Betriebswirtschaft

Modulhandbuch

 Zurück 

Decision Making

Empfohlene Vorkenntnisse

Allgemeine betriebswirtschaftliche Kenntnisse, fundierte Kenntnisse in Wirtschaftsmathematik (insbesondere Lineare Optimierung) und Statistik (insbesondere Wahrscheinlichkeitsrechnung und induktive Statistik)

Lehrform Vorlesung
Lernziele / Kompetenzen

Die Studierenden kennen die Phasen eines idealtypischen Entscheidungsprozesses. Sie verstehen, welche Anforderungen die in diesen Phasen jeweils zu treffenden Sub-Entscheidungen stellen.
Auf dieser Grundlage können sie nicht nur die methodischen Regeln anwenden, die von der Entscheidungslehre zur Unterstützung des Treffens dieser Sub-Entscheidungen zur Verfügung gestellt werden. Sie sind insbesondere auch in der Lage, quantitative Methoden wie beispielsweise Multivariate Analysemethoden, Prognoseverfahren oder Methoden des Operations Research einzusetzen, um einen gegebenen Entscheidungsinhalt zu bearbeiten. Die Studierenden identifizieren die für eine gegebene Fragestellung passenden Modelle und Lösungsverfahren, wählen geeignete Modelle und Verfahren aus und formulieren konzeptionelle Vorgaben für geeignete Anpassungen. Je nach Themenfeld realisieren die Studierenden dies unter Einsatz von Anwendungssoftware. Die Studierenden sind in der Lage, den Zuwachs an Entscheidungsqualität gegen die zusätzlich entstehenden Kosten (Zeit, Geld) abzuwägen, die mit der Anwendung methodischer Unterstützungsregeln verbunden sind. In Abhängigkeit von der Wichtigkeit der Entscheidung bilden sich die Studierenden eine eigene Meinung über das Ausmaß, in dem die Unterstützungsregeln von ihnen angewendet werden sollen, um Entscheidungsqualität und Entscheidungskosten gegeneinander auszubalancieren. Insbesondere können die Studierenden quantitative Methoden und deren Ergebnisse kritisch beurteilen. Sie fungieren als Ansprechpartner bei der Auswahl geeigneter quantitativer Methoden bei der Bearbeitung neuer Entscheidungsinhalte im Unternehmen.

Dauer 1 Semester
SWS 4.0
Aufwand
Lehrveranstaltung 60 h
Selbststudium / Gruppenarbeit: 120 h
Workload 180 h
ECTS 6.0
Voraussetzungen für die Vergabe von LP

Modulprüfung Klausur (K120)

Modulverantwortlicher

Prof. Dr. rer. pol. habil. Matthias Graumann

Empf. Semester 1. oder 2. Semester
Haeufigkeit jedes Jahr (WS)
Verwendbarkeit

Betriebswirtschaft (Master)

Veranstaltungen

Decision Analysis (engl.)

Art Vorlesung
Nr. W1153
SWS 2.0
Lerninhalt

1. Teil: Grundlagen

  • Begriff der Entscheidung
  • Primat der Handlungswirkungen (nicht der Handlung)
  • Was macht Entscheidungen schwierig?
  • Phasen eines idealtypischen Entscheidungsprozesses
  • Gesamtentscheidung versus Sub-Entscheidung 
  • Entscheidungsqualität versus Entscheidungsaufwand

2. Teil: Methodische Regeln zur Unterstützung der Sub-Entscheidungen in den Phasen des idealtypischen Entscheidungsprozesses

  • Regeln zur Eingrenzung des Entscheidungsinhalts
  • Regeln zur Aufteilung des Entscheidungsinhalts
  • Regeln zur Zielsetzung
  • Regeln zur Erzeugung alternativer Handlungsmöglichkeiten
  • Regeln zur Prognose der Auswirkungen der Handlungsmöglichkeiten auf die Ziele (incl. Einflussdiagramme, Entscheidungsbäume und Simulation)
  • Regeln zur Bewertung der prognostizierten Zielwirkungen (incl. Risikoabschätzung) für Monozielsetzung und Mehrfachzielsetzung
Literatur

