. 81). 5.3.1.1 Gütekriterien zur Beurteilung von reflektiven Messmodellen Zur Beurteilung der Güte von reflektiven Messmodellen lassen sich grundsätzlich die folgenden vier Gütearten voneinander unterscheiden (vgl. z. B. Götz/ Liehr-Gobbers, 2004, S. 12-15 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 73-75): (1) Inhaltsvalidität (2) Indikatorreliabilität (3) Konstruktreliabilität (4) Diskriminanzvalidität

Im Folgenden werden nun diese vier Gütearten vorgestellt und jeweils dazugehörige Gütekriterien expliziert, die in den Abschnitten 5.3.2.2 und 5.3.2.3 angewendet werden. Ad (1) Inhaltsvalidität Churchill beschreibt die Inhaltsvalidität, im Englischen „content validity”, wie folgt: „Content validity focuses on the adequacy with which the domain of the characteristic is captured by the measure“ (Churchill, 1991, S. 490). In jüngeren wissenschaftlichen Arbeiten wird oftmals vorgeschlagen, die explorative Faktorenanalyse zu verwenden, um die Inhaltsvalidität statistisch sicherzustellen (vgl. z. B. Homburg/ Giering, 1996, S. 17, 18 und Krafft/ Götz/ LiehrGobbers, 2005, S. 75). Als Gütekriterien wird hierbei verlangt, dass durch den extrahierten Faktor, der gemäß des Kaiser-Kriteriums einen Eigenwert von mindestens 1,0 haben muss, zumindest 50 Prozent der Varianz der Indikatoren erklärt wird und dass das Kaiser-MeyerOlkin-Maß (KMO-Wert), welches Werte zwischen Null und Eins annehmen kann, mindestens

202 einen Wert von 0,6 erreicht (Bellgardt, 1997, S. 216; Homburg/ Giering, 1996, S. 12 und Kaiser/ Rice, 1974, S. 112). Ad (2) Indikatorreliabilität „Die Indikatorreliabilität weist den Anteil der Varianz eines Indikators aus, der durch die zugrunde liegende latente Variable erklärt werden kann“ (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 73). Ein hierfür häufig genanntes Gütekriterium ist, dass mehr als 50 Prozent der Varianz eines Indikators auf das jeweilige Konstrukt zurückzuführen sein sollte und damit einhergehend die Ladungen λ der latenten Variablen auf die Indikatorvariablen einen Wert annehmen sollten, der mindestens 0,7 beträgt (Hulland, 1999, S. 198 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 73). Die Folge daraus ist nämlich, dass die gemeinsame Varianz zwischen latenter Variable und Indikatorvariable dadurch größer ist als die Varianz des Messfehlers (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 73). Speziell bei neu entwickelten Skalen werden teilweise auch geringere Ladungen akzeptiert (Götz/ Liehr-Gobbers, 2004, S. 13). Prinzipiell wird jedoch empfohlen, reflektive Indikatoren, deren Ladungen λ im PLS-Gesamtmodell kleiner als 0,4 sind, aus dem Messmodell zu entfernen (Hulland, 1999, S. 198). Darüber hinaus wird die statistische Signifikanz dieser Ladungen mit den dazugehörigen t-Werten überprüft. Diese t-Werte können bei der PLS-Analyse mittels den – bereits in Abschnitt 5.1.1.2 kurz erwähnten – nicht-parametrischen Resampling-Methoden Bootstrapping oder Jacknifing berechnet werden (Chin, 1998, S. 318-320 und Ringle et al., 2006, S. 86). Da die Bootstrapping-Methode effizienter ist als Jacknifing, wird in der vorliegenden Arbeit die zuerst genannte Methode verwendet (Chin, 1998, S. 320). Bei Anwendung der BootstrappingMethode müssen die berechneten t-Werte bei der empfohlenen Erzeugung von 500 Vergleichsdatensätzen und einem einseitigen Test auf dem 5-Prozent-Signifikanzniveau somit mindestens 1,648 betragen, damit die entsprechenden Indikatoren auf diesem Signifikanzniveau als statistisch signifikant beurteilt werden (Fritz/ Möllenberg/ Dees, 2005, S. 270; Heinemann, 2007, S. 128; Helm, 2005, S. 249; Jochims, 2006, S. 176 und Ringle et al., 2006, S. 86). Ad (3) Konstruktreliabilität Im Vergleich zur Evaluation der Messung auf Ebene der einzelnen Indikatoren wird der lokalen Gütebeurteilung auf Konstruktebene anhand der Konstruktreliabilität eine größere Tragweite zugesprochen (vgl. z. B. Krafft/ Götz/ Liehr-Gobbers, 2005, S. 74). „Die Konstruktreliabilität erfordert, dass Indikatoren, die demselben Konstrukt zugeordnet sind, eine starke Beziehung untereinander aufweisen“ (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 74). Um zu untersuchen, wie gut eine latente Variable durch die ihr zugeordneten Indikatorvariablen gemessen wird, wird häufig die „Interne Konsistenz“ ρ berechnet, für die in der Literatur auch die Bezeichnungen Konvergenzvalidität, Faktorreliabilität und Composite Reliability gebräuchlich

203 sind (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 74).67 Gemäß Fornell/ Larcker und Chin wird die „Interne Konsistenz“ in reflektiven Messmodellen wie folgt berechnet (vgl. z. B. Chin, 1998, S. 320 und Fornell/ Larcker, 1981, S. 45): Interne Konsistenz =

(∑ λ i ) 2 (∑ λ i ) 2 + ∑ i var(εi )

λi = Ladung der Indikatorvariablen i einer latenten Variable εi = Messfehler der Indikatorvariablen i Die „Interne Konsistenz“ kann hierbei Werte zwischen Null und Eins annehmen, wobei Bagozzi/ Yi Werte fordern, die größer als 0,6 sind (Bagozzi/ Yi, 1988, S. 81, 82 und Götz/ Liehr-Gobbers, 2004, S. 14). Dementsprechend werden Indikatoren eliminiert, die eine kleinere Korrelation mit den anderen Indikatoren des entsprechenden Messmodells aufweisen (Eggert/ Fassott, 2003, S. 5). Zur Beurteilung der Konstruktreliabilität kann darüber hinaus die durchschnittliche erfasste Varianz AVE (Average Variance Extracted) verwendet werden, die wie folgt berechnet wird (vgl. z. B. Chin, 1998, S. 321 und Fornell/ Larcker, 1981, S. 45, 46): AVE =

∑ λi

2

∑ λ i + ∑ i var(ε i ) 2

λi = Ladung der Indikatorvariablen i einer latenten Variable εi = Messfehler der Indikatorvariablen i Die durchschnittliche erfasste Varianz kann ebenfalls Werte zwischen Null und Eins annehmen, sollte jedoch für jedes Konstrukt über 0,5 liegen (Chin, 1998, S. 321 und Fornell/ Larcker, 1981, S. 45, 46). „It is recommended that AVE should be greater than .50 meaning that 50 % or more variance of the indicators should be accounted for“ (Chin, 1998, S. 321). Ad (4) Diskriminanzvalidität Unter Diskriminanzvalidität wird die Unterschiedlichkeit der Messungen verschiedener latenter Variablen mit einem Messinstrument verstanden (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 74). In diesem Sinne schreibt Hulland: „The traditional methodological complement to convergent validity is discriminant validity, which represents the extent to which measures of a given construct differ from measures of other constructs in the same model“ (Hulland, 1999, S. 199).

67

Zur Begründung, weshalb hierzu nicht Cronbachs Alpha verwendet wird, vgl. z. B. Chin, 1998, S. 320.

204 Ein empfohlener Test zur Evaluation der Diskriminanzvalidität ist die Berechnung der Korrelationen zwischen den Faktorwerten latenter Variablen und weiterer im Modell enthaltener, dem jeweiligen Konstrukt aber nicht zugeordneter Indikatorvariablen (Chin, 1998, S. 321 und Ringle, 2004a, S. 309). Hierbei sollten die Beziehungen, die als so genannten Cross-Loadings berechnet werden, zwischen einer Indikatorvariablen und einem ihr nicht zugeordneten Konstrukt kleiner sein als die Beziehung mit der ihr zugeordneten latenten Variable (Chin, 1998, S. 321 und Ringle, 2004a, S. 309). Das heißt, dass eine Indikatorvariable die höchste Ladung mit der ihr zugeordneten latenten Variable aufweisen sollte (Ringle, 2004a, S. 310). Tabelle 35 fasst nochmals die Gütekriterien zusammen, mit denen in den Abschnitten 5.3.2.2 und 5.3.2.3 die reflektiven Messmodelle beurteilt werden: Gütearten Inhaltsvalidität

Indikatorreliabilität Konstruktreliabilität Diskriminanzvalidität

Gütekriterien Explorative Faktorenanalyse: • Extrahierter Faktor Eigenwert ≥ 1 • Erklärte Varianz der Indikatoren ≥ 50 Prozent • KMO-Wert ≥ 0,6 • Faktorladungen λ ≥ 0,7 • t-Werte ≥ 1,648 • Interne Konsistenz ρ > 0,6 • AVE > 0,5 • Beurteilung der Cross-Loadings

Tabelle 35: Gütekriterien zur Beurteilung von reflektiven Messmodellen (Quelle: Eigene Darstellung)

5.3.1.2 Gütekriterien zur Beurteilung von formativen Messmodellen Die in Abschnitt 5.1.1.2 aufgezeigten Unterschiede zwischen reflektiven und formativen Messmodellen haben zur Folge, dass die zuvor vorgestellte Gütebeurteilung reflektiver Messmodelle nicht gleichsam auf formative Messmodelle übertragen werden kann (Diamantopoulos/ Winkelhofer, 2001, S. 271). Wie von anderen Autoren empfohlen, können daher die nachstehenden drei Gütearten zur Beurteilung von formativen Messmodellen voneinander unterschieden werden (vgl. z. B. Krafft/ Götz/ Liehr-Gobbers, 2005, S. 76-83): (1) Expertenvalidität (2) Indikatorrelevanz (3) Nomologische Validität

Im Folgenden werden nun diese drei Gütearten mitsamt den jeweiligen Gütekriterien vorgestellt, die in den Abschnitten 5.3.2.4 und 5.3.2.5 angewendet werden. Ad (1) Expertenvalidität Die Expertenvalidität gibt das Ausmaß der Übereinstimmung wieder, das zwischen der a priori beabsichtigten und der tatsächlichen Indikatorzuordnung zu den entsprechenden Konstrukten besteht (Götz/ Liehr-Gobbers, 2004, S. 17 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82).

205 Hierzu wird empfohlen, im Kontext des Pre-Tests Testpersonen zufällig angeordnete Indikatoren vorzulegen, die diese Personen dann zu den einzelnen Konstrukten zuordnen müssen (Götz/ Liehr-Gobbers, 2004, S. 17). Als Testpersonen eignen sich hierfür sowohl Experten im zu untersuchenden Forschungsbereich als auch Individuen, die einen Ausschnitt der anvisierten Zielgruppe der Befragung darstellen (Götz/ Liehr-Gobbers, 2004, S. 17). Zur Evaluation der inhaltlichen Relevanz und der eindeutigen Zuordnung der Indikatoren werden häufig die zwei von Anderson/ Gerbing entwickelten Indizes psa (Maß für die Eindeutigkeit der Zuordnung) und csv (Maß für die inhaltliche Relevanz) verwendet (Anderson/ Gerbing, 1991, S. 734 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 76). „Der psa-Index gibt Aufschluss über das Ausmaß der Übereinstimmung zwischen der a priori durch den Forscher beabsichtigten und der tatsächlich vorgenommenen Zuordnung eines Indikators zu dem dafür a priori vorgesehenen Konstrukt“ (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 77). Somit gibt dieser psa-Index die Anzahl der Übereinstimmungen im Verhältnis zu der Anzahl der hierzu befragten Personen wieder (Götz/ Liehr-Gobbers, 2004, S. 18): psa =

nc N

nc = Anzahl der Befragten mit der a priori vom Forscher als richtig angesehenen Zuordnung eines Indikators zu seinem Konstrukt N = Anzahl aller befragten Personen Entsprechend kann der psa-Index Werte annehmen, die zwischen Null und Eins liegen, wobei größere Werte ein höheres Maß an Übereinstimmung indizieren (Götz/ Liehr-Gobbers, 2004, S. 18). Ergänzend dazu wird beim csv-Index die Differenz aus der Anzahl der – nach Auffassung des Forschers – „richtigen“ und der am häufigsten genannten „falschen“ Zuordnung ins Verhältnis zu der Anzahl der hierzu befragten Personen gesetzt (Götz/ Liehr-Gobbers, 2004, S. 18): csv =

nc − n0 N

nc = Anzahl der Befragten mit der a priori vom Forscher als richtig angesehenen Zuordnung eines Indikators zu seinem Konstrukt n0 = Anzahl der Befragten, die den Indikator am häufigsten „falsch“ einem anderen als dem „richtigen“ Konstrukt zugeordnet haben N = Anzahl aller befragten Personen Gemäß dieser Formel kann der csv-Index Werte zwischen minus Eins und plus Eins annehmen, wobei hohe positive Werte eine größere inhaltliche Relevanz indizieren (Anderson/

206 Gerbing, 1991, S. 734 und Götz/ Liehr-Gobbers, 2004, S. 18). Nimmt der csv-Index hingegen Werte an, die gegen minus Eins streben, deutet dies darauf hin, dass der betreffende Indikator eine hohe inhaltliche Relevanz zu einem anderen als dem vom Forscher angedachten Konstrukt aufweist (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 77). Ad (2) Indikatorrelevanz Mittels der Indikatorrelevanz wird der Beitrag überprüft, den jeder Indikator zur Konstruktbildung hat (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 77). Hierzu werden zunächst die Gewichte der formativen Indikatoren, die häufig geringer ausfallen als die Ladungen der reflektiven Indikatoren, miteinander verglichen, um auf diesem Wege ihren Beitrag zur entsprechenden Konstruktbildung zu bestimmen (Götz/ Liehr-Gobbers, 2004, S. 19 und Krafft/ Götz/ LiehrGobbers, 2005, S. 78). Während in reflektiven Messmodellen die Eliminierung von Indikatoren mit geringen Ladungen empfohlen wird, darf diese Regel bei formativen Indikatoren mit geringen Gewichten nicht ohne weitere Überlegungen angewendet werden (Jochims, 2006, S. 174). „So müssen bei der Reduktion formativer Items neben statistischen Aspekten insbesondere auch inhaltliche Überlegungen berücksichtigt werden“ (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 78).68 In diesem Sinne sollten auch relativ geringe Absolutwerte der Gewichte einer formativ gebildeten latenten Variablen nicht vorschnell als dürftige Messmodelle fehlinterpretiert werden (Chin, 1998, S. 307 und Götz/ Liehr-Gobbers, 2004, S. 19). Die Eliminierung eines Indikators aus einem formativen Messmodell wird jedoch dann empfohlen, wenn eine starke lineare Abhängigkeit zwischen den Indikatoren vorliegt und somit Multikollinearität besteht (Bellgardt, 1997, S. 114, 131 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 78). Liegt nämlich eine starke Kollinearität zwischen den Indikatoren vor, kann nur schwer der spezifische Einfluss jedes individuellen Indikators auf die latente Variable bestimmt werden und es kann daher zu starken Verzerrungen der Ergebnisse, d. h. der Parameterschätzungen, kommen (Diamantopoulos/ Winkelhofer, 2001, S. 272 und Götz/ LiehrGobbers, 2004, S. 19). Um Multikollinearität zwischen den formativen Indikatoren aufzudecken, werden in den Abschnitten 5.3.2.4 und 5.3.2.5 zum einen die Toleranz und der Variance Inflation Factor (VIF) berechnet (vgl. z. B. Bellgardt, 1997, S. 131 und Jochims, 2006, S. 175). Der kleinstmögliche Wert des VIF beträgt Eins und wird dann erreicht, wenn die Toleranz – als Kehrwert des VIF – ebenfalls Eins ist und somit die untersuchten Indikatoren vollständig linear unabhängig voneinander sind (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 79). Als Grenzwerte dafür, dass eine noch akzeptable Multikollinearität vorliegt, werden ein VIF von Zehn und entsprechend eine Toleranz von 0,1 angenommen (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 79). Dies bedeutet, 68

Die Begründung hierfür liegt in den Besonderheiten der formativen Messmodelle, die ausführlich in Abschnitt 5.1.1.2 erläutert wurden.

207 dass insofern der VIF nicht den Wert von Zehn überschreitet und somit die Toleranz nicht kleiner als 0,1 ist, von vernachlässigbarer Multikollinearität ausgegangen werden kann. Zum anderen wird zur Überprüfung, ob Multikollinearität vorliegt, der Konditionsindex K verwendet, der sich wie folgt berechnet (Götz/ Liehr-Gobbers, 2004, S. 21): Ki =

Eigenwert max Eigenwert i

Eigenwertmax = größter in der Schätzung vorkommender Eigenwert Eigenwerti = zu betrachtender Eigenwert der VarianzKovarianzmatrix der unstandardisierten Regressionskoeffizienten zwischen den Indikatoren und der latenten Variable Zu beachten ist hierbei, dass ein hoher Konditionsindex das Vorliegen von Multikollinearität signalisiert (Jochims, 2006, S. 176). Als Grenzwert wird ein Konditionsindex von 30 empfohlen, dessen Überschreitung auf eine signifikante Multikollinearität hindeutet (Götz/ LiehrGobbers, 2004, S. 21). Zur Beurteilung der Indikatorrelevanz wird darüber hinaus die statistische Signifikanz der Gewichte mit den dazugehörigen t-Werten überprüft, die in der vorliegenden Schrift mit Hilfe des Bootstrapping-Verfahrens berechnet werden (vgl. z. B. Hansmann/ Ringle, 2005, S. 227). Unter der empfohlenen Erstellung von 500 Vergleichsdatensätzen und einem einseitigen Test müssen die berechneten t-Werte auf dem 5-Prozent-Signifikanzniveau somit mindestens 1,648 betragen, damit die entsprechenden Indikatoren auf diesem Signifikanzniveau als statistisch signifikant beurteilt werden (Fritz/ Möllenberg/ Dees, 2005, S. 270; Hansmann/ Ringle, 2005, S. 227; Helm, 2005, S. 249 und Jochims, 2006, S. 176). In der Literatur wird jedoch häufig ein Signifikanzniveau von zehn Prozent vorgeschlagen, wodurch der Grenzwert für die t-Werte bei 1,283 liegt (vgl. z. B. Hansmann/ Ringle, 2005, S. 227 und Ringle et al., 2006, S. 87). Jedoch wird hierbei darauf hingewiesen, dass formative Indikatoren, auch im Falle eines kleineren berechneten t-Wertes, nur aufgrund inhaltlicher Überlegungen eliminiert werden sollten (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83). Ad (3) Nomologische Validität Mittels der nomologischen Validität kann die Gültigkeit der Konstruktmessung evaluiert werden (Götz/ Liehr-Gobbers, 2004, S. 22, 23 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82). Zunächst ist hinsichtlich der nomologischen Validität jedoch darauf hinzuweisen, dass diese Güteart von vielen Autoren zur Evaluation formativer Messmodelle überhaupt nicht berücksichtigt wird, sondern zu diesem Zweck nur die ersten beiden in diesem Abschnitt vorgestellten Gütearten verwendet werden (vgl. Fritz/ Möllenberg/ Dees, 2005, S. 255-274; Hansmann/ Ringle, 2005, S. 217-236; Jochims, 2006, S. 173-176 und Ringle, 2004a, S. 334-338).

208 Die nomologische Validität wird in der vorliegenden Arbeit anhand des Zusammenhangs untersucht, der zwischen dem jeweils formativ operationalisierten Konstrukt und einer weiteren latenten Variable innerhalb des Modells besteht (Diamantopoulos/ Winkelhofer, 2001, S. 273 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82). Hierbei muss der analysierte Strukturzusammenhang theoretisch begründet und empirisch belegt sein (Fassott/ Eggert, 2005, S. 41 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82). Insofern dieser Zusammenhang festgestellt wird, kann dies als Indiz für die nomologische Validität der benutzten Messmodelle interpretiert werden (Eggert/ Fassott, 2003, S. 9 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82). Eine Zusammenfassung der Gütekriterien, mit denen in den Abschnitten 5.3.2.4 und 5.3.2.5 die formativen Messmodelle beurteilt werden, kann abschließend Tabelle 36 entnommen werden: Gütearten Expertenvalidität Indikatorrelevanz

Nomologische Validität

Gütekriterien • psa-Index nahe 1 • csv-Index nahe 1 • Vergleich der Gewichte der formativen Indikatoren • VIF ≤ 10 • Toleranz ≥ 0,1 • Konditionsindex K ≤ 30 • t-Werte ≥ 1,648 (5-Prozent-Signifikanzniveau) bzw. t-Werte ≥ 1,283 (10-Prozent-Signifikanzniveau) • Untersuchung des Zusammenhangs zwischen formativ operationalisiertem Konstrukt und einer anderen latenten Variable

Tabelle 36: Gütekriterien zur Beurteilung von formativen Messmodellen (Quelle: Eigene Darstellung)

5.3.1.3 Gütekriterien zur Beurteilung von Strukturmodellen Die Beurteilung der Güte der Strukturmodelle wird in Abschnitt 5.3.3 mittels der nachstehend aufgeführten vier Gütearten erfolgen (vgl. z. B. Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83-85): (1) Bestimmtheitsmaß (2) Pfadkoeffizienten (3) Substanzieller Erklärungsbeitrag (4) Prognoserelevanz

Zu diesem Zweck werden nun diese vier Gütearten mitsamt den jeweiligen Gütekriterien vorgestellt, die in den Abschnitten 5.3.3.1 bis 5.3.3.4 angewendet werden. Ad (1) Bestimmtheitsmaß Den Ausgangspunkt zur Evaluation des Strukturmodells stellt das Bestimmtheitsmaß (R2) der latenten endogenen Variablen dar (Götz/ Liehr-Gobbers, 2004, S. 23). Das R2 gibt den Anteil der erklärten Varianz an der Gesamtvarianz des zu untersuchenden Konstrukts wieder (Bellgardt, 1997, S. 113). In diesem Sinne misst das R2 die Güte der Anpassung der Regressions-

209 funktion an die empirisch ermittelten Daten („goodness of fit“), wobei es zwischen Null und Eins definiert ist (Backhaus et al., 2003, S. 63 und Neubauer, 1994, S. 244). Gemäß Backhaus et al. können keine allgemein gültigen Aussagen dahingehend gemacht werden, ab welcher Höhe ein R2 als gut einzustufen ist, da dies von der jeweiligen Problemstellung abhängig ist (Backhaus et al., 2003, S. 96). Unter Berücksichtigung dieser Aussage werden in der vorliegenden Schrift trotzdem die von Chin für das R2 genannten Richtwerte beachtet, wonach ein R2 von 0,67 als substanziell, ein Bestimmtheitsmaß von 0,33 als moderat und ein R2 von 0,19 als schwach beurteilt wird (Chin, 1998, S. 323). Ad (2) Pfadkoeffizienten Die Pfadkoeffizienten des Strukturmodells sind wie standardisierte β-Koeffizienten zu interpretieren, die sich aus der Anwendung der Kleinste Quadrate Schätzung ergeben (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83). Hinsichtlich der Höhe der Pfadkoeffizienten ist zum einen zu erwähnen, dass z. B. Lohmöller bereits Pfade für Strukturmodelle akzeptiert, die mindestens einen Koeffizienten von 0,1 haben (Lohmöller, 1989, S. 60). Zum anderen ist allerdings darauf hinzuweisen, dass die alleinige Betrachtung der Werte der Pfadkoeffizienten noch keinen Rückschluss auf deren Signifikanz zulässt. Wie schon in den beiden Abschnitten zuvor ist daher hierzu mit Hilfe des Bootstrapping-Verfahrens die Berechnung der jeweiligen t-Werte von Nöten. Unter der empfohlenen Erzeugung von 500 Vergleichsdatensätzen und einem einseitigen Test müssen die berechneten t-Werte auf dem 5-Prozent-Signifikanzniveau somit mindestens 1,648 betragen, damit die damit einhergehenden Beziehungen auf diesem Signifikanzniveau als statistisch signifikant beurteilt werden (vgl. z. B. Chin, 1998, S. 323). Für das 10-Prozent-Signifikanzniveau ergibt sich für die t-Werte ein entsprechender Grenzwert von 1,283. Anhand der Werte und der Vorzeichen der Pfadkoeffizienten und der Aussagen, inwiefern sie statistisch signifikant sind oder nicht, kann somit entschieden werden, ob die empirisch ermittelten Daten die aufgestellten Hypothesen unterstützen oder widerlegen (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83, 84). Ad (3) Substanzieller Erklärungsbeitrag In Ergänzung zur Analyse und Interpretation des Bestimmtheitsmaßes der endogenen Konstrukte kann darüber hinaus die Änderung des Bestimmtheitsmaßes Aufschluss darüber geben, inwiefern ein exogenes Konstrukt einen substanziellen Einfluss auf die jeweils zu betrachtende latente endogene Variable hat (Götz/ Liehr-Gobbers, 2004, S. 24). Dies wird über die so genannte Effektstärke ƒ2 ermittelt (Chin, 1998, S. 316, 317):

210 ƒ2 =

R 2 included − R 2 excluded 1 − R 2 included

R2included = Bestimmtheitsmaß einer latenten endogenen Variable unter Einschluss einer bestimmten latenten exogenen Variable R2excluded = Bestimmtheitsmaß einer latenten endogenen Variable unter Ausschluss einer bestimmten latenten exogenen Variable

In diesem Sinne wird das Strukturmodell einmal inklusive (R2included) und einmal exklusive (R2excluded) der zu betrachtenden latenten exogenen Variable geschätzt (Krafft/ Götz/ LiehrGobbers, 2005, S. 84). Gemäß Cohen deuten dabei Werte für ƒ2 von 0,02, 0,15 und 0,35 darauf hin, ob ein exogenes Konstrukt einen geringen, einen mittleren oder einen großen Einfluss auf das zu ihr in Beziehung stehende endogene Konstrukt ausübt (Cohen, 1988, S. 413, 414). Hinsichtlich dieser Werte ist jedoch darauf hinzuweisen, dass gerade kleine und mittlere ƒ2Werte sehr häufig vorkommen und damit nicht unbedingt vernachlässigbare Effekte einhergehen (vgl. z. B. Chin/ Marcolin/ Newsted, 2003, S. 211; Hansmann/ Ringle, 2005, S. 233; Moser, 2007, S. 206, 207 und Ringle, 2004a, S. 329, 330). Ad (4) Prognoserelevanz Hinsichtlich der Beurteilung der Prognoserelevanz latenter exogener Variablen zur Erklärung latenter endogener Variablen werden die Ansätze einer Kreuzvalidierung berücksichtigt (Ringle, 2004a, S. 306). Diese Vorgehensweise stützt sich auf die Nutzung der von Stone und Geisser erarbeiteten Technik zur Wiederverwertung von Daten (Ringle, 2004a, S. 306). Geisser schreibt zu dieser Technik, die er „Predictive Sample Reuse Method“ nennt, einführend das Folgende: „Predictive sample reuse is basically a highly flexible synthesis of two timehonored and widely used approaches in data analysis, namely, cross-validatory assessment and function fitting, but with a crucial change in emphasis. The thrust here is essentially that the prediction of observables or potential observables is of much greater relevance than the estimation of what are often artificial constructs-parameters” (Geisser, 1975, S. 320). Die Übertragung dieser Technik auf die PLS-Methode erfolgt durch die so genannte Blindfolding-Prozedur (Ringle, 2004a, S. 306). Bei dieser Prozedur wird während der Parameterschätzung systematisch ein Teil der Rohdaten ausgelassen und versucht, den ausgelassenen Teil mittels der geschätzten Parameter zu schätzen (Chin, 1998, S. 317 und Fornell/ Cha, 1994, S. 71). „This procedure is repeated until every data point has been omitted and estimated“ (Chin, 1998, S. 317). Mit Hilfe der Blindfolding-Prozedur ist es möglich, die Summe quadrierter Fehler für die geschätzten Werte (E) sowie die Summe der quadrierten Fehler für den Durchschnittswert der Schätzung (O) zu berechnen (Chin, 1998, S. 317 und Ringle, 2004a, S. 306). Hinzu gibt D den Abstand an, der zwischen zwei nacheinander auszulassenden und daraufhin zu schätzen-

211 den Fällen besteht (Chin, 1998, S. 317 und Ringle, 2004a, S. 306). Mittels der nachfolgenden Gleichung lässt sich das so genannte Q2 entsprechend berechnen – welches auch als StoneGeisser-Test-Kriterium bezeichnet wird – und anzeigt, wie gut die empirisch ermittelten Daten sich ohne Verlust an Freiheitsgraden durch das Modell und seine Parameterschätzungen rekonstruieren lassen (Chin, 1998, S. 317, 318; Fornell/ Cha, 1994, S. 72, 73 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 84): Q2 = 1-

∑ D −E D ∑ D −O D

E = Quadratsumme der Prognosefehler O = Quadratsumme der Fehler für den Durchschnittswert der Schätzung D = Abstand zwischen zwei nacheinander auszulassenden und daraufhin zu schätzenden Fällen Wird für dieses Q2 ein Wert berechnet, der größer als Null ist, bedeutet dies, dass das Modell eine hinreichende Prognosefähigkeit besitzt, während bei einem Wert für das Q2 von kleiner als Null dem Modell die Prognoserelevanz nicht zugesprochen werden kann (Chin, 1998, S. 318 und Fornell/ Cha, 1994, S. 73). Einen zusammenfassenden Überblick über die Gütekriterien, mit denen in den Abschnitten 5.3.3.1 bis 5.3.3.4 die Strukturmodelle beurteilt werden, kann abschließend Tabelle 37 entnommen werden: Gütearten Bestimmtheitsmaß Pfadkoeffizienten

Gütekriterien • R2 ≥ 0,19 • Pfadkoeffizienten ≥ |0,1| • t-Werte ≥ 1,648 (5-Prozent-Signifikanzniveau) bzw. t-Werte ≥ 1,283 (10-Prozent-Signifikanzniveau)

Substanzieller Erklärungsbeitrag Prognoserelevanz

• Analyse der ƒ2-Werte • Q2 > 0

Tabelle 37: Gütekriterien zur Beurteilung von Strukturmodellen (Quelle: Eigene Darstellung)

5.3.2 Ergebnisse zu den Messmodellen Dieser Abschnitt widmet sich der Darbietung der empirisch ermittelten Ergebnisse zu den Messmodellen. Zu diesem Zweck wird zunächst in Abschnitt 5.3.2.1 – basierend auf den Erkenntnissen der Abschnitte 4.2 und 5.1.1.2 – erklärt, welche reflektiven und welche formativen Messmodelle betrachtet werden. Zusammenfassend werden, abgeleitet aus den zwei theoretischen Modellen des Abschnitts 4.2.7 und der zuvor gemachten Unterteilung in reflektive und formative Messmodelle, überdies die beiden zu untersuchenden Strukturgleichungsmodelle dargestellt.

