Patentbewertungsmethoden in der Praxis

Rings, GRUR 10/2000, S. 839 (846).Google Scholar

Rings, GRUR 10/2000, S. 839 (843).Google Scholar

Rings, GRUR 10/2000, S. 839 (845).Google Scholar

Rings, GRUR 10/2000, S. 839 (847), abweichend wird in vorliegender Arbeit das Risiko Technischer Alternativlösungen jedoch als qualitative Größe betrachtet, da sich aus möglichen Substitutionsprodukten unseres Erachtens nicht unmittelbar eine monetäre Größe ableiten lässt.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 61.Google Scholar

Hölscher/ Elfgen (Hrsg.), Herausforderung Risikomanagement. Identifikation, Bewertung und Steuerung industrieller Risiken, S. 10.Google Scholar

Rings, GRUR 10/2000, S. 839 (841).Google Scholar

Rings, GRUR 10/2000, S. 839 (845). Diese wird hier nicht als eigenständige Methode eingestuft, da sie grundsätzlich nicht eigenständig angewandt werden kann, sondern nur aufbauend auf „echte“ Bewertungsverfahren. Jedoch ist der Grundgedanke nützlich, um den Patentwert für verschiedene Verwertungsstrategien zu ermitteln.Google Scholar

Kranz, in: Meffert/Burmann/Koers (Hrsg.), Markenmanagement, S. 429 (442).Google Scholar

Schubert, Entwicklung von Konzepten für Produktinnovationen mittels Conjoint-Analyse, S. 133–134.Google Scholar

Schubert, Entwicklung von Konzepten für Produktinnovationen mittels Conjoint-Analyse, S. 132.Google Scholar

Eine umfassende Darstellung der Skalenniveaus befindet sich in Fahrmeir/ Künstler/ Pigeot u.a., Statistik: der Weg zur Datenanalyse, S. 16–18.Google Scholar

Eine weitergehende Betrachtung von Merkmalen und möglichen Ausprägungsarten findet sich in Neubauer/ Bellgardt/ Behr, Statistische Methoden: ausgewählte Kapitel für Wirtschaftswissenschaftler, S. 11–12.Google Scholar

Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 81–82.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivarate Analysemethoden, S. 548–549; Dort findet sich zudem eine ausführliche Diskussion der Anforderungen, auf die zugunsten einer kompakteren Darstellung verzichtet wird.Google Scholar

Auf die Beschreibung der ebenfalls möglichen so genannten Zwei-Faktorenmethode, welche lediglich eine Vereinfachung der Profilmethode darstellt, soll zugunsten einer kompakteren Darstellung verzichtet werden. Eine ausführliche Diskussion dieser und der Profilmethode findet sich in Backhaus/ Erichson/ Plinke u.a., Multivarate Analysemethoden, S. 553 ff.Google Scholar

Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 105.Google Scholar

Hat man beispielsweise drei Eigenschaften mit jeweils drei Ausprägungen, so hätte man bei einem vollständigen Design 27 Stimuli. Das entsprechend reduzierte Design wird als lateinisches Quadrat bezeichnet. Bei diesem Verfahren werden aus den 27 Stimuli neun derart ausgewählt, dass jede Ausprägung eines Merkmals genau einmal mit jeder Ausprägung eines anderen Merkmals vorkommt. Jede Merkmalsausprägung ist also anstatt neunmal lediglich dreimal im Design vorhanden. Ausführlicher in Backhaus/ Erichson/ Plinke u.a., Multivarate Analysemethoden, S. 553 ff.Google Scholar

Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 104.Google Scholar

Kindersitze in Europa, InterConnection Consulting Group, http://www.interconnectionconsulting.com/de/Automobil/KindersitzeKinderwagen/Presse/Presseaussendung_Kindersitze_in_Europa_2003.htm vom 31.01.2005.Google Scholar

Kindersitze in Europa, InterConnection Consulting Group, http://www.interconnectionconsuting.com/de/Automobil/KindersitzeKinderwagen/Presse/Presseaussendung_Kindersitze_in_Europa_2003.htm vom 31.01.2005.Google Scholar