Edwards, W./Miles Jr. R.F./v. Winterfeld, D. (Hrsg.): Advances in Decision Analysis, Cambridge et al., 2007.
Eisenführ, F./ Weber, M./Langer, T.: Rationales Entscheiden, 5. Aufl., Berlin et al. 2010 (englische Fassung: Eisenführ, F./Weber, M./Langer, T.: Rational Decision Making. Berlin et al. 2010).
Forbes, D.P.: Reconsidering the Strategic Implications of Decision Comprehensiveness. In: Academy of Management Review, Vol. 32 (2007), S. 361-376.
Graumann, M.: Der Entscheidungsbegriff in § 93 Abs. 1 Satz 2 AktG - Rekonstruktion des traditionellen Verständnisses und Vorschlag für eine moderne Konzeption. In: Zeitschrift für Unternehmens- und Gesellschaftsrecht (ZGR), Band 40 (2011), Heft 3, S. 293-303.
Graumann, M./Engelsleben, T.: Warum Geschäftsleiter für die Beurteilung der Informationsgrundlage von Prognosen ein regelbasiertes Verfahren benötigen. In: Zeitschrift für Corporate Governance (ZCG), 6. Jg. (2011), S. 69-75.
Graumann, M./Grundei, J.: Wann entsprechen unternehmerische Entscheidungen der gesellschaftsrechtlichen Anforderung „angemessener Information"? In: Die Betriebswirtschaft (DBW), 71. Jg. (2011), S. 379-399.
Graumann, M./Linderhaus, H./Grundei, J.: Wann ist die Risikobereitschaft bei unternehmerischen Entscheidungen „in unzulässiger Weise überspannt"? In: Betriebswirtschaftliche Forschung und Praxis, 61. Jg. (2009), S. 492-505.
Graumann, M./Niedostadek, A.: Bestimmung und Beurteilung von Entscheidungsrisiken. In: Der Aufsichtsrat, 7. Jg. (2010), S. 174-176.
Grundei, J./Graumann, M.: Beurteilung der Qualität von Managemententscheidungen durch den Aufsichtsrat. In: Der Aufsichtsrat, 6. Jg. (2009), S. 53-55.
Kahnemann, D./Lovallo, D./Sibony, O.: Grundsätze für Entscheider. In: Harvard Business Manager (2011), S. 19-31.
Keeney, R.L.: Value-Focused Thinking. Cambridge et al. 1996.
Keeney, R.L.: Evaluation of Proposed Storage Sites. In: Operations Research, Vol. 27 (1979), S. 48-64.
Keeney, RL./Raiffa, H.: Decisions with Multiple Objectives: Preferences and Value Tradeoffs. New York u.a. 1976.
Watson, St.R./Buede, D.M.: Decision Synthesis. The Principles and Practice of Decision Analysis. Cambridge u.a. 1987.
Weber, M.: Nutzwertanalyse. In: Erich Frese (Hrsg.), Handwörterbuch der Organisation, 3. Aufl., Stuttgart 1992, Sp. 1435-1448.
Winterfeldt, D. v./Edwards, W.: Decision Analysis and Behavioral Research. Cambridge 1986.

Methoden der Datenanalyse

Art Vorlesung
Nr. W1181
SWS 2.0
Lerninhalt

Es werden im Rahmen der Vorlesung ausgewählte quantitative Methoden der Datenanalyse aus einem oder mehreren der folgenden Themenfelder behandelt:

  • Business Analytics
  • Predictive Analytics (z. B. Neuronale Netze, Entscheidungsbäume, Logistische Regression) 
  • Multivariate Analysen (z. B. Varianzanalyse, Diskriminanzanalyse, Conjoint Measurement, Strukturgleichungsmodelle, Clusteranalyse, Faktorenanalyse)
  • Fortgeschrittene Verfahren der Statistik (z.B. Prognosemethoden, geschichtete Stichproben, fortgeschrittene Testverfahren)
Literatur

Backhaus, K.; Erichson, B.; Plinke, W.; Weiber R.: Multivariate Analysemethoden: eine anwendungsorientierte Einführung. 15. Aufl. Springer, 2018.
Seiter, M.: Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung. Verlag Franz Vahlen, München 2017.
Cleve, J; Lämmel, U.: Data Mining. De Gruyter Oldenbourg. 2. Aufl. 2016.
Backhaus, K.; Erichson, B.; Weiber R.: Fortgeschrittene multivariate Analysemethoden: eine anwendungsorientierte Einführung. 3. Aufl. Springer Gabler 2015.
Larose, D. T./Larose, C. D. (2015): Data Mining and Predictive Analytics. Wiley Series on Methods and Applications in Data Mining, 2nd Edition. Hoboken, New Jersey 2015.

 Zurück