212 In den darauf folgenden Abschnitten 5.3.2.2 und 5.3.2.3 werden, gemäß der in Abschnitt 5.3.1.1 erarbeiteten Gütekriterien, die reflektiven Messmodelle analysiert. Entsprechend erfolgt auf Basis der in Abschnitt 5.3.1.2 explizierten Gütekriterien in den Abschnitten 5.3.2.4 und 5.3.2.5 die Untersuchung der formativen Messmodelle.

5.3.2.1 Bestimmung der reflektiven und formativen Messmodelle Gemäß Abschnitt 4.2 werden im Kontext der Erfolgsanalyse in der vorliegenden Arbeit die folgenden fünf Konstrukte unterschieden:

(1) Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (2) Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung (3) Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (4) Auswirkung der kooperativen Ideengenerierung auf den Innovationserfolg (5) Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg

Diesen fünf Konstrukten wurden bereits in Abschnitt 4.2 potenzielle Indikatoren zugeordnet, die in der beschriebenen Art und Weise als Items zur Ermittlung der Auswirkungen der kooperativen Ideengenerierung in den Fragebogen aufgenommen wurden. Nachstehend wird daher in aller Kürze begründet, inwiefern diese Konstrukte in der vorliegenden Schrift jeweils mit einem reflektiven oder mit einem formativen Messmodell einhergehen. Hierbei wird auf den in Abschnitt 5.1.1.2 erläuterten Unterschieden zwischen reflektiven und formativen Messmodellen aufgebaut.

Ad (1) Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung Die Auswirkungen von bestimmten Aktivitäten auf den strategischen Erfolgsfaktor Kosten werden sehr häufig formativ gemessen (vgl. z. B. Ringle, 2004a, S. 321). Aufgrund der folgenden Gründe wird ebenfalls die Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung formativ gemessen. So wurden die diesem Konstrukt zuzuordnenden potenziellen Indikatoren in Abschnitt 4.2.1 aus Thoms Modell für Innovationsprozesse abgeleitet, da diese potenziellen Indikatoren jeweils aus der inhaltlichen Beschreibung je einer Subphase der Ideengenerierung resultieren (Thom, 1980, S. 53). Daher erklären bzw. verursachen die potenziellen Indikatorvariablen (als Subphasen) die latente Variable (Hauptphase) (Eberl, 2004b, S. 5). Mit anderen Worten ergibt sich die Auswirkung der kooperativen Ideengenerierung auf die Kosten für die „Hauptphase“ erst durch die inhaltliche Zusammenführung der Auswirkungen der kooperativen Ideengenerierung auf die drei sie beschreibenden bzw. formierenden „Subphasen“. Dies hat des Weiteren zur Folge, dass eine Veränderung der

213 latenten Variable aus einer Veränderung von mindestens einer Indikatorvariablen resultiert und dass durch die Eliminierung einer potenziellen Indikatorvariablen die Aussagekraft des Konstruktes erheblich eingeschränkt wäre (Ringle, 2004a, S. 314). Überdies ist durch die Verwendung aller Subphasen der Hauptphase der Ideengenerierung als Teil der potenziellen Indikatoren sichergestellt, dass gemäß Thoms Modell für Innovationsprozesse die notwendige Vollständigkeit für formative Messmodelle gewährleistet ist.

Ad (2) Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung Auch die Auswirkungen auf den strategischen Erfolgsfaktor Qualität werden sehr häufig formativ gemessen (vgl. z. B. Hansmann/ Ringle, 2005, S. 226, 229). Als Erklärungen dafür, weshalb ebenso in der vorliegenden Schrift die Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung formativ gemessen wird, können die selben Gründe aufgeführt werden, die soeben dazu benutzt wurden, um zu erläutern, weswegen das zuvor thematisierte Konstrukt formativ gemessen wird. So wurden in Abschnitt 4.2.1 die potenziellen Indikatoren zu der latenten Variable „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ in gleicher Weise aus den Subphasen der ersten Hauptphase von Thoms Modell für Innovationsprozesse abgeleitet (Thom, 1980, S. 53).

Ad (3) Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung Wie bei den beiden zuvor thematisierten Konstrukten wurden auch die potenziellen Indikatoren der latenten Variable „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ in Abschnitt 4.2.1 in der beschriebenen Art aus den Subphasen der ersten Hauptphase von Thoms Modell für Innovationsprozesse abgeleitet (Thom, 1980, S. 53). Aus diesem Grund wird in der vorliegenden Arbeit dieses Konstrukt – wie es bei ähnlichen latenten Variablen auch von anderen Forschern gemacht wurde – ebenfalls formativ gemessen (vgl. z. B. Ringle, 2005, S. 318).

Ad (4) Auswirkung der kooperativen Ideengenerierung auf den Innovationserfolg Zur Messung des Innovationserfolges werden sehr häufig reflektive Messmodelle verwendet (vgl. z. B. Fischer, 2006, S. 233 und Ritter, 1998, S. 134-136, 148-153). Aufgrund der folgenden Gründe wird auch in der vorliegenden Dissertation die Auswirkung der kooperativen Ideengenerierung auf den Innovationserfolg reflektiv gemessen. So werden die in Abschnitt 4.2.2 erarbeiteten potenziellen Erfolgsindikatoren – wie es für reflektive Messmodelle gefordert wird – durch das hier zu thematisierende Konstrukt erklärt bzw. verursacht (Eberl, 2004b, S. 3). Überdies wird davon ausgegangen, dass eine Veränderung dieser latenten Variable eine Veränderung aller dieser potenziellen Erfolgsindikatoren zur Folge hat und dass die Eliminierung eines potenziellen Erfolgsindikators zu keiner Veränderung des Konstruktes führen würde (Eberl, 2004b, S. 3 und Ringle, 2004a, S. 314).

214

Ad (5) Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg Es ist davon auszugehen, dass die in Abschnitt 4.2.3 erarbeiteten potenziellen Erfolgsindikatoren durch das an dieser Stelle zu thematisierende Konstrukt erklärt bzw. verursacht werden, dass mit der Eliminierung eines potenziellen Erfolgsindikators keine Veränderung dieser latenten Variable einhergeht und dass eine Veränderung dieses Konstruktes wiederum eine Veränderung aller potenziellen Erfolgsindikatoren aus Abschnitt 4.2.3 zur Folge hat (Eberl, 2004b, S. 3). Aus diesen Gründen wird die Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg in der vorliegenden Arbeit reflektiv gemessen. Dies geht übrigens mit den Arbeiten vieler anderer Forscher konform, da der Unternehmenserfolg bzw. die Auswirkung von Aktivitäten auf den Unternehmenserfolg von zahlreichen Forschern reflektiv gemessen wird (vgl. z. B. Jochims, 2006, S. 144, 157 und Ringle, 2005, S. 318). Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen

H5 I

Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen

Neuigkeitsgrad der Produktinnovationen Effektivität bei der Umsetzung von Produktinnovationen Effizienz bei der Umsetzung von Produktinnovationen Stand der Technik der Produkte

Kundenbindung

Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle

H8I H9 I

Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen

Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg (Produktinnovation)

H7 I

Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen

Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung (Produktinnovation)

Anzahl der Produktinnovationen

H4 I

Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (Produktinnovation)

H6 I

Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen

Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (Produktinnovation)

Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg (Produktinnovation)

Lieferantenbindung

Marktanteil

Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle

Abbildung 27: Erstes Strukturgleichungsmodell der Erfolgsanalyse (Quelle: Eigene Darstellung)

215 Durch das Aufgreifen der zwei theoretischen Modelle aus Abschnitt 4.2.7 und der dort vorgenommenen Differenzierung des Innovationsobjektes in Produktinnovationen und Prozessinnovationen und durch die Anwendung der soeben erarbeiteten Erkenntnisse, inwiefern die fünf beschriebenen Konstrukte mit einem reflektiven oder einem formativen Messmodell einhergehen, lassen sich zusammenfassend zwei Strukturgleichungsmodelle darstellen. Diese zwei Strukturgleichungsmodelle, bei denen auf den Pfaden der Strukturmodelle ebenfalls die Hypothesenbezeichnungen H4I bis H9I und H4II bis H9II aus Abschnitt 4.2.7 übernommen wurden, sind obiger Abbildung 27 und Abbildung 28 zu entnehmen und werden in den nun folgenden Abschnitten eingehend analysiert. Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung (Prozessinnovation)

H5 II

Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen

Effektivität bei der Umsetzung von Prozessinnovationen Effizienz bei der Umsetzung von Prozessinnovationen Modernität der Prozesse

Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung (Prozessinnovation)

Stand der Technik der Prozesse

Kundenbindung

Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle

H8II H9 II

Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen

Neuigkeitsgrad der Prozessinnovationen Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg (Prozessinnovation)

H7 II

Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen

H4 II

Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle

Anzahl der Prozessinnovationen

H6 II

Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen

Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung (Prozessinnovation)

Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg (Prozessinnovation)

Lieferantenbindung

Marktanteil

Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle

Abbildung 28: Zweites Strukturgleichungsmodell der Erfolgsanalyse (Quelle: Eigene Darstellung)

216

5.3.2.2 Analyse der reflektiven Messmodelle für das erste Strukturgleichungsmodell In diesem Abschnitt werden nun die beiden reflektiven Messmodelle des in Abbildung 27 dargestellten ersten Strukturgleichungsmodells anhand der in Abschnitt 5.3.1.1 erarbeiteten Gütekriterien beurteilt. Hinsichtlich der in Tabelle 35 genannten Gütekriterien wurden für die latente Variable „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ die in Tabelle 38 zusammenfassend dargebotenen Werte berechnet. Auswertungen auf Konstruktebene: 3,09 Eigenwert 61,88 % Erklärte Varianz der Indikatoren 0,75 KMO-Wert 0,99 Interne Konsistenz ρ 0,96 AVE Auswertungen auf Indikatorebene: Indikator Anzahl der Produktinnovationen Neuigkeitsgrad der Produktinnovationen Effektivität bei der Umsetzung von Produktinnovationen Effizienz bei der Umsetzung von Produktinnovationen Stand der Technik der Produkte

λ 0,97 0,98 0,99 0,97 0,98

t-Wert 115,190** 300,213** 283,116** 119,457** 248,222**

** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 38: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg für das erste Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Der Vergleich von Tabelle 38 mit Tabelle 35 zeigt, dass die reflektive Messung des Konstrukts „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ für das erste Strukturgleichungsmodell hinsichtlich der drei Gütearten Inhaltsvalidität, Indikatorreliabilität und Konstruktreliabilität alle geforderten Gütekriterien erfüllt. So wird bei der explorativen Faktorenanalyse nur ein Faktor extrahiert, der einen Eigenwert von 3,09 hat und mit dem 61,88 Prozent der Varianz der Indikatoren erklärt wird. Außerdem beträgt der KMOWert 0,75 und ist somit eindeutig größer als der geforderte Mindestwert von 0,6. Ebenso übersteigen die errechneten Werte für die Interne Konsistenz ρ und für die AVE stark die für diese Kriterien in Abschnitt 5.3.1.1 geforderten Mindestwerte. Hinzu beträgt der Wert für die kleinste Faktorladung in Tabelle 38 0,97, womit auch die in Tabelle 35 festgelegte Untergrenze von 0,7 für alle aufgeführten Erfolgsindikatoren erreicht wird. Schließlich wird auch der in Abschnitt 5.3.1.1 genannte Mindestwert für die t-Werte von 1,648 für das 5-ProzentSignifikanzniveau von allen Erfolgsindikatoren eindeutig überstiegen. Es kann sogar festgehalten werden, dass alle in Tabelle 38 aufgelisteten Erfolgsindikatoren überdies auf dem 1Prozent-Signifikanzniveau statistisch hoch signifikant sind, da die errechneten t-Werte alle wesentlich größer sind als der hierzu notwendige Wert von 2,334. Die Beurteilung der CrossLoadings und somit die der Diskriminanzvalidität erfolgt am Ende dieses Abschnitts. Wie in Abschnitt 5.3.2.1 gezeigt wurde, wird im ersten Strukturgleichungsmodell der vorliegenden Arbeit ebenfalls das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf

217 den Unternehmenserfolg“ reflektiv gemessen. Die zur Evaluation der Inhaltsvalidität, der Indikatorreliabilität und der Konstruktreliabilität berechneten Werte können Tabelle 39 entnommen werden. Auswertungen auf Konstruktebene: 2,67 Eigenwert 53,46 % Erklärte Varianz der Indikatoren 0,72 KMO-Wert 0,99 Interne Konsistenz ρ 0,93 AVE Auswertungen auf Indikatorebene: Indikator Kundenbindung Lieferantenbindung Marktanteil Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

λ 0,97 0,97 0,97 0,96 0,96

t-Wert 81,159** 105,631** 85,740** 84,508** 78,586**

** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 39: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg für das erste Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Der direkte Vergleich der Werte aus Tabelle 39 mit den in Tabelle 35 zusammenfassend dargestellten Gütekriterien macht deutlich, dass die reflektive Messung des Konstrukts „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ für das erste Strukturgleichungsmodell hinsichtlich der drei Gütearten Inhaltsvalidität, Indikatorreliabilität und Konstruktreliabilität alle geforderten Gütekriterien erfüllt. Der eine Faktor, der bei der explorativen Faktorenanalyse extrahiert wird, hat einen Eigenwert von 2,67 und erklärt deutlich mehr als 50 Prozent der Varianz der Indikatoren. Außerdem liegt der KMO-Wert mit 0,72 eindeutig über dem in Abschnitt 5.3.1.1 geforderten Mindestwert von 0,6. Ebenfalls übersteigen die errechneten Werte für die Interne Konsistenz ρ und für die AVE stark die hierzu in Abschnitt 5.3.1.1 genannten Mindestwerte. Außerdem beträgt der Wert für die kleinste Faktorladung in Tabelle 39 0,96. Hierdurch wird auch die in Tabelle 35 genannte Untergrenze für Faktorladungen von 0,7 für alle in Tabelle 39 aufgelisteten Erfolgsindikatoren erreicht. Entsprechend übersteigen auch die t-Werte dieser Erfolgsindikatoren alle einen Wert von 1,648, wodurch sie auf dem 5-Prozent-Signifikanzniveau statistisch signifikant sind. Wie bereits die Erfolgsindikatoren aus Tabelle 38, sind auch die in Tabelle 39 aufgeführten Erfolgsindikatoren überdies auf dem 1-Prozent-Signifikanzniveau statistisch hoch signifikant, da die errechneten t-Werte alle wesentlich größer sind als der hierfür geforderte Wert von 2,334. Gemäß Abschnitt 5.3.1.1 soll bei reflektiven Messmodellen auch die Diskriminanzvalidität evaluiert werden. Wie in besagtem Abschnitt beschrieben, erfolgt hierzu die Beurteilung der Cross-Loadings, die Tabelle 40 entnommen werden können. Aus dieser Tabelle wird ersichtlich, dass alle Indikatorvariablen die jeweils höchste Ladung mit dem ihnen zugeordneten Konstrukt aufweisen.

218

Anzahl der Produktinnovationen Neuigkeitsgrad der Produktinnovationen Effektivität bei der Umsetzung von Produktinnovationen Effizienz bei der Umsetzung von Produktinnovationen Stand der Technik der Produkte Kundenbindung Lieferantenbindung Marktanteil Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

Auswirkung der koopera- Auswirkung der kooperativen Ideengenerierung tiven Ideengenerierung auf den auf den Produktinnovationserfolg Unternehmenserfolg 0,9449 0,9734 0,9540 0,9842 0,9865

0,9441

0,9712

0,9207

0,9832 0,9035 0,9551 0,9040 0,9461

0,9531 0,9658 0,9717 0,9662 0,9643

0,9505

0,9609

Tabelle 40: Cross-Loadings für die reflektiv gemessenen Konstrukte des ersten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Da somit alle in Abschnitt 5.3.1.1 aufgeführten Gütekriterien zur Beurteilung von reflektiven Messmodellen erfüllt werden, kann als Ergebnis zum einen festgehalten werden, dass für das erste Strukturgleichungsmodell die „Anzahl der Produktinnovationen“, der „Neuigkeitsgrad der Produktinnovationen“, die „Effektivität bei der Umsetzung von Produktinnovationen“, die „Effizienz bei der Umsetzung von Produktinnovationen“ und der „Stand der Technik der Produkte“ als geeignete Erfolgsindikatoren für das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ angesehen werden. Zum anderen kann als Ergebnis dieses Abschnittes vermerkt werden, dass für das erste Strukturgleichungsmodell die „Kundenbindung“, die „Lieferantenbindung“, der „Marktanteil“, der „Gewinn“ und die „Nutzung von knappen Ressourcen und Fähigkeiten“ als geeignete Erfolgsindikatoren für das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ beurteilt werden. Zusammenfassend kann daher festgehalten werden, dass die in diesem Abschnitt durchgeführten Tests eine hohe Reliabilität und Validität der beiden untersuchten Messmodelle indizieren.

5.3.2.3 Analyse der reflektiven Messmodelle für das zweite Strukturgleichungsmodell Äquivalent zum vorherigen Abschnitt werden nun die beiden reflektiven Messmodelle des in Abbildung 28 dargestellten zweiten Strukturgleichungsmodells anhand der in Abschnitt 5.3.1.1 erarbeiteten Gütekriterien beurteilt. Hinsichtlich der in Tabelle 35 aufgelisteten Gütekriterien wurden für das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ die in Tabelle 41 zusammenfassend dargestellten Werte berechnet.

219 Auswertungen auf Konstruktebene: 3,71 Eigenwert 61,75 % Erklärte Varianz der Indikatoren 0,73 KMO-Wert 0,99 Interne Konsistenz ρ 0,95 AVE Auswertungen auf Indikatorebene: Indikator Anzahl der Prozessinnovationen Neuigkeitsgrad der Prozessinnovationen Effektivität bei der Umsetzung von Prozessinnovationen Effizienz bei der Umsetzung von Prozessinnovationen Modernität der Prozesse Stand der Technik der Prozesse

λ 0,98 0,98 0,98 0,97 0,95 0,97

t-Wert 163,553** 267,722** 273,832** 175,513** 31,235** 146,429**

** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 41: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg für das zweite Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Der Vergleich von Tabelle 41 mit Tabelle 35 macht deutlich, dass die reflektive Messung des Konstrukts „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ für das zweite Strukturgleichungsmodell bezüglich der drei Gütearten Inhaltsvalidität, Indikatorreliabilität und Konstruktreliabilität alle geforderten Gütekriterien erfüllt. So wird bei der explorativen Faktorenanalyse lediglich ein Faktor extrahiert, der einen Eigenwert von 3,71 hat und 61,75 Prozent der Varianz der Indikatoren erklärt. Ebenfalls übersteigt der KMO-Wert mit 0,73 den geforderten Mindestwert von 0,6. Gleichfalls liegen die errechneten Werte für die Interne Konsistenz ρ und die AVE deutlich über den für diese Kriterien in Abschnitt 5.3.1.1 geforderten Mindestwerten. Überdies wird aus Tabelle 41 ersichtlich, dass der Wert für die kleinste Faktorladung 0,95 beträgt und daher auch die in Tabelle 35 genannte Untergrenze von 0,7 für alle aufgeführten Erfolgsindikatoren überschritten wird. In diesem Zusammenhang sei zu guter Letzt noch darauf hingewiesen, dass entsprechend von allen in Tabelle 41 genannten Erfolgsindikatoren der in Abschnitt 5.3.1.1 erwähnte Mindestwert für die t-Werte von 1,648 für das 5-Prozent-Signifikanzniveau eindeutig überstiegen wird. Es kann sogar vermerkt werden, dass alle diese Erfolgsindikatoren auch auf dem 1-ProzentSignifikanzniveau statistisch hoch signifikant sind, da die errechneten t-Werte alle wesentlich größer sind als der hierzu notwendige Wert von 2,334. Die Beurteilung der Cross-Loadings und damit einhergehend die Beurteilung der Diskriminanzvalidität erfolgt am Ende dieses Abschnitts. Gemäß Abschnitt 5.3.2.1 wird ebenfalls im zweiten Strukturgleichungsmodell der vorliegenden Dissertation das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ reflektiv gemessen. Die zur Evaluation der Inhaltsvalidität, der Indikatorreliabilität und der Konstruktreliabilität berechneten Werte können Tabelle 42 entnommen werden.

220 Auswertungen auf Konstruktebene: 2,67 Eigenwert 53,46 % Erklärte Varianz der Indikatoren 0,72 KMO-Wert 0,99 Interne Konsistenz ρ 0,93 AVE Auswertungen auf Indikatorebene: Indikator Kundenbindung Lieferantenbindung Marktanteil Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

λ 0,97 0,97 0,97 0,96 0,96

t-Wert 84,432** 93,983** 88,448** 75,271** 76,366**

** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 42: Messmodellergebnisse des Konstrukts Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg für das zweite Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Zur Interpretation der Werte aus Tabelle 42 wird auch hier der Vergleich mit den in Tabelle 35 zusammenfassend dargestellten Gütekriterien angestellt. Dieser Vergleich macht deutlich, dass die reflektive Messung des Konstrukts „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ für das zweite Strukturgleichungsmodell hinsichtlich der drei Gütearten Inhaltsvalidität, Indikatorreliabilität und Konstruktreliabilität alle geforderten Gütekriterien erfüllt. So weist der bei der explorativen Faktorenanalyse extrahierte Faktor einen Eigenwert von 2,67 auf und erklärt 53,46 Prozent der Varianz der Indikatoren. Zu erwähnen ist außerdem, dass der KMO-Wert 0,72 beträgt und somit oberhalb des Mindestwertes von 0,6 liegt. Ebenso übersteigen die errechneten Werte für die Interne Konsistenz ρ und für die AVE eindeutig die hierfür in Abschnitt 5.3.1.1 genannten Mindestwerte. Überdies beträgt der Wert für die kleinste Faktorladung in Tabelle 42 0,96, wodurch auch der in Abschnitt 5.3.1.1 formulierten Forderung Rechnung getragen wird, wonach keine Faktorladung kleiner als 0,7 sein sollte. Ebenfalls wird aus Tabelle 42 ersichtlich, dass auch die errechneten t-Werte aller aufgeführten Erfolgsindikatoren deutlich größer sind als 1,648, wodurch sie auf dem 5-ProzentSignifikanzniveau statistisch signifikant sind. Anzumerken ist zusätzlich, dass aufgrund der großen t-Werte alle in Tabelle 42 aufgelisteten Erfolgsindikatoren überdies auf dem 1Prozent-Signifikanzniveau statistisch hoch signifikant sind, da die errechneten t-Werte alle erheblich größer sind als der hierfür notwendige Wert von 2,334. Wie in Abschnitt 5.3.1.1 gefordert, soll bei reflektiven Messmodellen ebenfalls die Diskriminanzvalidität evaluiert werden. Zu diesem Zweck sei auf Tabelle 43 hingewiesen, der die hierzu berechneten Cross-Loadings zu entnehmen sind. Durch die Betrachtung dieser Tabelle wird ersichtlich, dass alle Indikatorvariablen die jeweils höchste Ladung mit dem ihnen zugeordneten Konstrukt aufweisen.

221

Anzahl der Prozessinnovationen Neuigkeitsgrad der Prozessinnovationen Effektivität bei der Umsetzung von Prozessinnovationen Effizienz bei der Umsetzung von Prozessinnovationen Modernität der Prozesse Stand der Technik der Prozesse Kundenbindung Lieferantenbindung Marktanteil Gewinn Nutzung von knappen Ressourcen und Fähigkeiten

Auswirkung der koopera- Auswirkung der kooperativen Ideengenerierung tiven Ideengenerierung auf den auf den Prozessinnovationserfolg Unternehmenserfolg 0,9633 0,9762 0,9613 0,9814 0,9829

0,9577

0,9739

0,9579

0,9486 0,9730 0,9201 0,9649 0,9126 0,9555

0,9100 0,9426 0,9666 0,9713 0,9670 0,9636

0,9505

0,9602

Tabelle 43: Cross-Loadings für die reflektiv gemessenen Konstrukte des zweiten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Infolgedessen werden alle in Abschnitt 5.3.1.1 thematisierten Gütekriterien zur Beurteilung von reflektiven Messmodellen erfüllt. Somit kann als Ergebnis an dieser Stelle zum einen vermerkt werden, dass für das zweite Strukturgleichungsmodell die „Anzahl der Prozessinnovationen“, der „Neuigkeitsgrad der Prozessinnovationen“, die „Effektivität bei der Umsetzung von Prozessinnovationen“, die „Effizienz bei der Umsetzung von Prozessinnovationen“, die „Modernität der Prozesse“ und der „Stand der Technik der Prozesse“ als geeignete Erfolgsindikatoren für die latente Variable „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ beurteilt werden. Zum anderen kann als Ergebnis dieses Abschnittes festgehalten werden, dass für das zweite Strukturgleichungsmodell die „Kundenbindung“, die „Lieferantenbindung“, der „Marktanteil“, der „Gewinn“ und die „Nutzung von knappen Ressourcen und Fähigkeiten“ als geeignete Erfolgsindikatoren für die latente Variable „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ identifiziert wurden. Zusammenfassend kann daher herausgestellt werden, dass die in diesem Abschnitt durchgeführten Tests eine hohe Validität und Reliabilität der zwei analysierten Messmodelle indizieren.