Bialek, Handelsblatt Nr.102 vom 28.05.03, S. 17.Google Scholar

Vgl. auch Backhaus/ Erichson/ Plinke u.a., Multivarate Analysemethoden, S. 364.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 558 f.Google Scholar

Dies geschieht, wie oben erwähnt, nach einem additiven Modell, das außer den Teilnutzen der Merkmalsausprägungen noch den Mittelwert der Präferenz enthält. (Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 558).Google Scholar

Ähnliche Definitionen für interne und externe Validität finden sich bei Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 216–232.Google Scholar

Verwendet wurde der Bravais-Pearson-Korrelationskoeffizient, der Werte zwischen −1 (perfekt negativ korreliert) und +1 (perfekt positiv korreliert) annehmen kann. (Bamberg/ Baur, Statistik, S. 36–37).Google Scholar

So kann auch bei einem Korrelationskoeffizient von größer 0,4 bereits von einem hohen Signifikanzniveau gesprochen werden. (Backhaus/ Erichson/ Plinke u. a., Multivarate Analysemethoden, S. 273 f.).Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S.566 ff.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 567.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 118 ff.Google Scholar

Dieses Signifikanzniveau ist im Allgemeinen üblich, wobei aus den am weitesten verbreiteten Werten, 0,1, 0,05 und 0,01 (Bamberg/ Baur, Statistik, S. 180), in anbetracht von Kosten und Nutzen der Aussagen der größte ausgewählt wurde: Hier kommt es nicht auf höchste Genauigkeitsanforderungen an, da die Folgen eines Fehlers erster Art, also der unberechtigten Ablehnung der Nullhypothese (Bamberg/Bauer, Statistik, S. 181), im Gegensatz etwa zu vergebenen Chancen durch Fehler zweiter Art, nicht als so viel höher eingeschätzt werden, dass, wie etwa bei Tests in der Medizin, auf höchste Genauigkeit zu bestehen wäre. Mit demselben Argument und aus dem Bestreben eines einheitlichen Vorgehens heraus wird die Signifikanzschranke von 0,1 in der gesamten Arbeit eingesetzt.Google Scholar

Hier wird die Nullhypothese H₀: „Es liegt eine Normalverteilung vor.“ gegen die Alternativhypothese H₁: „Es liegt keine Normalverteilung vor.“ getestet. Es müssen also die Fehlerwahrscheinlichkeiten (p-Werte) über dem Sicherheitsniveau (hier 10%) liegen, damit von einer Normalverteilung ausgegangen werden kann. Näheres zum Shapiro-Wilks-Test findet sich in: Janssen/ Laatz, Statistische Datenanalyse mit SPSS für Windows, S. 204 ff.Google Scholar

Zwar erfordert die ANOVA keine perfekte Normalverteilung, doch müssten die Daten wenigstens näherungsweise normalverteilt sein (Bamberg/ Baur, Statistik, S. 198). Die Gültigkeit dieser Voraussetzung ist jedoch hier zu verneinen.Google Scholar

Kotler/ Bliemel, Marketing Management: Analyse, Planung und Verwirklichung, S. 356.Google Scholar

Keller, Strategic Brand Management: Building, Measuring and Managing Brand Equity, S. 455 f.Google Scholar

Keller, Strategic Brand Management: Building, Measuring and Managing Brand Equity, S. 454 f.Google Scholar

Corsten, Produktionswirtschaft, S. 403 f.Google Scholar

Bei diesem statistischen Verfahren wird der Zusammenhang zwischen metrisch skalierten Variablen durch die Anpassung einer linearen Funktion an die Wertekombinationen zweier (oder mehrerer) Variablen beschrieben. Damit wird es insbesondere möglich, die abhängige Variable aus der (bzw. den) unabhängigen Variablen zu prognostizieren. Näheres zur linearen Regression findet sich bei Bamberg/ Bauer, Statistik, S. 42 ff.Google Scholar

Die Regressionskoeffizienten, Achsenabschnitt und Steigung der anzupassenden Gerade, ergeben sich aus der Minimierung der Summe der quadratischen Abweichungen zwischen prognostiziertem und tatsächlichem Wert der abhängigen Variable zu den gegebenen Werten der unabhängigen Variablen. Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 58.Google Scholar

