Zum Einsatz quantitativer Methoden in der betriebswirtschaftlichen Forschung — Bestandsaufnahme und Perspektiven

  • Nils Boysen
  • Claudia Höck
  • Michael Höck
  • Christian Ringle
Chapter

Auszug

Den Terminus „Forschungsmethode“ definierte Gutenberg (1957, S. 610) als „den versachtlichten, gedanklich objektivierten, auf andere Personen übertragbaren und von ihnen — wenigstens grundsätzlich — reproduzierbaren Gang der Gewinnung wissenschaftlicher Einsichten, also gewissermaßen das Ablösbare an dem doch so individuellen Akt der Erkenntnisgewinnung“. Als angewandte Wissenschaft, die sich auf eine Vielzahl von Forschungsdisziplinen stützt, steht die Betriebswirtschaftslehre (BWL) seit jeher vor dem Problem, Modeerscheinungen und wissenschaftlichen Erkenntnisgewinn voneinander zu trennen. Fortlaufend werden in den Unternehmen neue Konzepte oder Methoden entwickelt, die im Falle des Erfolges vor allem von den Beratungsgesellschaften vermarktet werden. Die betriebswirtschaftliche Forschung beschränkt sich in diesem Zusammenhang meist auf eine qualitative Beschreibung, Klassifikation und/oder Übertragung dieser Konzepte auf andere Anwendungsgebiete. Dabei wird zunehmend auch „alter Wein in neuen Schläuchen“ verkauft. Hinter der Praxis herzuhinken sowie Zweifel am Erkenntnisfortschritt des Trial-and-Error-Vorgehens mögen Gründe dafür sein, dass in Fachzeitschriften bereits seit den 1950er Jahren verstärkt quantitative Methoden zum Einsatz kommen. Quantitative Forschungsmethoden erheben den Anspruch, den Untersuchungsgegenstand möglichst genau zu erfassen und objektive Ergebnisse durch wiederholbare Messungen zu erhalten. Quantität findet ihren Ausdruck in numerischen Werten, der Angabe von Ausmaßen oder Verhältnissen sowie in der rigiden Anwendung mathematischer Methoden zur Gewinnung neuer Einsichten.