5.3.2.4 Analyse der formativen Messmodelle für das erste Strukturgleichungsmodell Ziel dieses Abschnittes ist es, die drei formativen Messmodelle des in Abbildung 27 dargestellten ersten Strukturgleichungsmodells anhand der in Abschnitt 5.3.1.2 erarbeiteten Gütekriterien zu beurteilen. Wie in Abbildung 27 zu erkennen ist, werden im ersten Strukturgleichungsmodell – bei dem es wie gesehen um die Erlangung von Produktinnovationen geht – die drei Konstrukte „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“, „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ und

222 „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ formativ gemessen. Die zur Evaluation der Expertenvalidität und der Indikatorrelevanz berechneten Werte können Tabelle 44 und Tabelle 45 entnommen werden, wobei die drei Konstrukte in diesen beiden Tabellen entsprechend mit „Kosten“, „Qualität“ und „Zeitaufwand“ abgekürzt werden. Konstrukt

Kosten

Qualität

Indikator psa-Index Kosten für die Identifizierung und Präzisierung von Problemen und für die Be1,00 stimmung, in welchem Bereich Produktinnovationen generiert werden sollen Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen

Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von Zeitaufwand innovativen Ideen bezüglich möglicher Produktinnovationen Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle

csv-Index Gewicht t-Wert 1,00

0,87

3,572**

1,00

1,00

0,08

0,343

1,00

1,00

0,07

0,480

1,00

1,00

0,43

2,199**

1,00

1,00

0,48

2,817**

1,00

1,00

0,11

0,632

1,00

1,00

-0,08

0,250

1,00

1,00

0,29

1,845**

1,00

1,00

0,81

2,903**

* signifikant auf dem 10-Prozent-Signifikanzniveau; ** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 44: Ergebnisse zu den formativen Messmodellen des ersten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Zur Ermittlung der Werte für den psa-Index und für den csv-Index wurden – wie in Abschnitt 5.3.1.2 beschrieben – Testpersonen im Kontext des Pre-Tests zufällig angeordnete Indikatoren vorgelegt, die nach Auffassung des Autors mit den drei formativ gemessenen Konstrukten des ersten Strukturgleichungsmodells einhergehen. Die Testpersonen mussten diese Indikato-

223 ren dann zu den einzelnen Konstrukten zuordnen. Als Testpersonen wurden in der ersten PreTest-Stufe drei Wissenschaftler und in der zweiten Pre-Test-Stufe zwei Mitarbeiter der befragten klassischen europäischen Airline ausgewählt. Wie anhand der Werte für den psa-Index und für den csv-Index zu erkennen ist, entsprachen die von allen Testpersonen gemachten Zuordnungen der neun Indikatoren von Tabelle 44 den a priori vom Autor als richtig angesehenen Zuordnungen. Hinzu kann Tabelle 44 pro Konstrukt entnommen werden, welcher der jeweils drei Indikatoren den größten Einfluss hat. Demnach hat der Indikator „Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen“ im ersten Strukturgleichungsmodell mit einem Gewicht von 0,87 den mit Abstand größten Einfluss auf die latente Variable „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“. Der für diesen Indikator berechnete t-Wert beträgt 3,572 und ist somit deutlich größer als der in Tabelle 36 geforderte Wert für das 5-Prozent-Signifikanzniveau. Außerdem ist dieser berechnete t-Wert größer als 2,334, weshalb dieser Indikator ebenfalls auf dem 1-Prozent-Signifikanzniveau statistisch signifikant ist. Außerdem wird aufgrund der Betrachtung von Tabelle 44 deutlich, dass der Einfluss der beiden anderen Indikatoren vergleichsweise gering ist und die hierzu berechneten t-Werte auch nicht auf dem 10-Prozent-Signifikanzniveau statistisch signifikant sind. Ebenso wird aus Tabelle 44 ersichtlich, dass im Kontext des ersten Strukturgleichungsmodells die Indikatoren „Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen“ und „Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen“ mit einem Gewicht von 0,43 bzw. 0,48 einen großen Einfluss auf die latente Variable „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ haben. Die Relevanz dieser soeben genannten Indikatoren manifestiert sich entsprechend darin, dass beide Indikatoren – wie anhand der berechneten t-Werte erkennbar ist – auf dem 5-ProzentSignifikanzniveau statistisch signifikant sind. Der zuletzt genannte Indikator ist überdies sogar auf dem 1-Prozent-Signifikanzniveau statistisch signifikant. Mit einem Gewicht von 0,11 und einem t-Wert von 0,632 hat der Indikator „Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle“ den geringsten Einfluss auf das hiermit verbundene Konstrukt und ist außerdem auch auf dem 10Prozent-Signifikanzniveau nicht statistisch signifikant. Im Gegensatz dazu hat die mit dem zuletzt genannten Indikator einhergehende Subphase der Ideengenerierung im ersten Strukturgleichungsmodell einen sehr großen Einfluss auf das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“. Für den Indikator „Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle“ wird nämlich ein Gewicht von 0,81 berechnet und ist mit einem t-Wert von 2,903 nicht nur auf

224 dem 5-Prozent-Signifikanzniveau, sondern darüber hinaus auf dem 1-Prozent-Signifikanzniveau statistisch signifikant. Einen auf dem 5-Prozent-Signifikanzniveau statistisch signifikanten Einfluss hat auf das genannte Konstrukt außerdem der Indikator „Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen“. Der Indikator „Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen“, der inhaltlich mit der ersten Subphase der Ideengenerierung einhergeht und in ähnlicher Form auf die beiden zuvor beschriebenen Konstrukte einen statistisch signifikanten Einfluss hatte, hat mit einem kleinen Gewicht und einem t-Wert von 0,250 hingegen den geringsten Einfluss auf die latente Variable „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“. Dieser geringe Einfluss ist auf dem 10-Prozent-Signifikanzniveau nicht statistisch signifikant. Doch obgleich dieser Ergebnisse werden sowohl der zuletzt genannte Indikator als auch die anderen oben nicht statistisch signifikanten Indikatoren nicht aus den jeweiligen formativen Messmodellen eliminiert. Die Gründe hierfür lauten wie folgt: Erstens wird bei einem Vergleich von Tabelle 45 mit Tabelle 36 deutlich, dass die für den VIF, die für die Toleranz und die für den Konditionsindex K berechneten Werte allenfalls auf eine vernachlässigbare Multikollinearität zwischen den Indikatoren hindeuten. So sind die Werte für den VIF alle wesentlich kleiner als Zehn, die Werte für die Toleranz sind alle deutlich größer als 0,1 und die berechneten Werte für den Konditionsindex K sind alle erheblich kleiner als 30. Zweitens wurde in Abschnitt 5.3.1.2 explizit betont, dass formative Indikatoren auch im Falle eines kleineren berechneten t-Wertes nur aufgrund inhaltlicher Überlegungen eliminiert werden sollten (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83). Jedoch sprechen die inhaltlichen Überlegungen eindeutig dafür, die nicht statistisch signifikanten Indikatoren nicht zu eliminieren, da sie gemäß Thoms Modell für Innovationsprozesse jeweils eine der drei Subphasen der Ideengenerierung darstellen und somit essenziell sind für die vollständige Erfassung der gesamten ersten Haupthase des Innovationsprozesses (Thom, 1980, S. 53). Überdies sei an dieser Stelle noch darauf hingewiesen, dass alle drei in diesem Abschnitt thematisierten formativen Messmodelle auch hinsichtlich ihrer nomologischen Validität beurteilt wurden. Da, wie in Abschnitt 5.3.3.1 zu sehen sein wird, sich die formativ gemessenen Konstrukte des ersten Strukturgleichungsmodells innerhalb ihrer nomologischen Netze bzw. innerhalb ihrer Hypothesenstrukturen zum Großteil so verhalten, wie es auf Grundlage der theoretischen Überlegungen her vermutet wurde und somit die empirischen Ergebnisse die unterstellten theoretischen Strukturzusammenhänge belegen, wird dies als Indiz für die nomologische Validität der verwendeten formativen Messmodelle interpretiert (Eggert/ Fassott, 2003, S. 9 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82).

225 Konstrukt

Indikator Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Kosten für die Erarbeitung von innovativen Ideen Kosten bezüglich möglicher Produktinnovationen Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Qualität bei der Erarbeitung von innovativen Ideen Qualität bezüglich möglicher Produktinnovationen Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von innovativen Zeitaufwand Ideen bezüglich möglicher Produktinnovationen Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle

VIF

Toleranz

1,23

0,81

1,03

0,97

1,23

0,81

1,85

0,54

1,36

0,74

1,73

0,58

1,00

1,00

1,00

1,00

1,00

1,00

K

20,73

13,77

17,78

Tabelle 45: Multikollinearitätsdiagnose der formativen Messmodelle des ersten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Zusammenfassend kann daher festgehalten werden, dass zur Evaluation der formativen Messmodelle des ersten Strukturgleichungsmodells alle in Abschnitt 5.3.1.2 erarbeiteten Gütekriterien verwendet wurden. Demnach wurde die Expertenvalidität erfolgreich anhand der berechneten Werte für den psa-Index und für den csv-Index beurteilt. Außerdem wurde die nomologische Validität thematisiert und es wurde gezeigt, welchen Einfluss jeder Indikator auf das jeweils damit einhergehende Konstrukt hat und ob – und wenn ja, auf welchem Signifikanzniveau – dieser Einfluss statistisch signifikant ist. Hinzu wurde argumentiert, weshalb auch die nicht statistisch signifikanten Indikatoren nicht aus den jeweiligen formativen Messmodellen zu eliminieren sind. Besonders wichtig ist hierbei zu betonen, dass pro formativem Messmodell keine nennenswerte Multikollinearität zwischen den Indikatoren vorliegt, so dass die Einflussstärken der einzelnen Indikatoren differenziert und als empirische Ergebnisse interpretiert werden können (vgl. Ringle, 2004a, S. 338).

5.3.2.5 Analyse der formativen Messmodelle für das zweite Strukturgleichungsmodell Abbildung 28 ist zu entnehmen, dass im zweiten Strukturgleichungsmodell – bei dem es, wie expliziert, um die Erlangung von Prozessinnovationen geht – die drei Konstrukte „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“, „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ und „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ formativ gemessen werden. Die zur Beurteilung der Expertenvalidität und der Indika-

226 torrelevanz berechneten Werte sind Tabelle 46 und Tabelle 47 zu entnehmen. In diesen Tabellen werden die drei Konstrukte mit „Kosten“, Qualität“ und „Zeitaufwand“ abgekürzt. Konstrukt

Kosten

Qualität

Indikator psa-Index Kosten für die Identifizierung und Präzisierung von Problemen und für die Be1,00 stimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen

Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von Zeitaufwand innovativen Ideen bezüglich möglicher Prozessinnovationen Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle

csv-Index Gewicht t-Wert 1,00

0,73

2,476**

1,00

1,00

0,37

1,311*

1,00

1,00

-0,10

0,591

1,00

1,00

0,43

1,472*

1,00

1,00

1,13

3,788**

1,00

1,00

-0,60

3,255**

1,00

1,00

0,16

0,526

1,00

1,00

0,43

2,152**

1,00

1,00

0,47

2,044**

* signifikant auf dem 10-Prozent-Signifikanzniveau; ** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 46: Ergebnisse zu den formativen Messmodellen des zweiten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Zur Ermittlung der Werte für den psa-Index und für den csv-Index wurde die gleiche Vorgehensweise gewählt, wie sie bereits in Abschnitt 5.3.2.4 beschrieben wurde. Da die von allen Testpersonen gemachten Zuordnungen der neun Indikatoren von Tabelle 46 zu den drei formativ gemessenen Konstrukten des zweiten Strukturgleichungsmodells mit den a priori vom Verfasser als richtig angesehenen Zuordnungen übereinstimmten, nehmen alle Werte in den Spalten „psa-Index“ und „csv-Index“ den Maximalwert von Eins ein.

227 Ein Blick auf Tabelle 46 verdeutlicht ebenfalls, dass der Indikator „Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen“ im zweiten Strukturgleichungsmodell mit einem Gewicht von 0,73 den größten Einfluss auf das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“ hat. Der hierzu berechnete t-Wert von 2,476 indiziert, dass dieser Indikator auf dem 5-Prozent-Signifikanzniveau statistisch signifikant ist. Da dieser t-Wert ebenfalls größer ist als 2,334, ist die statistische Signifikanz überdies auf dem 1-Prozent-Signifikanzniveau gegeben. Auf dem 10-Prozent-Signifikanzniveau ist außerdem der Indikator „Kosten für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen“ mit einem Gewicht von 0,37 und einem t-Wert von 1,311 statistisch signifikant. Der Indikator „Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle“ hat im zweiten Strukturgleichungsmodell hingegen nur einen kleinen, selbst auf dem 10-Prozent-Signifikanzniveau nicht statistisch signifikanten Einfluss auf das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“. Hinzu wird aus Tabelle 46 ersichtlich, dass der Indikator „Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen“ im zweiten Strukturgleichungsmodell den stärksten Einfluss auf die latente Variable „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ hat. Dieser Einfluss ist nicht nur auf dem 5-Prozent-Signifikanzniveau, sondern aufgrund der Überschreitung des berechneten t-Wertes von 2,334 ebenfalls auf dem 1-Prozent-Signifikanzniveau statistisch signifikant. Bei einem Gewicht von -0,60 erzielt der Indikator „Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle“ einen ebenfalls hohen t-Wert von 3,255. Allerdings ist hierbei darauf zu achten, dass der statistisch signifikante Einfluss dieses Indikators auf das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ im zweiten Strukturgleichungsmodell ein negativer ist. Mit einem Gewicht von 0,43 und einem t-Wert von 1,472 hat der Indikator „Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen“ auf dem 10Prozent-Signifikanzniveau wiederum einen statistisch signifikanten, positiven Einfluss auf das soeben genannte Konstrukt. Mit Gewichten von 0,43 und 0,47 – und jeweiligen t-Werten von größer als 2,0 – haben die beiden Indikatoren „Zeitaufwand für die Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen“ und „Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle“ im zweiten Strukturgleichungsmodell einen auf dem 5-Prozent-Signifikanzniveau statistisch signifikanten Einfluss auf die latente Variable „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“. Der Indikator „Zeitaufwand für die Identifizierung

228 und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen“ hat mit einem Gewicht von 0,16 und einem t-Wert von 0,526 innerhalb dieses formativen Messmodells den kleinsten Einfluss auf die besagte latente Variable. Der Einfluss dieses Indikators ist auf dem 10-Prozent-Signifikanzniveau nicht statistisch signifikant. Nichtsdestotrotz wird dieser nicht statistisch signifikante Indikator, ebenso wie der ebenfalls nicht statistisch signifikante Indikator „Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle“, nicht aus dem jeweiligen formativen Messmodell eliminiert. Die Gründe hierfür entsprechen denen, die bereits an einer vergleichbaren Stelle in Abschnitt 5.3.2.4 aufgeführt wurden. So ist zunächst auf Tabelle 47 zu achten, da dort die für den VIF, die für die Toleranz und die für den Konditionsindex K berechneten Werte allenfalls auf eine vernachlässigbare Multikollinearität zwischen den Indikatoren hindeuten. Alle für den VIF berechneten Werte sind deutlich kleiner als Zehn, die Werte für die Toleranz sind demnach wesentlich größer als 0,1 und die für den Konditionsindex K berechneten Werte sind alle erheblich kleiner als 30. Außerdem wurde in Abschnitt 5.3.1.2 ausdrücklich betont, dass formative Indikatoren auch im Falle eines kleineren berechneten t-Wertes lediglich aufgrund inhaltlicher Überlegungen eliminiert werden sollten (Krafft/ Götz/ Liehr-Gobbers, 2005, S. 83). Allerdings führen die inhaltlichen Überlegungen eindeutig dazu, die nicht statistisch signifikanten Indikatoren nicht zu eliminieren, da sie nach Thoms Modell für Innovationsprozesse jeweils eine der drei Subphasen der ersten Hauptphase – nämlich der Ideengenerierung – darstellen und aus diesem Grund essenziell sind für die vollständige Erfassung der kompletten ersten Hauptphase des Innovationsprozesses (Thom, 1980, S. 53). Hinzuweisen ist an dieser Stelle noch darauf, dass alle drei in diesem Abschnitt thematisierten formativen Messmodelle ebenfalls hinsichtlich ihrer nomologischen Validität beurteilt wurden. Da, wie in Abschnitt 5.3.3.2 gezeigt werden wird, sich die formativ gemessenen latenten Variablen des zweiten Strukturgleichungsmodells innerhalb ihrer nomologischen Netze bzw. innerhalb ihrer Hypothesenstrukturen zum Großteil so verhalten, wie es aus den theoretischen Überlegungen her prognostiziert wurde und daher die empirischen Ergebnisse die unterstellten theoretischen Strukturzusammenhänge belegen, wird dies als Indiz für die nomologische Validität der verwendeten formativen Messmodelle gedeutet (Eggert/ Fassott, 2003, S. 9 und Krafft/ Götz/ Liehr-Gobbers, 2005, S. 82).

229 Konstrukt

Indikator Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Kosten für die Erarbeitung von innovativen Ideen Kosten bezüglich möglicher Prozessinnovationen Kosten für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle Qualität bei der Identifizierung und Präzisierung von Problemen und bei der Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Qualität bei der Erarbeitung von innovativen Ideen Qualität bezüglich möglicher Prozessinnovationen Qualität beim Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle Zeitaufwand für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Prozessinnovationen generiert werden sollen Zeitaufwand für die Erarbeitung von innovativen Zeitaufwand Ideen bezüglich möglicher Prozessinnovationen Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Prozessinnovationen an eine entscheidungsbefugte Stelle

VIF

Toleranz

1,15

0,87

1,15

0,87

1,00

1,00

2,72

0,37

1,49

0,67

2,30

0,44

1,04

0,97

1,01

0,99

1,03

0,97

K

15,36

16,41

15,92

Tabelle 47: Multikollinearitätsdiagnose der formativen Messmodelle des zweiten Strukturgleichungsmodells (Quelle: Eigene Darstellung)

Zusammenfassend kann somit am Ende dieses Abschnittes vermerkt werden, dass zur Beurteilung der formativen Messmodelle des zweiten Strukturgleichungsmodells alle in Abschnitt 5.3.1.2 herausgestellten Gütekriterien verwendet wurden. Demzufolge wurde die Expertenvalidität sehr zufrieden stellend mittels der berechneten Werte für den psa-Index und für den csvIndex evaluiert. Überdies wurde die nomologische Validität thematisiert und es wurde verdeutlicht, welchen Einfluss jeder Indikator auf die jeweils damit einhergehende latente Variable hat und ob – und falls ja, auf welchem Signifikanzniveau – dieser Einfluss statistisch signifikant ist. Außerdem wurde begründet, weshalb ebenfalls die nicht statistisch signifikanten Indikatoren nicht aus den entsprechenden formativen Messmodellen zu entfernen sind. Zu betonen ist hierbei insbesondere, dass pro formativem Messmodell keine nennenswerte Multikollinearität zwischen den Indikatoren vorliegt und sich somit die Einflussstärken der einzelnen Indikatoren differenziert und als empirische Ergebnisse interpretieren lassen (vgl. Ringle, 2004a, S. 338).

5.3.3 Ergebnisse zu den Strukturmodellen Im nun folgenden Abschnitt werden die zwei Strukturmodelle der beiden in Abbildung 27 und Abbildung 28 dargestellten Strukturgleichungsmodelle jeweils getrennt voneinander untersucht. So werden anhand der in Abschnitt 5.3.1.3 erarbeiteten Gütekriterien in den Abschnitten 5.3.3.1 und 5.3.3.2 für die zwei Strukturmodelle der beiden Strukturgleichungsmodelle die Bestimmtheitsmaße und die Pfadkoeffizienten analysiert. Die sich daran anschlie-

230 ßenden Abschnitte 5.3.3.3 und 5.3.3.4 befassen sich – erneut getrennt für die beiden Strukturgleichungsmodelle – mit den in Abschnitt 5.3.1.3 explizierten Gütearten des substanziellen Erklärungsbeitrags und der Prognoserelevanz.

5.3.3.1 Analyse der Bestimmtheitsmaße und der Pfadkoeffizienten für das erste Strukturgleichungsmodell Indem das Bestimmtheitsmaß (R2) die Güte der Anpassung der Regressionsfunktion an die empirisch ermittelten Daten („goodness of fit“) misst, stellt das R2 der endogenen Konstrukte – wie in Abschnitt 5.3.1.3 erläutert – den Ausgangspunkt zur Evaluation des Strukturmodells dar (Backhaus et al., 2003, S. 63; Götz/ Liehr-Gobbers, 2004, S. 23 und Neubauer, 1994, S. 244). Gemäß Abbildung 27 verkörpern die beiden latenten Variablen „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ und „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ die endogenen Konstrukte des ersten Strukturgleichungsmodells. Für das erstgenannte Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ wurde ein R2 von 0,379 berechnet. Das heißt, dass knapp 38 Prozent der Gesamtvarianz dieses Konstruktes durch die drei latenten exogenen Variablen erklärt werden. Bei den latenten exogenen Variablen handelt es sich – wie Abbildung 27 zu entnehmen ist – um die drei formativ gemessenen Konstrukte des ersten Strukturgleichungsmodells. Gemäß Chin ist dieses Ergebnis zur Erklärung der Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg als „moderat“ einzuordnen (Chin, 1998, S. 323). Mit einem Wert von 0,463 konnte für das zweite endogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ ein noch etwas größeres R2 ermittelt werden. Dies bedeutet, dass mehr als 46 Prozent der Gesamtvarianz dieser latenten endogenen Variable durch die drei exogenen Konstrukte erklärt werden. Auch dieses Ergebnis zur Erklärung der Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg kann im ersten Strukturgleichungsmodell nach Chin als „moderat“ bezeichnet werden (Chin, 1998, S. 323). Entsprechend den Ausführungen von Abschnitt 5.3.1.3 werden im nächsten Schritt nun die Pfadkoeffizienten des Strukturmodells analysiert. Die für das erste Strukturgleichungsmodell berechneten Pfadkoeffizienten für die Beziehungen, die zwischen den latenten exogenen und den latenten endogenen Variablen bestehen, sind mitsamt den korrespondierenden t-Werten Tabelle 48 zu entnehmen. Wie schon in den Tabellen zuvor, werden in dieser Tabelle die exogenen Konstrukte erneut mit „Kosten“, „Qualität“ und „Zeitaufwand“ abgekürzt. Zusätzlich werden in Tabelle 48 die latenten endogenen Variablen „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ als „Produktinnovationserfolg“ und „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ als „Unternehmenserfolg“ bezeichnet.

231 Pfad Kosten  Produktinnovationserfolg Qualität  Produktinnovationserfolg Zeitaufwand  Produktinnovationserfolg Kosten  Unternehmenserfolg Qualität  Unternehmenserfolg Zeitaufwand  Unternehmenserfolg

Pfadkoeffizient -0,12 0,21 0,53 -0,08 0,06 0,70

t-Wert 0,751 1,560* 3,811** 0,384 0,442 4,292**

* signifikant auf dem 10-Prozent-Signifikanzniveau; ** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 48: Pfadkoeffizienten und t-Werte der Pfade des Strukturmodells im ersten Strukturgleichungsmodell (Quelle: Eigene Darstellung)

So wird durch die Betrachtung von Tabelle 48 ersichtlich, dass die Auswirkung der beschriebenen kooperativen Zusammenarbeit auf die Kosten für die Ideengenerierung mit Pfadkoeffizienten von -0,12 und -0,08 jeweils einen negativen Einfluss auf die beiden Erfolgskonstrukte hat. Obgleich der Tatsache, dass der erste genannte Pfadkoeffizient einen größeren Betrag hat als 0,1, ist darauf hinzuweisen, dass die von der latenten exogenen Variable „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“ ausgehenden Einflüsse auf die beiden endogenen Konstrukte des ersten Strukturgleichungsmodells sogar auf dem 10-Prozent-Signifikanzniveau nicht statistisch signifikant sind. Auf diesen Erkenntnissen aufbauend kann an dieser Stelle somit vermerkt werden, dass die empirischen Ergebnisse sowohl die Hypothese H4I als auch die Hypothese H5I des ersten Strukturgleichungsmodells der vorliegenden Arbeit bestätigen. Nachdem in Abschnitt 5.2 bereits drei zentrale Resultate dieser Dissertation herausgestellt wurden, können demzufolge die beiden nachstehenden Resultate festgehalten werden: •

4. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat.

•

5. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

Hinzu kann Tabelle 48 entnommen werden, welchen Einfluss im ersten Strukturgleichungsmodell das exogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ auf das endogene Erfolgskonstrukt „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ hat. So ist der von dieser latenten exogenen Variable ausgehende Einfluss mit einem Pfadkoeffizient von 0,21 und einem t-Wert

232 von 1,560 auf dem 10-Prozent-Signifikanzniveau statistisch signifikant. Somit bestätigt dieses Ergebnis die Hypothese H6I des ersten Strukturgleichungsmodells der vorliegenden Schrift, womit das folgende Resultat festgehalten werden kann: •

6. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat.

Im Gegensatz dazu ist im ersten Strukturgleichungsmodell der von der soeben thematisierten latenten exogenen Variable ausgehende Erklärungsbeitrag für das zweite Erfolgskonstrukt „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ mit einem sehr geringen Pfadkoeffizient von 0,06 und einem t-Wert von 0,442 auf dem 10-ProzentSignifikanzniveau nicht statistisch signifikant. Entsprechend bestätigen diese Ergebnisse nicht die Hypothese H7I des ersten Strukturgleichungsmodells der vorliegenden Arbeit. Daher kann hierzu das nachstehende Resultat vermerkt werden: •

7. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

Außerdem wird aus Tabelle 48 ersichtlich, dass im ersten Strukturgleichungsmodell das dritte exogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ jeweils den größten Einfluss auf die beiden Erfolgskonstrukte hat. So wurden für den Einfluss, den diese latente exogene Variable auf das Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ hat, ein Pfadkoeffizient von 0,53 und ein t-Wert von 3,811 berechnet. Hinsichtlich des Erklärungsbeitrags, den dieses exogene Konstrukt im ersten Strukturgleichungsmodell für die latente endogene Variable „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ hat, wurden sogar ein Pfadkoeffizient von 0,70 und ein t-Wert von 4,292 ermittelt. Somit sind diese Einflüsse auf dem 5-Prozent-Signifikanzniveau statistisch signifikant. Da in beiden Fällen überdies die t-Werte größer sind als 2,334, sind diese Einflüsse sogar auf dem 1-ProzentSignifikanzniveau statistisch signifikant. Daher kann an dieser Stelle aus diesen Erkenntnissen abgeleitet werden, dass die empirischen Ergebnisse sowohl die Hypothese H8I als auch die Hypothese H9I des ersten Strukturgleichungsmodells der vorliegenden Arbeit bestätigen:

233 •

8. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat.

•

9. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

5.3.3.2 Analyse der Bestimmtheitsmaße und der Pfadkoeffizienten für das zweite Strukturgleichungsmodell Entsprechend Abbildung 28 stellen die beiden latenten Variablen „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ und „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ die beiden endogenen Konstrukte des zweiten Strukturgleichungsmodells dar. Für die latente endogene Variable „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ wurde ein R2 von 0,393 berechnet. Dieser Wert bedeutet, dass mehr als 39 Prozent der Gesamtvarianz dieses Konstruktes durch die drei latenten exogenen Variablen erklärt werden. Wie Abbildung 28 entnommen werden kann, handelt es sich bei den drei latenten exogenen Variablen hierbei um die drei formativ gemessenen Konstrukte des zweiten Strukturgleichungsmodells. Nach einer Einteilung von Chin, die in Abschnitt 5.3.1.3 genannt wurde, ist dieses Ergebnis zur Erklärung der Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg als „moderat“ einzuordnen (Chin, 1998, S. 323). Für die zweite latente endogene Variable „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ konnte im zweiten Strukturgleichungsmodell ein R2 von 0,452 berechnet werden. Das heißt, dass mehr als 45 Prozent der Gesamtvarianz dieses endogenen Konstruktes im zweiten Strukturgleichungsmodell durch die drei latenten exogenen Variablen erklärt werden. Somit ist auch dieses Ergebnis zur Erklärung der Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg im zweiten Strukturgleichungsmodell nach Chin als „moderat“ zu bezeichnen (Chin, 1998, S. 323). Gemäß den Erläuterungen von Abschnitt 5.3.1.3 werden nun die Pfadkoeffizienten des Strukturmodells analysiert. Die für das zweite Strukturgleichungsmodell ermittelten Pfadkoeffizienten für die Beziehungen, die zwischen den exogenen Konstrukten und den endogenen Konstrukten bestehen, können mitsamt den korrespondierenden t-Werten Tabelle 49 ent-

234 nommen werden. Vergleichbar mit den Angaben in Tabelle 48, werden in Tabelle 49 die exogenen Konstrukte wieder mit „Kosten“, „Qualität“ und „Zeitaufwand“ abgekürzt. Überdies werden die endogenen Konstrukte „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ als „Prozessinnovationserfolg“ und „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ als „Unternehmenserfolg“ bezeichnet. Pfad Kosten  Prozessinnovationserfolg Qualität  Prozessinnovationserfolg Zeitaufwand  Prozessinnovationserfolg Kosten  Unternehmenserfolg Qualität  Unternehmenserfolg Zeitaufwand  Unternehmenserfolg

Pfadkoeffizient 0,03 0,35 0,27 0,01 0,46 0,21

t-Wert 0,154 1,685** 1,609* 0,058 2,281** 1,291*

* signifikant auf dem 10-Prozent-Signifikanzniveau; ** signifikant auf dem 5-Prozent-Signifikanzniveau Tabelle 49: Pfadkoeffizienten und t-Werte der Pfade des Strukturmodells im zweiten Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Die Betrachtung von Tabelle 49 verdeutlicht, dass im zweiten Strukturgleichungsmodell die Auswirkung der explizierten Zusammenarbeit auf die Kosten für die Ideengenerierung mit 0,03 und 0,01 die insgesamt kleinsten Pfadkoeffizienten aufweisen und somit dieses exogene Konstrukt lediglich einen sehr geringen Einfluss auf die beiden Erfolgskonstrukte hat. Ebenfalls ist in Tabelle 49 zu erkennen, dass diese sehr geringen Pfadkoeffizienten mit kleinen t-Werten von 0,154 und 0,058 einhergehen. Somit sind die Einflüsse, die von der latenten exogenen Variable „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“ auf die beiden endogenen Erfolgskonstrukte des zweiten Strukturgleichungsmodells ausgehen, sogar auf dem 10-Prozent-Signifikanzniveau nicht statistisch signifikant. Daher kann an dieser Stelle festgehalten werden, dass die empirischen Ergebnisse sowohl die Hypothese H4II als auch die Hypothese H5II des zweiten Strukturgleichungsmodells der vorliegenden Schrift bestätigen: •

10. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat.