Das Bestimmtheitsmaß R² gibt an, welcher Anteil der Variation der abhängigen Variablen (hier Nutzen) durch die Variation der unabhängigen Variablen (hier Preis) erklärt werden kann (Backhaus/ Erichson/ Plinke u. a., Multivariate Analysemethoden, S. 66), wobei dieser Anteil hier also etwa bei 84% liegt.Google Scholar

Vgl. ähnlich Kolvenbach/Krieg/Felten, in: Gustafsson/Huber, Conjoint Measurement, S. 508 f.Google Scholar

Konfidenzintervalle geben einen Bereich an, in den ein Schätzwert mit einer vorgegebenen Wahrscheinlichkeit (Sicherheitsniveau, Komplement des Signifikanzniveaus) fällt. Dies ist hier Zielführender als etwa eine reine Punktschätzung, da sich damit einfach prüfen lässt, ob signifikante Unterschiede zwischen den Präferenzdaten der einzelnen Vertriebswege bestehen. Damit erübrigt sich die Durchführung formaler Signifikanztests. Näheres zu Konfidenzintervallen findet sich in Bamberg/Baur, Statistik, S. 161 ff., zu Signifikanztests in Bamberg/Baur, Statistik, S. 173 ff. Es kann keine genaue Angabe gemacht werden, da die Präferenzdaten nicht normalverteilt sind, also auch nicht auf eine Normalverteilung der Grundgesamtheit geschlossen werden kann. Dennoch gelten die Aussagen approximativ (Bamberg/Baur, Statistik, S. 161, 166).Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 481 f.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 499 f.Google Scholar

Da die wesentlichen Annahmen (unter anderem: nur metrisch skalierte Variablen, keine Korrelationen etc.) hier erfüllt sind, sollte sie „sehr gute“ Ergebnisse liefern. Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 516 f.Google Scholar

Die Clusteranzahl wurde nach der „Elbow“-Methode ausgewählt: Danach wird ein Heterogenitätsmaß betrachtet, das mit zunehmender Clusteranzahl abnimmt. Diejenige Clusterzahl, bei der ein starker in einen schwachen Abfall übergeht, bietet sich als sinnvolle Wahl an. Zusätzlich musste eine Abwägung zwischen einer handhabbaren Clusterzahl einerseits und einer möglichst hohen Homogenität innerhalb der Cluster andererseits stattfinden, was zu einer Entscheidung für drei Cluster führte (Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 523 f.).Google Scholar

Eine Clusteranalyse unter Betrachtung der relativen Wichtigkeiten aus der Conjoint Analyse wird auch bei Sattler (Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 192 f.) durchgeführt. Hier werden zusätzlich demographische Variablen einbezogen, um die Segmente besser beschreiben zu können. Dennoch wurden nicht alle Variablen in die Clusterung einbezogen, da zuerst die wichtigsten Unterschiede zur Geltung kommen sollten, während die anderen Merkmale nur ex post zur Beschreibung herangezogen wurden.Google Scholar

Der Chi-Quardat-Test testet die Nullhypothese der statistischen Unabhängigkeit zweier nominal skalierter Variabler gegen die Alternativhypothese der statistischen Abhängigkeit. Dadurch kann ein Zusammenhang zwischen den Variablen nachgewiesen werden (Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 229 ff.). Die p-Werte werden hier mit Hilfe von JMP nach der Maximum-Likelihood-Methode berechnet (Bamberg/Baur, Statistik, S. 200).Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 584; Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 158; Sönke/Brockhoff, Die Gültigkeit der Ergebnisse eines Testmarktsimulators bei unterschiedlichen Daten und Auswertungsmethoden, S. 192.Google Scholar

Sönke/ Brockhoff, Die Gültigkeit der Ergebnisse eines Testmarktsimulators bei unterschiedlichen Daten und Auswertungsmethoden, S. 201, Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 157 f.; Schubert, Entwicklung von Konzepten für Produktinnovationen mittels Conjoint-Analyse, S. 245.Google Scholar