This is a preview of subscription content, log in to check access.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Altrogge, G. (1996): Netzplantechnik, 3. Aufl., München-Wien.Google Scholar
  2. Backhaus, K./ Erichson, B./ Plinke, W./ Weiber, R. (2006): Multivariate Analysemethoden — eine anwendungsorientierte Einführung, 11. Aufl., Berlin et al.Google Scholar
  3. Baumol, W. J. (1972): Ökonomische Modelle und die Mathematik, in: Albert, H. (Hrsg.): Theorie und Realität, 2. Aufl., Tübingen, S. 153–168.Google Scholar
  4. Bixby, R. E. (2002): Solving Real-World Linear Programs: A Decade and More of Progress, in: Operations Research, 50. Jahrgang, Heft 1, S. 3–15.CrossRefGoogle Scholar
  5. Boysen, N. (2005): Ameisenalgorithmen: Optimierung nach dem Vorbild der Natur, in: Wirtschaftswissenschaftliches Studium (WiSt), 34. Jahrgang, Heft 11, S. 607–612.Google Scholar
  6. Boysen, N./ Ringle, C. M. (2005): Ameisenalgorithmen und das Hochzeitsproblem, in: Das Wirtschaftsstudium (WISU), 34. Jahrgang, Heft 3, S. 327–332.Google Scholar
  7. Boysen/ Ringle (2008): Die Definition in der betriebswirtschaftlichen Forschung: Reflexionen und empirischer Befund, in: Zeitschrift für Betriebswirtschaft (ZfB), 78. Jahrgang (2008), Heft 1, S. 1–25.Google Scholar
  8. Dantzig, G. B. (1966): Lineare Programmierung und Erweiterung, Berlin.Google Scholar
  9. Domschke, W./ Drexl, A. (2002): Einführung in Operations Research, 5. Aufl., Berlin.Google Scholar
  10. Domschke, W./ Klein, R./ Scholl, A. (1996): Tabu Search — Eine intelligente Lösungsstrategie für komplexe Optimierungsprobleme, in: Wirtschaftswissenschaftliches Studium (WiSt), 25. Jahrgang, Heft 4, S. 606–610.Google Scholar
  11. Green, P. E./ Rao, V. R. (1971): Conjoint Measurement for Quantifying Judgement Data, in: Journal of Marketing Research, 8. Jahrgang, Heft 3, S. 355–363.CrossRefGoogle Scholar
  12. Gutenberg, E. (1957): Betriebswirtschaftslehre als Wissenschaft, in: Zeitschrift für Betriebswirtschaft (ZfB), Heft 11, 27. Jahrgang, S. 606–612.Google Scholar
  13. Hansmann, K.-W. (1974): Entscheidungsmodelle zur Standortplanung der Industrieunternehmen, Wiesbaden.Google Scholar
  14. Hansmann, K.-W. (1974): Dynamische Aktienanlageplanung, Wiesbaden 1980.Google Scholar
  15. Hansmann, K.-W. (2006): Industrielles Management, 8. Aufl., München-Wien.Google Scholar
  16. Hauschildt, J. (2003): Zum Stellenwert der empirischen betriebswirtschaftlichen Forschung, in: Schwaiger, M./ Harhoff, D. (Hrsg.): Empirie und Betriebswirtschaft, Stuttgart, S. 3–24.Google Scholar
  17. Hennig-Thurau, T./ Walsh, G./ Schrader, U. (2004): VHB-JOURQUAL: Ein Ranking von betriebswirtschaftlich-relevanten Zeitschriften auf der Grundlage von Expertenurteilen, in: Zeitschrift für betriebswirtschaftliche Forschung, 56. Jahrgang, S. 520–543.Google Scholar
  18. Holler, M. J./ Illing, G. (2003): Einführung in die Spieltheorie, 5. Aufl., Berlin.Google Scholar
  19. Kistner, K.-P. (1988): Optimierungsmethoden, Heidelberg.Google Scholar
  20. Krafft, M./ Haase, K./ Siegel, A. (2002): Statistisch-ökonometrische BWL-Forschung: Entwicklung, Status Quo und Perspektiven, in: Schwaiger, M./ Harhoff, D. (Hrsg.): Empirie und Betriebswirtschaft, Stuttgart, S. 81–102.Google Scholar
  21. Lehmann, D. R./ Gupta, S./ Steckel, J. H. (1998): Marketing Research, Reading.Google Scholar
  22. Lisch, R./ Kriz, J. (1978): Grundlagen und Modelle der Inhaltsanalyse, Reinbek.Google Scholar
  23. Lüthje, C. (2003): Die empirische Innovationsforschung in deutschsprachigen Fachzeitschriften, in: Schwaiger, M./ Harhoff, D. (Hrsg.): Empirie und Betriebswirtschaft, Stuttgart, S. 267–296.Google Scholar
  24. Martin, A. (1989): Die empirische Forschung in der Betriebswirtschaftslehre, Stuttgart.Google Scholar
  25. Meffert, H. (2000): Marketing: Grundlagen marktorientierter Unternehmensführung, 9. Aufl., Wiesbaden.Google Scholar
  26. Merten, K. (1983): Inhaltsanalyse, Opladen.Google Scholar
  27. Neumann, K. (1977): Operations-Research-Verfahren, Band 2, München-Wien.Google Scholar
  28. Nicolai, A./ Kieser, A. (2002): Trotz eklatanter Erfolglosigkeit: Die Erfolgsfaktorenforschung weiter auf Erfolgskurs, in: Die Betriebswirtschaft (DBW), 62. Jahrgang, Heft 6, S. 579–596.Google Scholar
  29. Ringle, C. M./ Boysen, N./ Wende, S./ Will, A. (2006): Messung von Kausalmodellen mit dem Partial-Least-Squares-Verfahren, in: das Wirtschaftsstudium (WISU), 35. Jahrgang, Heft 1, S. 81–87.Google Scholar
  30. Schanz, G. (1977): Jenseits von Empirismus 1: Eine Perspektive für die betriebswirtschaftliche Forschung, in: Köhler, R. (Hrsg.): Empirische und handlungstheoretische Forschungskonzeptionen in der Betriebswirtschaftslehre, Stuttgart, S. 65–84.Google Scholar
  31. Schlittgen, R. (2003): Einführung in die Statistik: Analyse und Modellierung von Daten, 10. Aufl., München-Wien.Google Scholar
  32. Schlittgen, R. (2008): Multivariate Statistik, München-Wien.Google Scholar
  33. Schneider, D. (2001): Betriebswirtschaftslehre, Band 4: Geschichte und Methoden der Wirtschaftswissenschaft, München-Wien.Google Scholar
  34. Schöneburg, E./ Heinzmann, F./ Feddersen, S. (1993): Genetische Algorithmen und Evolutionsstrategien, Berlin.Google Scholar
  35. Schubert, B. (1991): Entwicklung von Konzepten für Produktinnovationen mittels Conjointanalyse, Stuttgart.Google Scholar
  36. Singh, S. (2005): Big Bang: Der Ursprung des Kosmos und die Erfindung der modernen Naturwissenschaft, München-Wien.Google Scholar
  37. Tull, D. S./ Hawkins, D. I. (1990): Marketing Research — Measurement & Method, 5. Aufl., New York.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler | GWV Fachverlage GmbH, Wiesbaden 2008

Authors and Affiliations

  • Nils Boysen
    • 1
  • Claudia Höck
    • 1
  • Michael Höck
    • 1
  • Christian Ringle
    • 1
  1. 1.Fakultät für Wirtschafts- und Sozialwissenschaften, Department Wirtschaftswissenschaften, Institut für Industriebetriebslehre und OrganisationUniversität HamburgHamburg

Personalised recommendations