•

11. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

235 Im Gegensatz zum ersten Strukturgleichungsmodell, bei dem das exogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ jeweils den größten Einfluss auf die beiden endogenen Erfolgskonstrukte hatte, ist es im zweiten Strukturgleichungsmodell die latente exogene Variable „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“, die den jeweils größten Einfluss ausübt. So ist Tabelle 49 zu entnehmen, dass für den Einfluss der zuletzt genannten latenten exogenen Variable auf das endogene Erfolgskonstrukt „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ im zweiten Strukturgleichungsmodell ein Pfadkoeffizient von 0,35 und ein t-Wert von 1,685 berechnet wurden. Hinsichtlich des Erklärungsbeitrags, den dieses exogene Konstrukt für die latente endogene Variable „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ hat, wurden im zweiten Strukturgleichungsmodell sogar ein Pfadkoeffizient von 0,46 und ein t-Wert von 2,281 ermittelt. Ein Vergleich dieser beiden t-Werte mit Tabelle 37 macht deutlich, dass somit beide Einflüsse auf dem 5-Prozent-Signifikanzniveau statistisch signifikant sind und damit einhergehend diese empirischen Ergebnisse die Hypothese H6II und die Hypothese H7II des zweiten Strukturgleichungsmodells der vorliegenden Arbeit bestätigen: •

12. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Ein-

fluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat. •

13. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Ein-

fluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Schließlich wird aus Tabelle 49 noch ersichtlich, dass im zweiten Strukturgleichungsmodell das dritte exogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die Ideengenerierung“ jeweils einen auf dem 10-Prozent-Signifikanzniveau statistisch signifikanten Einfluss auf die beiden endogenen Erfolgskonstrukte hat. So wurden für den Einfluss, der zwischen diesem exogenen Konstrukt und der latenten endogenen Variable „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ besteht, ein Pfadkoeffizient von 0,27 und ein t-Wert von 1,609 berechnet. Dieser t-Wert liegt im Übrigen nur leicht unterhalb des in Abschnitt 5.3.1.3 geforderten Mindestwertes von 1,648 für das 5-Prozent-Signifikanzniveau. Der statistisch signifikante Einfluss dieser dritten latenten exogenen Variable auf das endogene Erfolgskonstrukt „Auswirkung der kooperativen Ideengene-

236 rierung auf den Unternehmenserfolg“ manifestiert sich im zweiten Strukturgleichungsmodell durch einen Pfadkoeffizienten von 0,21 und einem t-Wert von 1,291. Entsprechend bestätigen diese empirischen Ergebnisse die Hypothese H8II und die Hypothese H9II des zweiten Strukturgleichungsmodells der vorliegenden Arbeit, so dass die beiden folgenden Resultate festgehalten werden können: •

14. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat.

•

15. Resultat: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Ein-

fluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. 5.3.3.3 Analyse der substanziellen Erklärungsbeiträge und der Prognoserelevanz für das erste Strukturgleichungsmodell Nachdem in Abschnitt 5.3.3.1 für das erste Strukturgleichungsmodell die Bestimmtheitsmaße der latenten endogenen Variablen und die Pfadkoeffizienten des Strukturmodells analysiert wurden, folgt in diesem Abschnitt für eben dieses Strukturgleichungsmodell – gemäß der in Abschnitt 5.3.1.3 beschriebenen Systematik – die Analyse der substanziellen Erklärungsbeiträge der latenten exogenen Variablen und die Beurteilung der Prognoserelevanz der drei exogenen Konstrukte zur Erklärung der zwei endogenen Erfolgskonstrukte. Die zur Untersuchung der substanziellen Erklärungsbeiträge der drei exogenen Konstrukte des ersten Strukturgleichungsmodells berechneten Werte für die jeweilige Effektstärke ƒ2 können Tabelle 50 entnommen werden. Anhand Tabelle 50 ist gut erkennbar, dass gemäß Cohens Einteilung der ƒ2-Werte die substanziellen Erklärungsbeiträge der latenten exogenen Variablen für beide endogene Konstrukte innerhalb des ersten Strukturgleichungsmodells als gering, gering-mittel und mittel einzuordnen sind (Cohen, 1988, S. 413, 414; Jochims, 2006, S. 191 und Krafft/ Götz/ LiehrGobbers, 2005, S. 84). Wie bereits in Abschnitt 5.3.1.3 erwähnt, kommen jedoch gerade kleine und mittlere ƒ2-Werte sehr häufig vor, ohne dass damit unbedingt vernachlässigbare Effekte einhergehen (vgl. z. B. Chin/ Marcolin/ Newsted, 2003, S. 211; Hansmann/ Ringle, 2005, S. 233 und Moser, 2007, S. 206, 207). Auffallend sind in Tabelle 50 insbesondere die sehr kleinen ƒ2-Werte (0,003 und 0,002) bei dem exogenen Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“ hinsichtlich beider endogener

237 2

Konstrukte und der sehr kleine ƒ -Wert (0,002) beim exogenen Konstrukt „Auswirkung der kooperativen Ideengenerierung auf die Qualität bei der Ideengenerierung“ hinsichtlich des zweiten endogenen Konstruktes. Diese sehr geringen ƒ2-Werte unterstreichen nochmals sehr gut das 4. Resultat, das 5. Resultat und das 7. Resultat aus Abschnitt 5.3.3.1. latente exogene Variable R2included R2excluded Auswirkung der kooperativen Ideengene0,377 rierung auf die Kosten für die Ideengene- 0,379 rierung Auswirkung der kooperativen Auswirkung der kooperativen IdeengeneIdeengenerierung auf den rierung auf die Qualität bei der Ideenge0,379 0,372 Produktinnovationserfolg nerierung Auswirkung der kooperativen Ideengene0,379 0,347 rierung auf den Zeitaufwand für die Ideengenerierung Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengene- 0,463 0,462 rierung Auswirkung der kooperativen Auswirkung der kooperativen IdeengeneIdeengenerierung auf den rierung auf die Qualität bei der Ideenge0,463 0,462 Unternehmenserfolg nerierung Auswirkung der kooperativen Ideengene0,463 0,408 rierung auf den Zeitaufwand für die Ideengenerierung

ƒ2

latente endogene Variable

0,003

0,011

0,052

0,002

0,002

0,102

Tabelle 50: Effektstärken für das erste Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Die Beurteilung der Prognoserelevanz der drei latenten exogenen Variablen zur Erklärung der zwei endogenen Erfolgskonstrukte erfolgt an dieser Stelle – gemäß den Ausführungen von Abschnitt 5.3.1.3 – anhand der Ermittlung von so genannten Q2-Werten (vgl. z. B. Chin, 1998, S. 317, 318 und Fornell/ Cha, 1994, S. 72, 73). So wurden im ersten Strukturgleichungsmodell für die latente endogene Variable „Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg“ ein Q2 von 0,382 und für das endogene Erfolgskonstrukt „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ ein Q2 von 0,400 berechnet. Da beide Q2-Werte größer als Null sind, ist daraus zu folgern, dass dem Strukturmodell des ersten Strukturgleichungsmodells eine verlässliche Prognoserelevanz zukommt. Das heißt, dass sich im ersten Strukturgleichungsmodell die Auswirkung der kooperativen Ideengenerierung auf den Produktinnovationserfolg und die Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg durch die Wirkung dieses Kooperationskonzeptes auf die strategischen Erfolgsfaktoren der Ideengenerierung (die drei exogenen Konstrukte) abschätzen lassen (vgl. Ringle, 2004a, S. 330).

5.3.3.4 Analyse der substanziellen Erklärungsbeiträge und der Prognoserelevanz für das zweite Strukturgleichungsmodell In Abschnitt 5.3.3.2 wurden für das zweite Strukturgleichungsmodell die Bestimmtheitsmaße der endogenen Konstrukte und die Pfadkoeffizienten des Strukturmodells analysiert. In diesem Abschnitt werden nun für dieses zweite Strukturgleichungsmodell die Analysen der sub-

238 stanziellen Erklärungsbeiträge der latenten exogenen Variablen und die Beurteilung der Prognoserelevanz der drei latenten exogenen Variablen zur Erklärung der zwei endogenen Erfolgskonstrukte durchgeführt. Zur Untersuchung der substanziellen Erklärungsbeiträge der drei exogenen Konstrukte des zweiten Strukturgleichungsmodells wurden Werte für die jeweilige Effektstärke ƒ2 berechnet. Diese Werte können Tabelle 51 entnommen werden. latente exogene Variable R2included R2excluded Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengene- 0,393 0,393 rierung Auswirkung der kooperativen Auswirkung der kooperativen IdeengeneIdeengenerierung auf den 0,393 0,375 rierung auf die Qualität bei der IdeengeProzessinnovationserfolg nerierung Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die 0,393 0,384 Ideengenerierung Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengene- 0,452 0,452 rierung Auswirkung der kooperativen Auswirkung der kooperativen IdeengeneIdeengenerierung auf den 0,452 0,418 rierung auf die Qualität bei der IdeengeUnternehmenserfolg nerierung Auswirkung der kooperativen Ideengenerierung auf den Zeitaufwand für die 0,452 0,446 Ideengenerierung latente endogene Variable

ƒ2 0,000

0,030

0,015

0,000

0,062

0,011

Tabelle 51: Effektstärken für das zweite Strukturgleichungsmodell (Quelle: Eigene Darstellung)

Tabelle 51 verdeutlich gut, dass getreu Cohens Einteilung der ƒ2-Werte die substanziellen Erklärungsbeiträge der exogenen Konstrukte für die beiden latenten endogenen Variablen innerhalb des zweiten Strukturgleichungsmodells als gering und gering-mittel einzuordnen sind (Cohen, 1988, S. 413, 414 und Jochims, 2006, S. 191). Allerdings ist auch hierbei nochmals darauf hinzuweisen, dass, wie in Abschnitt 5.3.1.3 erläutert, gerade kleine und mittlere ƒ2-Werte sehr häufig vorkommen, ohne dass damit unbedingt vernachlässigbare Effekte verbunden sind (vgl. z. B. Chin/ Marcolin/ Newsted, 2003, S. 211; Hansmann/ Ringle, 2005, S. 233; Moser, 2007, S. 206, 207 und Ringle, 2004a, S. 329, 330). Auffällig sind in Tabelle 51 speziell die sehr kleinen ƒ2-Werte (0,000 und 0,000) bei der latenten exogenen Variable „Auswirkung der kooperativen Ideengenerierung auf die Kosten für die Ideengenerierung“ hinsichtlich beider endogener Konstrukte, die wiederum das 10. Resultat und das 11. Resultat aus Abschnitt 5.3.3.2 bekräftigen. Wie im vorherigen Abschnitt erfolgt auch hinsichtlich des zweiten Strukturgleichungsmodells die Evaluation der Prognoserelevanz der drei latenten exogenen Variablen zur Erklärung der zwei endogenen Erfolgskonstrukte mittels der Berechnung der Q2-Werte (vgl. z. B. Chin, 1998, S. 317, 318 und Fornell/ Cha, 1994, S. 72, 73). So wurden im zweiten Strukturgleichungsmodell für das endogene Konstrukt „Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg“ ein Q2 von 0,403 und für die latente endogene Variable

239 „Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg“ ein Q2 von 0,426 berechnet. Da beide Q2-Werte größer als Null sind, kann daraus gefolgert werden, dass dem Strukturmodell des zweiten Strukturgleichungsmodells eine verlässliche Prognoserelevanz zukommt. Dies bedeutet, dass sich im zweiten Strukturgleichungsmodell die Auswirkung der kooperativen Ideengenerierung auf den Prozessinnovationserfolg und die Auswirkung der kooperativen Ideengenerierung auf den Unternehmenserfolg durch die Wirkung dieses Kooperationskonzeptes auf die strategischen Erfolgsfaktoren der Ideengenerierung (die drei latenten exogenen Variablen) abschätzen lassen (vgl. Ringle, 2004a, S. 330).

5.3.4 Zusammenfassende Interpretation der empirischen Ergebnisse zur Erfolgsanalyse Ziel der nun folgenden Abschnitte 5.3.4.1 und 5.3.4.2 ist es – getrennt für die beiden Strukturgleichungsmodelle – nochmals in aller Kürze die wichtigsten Ergebnisse zu der in der vorliegenden Arbeit als „Erfolgsanalyse der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern“ bezeichneten Thematik zusammenzufassen. Zur vereinfachten Interpretation sei nochmals auf die Entwicklung und somit auf die inhaltliche Bedeutung der Indikatoren der formativen Messmodelle hingewiesen. So wurde in Abschnitt 4.2.1 expliziert, dass diese Indikatoren u. a. aus der inhaltlichen Beschreibung der drei Subphasen (Suchfeldbestimmung, Ideenfindung, Ideenvorschlag) der ersten Hauptphase (Ideengenerierung) von Thoms Modell für Innovationsprozesse resultieren (Thom, 1980, S. 53). Die erste Subphase – die Suchfeldbestimmung – wurde mit „Identifizierung und Präzisierung von Problemen und Bestimmung, in welchem Bereich Produktinnovationen bzw. Prozessinnovationen generiert werden sollen“ beschrieben. Die zweite Subphase – die Ideenfindung – fand sich mit der Formulierung „Erarbeitung von innovativen Ideen bezüglich möglicher Produktinnovationen bzw. Prozessinnovationen“ entsprechend in den Indikatoren der formativen Messmodelle wieder. Die dritte Subphase – der Ideenvorschlag – wurde wiederum mit „Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen bzw. Prozessinnovationen an eine entscheidungsbefugte Stelle“ umschrieben (Thom/ Etienne, 2000, S. 274). Somit handelt es sich z. B. bei den Indikatoren „Kosten für die Identifizierung und Präzisierung von Problemen und für die Bestimmung, in welchem Bereich Produktinnovationen generiert werden sollen“, „Qualität bei der Erarbeitung von innovativen Ideen bezüglich möglicher Prozessinnovationen“ und „Zeitaufwand für das Vorschlagen der innovativen Ideen bezüglich möglicher Produktinnovationen an eine entscheidungsbefugte Stelle“ um die „Kosten für die Suchfeldbestimmung für mögliche Produktinnovationen“, um die „Qualität bei der Ideenfindung für mögliche Prozessinnovationen“ und um den „Zeitaufwand für den Ideenvorschlag von möglichen Produktinnovationen“. Bei den zusammenfassenden Interpretationen in den Abschnitten 5.3.4.1 und 5.3.4.2 werden zum besseren Verständnis entsprechend die verkürzten Formulierungen verwendet.

240

5.3.4.1 Erstes Strukturgleichungsmodell: Modell für die kooperative Ideengenerierung für Produktinnovationen Im Kontext des ersten Strukturgleichungsmodells wurde die Thematik untersucht, bei der die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen genutzt wird. So wurde erarbeitet, dass klassische europäische Airlines, die eine kooperative Ideengenerierung durchführen, ihren Produktinnovationserfolg durch die positiven Auswirkungen auf die Anzahl ihrer Produktinnovationen, auf den Neuigkeitsgrad ihrer Produktinnovationen, auf die Effektivität und die Effizienz bei der Umsetzung ihrer Produktinnovationen und auf den Stand der Technik ihrer Produkte erhöhen. Darüber hinaus wurde im ersten Strukturgleichungsmodell gezeigt, dass klassische europäische Airlines, die mit den besagten Partnern eine kooperative Ideengenerierung durchführen, ihren Unternehmenserfolg durch die positiven Auswirkungen auf ihre Kundenbindung, auf ihre Lieferantenbindung, auf ihren Marktanteil, auf ihren Gewinn und auf die Nutzung von knappen Ressourcen und Fähigkeiten erhöhen. Anzumerken ist hierzu noch, dass die, mit diesen beiden Erfolgskonstrukten einhergehenden reflektiven Messmodelle eine hohe Reliabilität und Validität aufweisen. Diese Steigerungen des Produktinnovationserfolges und des Unternehmenserfolges werden empirisch mit einem Bestimmtheitsmaß von 0,379 bzw. 0,463 durch die Einflüsse dieser kooperativen Zusammenarbeit auf die strategischen Erfolgsfaktoren der Ideengenerierung für Produktinnovationen erklärt. Wie Tabelle 52 entnommen werden kann, ist es mit der explizierten Datenerhebung und Auswertung gelungen, fünf der sechs Hypothesen des ersten Strukturgleichungsmodells – die in den Abschnitten 4.2.4 bis 4.2.6 mittels Anwendung der Transaktionskostentheorie, des Relational Views und des Studiums weiterer themenspezifischer Literatur abgeleitet wurden – empirisch zu bestätigen. Es ist somit gelungen, die theoretisch hergeleiteten kausalen Zusammenhänge der Auswirkung der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen in einem Strukturgleichungsmodell abzubilden und fast vollständig empirisch zu bestätigen. Den größten positiven Einfluss auf die Erhöhung des Produktinnovationserfolges der klassischen europäischen Airlines durch eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern hat die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung. Als eindeutig wichtigster zeitspezifischer Indikator erweist sich hierbei übrigens der „Zeitaufwand für den Ideenvorschlag von möglichen Produktinnovationen“, gefolgt vom „Zeitaufwand für die Ideenfindung für mögliche Produktinnovationen“. Einen statistisch signifikanten positiven Einfluss auf die Erhöhung des Produktinnovationserfolges der klassischen europäischen Airlines durch eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern hat auch die Auswirkung dieser koope-

241 rativen Zusammenarbeit zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung. Als die beiden wichtigsten qualitätsspezifischen Indikatoren wurden die „Qualität bei der Ideenfindung für mögliche Produktinnovationen“ und die „Qualität bei der Suchfeldbestimmung für mögliche Produktinnovationen“ identifiziert. Hypothese

Ergebnis der Hypothesenprüfung

H4I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfalbestätigt lenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. H5I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfalbestätigt lenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. H6I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch bestätigt resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. H7I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch nicht bestätigt resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. H8I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einbestätigt hergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. H9I: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einbestätigt hergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Tabelle 52: Ergebnisse der Hypothesenprüfung des ersten Strukturgleichungsmodells für die Erfolgsanalyse (Quelle: Eigene Darstellung)

Wie bereits aufgrund der theoretischen Überlegungen vermutet wurde, hat hingegen die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Produktinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung keinen statistisch signifikanten Einfluss auf den Effekt, den die kooperative Ideengenerierung auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. Gleichermaßen konnte von dieser latenten exogenen

242 Variable ausgehend im ersten Strukturgleichungsmodell kein statistisch signifikanter Einfluss auf die Auswirkung identifiziert werden, die die beschriebene kooperative Ideengenerierung zwischen den besagten Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Entgegen den theoretisch erarbeiteten Vermutungen hat ebenfalls die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung keinen statistisch signifikanten Einfluss auf den Effekt, den die kooperative Ideengenerierung zwischen den genannten Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Dieses Resultat ließe sich u. a. damit erklären, dass möglicherweise der Einfluss, der von der Qualität bei der produktinnovationsbezogenen Ideengenerierung auf den Unternehmenserfolg der in der Arbeit betrachteten Airlines ausgeht, insgesamt nur gering ist. Einen statistisch signifikanten, sehr positiven Einfluss auf die Erhöhung des Unternehmenserfolges der klassischen europäischen Airlines durch die kooperative Ideengenerierung mit den genannten Partnern hat hingegen die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung (Pfadkoeffizient = 0,70). Wie bereits oben erwähnt, handelt es sich bei den beiden wichtigsten zeitspezifischen Indikatoren hierbei um den „Zeitaufwand für den Ideenvorschlag von möglichen Produktinnovationen“ und den „Zeitaufwand für die Ideenfindung für mögliche Produktinnovationen“. Insgesamt konnte erarbeitet werden, dass im ersten Strukturgleichungsmodell die Auswirkung der beschriebenen kooperativen Zusammenarbeit auf den Zeitaufwand für die Ideengenerierung den jeweils größten positiven Einfluss auf die Steigerungen der beiden Erfolgskonstrukte hat. Außerdem soll an dieser Stelle nochmals erwähnt werden, dass die durchgeführten statistischen Tests zu dem Ergebnis kamen, dass das Strukturmodell des ersten Strukturgleichungsmodells über eine verlässliche Prognoserelevanz verfügt.

5.3.4.2 Zweites Strukturgleichungsmodell: Modell für die kooperative Ideengenerierung für Prozessinnovationen Das zweite Strukturgleichungsmodell untersuchte die Thematik, bei der die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen genutzt wird. So wurde herausgestellt, dass klassische europäische Airlines, die eine kooperative Ideengenerierung durchführen, ihren Prozessinnovationserfolg durch die positiven Auswirkungen auf die Anzahl ihrer Prozessinnovationen, auf den Neuigkeitsgrad ihrer Prozessinnovationen, auf die Effektivität und die Effizienz bei der Umsetzung ihrer Prozessinnovationen, auf die Modernität ihrer Prozesse und auf den Stand der Technik ihrer Prozesse erhöhen. Ebenfalls wurde im Kontext des zweiten Strukturgleichungsmodells ermittelt, dass klassische europäische Airlines, die mit den besagten Partnern eine kooperative Ideengenerierung durchführen, ihren Un-

243 ternehmenserfolg durch die positiven Auswirkungen auf ihre Kundenbindung, auf ihre Lieferantenbindung, auf ihren Marktanteil, auf ihren Gewinn und auf die Nutzung von knappen Ressourcen und Fähigkeiten steigern. An dieser Stelle kann noch betont werden, dass die mit diesen beiden Erfolgskonstrukten verbundenen reflektiven Messmodelle über eine hohe Validität und Reliabilität verfügen. Diese Steigerungen des Prozessinnovationserfolges und des Unternehmenserfolges werden empirisch mit einem Bestimmtheitsmaß von 0,393 bzw. 0,452 durch die Einflüsse dieser kooperativen Zusammenarbeit auf die strategischen Erfolgsfaktoren der Ideengenerierung für Prozessinnovationen erklärt. In diesem Kontext kann auf die Zusammenstellung in Tabelle 53 hingewiesen werden. Dieser Tabelle ist zu entnehmen, dass es mit der erläuterten Datenerhebung und Auswertung gelungen ist, alle sechs Hypothesen des zweiten Strukturgleichungsmodells – die, wie gesehen, in den Abschnitten 4.2.4 bis 4.2.6 durch die Anwendung der Transaktionskostentheorie, des Relational Views und des Studiums darüber hinausgehender themenspezifischer Literatur abgeleitet wurden – empirisch zu bestätigen. Somit ist es gelungen, die theoretisch hergeleiteten kausalen Zusammenhänge der Auswirkung der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen in einem Strukturgleichungsmodell abzubilden und vollständig empirisch zu bestätigen. Den größten positiven Einfluss auf die Steigerung des Prozessinnovationserfolges der klassischen europäischen Airlines durch eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern hat die Auswirkung dieser beschriebenen Zusammenarbeit zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung. Als der wichtigste qualitätsspezifische Indikator wurde der Indikator „Qualität bei der Ideenfindung für mögliche Prozessinnovationen“ identifiziert. Auch die beiden anderen qualitätsspezifischen Indikatoren „Qualität beim Ideenvorschlag von möglichen Prozessinnovationen“ und „Qualität bei der Suchfeldbestimmung für mögliche Prozessinnovationen“ weisen statistisch signifikante Gewichte auf. Einen statistisch signifikanten positiven Einfluss auf die Erhöhung des Prozessinnovationserfolges der klassischen europäischen Airlines durch eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern hat überdies die Auswirkung einer solchen kooperativen Zusammenarbeit zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung. Als die beiden wichtigsten zeitspezifischen Indikatoren wurden der „Zeitaufwand für den Ideenvorschlag von möglichen Prozessinnovationen“ und der „Zeitaufwand für die Ideenfindung für mögliche Prozessinnovationen“ identifiziert. Die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat keinen statistisch signifikanten Einfluss auf den Effekt, den die kooperative Ideengenerierung zwischen den besagten

244 Partnern auf den Prozessinnovationserfolg der im Fokus der Betrachtung stehenden Airlines hat. Der hierfür ermittelte Pfadkoeffizient nimmt übrigens lediglich einen Wert von 0,03 ein. Dies bestätigt somit die hierzu vorab beschriebenen theoretischen Überlegungen. Ein noch etwas kleinerer Pfadkoeffizient – nämlich von 0,01 – wurde für den Einfluss berechnet, der von diesem exogenen Konstrukt auf die Auswirkung ausgeht, die die kooperative Ideengenerierung zwischen den genannten Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. Dieser Einfluss wurde ebenso als nicht statistisch signifikant beurteilt. Dies bekräftigt entsprechend die hierzu erläuterten theoretischen Vorüberlegungen. Hypothese H4II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat. H5II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. H6II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat. H7II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat. H8II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat. H9II: Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

Ergebnis der Hypothesenprüfung

bestätigt

bestätigt

bestätigt

bestätigt

bestätigt

bestätigt

Tabelle 53: Ergebnisse der Hypothesenprüfung des zweiten Strukturgleichungsmodells für die Erfolgsanalyse (Quelle: Eigene Darstellung)

245 Einen sehr großen positiven Einfluss auf die Erhöhung des Unternehmenserfolges der klassischen europäischen Airlines durch die kooperative Ideengenerierung mit den genannten Partnern hat hingegen die Auswirkung dieser kooperativen Zusammenarbeit zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung. Wie bereits oben erwähnt, sind hierbei die drei Indikatoren „Qualität bei der Ideenfindung für mögliche Prozessinnovationen“, „Qualität beim Ideenvorschlag von möglichen Prozessinnovationen“ und „Qualität bei der Suchfeldbestimmung für mögliche Prozessinnovationen“ zu beachten. Einen ebenfalls statistisch signifikanten positiven Einfluss auf die Steigerung des Unternehmenserfolges der klassischen europäischen Airlines durch eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern hat die Auswirkung der beschriebenen Zusammenarbeit zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung. Als die beiden wichtigsten zeitspezifischen Indikatoren wurden – wie bereits oben genannt – der „Zeitaufwand für den Ideenvorschlag von möglichen Prozessinnovationen“ und der „Zeitaufwand für die Ideenfindung für mögliche Prozessinnovationen“ identifiziert. Abschließend kann festgehalten werden, dass im zweiten Strukturgleichungsmodell die Auswirkung der erläuterten kooperativen Zusammenarbeit auf die Qualität bei der Ideengenerierung den jeweils größten positiven Einfluss auf die Steigerungen der beiden Erfolgskonstrukte hat. Hinzu ist an dieser Stelle nochmals darauf hinzuweisen, dass die durchgeführten statistischen Tests zu dem Ergebnis kamen, dass auch das Strukturmodell des zweiten Strukturgleichungsmodells eine verlässliche Prognoserelevanz besitzt.

5.4 Ergebnisse zur Kontingenzanalyse Der hiermit beginnende Abschnitt befasst sich ausschließlich mit der in der vorliegenden Arbeit als Kontingenzanalyse bezeichneten Thematik, die – wie in den Abschnitten 3.2.4 und 5.1.1.3 expliziert – nicht im Fokus dieser Dissertation steht. Das Ziel dieses Abschnittes ist daher darin zu sehen, erste Antworten auf die beiden u. a. in Abschnitt 5.1.1.3 formulierten Fragen für weiterführende Forschung zu geben, die Ansätze für möglicherweise anschließende vertiefende qualitative Forschungsarbeiten aufzeigen können. In diesem Sinne werden in Abschnitt 5.4.1 die relevanten deskriptiven Auswertungen der empirisch ermittelten Daten dazu ausgewiesen, wie wichtig gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür sind, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden (1. Frage für weiterführende Forschung). Im Anschluss daran folgen in Abschnitt 5.4.2 die entsprechenden deskriptiven Auswertungen der empirisch erhobenen Daten zu der Fragestellung, warum klassische europäische Airlines ihre europäischen Kunden und

246 ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten einbeziehen (2. Frage für weiterführende Forschung).

5.4.1 Ergebnisse zu den Rahmenbedingungen Die Probanden wurden mittels einer hierzu gestellten „Je-desto-Frage“ darum gebeten, zu bewerten, wie wichtig gewisse Rahmenbedingungen dafür sind, damit zwischen ihrem Geschäftsfeld und ihren vertikalen europäischen Supply Chain Partnern eine kooperative Ideengenerierung stattfindet bzw. stattfinden würde. Anders formuliert wurde danach gefragt, ob sich die positiven Ausprägungen der jeweiligen Rahmenbedingungen entsprechend positiv auf die Häufigkeit der kooperativen Ideengenerierung zwischen besagten Playern auswirken. Als Items wurden die in Abschnitt 3.2.4 formulierten Rahmenbedingungen verwendet. Die extremen Ausprägungen der Antwortkategorien wurden mit „1 = lehne voll und ganz ab“ bzw. „5 = stimme voll und ganz zu“ beschriftet. Die hierfür relevanten Auswertungen der deskriptiven Statistik sind Tabelle 54 zu entnehmen. Rahmenbedingungen (1) Vertrauen zwischen den Partnern (2) absorptive Fähigkeiten bei beiden Partnern (3) potenzieller Zeithorizont einer vertikalen Innovationskooperation zwischen den Partnern (4) Investitionen beider Partner in beziehungsspezifische Assets (5) Anreiz für beide Partner Transparenz und gegenseitige Begünstigung anstatt Free Riding (Trittbrett fahren) zu erzeugen (6) bisherige Erfahrungen beider Partner hinsichtlich Innovationskooperationen (7) fundamentaler Fit zwischen den Partnern (8) strategischer Fit zwischen den Partnern (9) kultureller Fit zwischen den Partnern (10) vergangene, aktuelle und zukünftige Verhaltensunsicherheit von beiden Partnern (11) vergangene, aktuelle und zukünftige Umweltunsicherheit von beiden Partnern (12) Regelung des Cost-Benefit-Sharings des Innovationsergebnisses zwischen den Partnern vor dem Start der kooperativen Ideengenerierung (13) politisches Umfeld und rechtliche Rahmenbedingungen (14) Sonstiges

n 40 39

σ 0,71 0,97

x 4,45 3,56

40

0,73

3,33

40

1,02

3,33

40

0,92

3,67

40 40 40 40

0,87 0,81 0,90 1,03

3,90 3,90 3,63 3,35

40

0,96

3,48

39

0,89

2,87

39

1,00

3,72

39 19

0,96 1,18

3,23 1,79

Tabelle 54: Deskriptive Statistik zu den Rahmenbedingungen für eine kooperative Ideengenerierung (Quelle: Eigene Darstellung)

Wie es aufgrund der Literaturanalyse aus Abschnitt 3.2.4 zu erwarten war, spielt das gegenseitige Vertrauen zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine überaus wichtige Rolle dafür, dass eine kooperative Ideengenerierung zwischen diesen Playern überhaupt stattfindet. So erreicht diese Rahmenbedingung im Vergleich zu den anderen Rahmenbedingungen gemäß Tabelle 54 mit 4,45 auch das mit Abstand größte arithmetische Mittel. Vergleichsweise wichtig sind darüber hinaus die bisherigen Erfahrungen der Kooperanden mit Innovationskooperationen ( x = 3,90), der fundamentale Fit zwischen den Playern ( x = 3,90), die ex-ante Regelung des Cost-BenefitSharings ( x = 3,72), die beiderseitigen Anreize, Transparenz zu erzeugen ( x = 3,67) und der

247 strategische Fit zwischen den Playern ( x = 3,63).69 Nicht zu vernachlässigen sind ebenfalls die ausführlich in Abschnitt 3.2.4 beschriebenen absorptiven Fähigkeiten bei den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern ( x = 3,56). Eine verhältnismäßig geringe Relevanz hat die beiderseitige Umweltunsicherheit ( x = 2,87). Weitere Rahmenbedingungen außer denen in Tabelle 54 aufgeführten spielen nach Auffassung der befragten Personen für klassische europäische Airlines keine Rolle dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten eine kooperative Ideengenerierung durchgeführt wird. Dies wird zum einen durch ein sehr geringes arithmetisches Mittel von 1,79 bei „Sonstiges“ indiziert. Zum anderen machte keiner der Probanden in einem speziell hierfür vorgesehenen Textfeld im Fragebogen eine Angabe.