Sönke/ Brockhoff, Die Gültigkeit der Ergebnisse eines Testmarktsimulators bei unterschiedlichen Daten und Auswertungsmethoden, S. 201.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 584; Kolvenbach/Krieg/Felten, Evaluating Brand Value, S. 507.Google Scholar

So z. B. bei Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden. Die alternative Vorgehensweise findet sich etwa bei Sönke/Brockhoff, Die Gültigkeit der Ergebnisse eines Testmarktsimulators bei unterschiedlichen Daten und Auswertungsmethoden, S. 201.Google Scholar

Sönke/ Brockhoff, Die Gültigkeit der Ergebnisse eines Testmarktsimulators bei unterschiedlichen Daten und Auswertungsmethoden, S. 211.Google Scholar

Backhaus/ Erichson/ Plinke u.a., Multivariate Analysemethoden, S. 584; Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 158.Google Scholar

Vgl. die Aussagen zur MarktAbb. bei Sattler, Herkunfts-und Gütezeichen im Kaufentscheidungsprozess, S. 204.Google Scholar

Kotler/ Bliemel, Marketing Management, S. 820.Google Scholar

Troßmann, in: Corsten/Reiß (Hrsg.), Betriebswirtschaftslehre, S. 305 (331).Google Scholar

Persönliche Mitteilung von Herrn Schäfer (Ansprechpartner von Seiten des Patentinhabers) vom 30.11.2004.Google Scholar

Troßmann, in: Corsten/Reiß (Hrsg.), Betriebswirtschaftslehre, S. 305 (332).Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 58.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 229.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 23 und S. 289.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 119 ff.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 229.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 22.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 280.Google Scholar

o.V., Emission von Bundesanleihen, Bundesobligationen, Bundesschatzanweisungen und unverzinslichen Schatzanweisungen des Bundes seit 1999 (chronologisch), Deutsche Bundesbank vom 05.01.2005. Emissionstitel: 3,75% Bund-Anleihe von 2004 (2015)-Aufstockung-; ISN//WKN: DE0001135267//113526.Google Scholar

Die dazu verwendete Formel einschließlich der zugrunde liegenden Renditen befindet sich im Anhang 11 dieser Arbeit. Als Glättungsfaktor □ wird üblicherweise ein Wert zwischen 0,05 und 0,25 festgelegt (Hansmann, in: Corsten (Hrsg.), Lexikon der Betriebswirtschaftslehre, S. 806 (808)). Hier erscheint angesichts der relativ hohen Schwankungsbreite der Zeitreihenwerte ein Glättungsparameter von 0,2 als angebracht.Google Scholar

o.V., DAX-Renditedreieck 1.Hj.2004, Deutsches Aktieninstitut e.V. vom 26.01.2005.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 280.Google Scholar

o.V., Component Data for sector indexes, STOXX Limited vom 26.01.2005.Google Scholar

Kotler/ Bliemel, Marketing Management, S. 572 ff.Google Scholar

Die Lebenszyklusanalyse ist zwar nur bedingt zur konkreten Prognose etwa von Umsatzverläufen geeignet (Meffert, Marketing, S. 459 (464), jedoch kann sie hier als konzeptioneller Rahmen für die weiteren Überlegungen dienen, da sie ein geschlossenes Modell darstellt, das, wie hier angebracht, verschiedene Phasen der Nachfrageentwicklung beschreibt.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 233.Google Scholar

Keller, Strategic Brand Management, S. 74.Google Scholar

Persönliche Mitteilung von Herrn Prof. Dr.-Ing. Dr. h.c. Karger-Kocsis (Institut für Verbundwerkstoffe GmbH) vom 16.12.2004.Google Scholar

Rings, GRUR 10/2000, S. 839 (842).Google Scholar

Ossadnik, in: Corsten/Reiß (Hrsg.), Betriebswirtschaftslehre, S. 127 (142).Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 121.Google Scholar

