Performance Measurement mittels Data Envelopment Analysis
Theoretisches Grundkonzept und universitäre Forschungsperformance als Anwendungsfall
Roland Gilles, Detlef Müller-Böling
Eine zentrale Forderung des Performance Measurement besteht darin, den Erfolg einer Organisation nicht ausschließlich mittels monetärer Kriterien zu bewerten, sondern verstärkt nicht-monetäre Aspekte in die Bewertung einfließen zu lassen. Bei genauerer Betrachtung stellt sich allerdings die Frage, wie diese in der Regel unterschiedlich dimensionierten Maßgrößen zu einer eindimensionalen Maßzahl für die erreichte Performance zusammengefasst werden können.
Das Ziel dieser Arbeit liegt in der Ableitung einer konzeptionellen Basis zur Durchführung von Performancemessungen. Den Ausgangspunkt bildet dabei die so genannte Data Envelopment Analysis (DEA), die sich vor allem dadurch auszeichnet, dass zu ihrer Durchführung keine vorab festgelegten Gewichtungsfaktoren bezüglich der relevanten Beurteilungskriterien benötigt werden. Vor diesem Hintergrund werden im ersten Teil der Arbeit die Möglichkeiten und Grenzen der DEA sowohl im Hinblick auf ihren generellen Einsatz im Performance Measurement als auch im Vergleich zu alternativen Konzepten der betrieblichen Praxis diskutiert.
Im anwendungsorientierten Teil der Arbeit wird eine verallgemeinerte Version der DEA zur Bewertung universitärer Forschungsperformance herangezogen. Hierdurch lassen sich einerseits Hinweise auf die Verbesserung aktueller Forschungsrankings – veranschaulicht am Beispiel des CHE-Forschungsrankings betriebswirtschaftlicher Fachbereiche – ableiten. Andererseits zeigt ein Methodenvergleich zwischen der verallgemeinerten DEA und der CHE-Methodik (als Repräsentant eines erweiterten Kennzahlenvergleichs), dass beide Ansätze zwar prinzipiell zu ähnlichen Ergebnissen führen, zwischen ihnen jedoch spezifische, methodenimmanente Unterschiede bestehen. Die in der Arbeit durchgeführte, anforderungsbezogene Beurteilung, welche neben theoretischen auch pragmatische Aspekte berücksichtigt, lässt ferner den Schluss zu, dass in Abhängigkeit des Analyseziels oftmals nicht die Wahl einer der beiden Ansätze, sondern gerade deren paralleler Einsatz sinnvoll erscheint.