5.4.2 Ergebnisse zu den Motiven Die Probanden wurden hierzu, untergliedert in einen Kundenblock und einen Lieferantenblock, danach gefragt, welche Motive das ihnen zugeordnete Geschäftsfeld mit der kooperativen Einbeziehung seiner europäischen Kunden und seiner europäischen Lieferanten in die Innovationsaktivitäten verfolgt. Als Items wurden die von Kirchmann extrahierten Kooperationsmotive verwendet (Kirchmann, 1994, S. 21). Die extremen Ausprägungen der Antwortkategorien wurden mit „1 = sehr unwichtig“ und „5 = sehr wichtig“ beschriftet. Tabelle 55 sind die hierfür relevanten Auswertungen der deskriptiven Statistik zu entnehmen.

69

Beispiele zu den Fit-Dimensionen finden sich bei Pompl, 2002, S. 161, 162.

248 Motive (1) Marktausweitung • Kunden • Lieferanten (2) Partnerbindung • Kunden • Lieferanten (3) Prognoseunterstützung • Kunden • Lieferanten (4) Einblicke in den Kunden- und Lieferantenmarkt • Kunden • Lieferanten (5) Gewinnung von Wissen bzw. Nutzung von Synergieeffekten • Kunden • Lieferanten (6) Qualitätssteigerung bzw. Fehlerminderung • Kunden • Lieferanten (7) Risikominderung • Kunden • Lieferanten (8) Zeitersparnis • Kunden • Lieferanten (9) Simultaneous Engineering • Kunden • Lieferanten (10) Kostenreduzierung • Kunden • Lieferanten (11) Sonstiges • Kunden • Lieferanten

n

σ

x

42 41

0,51 1,05

4,48 3,12

42 42

0,81 0,89

4,21 3,40

42 40

0,94 1,15

3,71 3,10

41 40

0,99 0,82

4,02 3,72

42 41

0,74 0,87

3,88 3,59

41 41

0,86 0,90

4,39 4,20

41 41

0,81 0,86

3,56 3,66

41 42

1,03 1,06

3,29 3,62

38 38

0,84 0,97

2,71 3,16

41 42

1,12 1,06

3,46 4,17

24 24

0,97 0,88

1,58 1,58

Tabelle 55: Deskriptive Statistik zu den Motiven für die kooperative Einbeziehung der vertikalen europäischen Supply Chain Partner in die Innovationsaktivitäten (Quelle: Eigene Darstellung)

Wie aus Tabelle 55 ersichtlich wird, werden die drei wichtigsten Motive für die kooperative Einbeziehung der europäischen Kunden in die Innovationsaktivitäten in der Marktausweitung ( x = 4,48), in der Qualitätssteigerung bzw. in der Fehlerminderung ( x = 4,39) und in der Erhöhung der Partnerbindung ( x = 4,21) gesehen. Die Qualitätssteigerung bzw. die Fehlerminderung gehört mit einem arithmetischen Mittel von 4,20 ebenfalls zu den Top 3 Motiven einer solchen Einbindung der europäischen Lieferanten. Außerdem gehören hinsichtlich der kooperativen Einbeziehung der europäischen Lieferanten noch die Kostenreduzierung ( x = 4,17) und der verbesserte Einblick in den Lieferantenmarkt ( x = 3,72) zu den drei wichtigsten Motiven. Überdies kann – auch im Hinblick auf eine möglicherweise anschließende vertiefende Untersuchung des hier diskutierten Sachverhalts – darauf hingewiesen werden, dass neben den in Tabelle 55 aufgeführten Motiven keine weiteren Motive für die kooperative Einbeziehung der beschriebenen externen Partner in die Innovationsaktivitäten zu berücksich-

249 tigen sind. Dies ist erstens aus den jeweils sehr geringen arithmetischen Mitteln bei „Sonstiges“ ( x = 1,58) zu folgern. Zweitens hat keiner der Probanden im Fragebogen in einem hierfür extra vorgesehenen Textfeld ein weiteres Motiv ergänzt.

250

6

Zusammenfassung und Implikationen der Arbeit

Die Ausgangspunkte der vorliegenden Arbeit stellten zum einen die Schilderungen zur besonderen strategischen Situation der klassischen Airlines dar, die durch gleichzeitiges Branchenwachstum und zunehmenden Wettbewerbsdruck gekennzeichnet ist. Zum anderen wurde argumentiert, dass eine kooperative Ideengenerierung zwischen diesen Airlines und deren Kunden und Lieferanten dazu führen kann, dass sich die besagten Airlines positiv von ihren Konkurrenten differenzieren und diese Zusammenarbeit somit einen Beitrag dazu leisten kann, dass die klassischen Airlines den mit dem steigenden Wettbewerbsdruck verbundenen Herausforderungen erfolgreich entgegentreten. Mit Fokus auf die europäische AviationIndustrie wurde in der vorliegenden Schrift daher eingehend die kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern untersucht. Zu diesem Zweck wurden insgesamt sechs Fragen formuliert, die im Kontext der entwickelten Fragenhierarchie entweder als „Strukturierungsfragen“, als „Forschungsfragen“ oder als „Fragen für weiterführende Forschung“ klassifiziert wurden und deren Beantwortung als das Ziel der Dissertation angesehen wird. Eine zusammenfassende Darstellung der zu diesen Fragen erarbeiteten Befunde wird in Abschnitt 6.1 gegeben. Die Dissertation schließt mit den Implikationen der Arbeit für die Praxis (Abschnitt 6.2) und für die Forschung (Abschnitt 6.3). Wie anhand der dort aufgeführten Implikationen deutlich werden wird, stellt die kooperative Ideengenerierung im Allgemeinen, aber auch die kooperative Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie im Speziellen ein sowohl für die Praxis als auch für die Forschung gleichermaßen herausforderndes Untersuchungsfeld dar.

6.1 Zusammenfassende Darstellung der Befunde Wie beschrieben, werden in diesem Abschnitt die in Kapitel 1 formulierten Strukturierungsfragen, Forschungsfragen und Fragen für weiterführende Forschung erneut aufgegriffen, indem die wichtigsten Befunde, die zu diesen Fragen herausgearbeitet wurden, zusammenfassend dargeboten werden.

1. Strukturierungsfrage: Wer sind die Key Player der Supply Chain der europäischen Aviation-Industrie? In Abschnitt 2.3.2 wurden unter Einbeziehung von Porters Modell der Industriestrukturierung die Charakteristika der wesentlichen Stufen der Supply Chain der europäischen AviationIndustrie ausführlich expliziert und in diesem Zusammenhang mit bereits existierender Literatur und Sekundärdaten geklärt, welche Institutionen pro Stufe die Key Player sind, bzw. welche Institutionen zu den jeweils wichtigsten Institutionen zu zählen sind. So konnte mit dem verfügbaren Datenmaterial erarbeitet werden, dass Air France-KLM, Lufthansa, British Airways, Iberia und SAS die Key Player unter den klassischen europäischen Airlines sind und für den Frachtverkehr insbesondere Cargolux zu den genannten Airli-

251 nes zu ergänzen ist. Obwohl – wie bei der Beantwortung der zweiten Strukturierungsfrage zu sehen sein wird – der Verfasser die Low Cost Carrier nicht in sein Modell der Supply Chain der europäischen Aviation-Industrie aufgenommen hat, da sie weder als Kunden noch als Lieferanten der im Fokus der Arbeit stehenden klassischen europäischen Airlines angesehen werden, wurde nichtsdestotrotz festgehalten, dass Ryanair, easyJet und Air Berlin die drei größten europäischen Low Cost Carrier sind. Integratoren wurden hingegen in die Supply Chain der europäischen Aviation-Industrie aufgenommen, da sie auch als Kunden der klassischen europäischen Airlines fungieren können, indem sie in Ergänzung zu den Frachtkapazitäten ihrer eigenen Flugzeuge Airport-to-Airport-Kapazitäten hinzukaufen (Otto, 2005, S. 461). Die wichtigsten Integratoren sind für den innereuropäischen Markt DHL, TNT, UPS und FedEx, wobei nur die beiden zuerst genannten Institutionen einen europäischen Hauptsitz haben. Aufgrund der Vielzahl an Kunden der klassischen europäischen Airlines im Passagierverkehr konnten hierzu keine Namen für die Key Player dargeboten werden. Auch für den Frachtverkehr gibt es eine große Anzahl an unterschiedlichen Kundengruppen, wobei in Abschnitt 2.3.2 hierbei insbesondere die (Export) Air Freight Forwarder betrachtet wurden, da ca. 90 Prozent aller Verträge im Luftfrachtverkehr zwischen den Carriern und den Forwardern abgeschlossen werden (Otto, 2005, S. 461). Leider konnte für die Air Freight Forwarder auf keine aktuelle Übersicht hinsichtlich der europäischen Key Player zurückgegriffen werden. Allerdings wurde gezeigt, dass im Jahr 2003 in Deutschland hierzu insbesondere die beiden Air Freight Forwarder Kühne & Nagel AG und Schenker AG zu nennen waren. Viele Institutionen konnten – wie bei der Beantwortung der zweiten Strukturierungsfrage zu sehen sein wird – als Lieferanten der klassischen europäischen Airlines identifiziert werden. Neben den (Import) Air Freight Forwardern wurden in Abschnitt 2.3.2 etliche andere Lieferantengruppen aufgeführt, wobei jeweils beispielhaft dazugehörige Namen von wichtigen europäischen Institutionen genannt wurden. Vertiefend wurden speziell die europäischen Flughafenbetreiber bzw. die von ihnen betriebenen Flughäfen und die Flugzeughersteller thematisiert. Hierbei wurde festgehalten, dass es sich – gemessen an der Passagierzahl – bei den größten europäischen Flughäfen um die beiden Londoner Airports London Heathrow (LHR) und London Gatwick (LGW), den in Paris vorzufindenden Flughafen Paris Charles de Gaulle (CDG), den Flughafen in Frankfurt am Main (FRA), den Amsterdamer Airport (AMS) und um den Flughafen in Madrid (MAD) handelt. Gemessen anhand der Menge an Cargo (inkl. Postsendungen), die an Airports in Flugzeuge geladen und von Flugzeugen entladen wird, sind in Europa insbesondere der Pariser Flughafen Charles de Gaulle (CDG), der Flughafen in Frankfurt am Main (FRA), die Airports in Amsterdam (AMS), in London Heathrow (LHR), in Luxemburg (LUX) und in Brüssel (BRU) zu nennen. Als europäischer Key Player für die Herstellung von Flugzeugen wurde Airbus identifiziert.

252

2. Strukturierungsfrage: Wie sieht eine modellhafte Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie aus, in der die klassischen europäischen Airlines die fokale Stufe einnehmen? In Abschnitt 2.3.3 wurde ein vom Verfasser für die vorliegende Arbeit als geeignet beurteiltes Modell der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie entwickelt.70 Von allen für den Kontext der Dissertation nicht relevanten Elementen, Eigenschaften von Elementen und Beziehungen zwischen den Elementen der realen Supply Chain der europäischen Aviation-Industrie wurde hierbei durch die Aufstellung von entsprechenden Nebenbedingungen abstrahiert. Betont werden soll an dieser Stelle nochmals explizit, welche europäischen Kunden- und Lieferantengruppen der im Fokus stehenden klassischen europäischen Airlines, neben den besagten Airlines, in das Modell aufgenommen wurden. Insgesamt wurden 16 verschiedene Lieferantengruppen der klassischen europäischen Airlines mit in das Modell einbezogen. Hierbei handelt es sich um Import Air Freight Forwarder, Dienstleister für die Flugsicherung, Airport Handler, MRO-Dienstleister, Borddienstleister, Airports bzw. Flughafenbetreiber, sonstige Dienstleister, die als Lieferanten kategorisiert werden können, Lieferanten von Flugkraft- und Schmierstoffen, sonstige Lieferanten von Materialien, Flugzeughersteller, Lieferanten von Ladeeinheiten und Ladehilfsmitteln, Lieferanten von Anlagen und Einrichtungen für den Luftfrachtumschlag, Lieferanten von Transportmitteln für den RFS, Lieferanten von Geräten für den Vorfeldtransport, Lieferanten von Pilotenkoffern und sonstige Lieferanten von Fertigerzeugnissen. Darüber hinaus wurden acht unterschiedliche Kundengruppen der klassischen europäischen Airlines in das Modell aufgenommen. Bei diesen Kundengruppen handelt es sich um Privatreisende, Geschäftsreisende, Reiseveranstalter, private Versender, industrielle Versender, Export Air Freight Forwarder, Integratoren und sonstige Kunden von klassischen europäischen Airlines, die sich keiner der anderen aufgeführten Kundengruppen zuordnen lassen.

1. Forschungsfrage: Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet? Hinsichtlich der ersten Forschungsfrage, die in der vorliegenden Arbeit im Kontext der Existenzanalyse der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern diskutiert wurde, wurden unter Zuhilfenahme des Relational Views und des Studiums weiterer themenspezifischer Literatur insgesamt drei Hypothesen abgeleitet. Diese drei Hypothesen, bei denen zur Analyse der Innovationsart – wie in der Literatur üblich – zwischen dem Innovationsgrad und dem Innovationsobjekt (Produktinnovation und Prozessinnovation) unterschieden wurde, wurden mittels 70

Für die visuelle Darstellung des Modells vgl. Abbildung 14.

253 empirisch erhobener Primärdaten und der Anwendung mehrerer statistischer Analysen (SPSS) untersucht. In diesem Zusammenhang wurden ebenfalls die verwendeten Indikatoren erläutert und erfolgreich auf ihre Reliabilität und Validität hin evaluiert. So wurde in Abschnitt 5.2 erarbeitet, dass die empirischen Ergebnisse alle drei Hypothesen zur ersten Forschungsfrage bestätigen. Zusammenfassend konnten daher die folgenden drei Resultate festgehalten werden: •

Der angestrebte Innovationsgrad hat für klassische europäische Airlines keinen Einfluss darauf, ob sie ihre vertikalen europäischen Supply Chain Partner als Quelle zur Ideengenerierung nutzen oder nicht.

•

Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Produktinnovationen die kooperative Zusammenarbeit mit ihren europäischen Kunden wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Lieferanten.

•

Für klassische europäische Airlines ist für die Generierung innovativer Ideen zur Erlangung von Prozessinnovationen die kooperative Zusammenarbeit mit ihren europäischen Lieferanten wichtiger als die kooperative Zusammenarbeit mit ihren europäischen Kunden.

2. Forschungsfrage: Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit? Diese zweite Forschungsfrage wurde in der vorliegenden Schrift im Kontext der Erfolgsanalyse der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern diskutiert. Unter Zuhilfenahme des Relational Views, der Transaktionskostentheorie und des Studiums weiterer themenspezifischer Literatur wurden für diese Forschungsfrage sechs Hypothesen abgeleitet. Auf Basis der von den sechs Hypothesen implizierten Ursache-Wirkungs-Beziehungen wurden zwei Strukturgleichungsmodelle aufgestellt. Die Unterteilung in zwei Strukturgleichungsmodelle ergab sich durch die konsistente Unterscheidung in der vorliegenden Arbeit hinsichtlich des Innovationsobjektes, nämlich zwischen Produktinnovationen und Prozessinnovationen. So wurden die sechs Hypothesen zum einen für die Thematik überprüft, bei der die kooperative Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen genutzt wird (erstes Strukturgleichungsmodell). Zum anderen wurden diese Hypothesen für die Thematik überprüft, bei der die kooperative Ideengenerierung zwischen den besagten Playern zur Erlangung von Prozessinnovationen verwendet wird (zweites Strukturgleichungsmodell). Hinsichtlich der mit

254 diesen Hypothesen einhergehenden Konstrukten wurden vorab für die Thematiken beider Modelle Indikatoren erarbeitet. Ebenfalls wurden Primärdaten erhoben, die dann unter Anwendung mehrerer statistischer Analysen (SmartPLS und SPSS) untersucht wurden. In diesem Sinne wurden die beiden Strukturgleichungsmodelle getrennt voneinander analysiert. Für das erste Strukturgleichungsmodell wurden fünf der sechs Hypothesen durch die empirischen Ergebnisse bestätigt. Es ist somit gelungen, die theoretisch hergeleiteten kausalen Zusammenhänge der Auswirkung der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen in einem Strukturgleichungsmodell abzubilden und fast vollständig empirisch zu bestätigen. Dabei verfügt das Strukturmodell des ersten Strukturgleichungsmodells über eine verlässliche Prognoserelevanz. Insgesamt konnten für dieses Strukturgleichungsmodell eine Vielzahl an Ergebnissen erarbeitet werden. Im Folgenden sind daher nochmals zusammenfassend die wichtigsten Befunde aufgeführt, deren Aussagen die zweite Forschungsfrage für den Kontext des ersten Strukturgleichungsmodells beantwortet: •

Klassische europäische Airlines, die eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern im Kontext des ersten Strukturgleichungsmodells durchführen, erhöhen ihren Produktinnovationserfolg durch die positiven Auswirkungen auf die Anzahl ihrer Produktinnovationen, auf den Neuigkeitsgrad ihrer Produktinnovationen, auf die Effektivität und die Effizienz bei der Umsetzung ihrer Produktinnovationen und auf den Stand der Technik ihrer Produkte.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss

255 auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Produktinnovationserfolg der klassischen europäischen Airlines hat. •

Klassische europäische Airlines, die eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern im Kontext des ersten Strukturgleichungsmodells durchführen, erhöhen ihren Unternehmenserfolg durch die positiven Auswirkungen auf ihre Kundenbindung, auf ihre Lieferantenbindung, auf ihren Marktanteil, auf ihren Gewinn und auf die Nutzung von knappen Ressourcen und Fähigkeiten.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unterneh-

menserfolg der klassischen europäischen Airlines hat. •

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Un-

ternehmenserfolg der klassischen europäischen Airlines hat. •

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Produktinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

Für das zweite Strukturgleichungsmodell konnten alle sechs Hypothesen durch die empirischen Ergebnisse bestätigt werden. Somit ist es gelungen, die theoretisch hergeleiteten kausalen Zusammenhänge der Auswirkung der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen in einem Strukturgleichungsmodell abzubilden und vollständig empirisch zu bestätigen. Dabei besitzt auch das Strukturmodell des zweiten Strukturgleichungsmodells eine verlässliche Prognoserelevanz. Insgesamt konnten ebenfalls für dieses Strukturgleichungsmodell eine Fülle an Ergebnissen erarbeitet werden. Nachstehend werden daher nochmals zusammenfassend die wichtigsten Befunde dargeboten, deren Aussagen die zweite Forschungsfrage für den Kontext des zweiten Strukturgleichungsmodells beantwortet:

256 •

Klassische europäische Airlines, die eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern im Kontext des zweiten Strukturgleichungsmodells durchführen, erhöhen ihren Prozessinnovationserfolg durch die positiven Auswirkungen auf die Anzahl ihrer Prozessinnovationen, auf den Neuigkeitsgrad ihrer Prozessinnovationen, auf die Effektivität und die Effizienz bei der Umsetzung ihrer Prozessinnovationen, auf die Modernität ihrer Prozesse und auf den Stand der Technik ihrer Prozesse.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Prozessinnovationserfolg der klassischen europäischen Airlines hat.

•

Klassische europäische Airlines, die eine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern im Kontext des zweiten Strukturgleichungsmodells durchführen, erhöhen ihren Unternehmenserfolg durch die positiven Auswirkungen auf ihre Kundenbindung, auf ihre Lieferantenbindung, auf ihren Marktanteil, auf ihren Gewinn und auf die Nutzung von knappen Ressourcen und Fähigkeiten.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierbei anfallenden Kosten für die Ideengenerierung hat, hat keinen Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unterneh-

menserfolg der klassischen europäischen Airlines hat.

257 •

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf die hierdurch resultierende Qualität bei der Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

•

Die Auswirkung, die die kooperative Zusammenarbeit bei der Ideengenerierung zwischen den klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern zur Erlangung von Prozessinnovationen auf den hiermit einhergehenden Zeitaufwand für die Ideengenerierung hat, hat einen positiven Einfluss auf die Auswirkung, die die kooperative Ideengenerierung zwischen diesen Partnern auf den Unternehmenserfolg der klassischen europäischen Airlines hat.

1. Frage für weiterführende Forschung: Wie wichtig sind gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden? Diese erste Frage für weiterführende Forschung wurde in der vorliegenden Arbeit im Kontext der Kontingenzanalyse der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern thematisiert. Bezüglich dieser Frage ist zum einen zu erwähnen, dass sie – wie erläutert – nicht dem Fokus der Dissertation zugeordnet werden kann. Zum anderen ist – wie ausführlich expliziert – für diese Frage darauf hinzuweisen, dass sie nach Ellram aufgrund ihrer Zuordnung zur Kontingenzanalyse besser mit qualitativen Methoden untersucht wird und daher mit den in dieser Schrift verwendeten quantitativen Methoden nur in ersten Ansätzen beantwortet werden kann (Ellram, 1996, S. 98). Zur „ansatzweisen“ Beantwortung dieser Frage wurden die hierzu empirisch ermittelten Primärdaten mittels einfacher deskriptiver Statistik (SPSS) ausgewertet, wobei gemäß Kapitel 1 die hierbei verwendeten Indikatoren, im Gegensatz zu den Indikatoren der beiden Forschungsfragen, nicht explizit in der Dissertation diskutiert wurden. So wurde auf diesem Wege herausgearbeitet, dass nach Auffassung der befragten klassischen europäischen Airline die drei wichtigsten Rahmenbedingungen für eine kooperative Ideengenerierung zwischen solchen Airlines und deren vertikalen europäischen Supply Chain Partnern erstens das gegenseitige Vertrauen der Kooperanden, zweitens die bisherigen Erfahrungen der kooperierenden Institutionen mit Innovationskooperationen und drittens der fundamentale Fit (gemeinsamer Wille, konvergierende Visionen, balancierte Machtposition, beiderseitige Vorteile) zwischen den Partnern sind. Das gegenseitige Vertrauen war hierbei die mit Abstand wichtigste Rahmenbedingung. Als die Rahmenbedingung mit der geringsten Relevanz wurde die beiderseitige Umweltunsicherheit identifiziert. Dies erscheint gerade des-

258 halb als äußerst interessant, da die geschilderten Eigenschaften der Aviation-Industrie auf eine sehr große Umweltunsicherheit schließen lassen. Somit kann mit dieser Antwort auf die erste Frage für weiterführende Forschung festgehalten werden, dass nicht nur auf eine bestehende Forschungslücke aufmerksam gemacht wurde, sondern dass bereits erste Ergebnisse für eine möglicherweise anschließende vertiefende Forschung erarbeitet wurden.

2. Frage für weiterführende Forschung: Warum beziehen klassische europäische Airlines ihre europäischen Kunden und ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten ein? Auch diese zweite Frage für weiterführende Forschung wurde in der vorliegenden Schrift im Kontext der Kontingenzanalyse der kooperativen Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern thematisiert. Wie schon die erste Frage für weiterführende Forschung, kann auch diese Frage nicht dem Fokus der Dissertation zugeordnet werden. Ebenfalls eignen sich – wie detailliert beschrieben – die in der Arbeit verwendeten quantitativen Methoden bei dieser zweiten Frage für weiterführende Forschung aufgrund ihrer Zuordnung zur Kontingenzanalyse primär dafür, erste Ergebnisse für eine möglicherweise anschließende vertiefende Forschung darzubieten. Für die „ansatzweise“ Beantwortung dieser Frage wurden die hierzu empirisch erhobenen Primärdaten mittels einfacher deskriptiver Statistik (SPSS) analysiert. Auch hierbei wurden, gemäß den Ausführungen aus Kapitel 1, die zu diesem Zweck verwendeten Indikatoren nicht explizit in der Dissertation diskutiert. Als Ergebnisse konnte festgehalten werden, dass die drei wichtigsten Motive für die kooperative Einbeziehung der europäischen Kunden in die Innovationsaktivitäten die Marktausweitung, die Qualitätssteigerung bzw. die Fehlerminderung und die Erhöhung der Partnerbindung darstellen. Die Qualitätssteigerung bzw. die Fehlerminderung gehört ebenfalls zu den Top 3 Motiven einer solchen Einbindung der europäischen Lieferanten. Außerdem gehören hinsichtlich einer solchen kooperativen Einbeziehung der europäischen Lieferanten noch die Kostenreduzierung und der verbesserte Einblick in den Lieferantenmarkt zu den drei wichtigsten Motiven. Daher kann mit dieser sich aus den genannten Ergebnissen resultierenden Antwort auf die zweite Frage für weiterführende Forschung vermerkt werden, dass auch hier nicht lediglich auf eine existierende Forschungslücke hingewiesen wurde, sondern dass überdies erste Erkenntnisse für eine etwaige anschließende vertiefende Forschung dargeboten wurden.

6.2 Implikationen der Arbeit für die Praxis Die vorliegende Arbeit verdeutlichte, dass die kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern eine sehr Erfolg versprechende Möglichkeit darstellt, wie klassische europäische Airlines den mit

259 dem steigenden Wettbewerbsdruck einhergehenden Herausforderungen erfolgreich entgegentreten können. Für klassische europäische Airlines lassen sich die folgenden zentralen Implikationen aus der Dissertation ableiten:

(1) Klassische europäische Airlines, die bisher noch keine kooperativen Ideengenerierungen mit ihren vertikalen europäischen Supply Chain Partnern durchgeführt haben, sollten zukünftig ihre entsprechenden Kunden und Lieferanten stärker mit in die Ideengenerierung einbeziehen. In der Dissertation wurde gezeigt, wie klassische europäische Airlines, die eine kooperative Ideengenerierung durchführen, ihren Innovationserfolg (sowohl Produktinnovationserfolg als auch Prozessinnovationserfolg) und ihren Unternehmenserfolg steigern können. So wurde herausgearbeitet, dass sich der aufgrund solch einer kooperativen Ideengenerierung induzierte Innovationserfolg einer klassischen europäischen Airline in einer positiven Veränderung des Neuigkeitsgrades der Produkt- und Prozessinnovationen, der Anzahl der Produkt- und Prozessinnovationen, der Effektivität und der Effizienz bei der Umsetzung von Produkt- und Prozessinnovationen, des Standes der Technik der Produkte und Prozesse und in einer positiven Veränderung der Modernität der Prozesse niederschlägt. Überdies entstehen positive Erfolgswirkungen für den Unternehmenserfolg der klassischen europäischen Airlines aufgrund positiver Auswirkungen auf die Kunden- und Lieferantenbindung, auf den Marktanteil, auf die Nutzung von knappen Ressourcen und Fähigkeiten und auf den Gewinn. Hieraus ergibt sich die Empfehlung für klassische europäische Airlines, die zum einen noch keine kooperativen Ideengenerierungen mit ihren vertikalen europäischen Supply Chain Partnern durchgeführt haben und zum anderen jedoch tatsächlich an Produkt- und Prozessinnovationen interessiert sind, ihre entsprechenden Kunden und Lieferanten stärker mit in die Ideengenerierung einzubeziehen.

(2) Klassische europäische Airlines, die zur Ideengenerierung bereits kooperativ mit einigen ihrer vertikalen europäischen Supply Chain Partner zusammenarbeiten, sollten überlegen, ob es nicht noch andere attraktive Kunden- und Lieferantengruppen gibt, mit denen sie kooperativ Ideen generieren können. Auch klassischen europäischen Airlines, die bereits kooperative Ideengenerierungen mit einigen ihrer vertikalen europäischen Supply Chain Partner durchführen, können auf Basis der in der vorliegenden Schrift erarbeiteten Erkenntnisse Empfehlungen gegeben werden. So können beispielsweise mögliche Misserfolge einer solchen Zusammenarbeit auch dadurch zustande gekommen sein, dass unter Umständen die falschen Kooperationspartner ausgewählt wurden. Nach dem Lösen von festgefahrenen Partnerschaften und somit bei der darauf folgenden Suche nach neuen Partnern ist es ratsam, auch bisher nicht berücksichtigte Kunden- bzw. Lieferantengruppen mit einzubeziehen. Die in der Dissertation vorzufindende Branchenstrukturanalyse der europäischen Aviation-Industrie enthält eine sehr ausführliche Auflistung der unterschiedlichen Kunden- und Lieferantengruppen der klassischen europäischen Airlines, wo-

260 bei – soweit möglich – zusätzlich die jeweiligen europäischen Key Player bzw. wichtige europäische Institutionen namentlich genannt wurden. Diese Ausführungen können bei der Auswahl der geeigneten Kunden- und Lieferantengruppen natürlich auch von den klassischen europäischen Airlines verwendet werden, die bisher noch keine kooperative Ideengenerierung mit ihren vertikalen europäischen Supply Chain Partnern durchgeführt haben.