Perridon/ Steiner, Finanzwirtschaft der Unternehmung, S. 127. Im Risikomanagement wird der Begriff „Risiko“ meist negativ verstanden im Sinne eines möglichen Schadens oder einer ungünstigen Zielverfehlung. (Hölscher/Elfgen, Herausforderung Risikomanagement, S. 5 f.). Hier dagegen wird nicht ein Schaden, sondern mit dem Umsatz eine positiv mit der Zielgröße (Patentwert) korrelierte Größe betrachtet, weshalb auch gegenüber der üblichen Darstellung die Abszisse invertiert werden muss. Daher wird der Begriff „Risikoprofil“ hier in Anführungszeichen gesetzt.Google Scholar

Die Vorgehensweise, einen Wert mit der betreffenden Mindesteintrittswahrscheinlichkeit anzugeben findet sich etwa bei Schierenbeck, Ertragsorientiertes Bankmanagement, S. 15 im Rahmen von Überlegungen zum Value at Risk.Google Scholar

Rings, GRUR 10/2000, S. 839 (841).Google Scholar

Ilzhöfer, Patent-, Marken-und Urheberrecht, S. 47.Google Scholar

Pagenberg, Grundzüge des deutschen Patentrechts, S. 34.Google Scholar

Kloyer, Zeitschrift für Planung, 13/2002, S. 303 (307).Google Scholar

Ilzhöfer, Patent-, Marken-und Urheberrecht, S. 74.Google Scholar

Rings, GRUR 10/2000, S. 839 (847).Google Scholar

“Unter Produktpiraterie versteht man das skrupellose Verletzen von Schutzrechten anderer durch unrechtmäßiges Kopieren der Produkte, Marken, Muster, Bilder oder irgendwelchen anderen Dingen, für die ein Schutzrecht besteht.” Rebel, Gewerbliche Schutzrechte, S. 175.Google Scholar

Unter Verletzung versteht man das Benutzen eines Schutzrechtes ohne Befugnis des Schutzrechtsinhabers. Rebel, Gewerbliche Schutzrechte, S. 175.Google Scholar

Rings, GRUR 10/2000, S. 839.Google Scholar

Faix, IO-Management 5/2000, S. 44.Google Scholar

Anschriften ausgewählter Rechercheinstitute siehe z. B. Rebel, Gewerbliche Schutzrechte, S. 19.Google Scholar

Telefonnummern für Telefonrecherche siehe u.a. Rebel, Gewerbliche Schutzrechte, S. 21.Google Scholar

Wichtige Patentdatenbanken siehe z. B. Rebel, Gewerbliche Schutzrechte, S. 25 ff.Google Scholar

http://depatisnet.dpma.de/ipc/index.html vom 23.11.2005.Google Scholar

o. V. Jahresbericht 2003, DPMA, insbesondere Tab. 1.3 Spalte 4 in Verbindung mit Tab. 1.4 Spalte 1, S. 107.Google Scholar

Ensthaler, Gewerblicher Rechtsschutz und Urheberrecht, S. 99.Google Scholar

Däbritz, Patente, S. 1.Google Scholar

Stauder, Patent-und Gebrauchsmusterverletzungsverfahren in der Bundesrepublik Deutschland, Großbritannien, Frankreich und Italien, S. 21.Google Scholar

Hier wird aufgrund der nicht vorhandenen Prozesskostenveränderung bei unterschiedlichen Patentwerten von dem in Rebel, Gewerbliche Schutzrechte, S. 199 angegebenen durchschnittlichen Patentwert von 357.904 € ausgegangen.Google Scholar

Rings, GRUR 10/2000, S. 839 (840).Google Scholar

Schramm/ Wiedemann, Der Patentverletzungsprozess, S. 329.Google Scholar

Stauder, Patent-und Gebrauchsmusterverletzungsverfahren in der Bundesrepublik Deutschland, Großbritannien, Frankreich und Italien, S. 23.Google Scholar

Stauder, Patent-und Gebrauchsmusterverletzungsverfahren in der Bundesrepublik Deutschland, Großbritannien, Frankreich und Italien, S. 24.Google Scholar

Rebel, Gewerbliche Schutzrechte, S. 199.Google Scholar

Faix, Patente im strategischen Marketing, S. 159.Google Scholar

Ernst, Patentinformationen für die strategische Planung von Forschung und Entwicklung.Google Scholar