(3) Bei der Auswahl der vertikalen europäischen Supply Chain Partner, mit denen eine klassische europäische Airline kooperativ Ideen generieren möchte, sollte die Airline darauf achten, dass Vertrauen zwischen den potenziellen Kooperanden besteht, dass ein fundamentaler Fit zwischen den Institutionen vorhanden ist und dass die ausgewählten Partner bereits positive Erfahrungen mit Innovationskooperationen sammeln konnten. Hat eine klassische europäische Airline Kunden- und bzw. oder Lieferantengruppen gefunden, mit denen sie gerne kooperative Ideengenerierungen durchführen würde, sollte sie bei der schlussendlichen Auswahl der Partnerinstitutionen insbesondere darauf achten, dass zwischen dieser Airline und den möglichen Kooperationspartnern eine Vertrauensbasis besteht bzw. aufgebaut werden kann. Darüber hinaus sollten zwischen den potenziellen Kooperanden möglichst ein gemeinsamer Wille, eine konvergierende Vision und eine balancierte Machtposition vorhanden sein und beiderseitige Vorteile realisiert werden. Hinzu sollte bei der Auswahl der Kooperationspartner darauf geachtet werden, dass diese Institutionen bereits Erfahrungen mit Innovationskooperationen – idealerweise mit der betroffenen klassischen europäischen Airline – haben.

(4) Klassische europäische Airlines sollten einen festen Kreis an Kunden und Lieferanten definieren, mit dem sie langfristig kooperativ Ideen generieren möchten. Nachdem eine klassische europäische Airline unter Beachtung der genannten Empfehlungen einige europäische Kunden und bzw. oder einige europäische Lieferanten als Partner für eine kooperative Ideengenerierung gewinnen konnte und nachdem erste Erfahrungen hinsichtlich der partnerschaftlichen Zusammenarbeit gesammelt werden konnten, ist der Airline zu empfehlen, sich einen „Partner-Pool“ an solchen Kooperanden zuzulegen. In diesem Pool sollte ein kleiner, fest definierter, unter Umständen möglichst heterogener Kreis an europäischen Kunden und europäischen Lieferanten enthalten sein, durch die im besten Falle die unterschiedlichen Kunden- und Lieferantengruppen abgedeckt werden (Dyer/ Singh, 1998, S. 675). Mit diesen Institutionen sollte eine langfristige Partnerschaft angestrebt werden, so dass z. B. das hoch relevante gegenseitige Vertrauen zwischen den Partnern wachsen kann und damit einhergehend auch vertrauliche Informationen mit diesen vertikalen europäischen Supply Chain Partnern ausgetauscht werden können (Dyer/ Singh, 1998, S. 675). Je nach angestrebtem Ziel könnte die klassische europäische Airline somit modular ihre Partner aus ihrem Partner-Pool auswählen.

261

(5) Insofern klassische europäische Airlines Ideen zur Erlangung von Produktinnovationen generieren möchten, sollten sie verstärkt mit ihren europäischen Kunden eine kooperative Ideengenerierung durchführen. Besteht das Ziel einer klassischen europäischen Airline darin, Ideen zur Erlangung von Produktinnovationen zu generieren, kann dieser Airline aufgrund der in der vorliegenden Arbeit durchgeführten Analysen empfohlen werden, z. B. innerhalb ihres Partner-Pools verstärkt nach geeigneten europäischen Kunden zu suchen.

(6) Insofern klassische europäische Airlines Ideen zur Erlangung von Prozessinnovationen generieren möchten, sollten sie verstärkt mit ihren europäischen Lieferanten eine kooperative Ideengenerierung durchführen. Wird von einer klassischen europäischen Airline das Ziel verfolgt, Ideen zur Erlangung von Prozessinnovationen zu generieren, kann auf Grundlage der durchgeführten Untersuchungen hierzu die Empfehlung ausgesprochen werden, dass sie z. B. innerhalb ihres Partner-Pools verstärkt nach geeigneten Lieferanten suchen sollte.

6.3 Implikationen der Arbeit für die Forschung Diese Arbeit beschäftigte sich mit der in der Wissenschaft bislang noch weitgehend unerforschten Thematik der kooperativen Ideengenerierung entlang der Supply Chain der europäischen Aviation-Industrie. Hiermit konnte u. a. ein großer Beitrag dazu geleistet werden, das bisher theoretisch wenig durchdrungene Themengebiet der frühen Aktivitäten des Innovationsprozesses wissenschaftlich zu untersuchen. In der Dissertation wurden mehrere Forschungslücken identifiziert, von denen durch die Beantwortung der folgenden zwei Forschungsfragen bereits zwei überaus relevante geschlossen werden konnten: •

Für welche Art von innovativen Ideen ist eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren europäischen Kunden und europäischen Lieferanten geeignet?

•

Wie wirkt sich eine kooperative Ideengenerierung zwischen klassischen europäischen Airlines und deren vertikalen europäischen Supply Chain Partnern auf den individuellen Innovations- und Unternehmenserfolg der klassischen europäischen Airlines aus und welchen Einfluss haben hierbei die Auswirkungen der kooperativen Ideengenerierung auf die strategischen Erfolgsfaktoren Kosten, Qualität und Zeit?

Überdies wurden im Laufe der vorliegenden Arbeit mehrere Erkenntnisse deutlich, die – wie auch die Antworten auf die beiden Forschungsfragen – so oder in ähnlicher Form von anderen Forschern aufgegriffen bzw. übernommen werden können oder die dazu beitragen können, Wissenschaftler zu akademischen Diskussionen anzuregen. Neben den Ergebnissen, die mit den Beantwortungen der beiden Forschungsfragen einhergehen und die zusammenfassend

262 Abschnitt 6.1 entnommen werden können, sind an dieser Stelle insbesondere die folgenden sechs Erkenntnisse festzuhalten, von denen die ersten zwei auch auf Limitationen der Untersuchung aufmerksam machen:

(1) Mangelnde Generalisierbarkeit der Ergebnisse und Erläuterung der Vorteile der durchgeführten Tiefenanalyse mit „Pilotcharakter“ Angesichts der Befragung nur einer klassischen europäischen Airline ist darauf hinzuweisen, dass die herausgestellten Ergebnisse nicht ohne Weiteres auch auf andere klassische europäische Airlines übertragbar sind. Da jedoch die untersuchte klassische europäische Airline erstens stark mit anderen klassischen europäischen Airlines beispielsweise in der Form von strategischen Allianzen – wie etwa der Star Alliance – vernetzt ist und sie zweitens – wie geschildert – sowohl im Passagierverkehr als auch im Frachtverkehr bereits seit vielen Jahren zu den Top-Playern dieser Branche zu zählen ist, kann davon ausgegangen werden, dass diese klassische europäische Airline eine Vielzahl an Attributen aufweist, die auch für andere klassische europäische Airlines typisch sind. Damit kann ansatzweise argumentiert werden, dass die erarbeiteten Ergebnisse zumindest tendenziell auch auf andere klassische europäische Airlines übertragen werden können (Wurst, 2001, S. 183). Allerdings wurde diese etwaige mangelhafte Generalisierbarkeit bewusst zu Gunsten einer differenzierteren Datenerhebung und Datenanalyse in Kauf genommen. Es wurde vielmehr umfassend erläutert, dass diese somit durchgeführte Tiefenanalyse einen „Pilotcharakter“ für zukünftige, darauf aufbauende Studien haben kann, indem weitere klassische europäische Airlines in einer ähnlichen Art und Weise untersucht werden. Die hierzu durchgeführte literaturbasierte Analyse verdeutlichte erstens, wann die Untersuchung eines einzelnen Unternehmens eine angemessene Alternative zu einer Datenerhebung darstellt, bei der eine Vielzahl an unterschiedlichen Institutionen befragt werden, bzw. wann eine Tiefenanalyse sogar vorteilhaft ist. Zweitens wurde veranschaulicht, dass die Untersuchung eines einzelnen Unternehmens – bei der häufig quantitative Methoden zum Einsatz kommen – in wissenschaftlichen Arbeiten (hoch geratete Journals, Dissertationen, wegweisende Forschungsstudien) gängige Praxis ist. Diese Erkenntnisse können von anderen Forschern im Kontext der Begründungen ihrer Forschungsmethodologien aufgegriffen werden.

(2) Keine Differenzierung zwischen Passagierverkehr und Frachtverkehr Aufgrund der realisierten Stichprobengröße auf der einen Seite und des geforderten Stichprobenumfanges für die Anwendung des PLS-Ansatzes auf der anderen Seite konnte für die zweite Forschungsfrage keine Differenzierung zwischen den Probanden vorgenommen werden, die im Geschäftsfeld „Passagierverkehr“ und die im Geschäftsfeld „Frachtverkehr“ arbeiten.

(3) Erarbeitung neuer Indikatoren und Evaluation der Reliabilität und Validität Wie in der Dissertation geschildert wurde, konnte für einige Konstrukte nicht auf bereits von anderen Wissenschaftlern erfolgreich verwendete Indikatoren zurückgegriffen werden. Daher

263 wurden vom Autor für diese Konstrukte literaturbasiert potenzielle Indikatoren erarbeitet, die später mittels statistischer Analysen auf ihre Reliabilität und Validität hin evaluiert wurden und daher nun von anderen Wissenschaftlern aufgegriffen werden können.

(4) Entwicklung einer dreistufigen Fragenhierarchie für wissenschaftliche Arbeiten Die Einteilung der in der vorliegenden Arbeit gestellten Fragen in „Forschungsfragen“, „Strukturierungsfragen“ und „Fragen für weiterführende Forschung“ verhindert, dass nicht lediglich punktuell Forschungslücken innerhalb eines größeren Sachverhalts thematisiert werden und darüber hinaus vage Empfehlungen für anschließende wissenschaftliche Arbeiten gegeben werden. Durch die Erarbeitung von ersten möglichen Antworten auf die Fragen für weiterführende Forschung wird der Forscher nämlich einerseits dazu gezwungen, sich von der punktuellen Betrachtung seiner Forschung zu lösen und den gesamten Kontext seines Forschungsbietes besser zu erfassen. Andererseits werden an diesem Sachverhalt interessierten Wissenschaftlern bereits erste Ergebnisse an die Hand gegeben, die unter Umständen als Vorstudie dienen können. Die Beantwortung der Strukturierungsfragen verhindert überdies, dass grundlegende Aspekte, die für die Forschungsleistung innerhalb einer Arbeit essenziell sind, unberücksichtigt bleiben. Auch diese aus den Strukturierungsfragen resultierenden Erkenntnisse können natürlich von anderen Forschern aufgegriffen werden. Somit hat die dreistufige Fragenhierarchie zusammengefasst die Vorteile, dass zum einen die jeweils notwendige Vollständigkeit der Betrachtung innerhalb der Arbeit gefördert wird und dass zum anderen die Verknüpfung zwischen aufeinander aufbauenden wissenschaftlichen Arbeiten verbessert wird.

(5) Erste Antworten auf die beiden Fragen für weiterführende Forschung In der vorliegenden Arbeit wurden – wie geschildert – erste Antworten auf die so genannten Fragen für weiterführende Forschung erarbeitet. Hierbei handelt es sich um die beiden folgenden Fragen: •

Wie wichtig sind gewisse Rahmenbedingungen den klassischen europäischen Airlines dafür, dass zwischen diesen Unternehmen und deren europäischen Kunden und europäischen Lieferanten kooperative Ideengenerierungen durchgeführt werden?

•

Warum beziehen klassische europäische Airlines ihre europäischen Kunden und ihre europäischen Lieferanten mit in ihre Innovationsaktivitäten ein?

Da sich diese beiden Fragen auf – zum Zeitpunkt des Verfassens der vorliegenden Dissertation existierende – Forschungslücken beziehen, können die zu diesen Fragen sowohl theoretisch als auch empirisch herausgestellten Erkenntnisse in nachfolgenden wissenschaftlichen Arbeiten aufgegriffen werden. Eine Zusammenfassung dieser Erkenntnisse ist, wie gesehen, Abschnitt 6.1 zu entnehmen. So könnten für die erste Frage beispielsweise zusätzlich Daten von den entsprechenden Kunden und Lieferanten erhoben werden. Nach Ellram eignen sich

264 zur vertiefenden Analyse dieser beiden Fragen insbesondere qualitative Methoden (Ellram, 1996, S. 98).

(6) Branchenstrukturanalyse der Aviation-Industrie im Allgemeinen und der europäischen Aviation-Industrie im Speziellen Es wurden zum einen die Grundlagen der Aviation-Industrie thematisiert, indem sowohl der geschichtliche Hintergrund als auch die Eigenschaften der heutigen Aviation-Industrie erläutert wurden. Zum anderen wurde – unter dem Vorzeichen der formulierten Strukturierungsfragen – mittels Porters Modell der Industriestrukturierung die Supply Chain der europäischen Aviation-Industrie systematisiert, die Charakteristika der wesentlichen Stufen dieser Supply Chain herausgearbeitet und geklärt, welche Institutionen pro Stufe die Key Player sind, bzw. welche Institutionen zu den jeweils wichtigsten Institutionen zu zählen sind. In diesem Kontext wurde eine – für die Ziele der vorliegenden Schrift geeignete – modellhafte Darstellung der institutionellen Ebene der Supply Chain der europäischen Aviation-Industrie erarbeitet. Die in diesem Zusammenhang aufgestellten Nebenbedingungen können nach Bedarf von anderen Forschern abgeändert werden, woraus sich entsprechend neue Fragestellungen ergeben können. So wäre es z. B. interessant zu untersuchen, welchen Einfluss es hat, dass in der realen Supply Chain der europäischen Aviation-Industrie auch informatorische Beziehungen zwischen den Institutionen der dargestellten Lieferantengruppen, zwischen den Institutionen der dargestellten Kundengruppen und zwischen den Institutionen der dargestellten Kundenund Lieferantengruppen bestehen.

265

Literaturverzeichnis A.T. Kearney (2002). Mastering Innovation Management: Collaborating for Speed and Profit. Chicago: A.T. Kearney, Inc. Aberle, G. (1998). Verkehrsinfrastrukturpolitik und deren Auswirkung auf die Unternehmenslogistik. In: Isermann, H. (Hrsg.), Logistik. Gestaltung von Logistiksystemen (2. Aufl.). Landsberg/ Lech: Verlag Moderne Industrie AG, S. 109-124. ADV (2006). Gesellschafter und Beteiligungsverhältnisse – internationale Verkehrsflughäfen. http://www.adv-net.org/download/Gesellschafter_Beteiligungsverh.int.Verkehrsflughaefen08062006.pdf (Abrufdatum: 07.11.2006). AEA (2004). Largest AEA Carriers. http://www.aea.be/AEAWebsite/Presentation_Tier/Pr_GroupMenuItem.aspx?NodeID =rootMenue402 (Abrufdatum: 02.11.2006). AEA (2005). Total Scheduled – Passenger & All-Cargo Services. http://www.aea.be/AEAWebsite/Presentation_Tier/Pr_GroupMenuItem.apsx?NodeID =rootMenue402 (Abrufdatum: 02.11.2006). AECMA (2003). The European Aerospace Industry. Facts & Figures 2002. Brüssel: AECMA Publication. Ailawadi, K. L.; Harlam, B. A.; César, J. & Trounce, D. (2006). Promotion Profitability for a Retailer: The Role of Promotion, Brand, Category, and Store Characteristics. In: Journal of Marketing Research, Vol. XLIII, S. 518-535. Air Transport Association (2006). Annual Traffic and Ops: World Airlines. http://airlines.org/economics/traffic/World+Airline+Traffic.htm (Abrufdatum: 26.10. 2006). Air Transport World (2005). New Briefs. In: Air Transport World. Europe Report, October, S. 14. Airbus (2005). Global Market Forecast 2004-2023. http://www.airbus.com/store/mm_repository/pdf/att00003033/media_object_file_GM F2004_full_issue.pdf (Abrufdatum: 01.10.2006). Airbus (2006). A short history of Airbus. http://www.airbus.com/en/corporate/people/Airbus_short_history.html (Abrufdatum: 09.11.2006). Airports Council International (2006a). Cargo Traffic 2005 FINAL. http://www.airports.org/cda/aci/display/main/aci_content.jsp?zn=aci&cp=1-5-544819-4821_9_2__ (Abrufdatum: 07.11.2006).

266 Airports Council International (2006b). Passenger Traffic 2005 FINAL. http://www.airports.org/cda/aci/display/main/aci_content.jsp?zn=aci&cp=1-5-54-552812_9_2__ (Abrufdatum: 07.11.2006). Anderson, J. C. & Gerbing, D. W. (1988). Structural Equation Modeling in Practice: A Review and Recommended Two-Step Approach. In: Psychological Bulletin, Vol. 103, No. 3, S. 411-423. Anderson, J. C. & Gerbing, D. W. (1991). Predicting the Performance of Measures in a Confirmatory Factor Analysis with a Pretest Assessment of their Substantive Validities. In: Journal of Applied Psychology, Vol. 76, No. 5, S. 732-740. Ansari, A. & Modarress, B. (1997). World-class strategies for safety: a Boeing approach. In: International Journal of Operations & Production Management, Vol. 17, No. 4, S. 389398. Armstrong, J. S. & Overton, T. S. (1977). Estimating Nonresponse Bias in Mail Surveys. In: Journal of Marketing Research, Vol. XIV, S. 396-402. Arnett, D. B.; Macy, B. A. & Wilcox, J. B. (2005). The Role of Core Selling Teams in Supplier-Buyer Relationships. In: Journal of Personal Selling & Sales Management, Vol. XXV, No. 1, S. 27-42. Arrow, K. J. (1969). The Organization of Economic Activity: Issues Pertinent to the Choice of Market versus Non-market Allocation. In: Analysis and Evaluation of Public Expenditure, Joint Economic Committee 91st Congress, 1st Session, Washington, D. C. Aruli, A. M. (2000). Strategische Handelspolitik der Europäischen Union in der Hochtechnologieindustrie seit Maastricht 1992: Airbus-Industrie als Mustererfolg. Berlin; Dissertation. Atkinson, R. (1999). Project management: cost, time and quality, two best guesses and a phenomenon, its time to accept other success criteria. In: International Journal of Project Management, Vol. 17, No. 6, S. 337-342. Auerbach, St. & Delfmann, W. (2005). Consolidating the Network Carrier Business Model in the European Airline Industry. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 65-96. Ayers, D.; Dahlstrom, R. & Skinner, S. J. (1997). An Exploratory Investigation of Organizational Antecedents to New Product Success. In: Journal of Marketing Research, Vol. XXXIV, S. 107-116. Ayers, J. B. (2001). Handbook of Supply Chain Management. Boca Raton: CRC Press LLC. Bachmann, P. (2005). Flugsicherung in Deutschland. Stuttgart: Motorbuch Verlag.

267 Backhaus, K.; Erichson, B.; Plinke, W. & Weiber, R. (2003). Multivariate Analysemethoden. Eine anwendungsorientierte Einführung (10. Aufl.). Berlin, Heidelberg, New York: Springer-Verlag. Bagozzi, R. P. & Yi, Y. (1988). On the Evaluation of Structural Equation Models. In: Journal of the Academy of Marketing Science, Vol. 16, No. 1, S. 74-94. Bandyopadhyay, U. & Biswas, A. (1999). Sequential-type nonparametric test using MannWhitney statistics. In: Journal of Applied Statistics, Vol. 26, No. 3, S. 301-308. Barney, J. B. (1991). Firm resources and sustained competitive advantage. In: Journal of Management, Vol. 17, S. 99-120. Becker, W. & Dietz, J. (2004). R&D cooperation and innovation activities of firms – evidence for the German manufacturing industry. In: Research Policy, Vol. 33, S. 209-223. Beder, H. (1998). Der Luftfrachtverkehr. In: Isermann, H. (Hrsg.), Logistik. Gestaltung von Logistiksystemen (2. Aufl.). Landsberg/ Lech: Verlag Moderne Industrie AG, S. 125138. Behringer, W. & Ott-Koptschalijski, C. (1991). Der Traum vom Fliegen. Zwischen Mythos und Technik. Frankfurt am Main: S. Fischer Verlag GmbH. Beijing Capital International Airport (2006). 2003-operation data. http://www.bcia.com.cn/en/investor_data_1_filelist.html (Abrufdatum: 23.10.2006). Beisel, R.; Heile, J. & Delarue, L. (2005). Aviation Insight: Demystifying the Aviation Industry – Die Sieger und Verlierer im interkontinentalen Luftverkehr. Globale Studie des Aviation Competence Centers von Arthur D. Little – mit großem DeutschlandTeil. Wiesbaden. Bellgardt, E. (1997). Statistik mit SPSS. München: Verlag Franz Vahlen GmbH. Bermig, C. (2005). Competition Policy in European Aviation Markets. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 19-40. Betzin, J. & Henseler, J. (2005). Einführung in die Funktionsweise des PLS-Algorithmus. In: Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLSPfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: SchäfferPoeschel Verlag, S. 49-69. Beyer, A. B. (2002). Wertorientiertes Innovationsmanagement. Lohmar, Köln: Josef Eul Verlag GmbH; Dissertation. Bieger, Th. & Agosti, S. (2005). Business Models in the Airline Sector – Evolution and Perspectives. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 41-64.

268 BIEK (2004). Produktivitäts- und Wachstumseffekte der Kurier-, Express- und Paketdienste für die arbeitsteilige Wirtschaft. Studie für den Bundesverband Internationaler Express- und Kurierdienste e. V. Berlin. Bleymüller, J.; Gehlert, G. & Gülicher, H. (1998). Statistik für Wirtschaftswissenschaftler (11. Aufl.). München: Verlag Franz Vahlen. Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (2005). Die PLS-Pfadmodellierung: Mehr als eine Alternative zur Kovarianzstrukturanalyse. In: Bliemel, F; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLS-Pfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: Schäffer-Poeschel Verlag, S. 9-16. Boeing (2006). Market Overview: 20-Year Forecast. http://www.boeing.com/nosearch/exec_pres/CMO.pdf (Abrufdatum: 01.11.2006). Borchert, J. E.; Goos, Ph. & Hagenhoff, S. (2004). Innovationsnetzwerke als Quelle von Wettbewerbsvorteilen. Arbeitsbericht Nr. 11/2004 des Instituts für Wirtschaftsinformatik, Abteilung Wirtschaftsinformatik II der Georg-August-Universität Göttingen. Bougrain, F. & Haudeville, B. (2002). Innovation, collaboration and SMEs internal research capacities. In: Research Policy, Vol. 31, S. 735-747. Bower, J. J. & Hout, Th. M. (1988). Fast-Cycle Capability for Competitive Power. In: Harvard Business Review, November/ December, S. 110-118. Bowers, M. R. (1989). Developing New Services: Improving The Process Makes It Better. In: The Journal of Services Marketing, Vol. 3, No. 1, S. 15-20. Bowersox, D. J.; Closs, D. J. & Cooper, M. B. (2002). Supply Chain Logistics Management. New York: The McGraw-Hill Companies, Inc. Brockhoff, K. (2001). Innovationsmanagement als Technologiemanagement. In: Albers, S.; Brockhoff, K. & Hauschildt, J. (Hrsg.), Technologie- und Innovationsmanagement: Leistungsbilanz des Kieler Graduiertenkollegs. Wiesbaden: Deutscher UniversitätsVerlag GmbH, S. 17-78. Bühl, A. & Zöfel, P. (2002). Erweiterte Datenanalyse mit SPSS. Statistik und Data Mining. Wiesbaden: Westdeutscher Verlag GmbH. Bullinger, H.-J. & Schlick, G. H. (2002). Wissenspool Innovationsmanagement: Kompendium für Zukunftsgestalter. Frankfurt am Main: Frankfurter Allgemeine Zeitung GmbH. Bundesministerium für Wirtschaft und Arbeit (2003). Innovationsmotor Luftfahrt. Die Luftfahrtforschungsprogramme der Bundesregierung – Bilanz und Ausblick. Baden Baden: Koelblin-Fortuna-Druck GmbH & Co. KG. Bureau of Transportation Statistics (2007). Airline Domestic Market Share March 2006 – February 2007. http://www.transtats.bts.gov/ (Abrufdatum: 02.06.2007).

269 Buzzell, R. D. & Gale, B. T. (1989). Das PIMS-Programm: Strategien und Unternehmenserfolg. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH. Çalişkan, C. & Hall, R. W. (2006). A static empty equipment allocation model for long-haul networks with constrained crew routes. In: IIE Transactions, Vol. 38, S. 947-954. Cavinato, J. L. (1992). A Total Cost/Value Model for Supply Chain Competitiveness. In: Journal of Business Logistics, Vol. 13, No. 2, S. 285-301. Cavinato, J. L. (2002). What’s Your Supply Chain Type? In: Supply Chain Management Review, May/ June, S. 60-66. Chan, A. P. C.; Scott, D. & Lam, E. W. M. (2002). Framework of Success Criteria for Design/Build Projects. In: Journal of Management in Engineering, July, S. 120-128. Chandra, Ch. & Kumar, S. (2000). Supply chain management in theory and practice: a passing fad or a fundamental change? In: Industrial Management & Data Systems, Vol. 100, No. 3, S. 100-113. Chen, I. J. & Paulraj, A. (2004). Understanding supply chain management: critical research and a theoretical framework. In: International Journal of Production Research, Vol. 42, No. 1, S. 131-163. Chiavi, R. (2005). Airfreight Development Supporting the Strategy of Global Logistics Companies. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 490-515. Chin, W. W. & Newsted, P. R. (1999). Structural equation Modeling Analysis With Small Samples Using Partial Least Squares. In: Hoyle, R. H. (Hrsg.), Statistical Strategies For Small Sample Research. Thousand Oaks: Sage Publications, Inc., S. 307-341. Chin, W. W. (1998). The Partial Least Squares Approach to Structural Equation Modeling. In: Marcoulides, G. A. (Hrsg.), Modern Methods for Business Research. Mahwah: Lawrence Erlbaum Associates Inc., S. 295-336. Chin, W. W.; Marcolin, B. L. & Newsted, P. N. (2003). A Partial Least Squares Latent Variable Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/ Adoption Study. In: Information Systems Research, Vol. 14, No. 2, S. 189-217. Chopra, S. & Meindl, P. (2004). Supply Chain Management: Strategy, Planning, and Operation (2. Aufl.). Upper Saddle River: Pearson Education, Inc. Christiansen, J. A. (2000). Competitive Innovation Management. Techniques to Improve Innovation Performance. Houndmills et al.: MacMillan Press Ltd. Christopher, M. & Ryals, L. (1999). Supply Chain Strategy: Its Impact on Shareholder Value. In: International Journal of Logistics Management, Vol. 10, No. 1, S. 1-10.

270 Christopher, M. (1998). Logistics and Supply Chain Management: Strategies for Reducing Cost and Improving Service (2. Aufl.). Prentice Hall: Financial Times. Churchill Jr., G. A. (1979). A Paradigm for Developing Better Measures of Marketing Constructs. In: Journal of Marketing Research, Vol. XVI, S. 64-73. Churchill Jr., G. A. (1991). Marketing Research. Methodological Foundations (5. Aufl.). Orlando: The Dryden Press. Coase, R. H. (1937). The Nature of the Firm. In: Economica, New Series, Vol. 4, No. 16, S. 386-405. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2. Aufl.). Mahwah: Lawrence Erlbaum Associates, Inc. Cohen, M. A.; Eliashberg, J. & Ho, T. H. (1997). An Anatomy of a Decision-Support System for Developing and Launching Line Extensions. In: Journal of Marketing Research, Vol. XXXIV, S. 117-129. Contractor, F. J.; Kim, Ch.-S. & Beldona, S. (2002). Interfirm Learning in Alliance and Technology Networks: An Empirical Study in the Global Pharmaceutical and Chemical Industries. In: Contractor, F. J. & Lorange, P. (Hrsg.), Cooperative Strategies and Alliance. Kidlington: Elsevier Science Ltd., S. 493-516. Cooper, M. C.; Ellram, L. M.; Gardner, J. T. & Hanks, A. M. (1997). Meshing Multiple Alliances. In: Journal of Business Logistics, Vol. 18, No. 1, S. 67-89. Cooper, M. C.; Lambert, D. M. & Pagh, J. D. (1997). Supply Chain Management: More Than a New Name for Logistics. In: The International Journal of Logistics Management, Vol. 8, No. 1, S. 1-14. Cooper, R. G. & Kleinschmidt, E. J. (1987). New Products: What Separates Winners from Losers? In: Journal of Product Innovation Management, Vol. 4, S. 169-184. Cooper, R. G. (1999). The Invisible Success Factors in Product Innovation. In: Journal of Product Innovation Management, Vol. 16, S. 115-133. Cooper, R. G. (2002). Top oder Flop in der Produktentwicklung. Erfolgsstrategien: Von der Idee zum Launch. Weinheim: Wiley-VCH Verlag GmbH. Corsten, D. & Kumar, N. (2005). Do Suppliers Benefit from Collaborative Relationships with Large Retailers? An Empirical Investigation of Efficient Consumer Response Adoption. In: Journal of Marketing, Vol. 69, S. 80-94. Corsten, H. (1990a). Betriebswirtschaftslehre der Dienstleistungsunternehmen. Einführung (2. Aufl.). München, Wien: Oldenbourg Wissenschaftsverlag GmbH.

271 Corsten, H. (1990b). Produktionswirtschaft. Einführung in das industrielle Produktionsmanagement. München, Wien: Oldenbourg Wissenschaftsverlag GmbH. Daganzo, C. F. (2003). A Theory of Supply Chains. Berlin, Heidelberg, New York: SpringerVerlag. Daniel, J. (2007). Management von Zuliefererbeziehungen. Einflussfaktoren der zwischenbetrieblichen Zusammenarbeit in Deutschland. Wiesbaden: Deutscher UniversitätsVerlag/ GWV Fachverlage GmbH; Dissertation. Darkow, I.-L. & Pedrosa, A. (2006). Innovationsmanagement bei Logistik-Dienstleistern. In: Zeitschrift für Controlling und Innovationsmanagement, No. 3, S. 51-56. Davenport, Th. H. (1993). Process Innovation: Reengineering Work through Information Technology. Boston: Harvard Business School Press. Davis, D. D. & Holt, Ch. A. (1993). Experimental Economics. Princeton: Princeton University Press. Davis, T. (1993). Effective Supply Chain Management. In: Sloan Management Review, Summer, S. 35-46. de Brentani, U. (2001). Innovative versus incremental new business services: Different keys for achieving success. In: The Journal of Product Innovation Management, Vol. 18, S. 169-187. Diamantopoulos, A. & Winkelhofer, H. M. (2001). Index Construction with Formative Indicators: An Alternative to Scale Development. In: Journal of Marketing Research, Vol. XXXVIII, S. 269-277. DIN EN ISO 9000: 2005. Qualitätsmanagementsysteme. Grundlagen und Begriffe. Berlin: Beuth Verlag GmbH. Doganis, R. (2001). The airline business in the 21st century. London: Routledge. Doganis, R. (2002). Flying off Course. The economics of international airlines (3. Aufl.). London: Routledge. Dombey, O. (2003). The Effects of SARS on the Chinese Tourism Industry. In: Journal of Vacation Marketing, Vol. 10, Issue 1, S. 4-10. Drejer, A. (2002). Situations for innovation management: towards a contingency model. In: European Journal of Innovation Management, Vol. 5, No. 1, S. 4-17. Dubai Logistics City (2006). Profile. http://www.dubailogisticscity.net/ (Abrufdatum: 22.10.2006). Duschek, St. (2004). Inter-Firm Resources and Sustained Competitive Advantage. In: Management Revue, Vol. 15, Issue 1, S. 53-73.

272 Dyer, J. H. & Singh, H. (1998). The Relational View: Cooperative Strategy and Sources of Interorganizational Competitive Advantage. In: Academy of Management Review, Vol., 23, No. 4, S. 660-679. Eberl, M. (2004b). Formative und reflektive Indikatoren im Forschungsprozess: Entscheidungsregeln und die Dominanz des reflektiven Modells. In: Schriften zur Empirischen Forschung und Quantitativen Unternehmensplanung, Heft 19 der LudwigMaximilians-Universität München. Eberl, P. (2004a). The Development of Trust and Implications for Organizational Design: A Game- and Attribution-Theoretical Framework. In: Schmalenbach Business Review, Vol. 56, S. 258-273. Ebers, M. & Gotsch, W. (2002). Institutionenökonomische Theorien der Organisation. In: Kieser, A. (Hrsg.), Organisationstheorien (5. Aufl.). Stuttgart: Kohlhammer GmbH, S. 199-251. Edquist, Ch.; Eriksson, M.-L. & Sjögren, H. (2000). Collaboration in Product Innovation in the East Gothia Regional System of Innovation. In: Enterprise & Innovation Management Studies, Vol. 1, No. 1, S. 37-56. Edvardsson, B. & Olsson, J. (1996). Key Concepts for New Service Development. In: The Service Industries Journal, Vol. 16, No. 2, S. 140-164. Eggert, A. & Fassott, G. (2003). Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Ergebnisse einer Metaanalyse und Anwendungsempfehlungen. Nr. 20 der Kaiserslauterer Schriftenreihe Marketing des Lehrstuhls für Marketing der Technischen Universität Kaiserslautern. Ellram, L. M. (1996). The use of the case study method in logistics research. In: Journal of Business Logistics, Vol. 17, No. 2, S. 93-138. Facon, P. (1994). Illustrierte Geschichte der Luftfahrt. Die Flugpioniere und ihre Maschinen vom 18. Jahrhundert bis heute. Eltville am Rhein: Bechtermünz Verlag GmbH. Fassott, G. & Eggert, A. (2005). Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Bestandsaufnahme und Anwendungsempfehlungen. In: Bliemel, F; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLSPfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: SchäfferPoeschel Verlag, S. 31-47. Fassott, G. (2005). Die PLS-Pfadmodellierung: Entwicklungsrichtungen, Möglichkeiten, Grenzen. In: Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLS-Pfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: SchäfferPoeschel Verlag, S. 19-29.

273 Fassott, G. (2006). Operationalisierung latenter Variablen in Strukturgleichungsmodellen: Eine Standortbestimmung. In: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, Jg. 58, Heft 2, S. 67-88. Feess, E. (1997). Mikroökonomie. Eine spieltheoretisch- und anwendungsorientierte Einführung. Marburg: Metropolis-Verlag. Fischer, B. (2006). Vertikale Innovationsnetzwerke. Eine theoretische und empirische Analyse. Wiesbaden: Deutscher Universitäts-Verlag/ GWV Fachverlage GmbH; Dissertation. Fleischmann, B. & Meyr, H. (2001). Supply Chain Planning. In: Sebastian, H.-J. & Grünert, T. (Hrsg.), Logistik Management – Supply Chain Management und e-Business. Stuttgart, Leipzig, Wiesbaden: Teubner Verlag, S. 13-29. Flenskov, K. (2005). From Production-Orientation to Customer-Orientation – Modules of a Successful Airline Differentiation Strategy. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 97-117. Fornell, C. & Bookstein, F. L. (1982). Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory. In: Journal of Marketing Research, Vol. XIX, S. 440-452. Fornell, C. & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. In: Journal of Marketing Research, Vol. XVIII, S. 39-50. Fornell, C., & Cha, J. (1994). Partial Least Squares. In: Bagozzi, R. P. (Hrsg.), Advanced Methods of Marketing Research. Cambridge: Blackwell, S. 52-78. Fraport (2005a). Konzern-Zwischenbericht zum 30. September 2005. http://www.fraport.de/cms/investor_relations/dokbin/71/71418.zwischenbericht_9m_2 [email protected] (Abrufdatum: 01.10.2006). Fraport (2005b). Zahlen, Daten, Fakten 2005. http://www.fraport.de/cms/investor_relations/dokbin/39/39514.zahlen_daten_fakten_2 [email protected] (Abrufdatum: 01.10.2006). Freathy, P. & O’Connell, F. (1998). Supply chain relationships within airport retailing. In: International Journal of Physical Distribution & Logistics Management, Vol. 28, No. 6, S. 451-462. Freeman, Ch. & Soefe, L. (2000). The Economics of Industrial Innovation (3. Aufl.). Cambridge: The MIT Press.

274 Freeman, Ch. (1991). Networks of innovators: A synthesis of research issue. In: Research Policy, Vol. 20, S. 499-514. Freichel, S. L. K. (1992). Organisation von Logistikservice-Netzwerken. Theoretische Konzeption und empirische Fallstudien. Berlin: Erich Schmidt Verlag; Dissertation. Frenken, K. (2000). A complexity approach to innovation networks. The case of the aircraft industry (1909-1997). In: Research Policy, Vol. 29, S. 257-272. Fritz, W.; Möllenberg, A. & Dees, H. (2005). Erfolgsfaktoren von Internet-Auktionen: Eine empirische Analyse mit PLS. In: Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLS-Pfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: Schäffer-Poeschel Verlag, S. 255-274. Frye, H. (2004). Luftfrachtverkehr. In: Arnold, D.; Isermann, H.; Kuhn, A. & Tempelmeier, H. (Hrsg.), Handbuch Logistik. Berlin et al.: Springer-Verlag, S. C3-44-C3-66. Gaitanides, M. (1996). Prozeßorganisation. In: Kern, W.; Schröder, H.-H. & Weber, J. (Hrsg.), Handwörterbuch der Produktionswirtschaft (2. Aufl.). Stuttgart: SchäfferPoeschel Verlag, Sp. 1683-1686. Gedenk, K. & Skiera, B. (1993). Marketing-Planung auf der Basis von Reaktionsfunktionen. Elastizitäten und Absatzreaktionsfunktionen. In: WiSt, Heft 12, Dezember, S. 637641. Geisser, S. (1975). The Predictive Sample Reuse Method with Applications. In: Journal of the American Statistical Association, Vol. 70, No. 350, S. 320-328. Gemünden, H. G. (2001). Innovationsmanagement als Kooperationsmanagement. In: Albers, S.; Brockhoff, K. & Hauschildt, J. (Hrsg.), Technologie- und Innovationsmanagement: Leistungsbilanz des Kieler Graduiertenkollegs. Wiesbaden: Deutscher UniversitätsVerlag GmbH, S. 117-161. Gemünden, H. G. (2004). Innovation Networks: The Karlsruhe and Berlin Studies. In: Albers, S. (Hrsg.), Cross-functional Innovation Management: Perspectives from Different Disciplines. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler/ GWV Fachverlage GmbH, S. 37-53. Gemünden, H. G.; Ritter, Th. & Heydebreck, P. (1996). Network configuration and innovation success: An empirical analysis in German high-tech industries. In: International Journal of Research in Marketing, Vol. 13, S. 449-462. Gerpott, T. J. (2005). Strategisches Technologie- und Innovationsmanagement (2. Aufl.). Stuttgart: Schäffer-Poeschel Verlag. Gerybadze, A. (2004). Technologie- und Innovationsmanagement. Strategien, Organisation und Implementierung. München: Verlag Franz Vahlen GmbH.

275 Geschka, H. & Schwarz-Geschka, M. (2000). Ideenmanagement und dessen Unterstützung durch eine Ideen- und Projektdatenbank. In: Dold, E. & Gentsch, P. (Hrsg.), Innovationsmanagement. Handbuch für mittelständische Betriebe. Neuwied, Kriftel: Hermann Luchterhand Verlag GmbH, S. 99-114. Gialloreto, L. (1988). Strategic Airline Management: The Global War Begins. London: Pitman Publishing. Gleich, R. (2001). Das System des Performance Measurement. Theoretisches Grundkonzept, Entwicklungs- und Anwendungsstand. München: Verlag Franz Vahlen GmbH; Habilitation. Goh, M. (2005). Low Cost Carriers in Southeast Asia: A Preliminary Analysis. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 143-163. Götz, O. & Liehr-Gobbers, K. (2004). Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen. Arbeitspapier Nr. 2 des Instituts für Marketing der Westfälischen Wilhelms-Universität Münster. Grandjot, H.-H. (2002). Leitfaden Luftfracht. Ein Lehr- und Handbuch (2. Aufl.). München: Huss-Verlag GmbH. Green, St. G.; Gavin, M. B. & Aiman-Smith, L. (1995). Assessing a Multidimensional Measure of Radical Technological Innovation. In: IEEE Transactions on Engineering Management, Vol. 42, No. 3, S. 203-214. Grundmann, S. (1999). Marktöffnung im Luftverkehr. Hoheitliche Eintrittsbarrieren in den USA und in der EG. Baden-Baden: Nomos Verlagsgesellschaft; Dissertation. Hagedoorn, J. (2002). Inter-firm R&D partnerships: an overview of major trends and patterns since 1960. In: Research Policy, Vol. 31, S. 477-492. Hahn, D. (2000). Problemfelder des Supply Chain Management. In: Wildemann, H. (Hrsg.), Supply Chain Management. München: TWC Transfer-Centrum-Verlag, S. 9-19. Hamel, G. & Prahalad, C. K. (1991). Corporate Imagination and Expeditionary Marketing. In: Harvard Business Review, July/ August, S. 81-92. Hamel, G. & Prahalad, C. K. (2005). Strategic Intent. In: Harvard Business Review, July/ August, S. 148-161. Hammann, P. & Erichson, B. (1994). Marktforschung (3. Aufl.). Stuttgart, Jena, New York: UTB. Handfield, R. B. & Nichols Jr., E. L. (1999). Introduction to Supply Chain Management. Upper Saddle River: Prentice-Hall, Inc.

276 Handfield, R. B. & Nichols Jr., E. L. (2002). Supply Chain Redesign. Transforming Supply Chains into Integrated Value Systems. Upper Saddle River: Financial Times Prentice Hall. Handfield, R. B.; Ragatz, G. L.; Petersen, K. J. & Monczka, R. M. (2004). Involving Suppliers in New Product Development. In: Tushman, M. L. & Anderson, Ph. (Hrsg.), Managing Strategic Innovation and Change. A Collection of Readings (2. Aufl.). New York: Oxford University Press, Inc., S. 506-522. Hansmann, K.-W. & Ringle, Ch. M. (2005). Wirkung einer Teilnahme an Unternehmensnetzwerken auf die strategischen Erfolgsfaktoren von Partnerunternehmen – eine empirische Untersuchung. In: Die Unternehmung – Swiss Journal of Business Research and Practice, Jg. 59, Nr. 3, S. 217-236. Harland, C. M. (1996). Supply Chain Management: Relationships, Chains and Networks. In: British Journal of Management, Vol. 7, Special Issue, S. 63-80. Harrington, H. J. (1991). Business Process Improvement: The Breakthrough Strategy for Total Quality, Productivity and Competitiveness. New York: The McGraw-Hill Companies, Inc. Hauschildt, J. & Walther, S. (2003). Erfolgsfaktoren von Innovationen mittelständischer Unternehmen. In: Schwarz, E. J. (Hrsg.), Technologieorientiertes Innovationsmanagement. Strategien für kleine und mittelständische Unternehmen. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler/ GWV Fachverlage GmbH, S. 5-22. Hauschildt, J. (1991). Zur Messung des Innovationserfolgs. In: Zeitschrift für Betriebswirtschaft, Jg. 61, Heft 4, S. 451-476. Hauschildt, J. (2004). Innovationsmanagement (3. Aufl.). München: Verlag Franz Vahlen GmbH. Heinemann, P. (2007). Power Bases and Informational Influence Strategies. A Behavioral Study on the Use of Management Accounting Information. Unveröffentlichte Dissertation der European Business School, Oestrich-Winkel. Heinrich, C. E. (2003). Supply Chain Management – von der statischen Kette zum dynamischen Netzwerk. In: Merkel, H. & Bjelicic, B. (Hrsg.), Logistik und Verkehrswirtschaft im Wandel. Unternehmensübergreifende Versorgungsnetzwerke verändern die Wirtschaft. München: Verlag Franz Vahlen, S. 149-160. Helenius, A. (2003). Die ökonomische Entwicklung des Luftverkehrs im Lichte der Theorie der Kondratieff Wellen. Göttingen: Cuvillier Verlag; Dissertation.

277 Helm, S. (2005). Entwicklung eines formativen Messmodells für das Konstrukt Unternehmensreputation. In: Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLS-Pfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: Schäffer-Poeschel Verlag, S. 241-254. Hennig-Thurau, Th.; Walsh, G. & Schrader, U. (2003). VHB-JOURQUAL: Ein Ranking von betriebswirtschaftlich-relevanten Zeitschriften auf der Grundlage von Expertenurteilen. Executive pader-

Summary.

Stand:

6.

Juni

2003.

http://pbwi2www.uni-

born.de/WWW/TEMP/VHB/NEW/VHB_WEB.NSF/ba96c98116259251c125683100 441208/bb70f5be4dbb4ef8c1256d02004f1275/$FILE/Executive%20Summary%20VH B-JOURQUAL.pdf (Abrufdatum: 02.03.2007). Henseler, J. (2005). Einführung in die PLS-Pfadmodellierung. In: WiSt, Heft 2, Februar, S. 70-75. Herrmann, A.; Huber, F. & Kressmann, F. (2006). Varianz- und kovarianzbasierte Strukturgleichungsmodelle – Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung. In: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, Jg. 58, Heft 2, S. 34-66. Herstatt, C. & Verworn, B. (2003). Bedeutung und Charakteristika der frühen Phasen des Innovationsprozesses. In: Herstatt, C. & Verworn, B. (Hrsg.), Management der frühen Innovationsphasen. Grundlagen – Methoden – Neue Ansätze. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, S. 3-15. Herstatt, C.; Lüthje, Ch. & Lettl, Ch. (2003). Fortschrittliche Kunden zu BreakthroughInnovationen stimulieren. In: Herstatt, C. & Verworn, B. (Hrsg.), Management der frühen Innovationsphasen. Grundlagen – Methoden – Neue Ansätze. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, S. 57-71. Heuermann, C. (2005). Competitive Dynamics Theory – Application to and Implications for the European Aviation Market. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 185-219. Heymann, E. (2004). Überfällige Konsolidierung im Luftverkehr ante portas? In: Deutsche Bank Research, Nr. 291, S. 4-18. HGB, § 407. Frachtvertrag. In: Nomos Textausgabe, Zivilrecht – Wirtschaftsrecht (9. Aufl.). Stand: 31.07.2000. Baden-Baden: Nomos Verlagsgesellschaft. HGB, § 453. Speditionsvertrag. In Nomos Textausgabe, Zivilrecht – Wirtschaftsrecht (9. Aufl.). Stand: 31.07.2000. Baden-Baden: Nomos Verlagsgesellschaft.

278 Higgins, J. M. & Wiese, G. G. (1996). Innovationsmanagement. Kreativitätstechniken für den unternehmerischen Erfolg. Berlin, Heidelberg: Springer-Verlag. Höfer, S. (1997). Strategische Allianzen und Spieltheorie. Analyse des Bildungsprozesses strategischer Allianzen und planungsunterstützender Einsatzmöglichkeiten der Theorie der strategischen Spiele. Lohmar, Köln: Josef Eul Verlag; Dissertation. Hofstede, G. (1997). Lokales Denken, globales Handeln. Kulturen, Zusammenarbeit und Management. München: Verlag C. H. Beck. Holtrup, M. & Littkemann, J. (2005). Probleme der Erfolgsevaluierung von Innovationsprojekten. In: Littkemann, J. (Hrsg.), Innovationscontrolling. München: Verlag Franz Vahlen GmbH, S. 253-284. Homburg, Ch. & Giering, A. (1996). Konzeptualisierung und Operationalisierung komplexer Konstrukte: Ein Leitfaden für die Marketingforschung. In: Marketing ZFP, Jg. 18, Heft 1, S. 5-24. Homburg, Ch.; Workman Jr., J. P. & Jensen, O. (2002). A Configurational Perspective on Key Account Management. In: Journal of Marketing, Vol. 66, S. 38-60. Horsch, J. (2003). Innovations- und Projektmanagement. Von der strategischen Konzeption bis zur operativen Umsetzung. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH. Hughes, T.; Foss, B.; Stone, M. & Cheverton, P. (2004). Key account management in financial services: An outline research agenda. In: Journal of Financial Services Marketing, Vol., 9, No. 2, S. 184-193. Hugos, M. (2003). Essentials of Supply Chain Management. Hoboken: John Wiley & Sons, Inc. Hulland, J. (1999). Use of Partial Least Squares (PLS) in Strategic Management Research: A Review of four recent Studies. In: Strategic Management Journal, Vol. 20, S. 195-204. Humphreys, I. & Francis, G. (2002). Performance Measurement: A Review of Airports. In: International Journal of Transport Management, Vol. 1, Issue 2, S. 79-85. IATA (2006a). World Air Transport Statistics. Scheduled Freight Tonne - Kilometres Flown. http://www.iata.org/pressroom/wats/wats_freight_flown.htm (Abrufdatum: 03.11.2006). IATA (2006b). International Air Transport Association Annual Report 2006. Montreal. Isermann, H. & Lieske, D. (1998). Gestaltung der Logistiktiefe unter Berücksichtigung transaktionskostentheoretischer Gesichtspunkte. In: Isermann, H. (Hrsg.), Logistik. Gestaltung von Logistiksystemen (2. Aufl.). Landsberg/ Lech: Verlag Moderne Industrie AG, S. 403-428.

279 Isermann, H. (1998). Grundlagen eines systemorientierten Logistikmanagements. In: Isermann, H. (Hrsg.), Logistik. Gestaltung von Logistiksystemen (2. Aufl.). Landsberg/ Lech: Verlag Moderne Industrie AG, S. 21-60. Jahns, Ch. & Schüffler, Ch. (2007). Logistik – Von der Seidenstraße bis heute. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH. Jahns, Ch. (2005). Supply Management. Neue Perspektiven eines Managementansatzes für Einkauf und Supply. Sternenfels: Verlag Wissenschaft & Praxis; Habilitation. Jahns, Ch.; Langenhan, F. & Walter, St. (2005). Logistik-Tacho 2010 – Driving Logistics to Excellence. Logistik-Fitness-Cockpits für 9 Branchen. Wiesbaden: Deutscher Verkehrs-Verlag GmbH. Jahns, Ch.; Walter, St.; Eiermann, L. & Moser, R. (2008). Dubai Logistics City: A Quantum Leap in Logistics. In: Mangan, J. & Chandra, L. (Hrsg.), Global Logistics and Supply Chain Management. Chichester: John Wiley & Sons, Ltd; im Erscheinen. Jochims, H. (2006). Erfolgsfaktoren von Online-Marketing-Kooperationen. Wiesbaden: Deutscher Universitäts-Verlag/ GWV Fachverlage GmbH; Dissertation. Johne, A. & Storey, Ch. (1998). New service development: a review of the literature and annotated bibliography. In: European Journal of Marketing, Vol. 32, No. 3/ 4, S. 184251. Joppien, G. (2006). Strategisches Airline-Management (2. Aufl.). Bern, Stuttgart, Wien: Haupt Verlag. Kaiser, H. F. & Rice, J. (1974). Little Jiffy, Mark IV. In: Educational and Psychological Measurement, Vol. 34, S. 111-117. Kaufmann, A. & Tödtling, F. (2001). Science-industry interaction in the process of innovation: the importance of boundary-crossing between systems. In: Research Policy, Vol. 30, S. 791-804. Kaupp, M. (2004). Logistiknetzwerke. In: Arnold, D.; Isermann, H.; Kuhn, A. & Tempelmeier, H. (Hrsg.), Handbuch Logistik. Berlin et al.: Springer-Verlag, S. D3-34-D3-41. Kemppainen, K. & Vepsäläinen, A. P. J. (2003). Trends in industrial supply chains and networks. In: International Journal of Physical Distribution & Logistics Management, Vol. 33, No. 8, S. 701-719. Keuper, F. (2001). Strategisches Management. München, Wien: Oldenbourg Wissenschaftsverlag GmbH. Key Note (2001). Air Freight. 2001 Market Report. Hampton: Key Note Ltd. Key Note (2003). Market Focus 2003. Air Transport Logistics. Hampton: Key Note Ltd.

280 Kirchmann, E. M. W. (1994). Innovationskooperation zwischen Herstellern und Anwendern. Wiesbaden: Deutscher Universitäts-Verlag GmbH; Dissertation. Klaas, Th. & Klein, J. (2005). Strategic Airline Positioning in the German Low Cost Carrier (LCC) Market. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 119142. Klingenberg, Ch. (2005). The Future of Continental Traffic Program: How Lufthansa is Countering Competition from No-Frills Airlines. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S.165-184. Kloock, J.; Sieben, G. & Schildbach, Th. (1999). Kosten- und Leistungsrechnung (8. Aufl.). Düsseldorf: Werner Verlag GmbH & Co. KG. Klußmann; N. & Malik, A. (2004). Lexikon der Luftfahrt. Berlin, Heidelberg, New York: Springer-Verlag. Knolmayer, G.; Mertens, P. & Zeier, A. (2000). Supply Chain Management auf Basis von SAP-Systemen. Perspektiven der Auftragsabwicklung für Industriebetriebe. Berlin, Heidelberg, New York: Springer-Verlag. Koch, B. & Kraus, A. (2005). Integrator Network Strategies and Parameters of Airport Choice in the European Air Cargo Market. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 517-538. Kohtamäki, M.; Kekäle, T. & Viitala, R. (2004). Trust and Innovation: from Spin-Off Idea to Stock Exchange. In: Creativity and Innovation Management, Vol. 13, No. 2, S. 75-88. Kopczak, L. R. (1997). Logistics Partnerships and Supply Chain Restructuring: Survey Results from the U.S. Computer Industry. In: Production and Operations Management, Vol., 6, No. 3, S. 226-247. Krafft, M.; Götz, O. & Liehr-Gobbers, K. (2005). Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes. In: Bliemel, F; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLS-Pfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: Schäffer-Poeschel Verlag, S. 71-86. Kranke, A. (2006). Die besten Carrier 2006. In: Logistik inside, Nr. 4, S. 46-53. Kroy, W. (1995). Technologiemanagement für grundlegende Innovationen. In: Zahn, E. (Hrsg.), Handbuch Technologiemanagement. Stuttgart: Schäffer-Poeschel Verlag, S. 57-79.

281 Kuhn, A. & Hellingrath, H. (2002). Supply Chain Management. Optimierte Zusammenarbeit in der Wertschöpfungskette. Berlin et al.: Springer-Verlag. Lambert, D. M. & Cooper, M. C. (2000). Issues in Supply Chain Management. In: Industrial Marketing Management, Vol. 29, S. 65-83. Lambert, D. M.; Stock, J. R. & Ellram, L. M. (1998). Fundamentals of Logistics Management. Singapore: The McGraw-Hill Companies, Inc. Lauda Air (2006). Lauda Air History. http://www.laudaair.com/site/index.php?id=20&L=0 (Abrufdatum: 03.11.2006). Laux, H. & Liermann, F. (1997). Grundlagen der Organisation. Die Steuerung von Entscheidungen als Grundproblem der Betriebswirtschaftslehre (4. Aufl.). Berlin, Heidelberg, New York: Springer-Verlag. Layer, A.; ten Brinke, E.; van Houten, F.; Kals, H. & Haasis, S. (2002). Recent and future trends in cost estimation. In: International Journal of Computer Integrated Manufacturing, Vol. 15, No. 6, S. 499-510. Lazzarini, S. G.; Chaddad, F. R. & Cook, M. L. Integrating Supply Chain and Network Analyses: The Study of Netchains; im Erscheinen in Journal of Chain and Network Science. Lee, H. L. & Billington, C. (1993). Material Management in Decentralized Supply Chains. In: Operations Research, Vol. 41, No. 5, S. 835-847. Lee, H. L. & Ng, S. M. (1997). Introduction to the Special Issue on Global Supply Chain Management. In: Production and Operations Management, Vol. 6, No. 3, S. 191, 192. Ling, F. Y. Y. (2004). Key determinants of performance of design-bid-build projects in Singapore. In: Building Research & Information, Vol. 32, No. 2, S. 128-139. Lohmöller, J.-B. (1981). Pfadmodelle mit latenten Variablen: LVPLSC ist eine leistungsfähige Alternative zu LISREL. Beitrag zur 23. Tagung experimentell arbeitender Psychologen. Berlin, 12.-16. April 1981, S. 1-28. Lohmöller, J.-B. (1989). Latent Variable Path Modeling with Partial Least Squares. Heidelberg: Physica-Verlag. Luber, Th.; Faure, C.; Gilbert, D. & Behnam, M. (2006). Fragebogen der Studie Excellence of Innovation in German Industries: Studie zur Evaluierung von Innovation und Innovationserfolg in deutschen Top-Unternehmen. Eine Gemeinschaftsstudie von The Galileo Consulting Group, der European Business School, der Universität ErlangenNürnberg und der Suffolk University. LuftVG, § 20. Luftfahrtunternehmen und -versanstaltungen. Bundesministerium der Justiz. http://www.gesetze-im-internet.de/luftvg_20.html (Abrufdatum: 02.11.2006).

282 Lummus, R. R. & Vokurka, R. J. (1999). Defining supply chain management: a historical perspective and practical guidelines. In: Industrial Management & Data Systems, Vol. 99, No. 1, S. 11-17. Lummus, R. R.; Krumwiede, D. W. & Vokurka, R. J. (2001). The relationship of logistics to supply chain management: developing a common industry definition. In: Industrial Management & Data Systems, Vol. 101, No. 8, S. 426-431. Lüthje, Ch. (2003). Methoden zur Sicherstellung von Kundenorientierung in den frühen Phasen des Innovationsprozesses. In: Herstatt, C. & Verworn, B. (Hrsg.), Management der frühen Innovationsphasen. Grundlagen – Methoden – Neue Ansätze. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, S. 35-56. Maier, F. (1995). Die Integration wissens- und modellbasierter Konzepte zur Entscheidungsunterstützung im Innovationsmanagement. Berlin: Duncker & Humblot GmbH; Dissertation. Maleri, R. (1997). Grundlagen der Dienstleistungsproduktion (4. Aufl.). Berlin et al.: Springer-Verlag. Mason-Jones, R. & Towill, D. R. (1997). Information enrichment: designing the supply chain for competitive advantage. In: Supply Chain Management, Vol. 2, No. 4, S. 137-148. Mayer, G. (2001). Strategische Logistikplanung von Hub&Spoke-Systemen. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH und Deutscher Universitäts-Verlag GmbH; Dissertation. McDonald, M. (2000). Key Account Management – A Domain Review. In: The Marketing Review, Vol. 1, S. 15-34. McDonald, M.; Millman, T. & Rogers, B. (1997). Key Account Management: Theory, Practice and Challenges. In: Journal of Marketing Management, Vol. 13, S. 737-757. McKinsey & Company (2005). Pressemitteilung: McKinsey-Studie: Sinkendes Wachstum belastet Billigflieger. http://www.mckinsey.de/_downloads/Presse/pm_050623_bb_airlines.pdf (Abrufdatum: 14.12.2005). Medienwerkstatt (2007). Chronologie der Luftfahrtgeschichte Teil 7 bis Teil 9. http://www.medienwerkstattonline.de/lws_wissen/index.php?level=3&kategorie_1=Technik+und+Umwelt&kategorie _2=Technik+in+der+Luft&kategorie_3=Geschichte+der+Luftfahrt (Abrufdatum: 12.01.2007).

283 Mellewigt, Th. (2003). Management von Strategischen Kooperationen. Eine ressourcenorientierte Untersuchung in der Telekommunikationsbranche. Wiesbaden: Deutscher Universitäts-Verlag/ GWV Fachverlage GmbH; Habilitation. Mentzer, J. T.; DeWitt, W.; Keebler, J. S.; Min, S.; Nix, N. W.; Smith, C. D. & Zacharia, Z. G. (2001a). What Is Supply Chain Management? In: Mentzer, J. T. (Hrsg.), Supply Chain Management. Thousand Oaks, London, New Delhi: Sage Publications, Inc., S. 1-25. Mentzer, J. T.; DeWitt, W.; Keebler, J. S.; Min, S.; Nix, N. W.; Smith, C. D. & Zacharia, Z. G. (2001b). Defining Supply Chain Management. In: Journal of Business Logistics, Vol. 22, No. 2, S. 1-25. Menzel, St. (2006). Prognose der Entwicklung von Geschäftsbeziehungen und der Wirkung von Marketingansprachen im Privatkundengeschäft von Banken. Empirischer Vergleich alternativer Modelle zur Steuerung des Direktmarketing. Tönning, Lübeck, Marburg: Der Andere Verlag; Dissertation. Miles, R. E.; Snow, Ch. & Miles, G. (2000). TheFuture.org. In: Long Range Planning, Vol. 33, S. 300-321. Milling, P.; Schwellbach, U. & Thun, J.-H. (2000). Die Bedeutung des Faktors Zeit für den Erfolg industrieller Unternehmen – eine empirische Analyse im Rahmen des „World Class Manufacturing“-Projektes. Arbeitsbericht Nr. 2000-02 der Fakultät für Betriebswirtschaftslehre der Universität Mannheim. Millman, T. & Wilson, K. (1999). Processual issues in key account management: underpinning the customer-facing organisation. In: Journal of Business & Industrial Marketing, Vol. 14, No. 4, S. 328-337. Miotti, L. & Sachwald, F (2003). Co-operative R&D: why and with whom? An integrated framework of analysis. In: Research Policy, Vol. 32, S. 1481-1499. Moe, W. W. (2006). An Empirical Two-Stage Choice Model with Varying Decision Rules Applied to Internet Clickstream Data. In: Journal of Marketing Research, Vol. XLIII, S. 680-692. Monczka, R. M. & Morgan, J. (1998). What will happen and what you should know. In: Purchasing, 15. 01.1998, S. 78-85. Morrison, St. A. & Winston, C. (1995). The Evolution of the Airline Industry. Washington, D. C.: The Brookings Institution. Moser, R. (2007). Strategic Purchasing and Supply Management. A Strategy-based Selection of Suppliers. Unveröffentlichte Dissertation der European Business School, OestrichWinkel.

284 MRU (2002). Die Top 101 des europäischen KEP-Marktes – The Top 101 of the European CEP-Market (3. Aufl.). Hamburg: MRU GmbH. Müller, Ch. & Herstatt, C. (1999). Management of R&D Cooperation. Arbeitspapier Nr. 1 des Instituts für Technologie- und Innovationsmanagement der Technischen Universität Hamburg-Harburg. Müller, Ch. & Herstatt, C. (2004). Einflussfaktoren auf die Effizienz von FuE-Kooperationen in der Biotechnologie-Branche – eine kausalanalytische Untersuchung. Arbeitspapier Nr. 20 des Instituts für Technologie- und Innovationsmanagement der Technischen Universität Hamburg-Harburg. Müller-Böling, D. & Klandt, H. (1996). Methoden empirischer Wirtschafts- und Sozialforschung: Eine Einführung mit wirtschaftswissenschaftlichem Schwerpunkt (3. Aufl.). Köln, Dortmund: Förderkreis Gründungs-Forschung e. V. Murphy Jr., P. R. & Wood, D. F. (2004). Contemporary Logistics (8. Aufl.). Upper Saddle River: Pearson Education, Inc. Nebe, R. (2000). Gestaltungsmöglichkeiten einer innovationsfreundlichen Organisationsstruktur. In: Dold, E. & Gentsch, P. (Hrsg.), Innovationsmanagement. Handbuch für mittelständische Betriebe. Neuwied, Kriftel: Hermann Luchterhand Verlag GmbH, S. 1-26. Neubauer, W. (1994). Statistische Methoden. Ausgewählte Kapitel für Wirtschaftswissenschaftler. München: Verlag Franz Vahlen. New, St. J. (1994). Supply Chains: Some Doubts. In: Proceedings of the 3rd National Conference of the International Purchasing and Supply Education and Research Group, 28.03.1994 bis 30.03.1994, Cardiff, S. 345-362. New, St. J. (1997). The scope of supply chain management research. In: Supply Chain Management, Vol. 2, No. 1, S. 15-22. Nicolai, A. & Kieser, A. (2002). Trotz eklatanter Erfolglosigkeit: Die Erfolgsfaktorenforschung weiter auf Erfolgskurs. In: Die Betriebswirtschaft, Jg. 62, Heft 6, S. 579-596. Nippani, S. & Washer, K. M. (2004). SARS: a non-event for affected countries’ stock markets? In: Applied Financial Economics, Vol. 14, S. 1105-1110. Nooteboom, B. (1999). Innovation and inter-firm linkages: new implications for policy. In: Research Policy, Vol. 28, S. 793-805. O’Neill, P. & Sohal, A. S. (1998). Business process reengineering: application and success – an Australian study. In: International Journal of Operations & Production Management, Vol. 18, No. 9/10, S. 832-864. Ojasalo, J. (2002). Customer Commitment in Key Account Management. In: The Marketing Review, Vol. 2, S. 301-318.

285 Olavarrieta, S. & Ellinger, A. E. (1997). Resource-based theory and strategic logistics research. In: International Journal of Physical Distribution & Logistics Management, Vol. 27, No. 9/10, S. 559-587. Osterwalder, A. & Pigneur, Y. (2002). An e-Business Model Ontology for Modeling e-Business. In: Proceedings of the 15th Bled Electronic Commerce Conference – e-Reality: Constructing the e-Economy, 17.06.2002 bis 19.06.2002, Bled, Slowenien, S. 1-11. Osterwalder, A.; Pigneur, Y. & Tucci, Ch. L. (2005). Clarifying Business Models: Origins, Present, and Future of the Concept. In: Communications of the Association for Information Systems, Vol. 15, S. 1-40. Otto, A. (2005). Reflecting the Prospects of an Air Cargo Carrier. In: Delfmann, W.; Baum, H.; Auerbach, St. & Albers, S. (Hrsg.), Strategic Management in the Aviation Industry. Aldershot: Ashgate Publishing, S. 451-471. Perl, E. (2003). Grundlagen des Innovations- und Technologiemanagements. In: Strebel, H. (Hrsg.), Innovations- und Technologiemanagement. Wien: WUV Universitätsverlag, S. 15-48. Pfohl, H.-Ch. (2000). Logistiksysteme. Betriebswirtschaftliche Grundlagen (6. Aufl.). Berlin et al.: Springer-Verlag. Pibernik, R. (2001). Flexibilitätsplanung in Wertschöpfungsnetzwerken. Wiesbaden: Deutscher Universitäts-Verlag GmbH; Dissertation. Picot, A. & Dietl, H. (1990). Transaktionskostentheorie. In: WiSt, Jg. 19, Heft 4, S. 178-184. Picot, A. & Maier, M. (1994). Ansätze der Informationsmodellierung und ihre betriebswirtschaftliche Bedeutung. In: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, Jg. 46, Heft 2, S. 107-126. Picot, A. (1993). Transaktionskostenansatz. In: Wittmann, W.; Kern, W.; Köhler, R.; Küpper, H.-U. & v. Wysocki, K. (Hrsg.), Handwörterbuch der Betriebswirtschaft. Teilband 3 (5. Aufl.). Stuttgart: Schäffer-Poeschel Verlag, Sp. 4194-4204. Pleschak, F. & Sabisch, H. (1996). Innovationsmanagement. Stuttgart: Schäffer-Poeschel Verlag. Pölzl, A. (2002). Umweltorientiertes Innovationsmanagement: eine theoretische und empirische Analyse. Sternenfels: Verlag Wissenschaft & Praxis; Dissertation. Pompl, W. (2002): Luftverkehr. Eine ökonomische und politische Einführung (4. Aufl.). Berlin et al.: Springer-Verlag. Porter, M. E. (1980). Competitive Strategy. Techniques for Analyzing Industries and Competitors. New York: The Free Press.

286 Porter, M. E. (1981). The Contributions of Industrial Organization to Strategic Management. In: Academy of Management Review, Vol. 6, No. 4, S. 609-620. Porter, M. E. (1998). Competitive Advantage. Creating and Sustaining Superior Performance. New York: The Free Press. Powell, W. W. (1990). Neither Market nor Hierarchy: Network Forms of Organization. In: Research in Organizational Behavior, Vol. 12, S. 295-336. Powell, W. W. (2004). Learning from Collaboration. Knowledge and Network in the Biotechnology and Pharmaceutical Industries. In: Tushman, M. L. & Anderson, Ph. (Hrsg.), Managing Strategic Innovation and Change. A Collection of Readings (2. Aufl.). New York: Oxford University Press, Inc., S. 393-401. Powell, W. W.; Koput, K. W. & Smith-Doerr, L. (1996). Interorganizational Collaboration and the Locus of Innovation: Networks of Learning in Biotechnology. In: Administrative Science Quarterly, Vol. 41, S. 116-145. Prahalad, C. K. & Hamel, G. (1990). The Core Competence of the Corporation. In: Harvard Business Review, May/ June, S. 79-91. Pyka, A. (1999). Der kollektive Innovationsprozess: Eine theoretische Analyse informeller Netzwerke und absorptiver Fähigkeiten. Berlin: Duncker & Humblot GmbH; Dissertation. Quiett, W. F. (2002). Embracing Supply Chain Management. In: Supply Chain Management Review, September/ October, S. 40-47. Quinn, J. B. (1985). Managing innovation: controlled chaos. In: Harvard Business Review, May/ June, S. 73-84. Rice Jr., J. B. & Hoppe, R. M. (2001). SC Vs. SC. In: Supply Chain Management Review, September/ October, S. 47-54. Richter, R. (1994). Institutionen ökonomisch analysieren. Zur jüngeren Entwicklung auf einem Gebiet der Wirtschaftstheorie. Tübingen: Mohr. Ringle, Ch. M. (2004a). Kooperation in Virtuellen Unternehmungen. Auswirkungen auf die strategischen Erfolgsfaktoren der Partnerunternehmen. Wiesbaden: Deutscher Universitäts-Verlag/ GWV Fachverlage GmbH; Dissertation. Ringle, Ch. M. (2004b). Messung von Kausalmodellen. Ein Methodenvergleich. Arbeitspapier Nr. 14 des Instituts für Industriebetriebslehre und Organisation, Arbeitsbereich Industrielles Management der Universität Hamburg.

287 Ringle, Ch. M. (2005). Erfolgswirkung strategischer Allianzen aus Sicht der Kooperationspartner. In: Bliemel, F.; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLSPfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: SchäfferPoeschel Verlag, S. 307-320. Ringle, Ch. M.; Boysen, N.; Wende, S. & Will, A. (2006). Messung von Kausalmodellen mit dem Partial-Least-Squares-Verfahren. In: WiSU, Heft 1, S. 81-88. Ritter, Th. (1998). Innovationserfolg durch Netzwerk-Kompetenz. Effektives Management von Unternehmensnetzwerken. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH; Dissertation. Ross, D. F. (1997). Competing Through Supply Chain Management. Creating MarketWinning Strategies Through Supply Chain Partnerships. Norwell, Dordrecht: Kluwer Academic Publishers. Rotering, Ch. (1990). Forschungs- und Entwicklungskooperationen zwischen Unternehmen: Eine empirische Analyse. Stuttgart: Schäffer-Poeschel Verlag. Rothwell, R. (1994). Towards the Fifth-generation Innovation Process. In: International Marketing Review, Vol. 11, No. 1, S. 7-31. Rüdiger, M. (1998). Theoretische Grundmodelle zur Erklärung von FuE-Kooperationen. In: Zeitschrift für Betriebswirtschaft, 68. Jg., Heft 1, S. 25-48. Rura-Polley, Th. & Clegg, St. R. (1999). Managing Collaborative Quality: A Challenging Innovation. In: Creativity and Innovation Management, Vol. 8, No. 1, S. 37-47. Samaranayake, P. (2005). A conceptual framework for supply chain management: a structural integration. In: Supply Chain Management: An International Journal, Vol. 10, No. 1, S. 47-59. SAS (2005). SAS Group Annual Report & Sustainability Report 2005. Welcome aboard. http://www.sasgroup.net/SASGROUP_IR/CMSForeignContent/2005eng.pdf (Abrufdatum: 25.10.2006). Schaude, G. (2000). Traditionelle Instrumente der Kreativitätstechniken. In: Dold, E. & Gentsch, P. (Hrsg.), Innovationsmanagement. Handbuch für mittelständische Betriebe. Neuwied, Kriftel: Hermann Luchterhand Verlag GmbH, S. 75-97. Scheer, A.-W. & Borowsky, R. (1999). Supply Chain Management: Die Antwort auf neue Logistikanforderungen. In: Kopfer, H. & Bierwirth, Ch. (Hrsg.), Logistik Management – Intelligente I+K Technologien. Berlin et al.: Springer-Verlag, S. 3-14. Scheer, A.-W. (1998). ARIS – Vom Geschäftsprozeß zum Anwendungssystem (3. Aufl.). Berlin, Heidelberg: Springer-Verlag.

288 Scheer, A.-W.; Hofer, A. & Adam, O. (2005). Moderne Informations- und Kommunikationstechnologien – Treiber neuer Kooperations- und Kollaborationsformen. In: Zentes, J.; Swoboda, B. & Morschett, D. (Hrsg.), Kooperationen, Allianzen und Netzwerke. Grundlagen – Ansätze – Perspektiven (2. Aufl.). Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler/ GWV Fachverlage GmbH, S. 349-374. Scheimann, L-A. (2005). Flughafenlogistik: Anwendungskonzepte für Gepäcklogistiksysteme und deren Verifizierung anhand einer Benchmarkingstudie. Karlsruhe: Institut für Fördertechnik und Logistiksysteme der Universität Karlsruhe (TH); Dissertation. Schenk, G. P. (2004). Auf dem Weg zu einem gemeinsamen Markt im Luftverkehr. Entwicklung der Liberalisierung und der Verkehrsmärkte in den USA und Europa. Hamburg; Dissertation. Schlittgen, R. (2000). Einführung in die Statistik. Analysen und Modellierung von Daten (9. Aufl.). München, Wien: Oldenbourg Wissenschaftsverlag GmbH. Schnell, R.; Hill, P. B. & Esser, E. (2005). Methoden der empirischen Sozialforschung (7. Aufl.). München: Oldenbourg Wissenschaftsverlag GmbH. Scholderer, J. & Balderjahn, I. (2005). PLS versus LISREL: Ein Methodenvergleich. In: Bliemel, F; Eggert, A.; Fassott, G. & Henseler, J. (Hrsg.), Handbuch PLSPfadmodellierung. Methoden, Anwendung, Praxisbeispiele. Stuttgart: SchäfferPoeschel Verlag, S. 87-98. Scholich, M.; Gleich, R. & Grobusch, H. (2006). Innovation Performance. Das Erfolgsgeheimnis innovativer Dienstleister. Frankfurt am Main: PricewaterhouseCoopers AG. Schüller, M. (2002). Strategieentwicklung airlinegeführter Supply Chains. Spezifische Erfolgsfaktoren des Supply Chain Managements in der Luftfracht und Handlungsempfehlungen für Luftfracht-Carrier. Hamburg: Verlag Dr. Kovač; Dissertation. Schumpeter, J. A. (1931). Theorie der wirtschaftlichen Entwicklung: Eine Untersuchung über Unternehmergewinn, Kapital, Kredit, Zins und den Konjunkturzyklus (3. Aufl.). München, Leipzig: Duncker & Humblot GmbH. Shapiro, J. F. (2001). Modeling the Supply Chain. Pacific Grove: Duxbury Press. Siegle, K.-P. (1994). Geschäftsprozesse und Kernkompetenzen. In: Gaitanides, M.; Scholz, R.; Vrohlings, A. & Raster, M. (Hrsg.), Prozeßmanagement – Konzepte, Umsetzungen und Erfahrungen des Reengineering. München, Wien: Carl Hanser Verlag, S. 164180. Simchi-Levi, D.; Kaminsky, Ph. & Simchi-Levi, E. (2003). Designing & Managing the Supply Chain. Concepts, Strategies & Case Studies (2. Aufl.). New York: The McGrawHill Companies, Inc.

289 Smith, K. (2000). Innovation as a Systemic Phenomenon: Rethinking the Role of Policy. In: Enterprise & Innovation Management Studies, Vol. 1, No. 1, S. 73-102. Sonnenburg, St. (2004). Creativity in Communication: A Theoretical Framework for Collaborative Product Creation. In: Creativity and Innovation Management, Vol. 13, No. 4, S. 254-262. Spekman, R. E.; Kamauff Jr., J. W. & Myhr, N. (1998). An empirical investigation into supply chain management: A perspective on partnerships. In: International Journal of Physical Distribution & Logistics Management, Vol. 28, No. 8, S. 630-650. Stadtler, H. (1999). Was bedeutet … Supply Chain Management und Supply Chain Planning. In: OR News, Ausgabe 5, S. 35-37. Stalk Jr., G. & Hout, Th. M. (1990). Zeitwettbewerb. Schnelligkeit entscheidet auf den Märkten der Zukunft. Frankfurt am Main, New York: Campus Verlag. Stalk Jr., G. (1988). Time – The Next Source of Competitive Advantage. In: Harvard Business Review, July/ August, S. 41-51. Stern, Th. & Jaberg, H. (2003). Erfolgreiches Innovationsmanagement. Erfolgsfaktoren – Grundmuster – Fallbeispiele. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH. Stier, W. (1999). Empirische Forschungsmethoden (2. Aufl.). Berlin, Heidelberg: SpringerVerlag. Stockmeyer, B. (2001). Ansatzpunkte und Methoden zur Effizienzsteigerung im Innovationsmanagement der Ernährungsindustrie. München; Dissertation. Strebel, H. & Hasler, A. (2003). Innovations- und Technologienetzwerke. In: Strebel, H. (Hrsg.), Innovations- und Technologiemanagement. Wien: WUV Universitätsverlag, S. 347-381. Strebel, H. (2003). Klein- und Mittelunternehmen in Technologie- und Innovationsnetzwerken. In: Schwarz, E. J. (Hrsg.), Technologieorientiertes Innovationsmanagement. Strategien für kleine und mittelständische Unternehmen. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler/ GWV Fachverlage GmbH, S. 63-74. Sucky, E. (2004). Koordination in Supply Chains: Spieltheoretische Ansätze zur Ermittlung integrierter Bestell- und Produktionspolitiken. Wiesbaden: Deutscher UniversitätsVerlag/ GWV Fachverlage GmbH; Dissertation. Swaminathan, J. M.; Smith, St. F. & Sadeh, N. M. (1998). Modeling Supply Chain Dynamics: A Multiagent Approach. In: Decision Sciences, Vol. 29, No. 3, S. 607-632. Telser, L. G. (1980). A Theory of Self-enforcing Agreements. In: Journal of Business, Vol. 53, No. 1, S. 27-44.

290 Tether, B. S. (2003). The Sources and Aims of Innovation in Services: Variety between and within Sectors. In: Economics of Innovation and New Technology, Vol. 12, No. 6, S. 481-505. The Council of Logistics Management (2003). Supply Chain Vision Logistics. Logistics Terms and Glossary. The Supply-Chain Council (2006). What is the supply-chain? http://www.supply-chain.org/page.ww?section=About+Us&name=FAQ (Abrufdatum: 12.09.2006). Thom, N. & Etienne, M. (2000). Organisatorische und personelle Ansatzpunkte zur Förderung eines Innovationsklimas im Unternehmen. In: Häfliger, G. E. & Meier, J. D. (Hrsg.), Aktuelle Tendenzen im Innovationsmanagement. Festschrift für Werner Popp zum 65. Geburtstag. Heidelberg: Physica-Verlag, S. 269-281. Thom, N. (1980). Grundlagen des betrieblichen Innovationsmanagements (2. Aufl.). Königstein/ Ts.: Peter Hanstein Verlag. Tidd, J.; Bessant, J. & Pavitt, K. (2001). Managing Innovation. Integrating Technological, Market and Organizational Change (2. Aufl.). Chichester: John Wiley & Sons, Ltd. Trommer, A. (1997). Luftfrachtspediteur. In: Bloech, J. & Ihde, G. B. (Hrsg.), Vahlens Großes Logistiklexikon. München: Verlag Franz Vahlen GmbH, S. 657, 658. Uhl, A. (2000). Motivation durch Ziele, Anreize und Führung. Eine empirische Untersuchung am Beispiel eines Versicherungskonzerns. Berlin: Duncker & Humblot GmbH; Dissertation. Ulrich, H. (1984). Management. Bern, Stuttgart: Verlag Paul Haupt. Ulrich, H. (1995). Von der Betriebswirtschaftslehre zur systemorientierten Managementlehre. In: Wunderer, R. (Hrsg.), Betriebswirtschaftslehre als Management- und Führungslehre (3. Aufl.). Stuttgart: Schäffer-Poeschel Verlag, S. 161-178. Vahrenkamp, R. (2004). Die Rolle der Luftfracht in der internationalen Logistik II. Arbeitspapier Nr. 55 des Fachgebiets Produktionswirtschaft und Logistik der Universität Kassel. Vahs, D. & Burmester, R. (2005). Innovationsmanagement: Von der Produktidee zur erfolgreichen Vermarktung (3. Aufl.). Stuttgart: Schäffer-Poeschel Verlag. van der Zee, D. J & van der Vorst, J. G. A. J. (2005). A Modeling Framework for Supply Chain Simulation: Opportunities for Improved Decision Making. In: Decision Sciences, Vol. 36, No. 1, S. 65-95. Varian, H. R. (1999). Grundzüge der Mikroökonomik (4. Aufl.). München, Wien: R. Oldenbourg Verlag.

291 Verworn, B. & Herstatt, C. (2000). Modelle des Innovationsprozesses. Arbeitspapier Nr. 6 des Instituts für Technologie- und Innovationsmanagement der Technischen Universität Hamburg-Harburg. Verworn, B. & Herstatt, C. (2002). The innovation process: an introduction to process models. Working Paper Nr. 12 des Instituts für Technologie- und Innovationsmanagement der Technischen Universität Hamburg-Harburg. Vis, I. F. A. & Roodbergen, K. J. (2002). Examining Supply Chains from Practice. In: Klose, A.; Speranza, M. G. & van Wassenhove, L. N. (Hrsg.), Quantitative Approaches to Distribution Logistics and Supply Chain Management. Berlin, Heidelberg: SpringerVerlag, S. 3-18. Viswanathan, M.; Sudman, S. & Johnson, M. (2004). Maximum versus meaningful discrimination in scale response: Implications for validity of measurement of consumer perceptions about products. In: Journal of Business Research, Vol. 57, S. 108-124. von Hippel, E. (1986). Lead Users: A Source of Novel Product Concepts. In: Management Science, Vol. 32, No. 7, S. 791-805. von Hippel, E. (1987). Cooperation between rivals: Informal know-how trading. In: Research Policy, Vol. 16, S. 291-302. von Hippel, E. (1988). The Source of Innovation. New York: Oxford University Press, Inc. von Hippel, E. (2005). Democratizing Innovation. Cambridge: The MIT Press. von Hirschhausen, Ch.; Becker, Th.; Czerny, A. I. & Müller, St. (2004). Privatisierung und Regulierung der deutschen Flughäfen. In: Deutsche Bank Research, Nr. 291, 10. März 2004, S. 19-29. Wahren, H.-K. (2004). Erfolgsfaktor Innovation. Ideen systematisch generieren, bewerten und umsetzen. Berlin, Heidelberg, New York: Springer-Verlag. Walter, A.; Müller, Th. A.; Helfert, G. & Ritter, Th. (2003). Functions of industrial supplier relationships and their impact on relationship quality. In: Industrial Marketing Management, Vol. 32, S. 159-169. Weber, H. K. (1993). Wertschöpfungsrechnung. In: Wittmann, W.; Kern, W.; Köhler, R.; Küpper, H.-U. & v. Wysocki, K. (Hrsg.), Handwörterbuch der Betriebswirtschaft. Teilband 3 (5. Aufl.). Stuttgart: Schäffer-Poeschel Verlag, Sp. 4659-4672. Weber, J.; Schmitt, A.; Engelbrecht, Ch.; Knobloch, U. & Wallenburg, C. M. (2002). E-Commerce in der Logistik: Quantensprung oder business as usual? Ergebnisse einer explorativen Marktuntersuchung. Aktuelle Trends in der Logistik unter dem Einfluss von E-Commerce. Bern, Stuttgart, Wien: Verlag Paul Haupt.

292 Wehr, A. W. (2001). Imagegestaltung in der Automobilindustrie. Eine kausalanalytische Untersuchung zur Quantifizierung von Imagetransfereffekten. Wiesbaden: Deutscher Universitäts-Verlag GmbH; Dissertation. Wells, A. & Wensveen, J. G. (2004). Air Transportation. A Management Perspective (5. Aufl.). Belmont et al.: Brooks/Cole – Thomson Learning. Werner, B. M. (2002). Messung und Bewertung der Leistung von Forschung und Entwicklung im Innovationsprozeß. Methodenüberblick, Entwicklung und Anwendung eines neuen Konzepts. Darmstadt; Dissertation. Wernerfelt, B. (1984). A Resource-based View of the Firm. In: Strategic Management Journal, Vol. 5, No. 2, S. 171-180. Westermann, R. (1985). Empirical Test of Scale Type for Individual Ratings. In: Applied Psychological Measurement, Vol. 9, No. 3, S. 265-274. Williamson, O. E. (1973). Organizational Forms and Internal Efficiency. Markets and Hierarchies: Some Elementary Considerations. In: American Economic Review, Vol. 63, No. 2, S. 316-325. Williamson, O. E. (1985). The Economic Institutions of Capitalism. Firm, Markets, Relational Contracting. New York: The Free Press. Williamson, O. E. (1991). Comparative Economic Organization: The Analysis of Discrete Structural Alternatives. In: Administrative Science Quarterly, Vol. 36, S. 269-296. Wissema, J. G. & Euser, L. (1991). Successful Innovation Through Inter-Company Networks. In: Long Range Planning, Vol. 24, No. 6, S. 33-39. Wurst, K. (2001). Zusammenarbeit in innovativen Multi-Team-Projekten. Wiesbaden: Deutscher Universitäts-Verlag GmbH; Dissertation. Yin, R. K. (2003). Case Study Research. Design and Methods (3. Aufl.). Thousand Oaks, London, New Delhi: Sage Publications, Inc. Zachcial, M. (1998). Güterverkehrssysteme im Seeverkehr und in der Binnenschiffahrt. In: Isermann, H. (Hrsg.), Logistik. Gestaltung von Logistiksystemen (2. Aufl.). Landsberg/ Lech: Verlag Moderne Industrie AG, S. 139-148. Zäpfel, G. (2000). Supply Chain Management. In: Baumgarten, H.; Wiendahl, H.-P. & Zentes, J. (Hrsg.), Logistik-Management. Berlin, Heidelberg, New York: Springer-Verlag, Abschnitt 7-02-03, S. 1-32. Zhao, F. (2005). Exploring the synergy between entrepreneurship and innovation. In: International Journal of Entrepreneurial Behaviour & Research, Vol. 11, No. 1, S. 25-41.

293 Zillmer, P. (2000). Die Messung des Innovationserfolgs. In: Dold, E. & Gentsch, P. (Hrsg.), Innovationsmanagement. Handbuch für mittelständische Betriebe. Neuwied, Kriftel: Hermann Luchterhand Verlag GmbH, S. 229-247. Zotter, K.-A. (2003). Modelle des Innovations- und Technologiemanagements. In: Strebel, H. (Hrsg.), Innovations- und Technologiemanagement. Wien: WUV Universitätsverlag, S. 49-91.