Mit Benchmarking bezeichnen wir eine Managementmethode, mit der sich individuelle Auswertungsergebnisse mit Referenzwerten vergleichen lassen. Wir unterscheiden interne Benchmarks, die sich auf eigene, unternehmeninterne Ergebnisse und Erhebungen stützen und externe Benchmarks, wobei man die eigenen Werte mit Referenzwerten von ausserhalb des eigenen Unternehmens (best practices oder best- in- class) vergleicht. Dazu werden durch Vergleich bessere Methoden und Praktiken (Best Practices) identifiziert, analysiert und auf die eigene Situation übertragen. Die Wissenschaft hat eine Fülle von Benchmarkingmethoden entwickelt. Die Wichtigsten führen wir in folgender Grafik auf:

Benchmarking Methoden

Partielles Benchmarking:

In der Praxis herrschen meist die einfachen partiellen Ansätze vor, die auch wir als unser Standardbenchmarking anbieten.
Bitte beachten Sie insbesondere bei der Datengewinnung über Umfragen die notwendige Sorgfalt. Wissenschaftlich haben sich dazu drei Qualitätskriterien herausgebildet:  Objektivität, Validität und der Realibilät der Messergebnisse. Allzu leicht geht man statistisch unsauber ermittelten Zahlen "auf den Leim" und trifft falsche Entscheidungen. Statistisch betrachtet isr die Datenmenge streng zu beachten und deren statisch saubere Interpretation, um Fehlentscheidungen zu minimieren.

Es lohnt sich aber auch, über die multidimensionalen Ansätze nachzudenken, denn damit gelingt es, je nach Datenqualität, auch konkrete Modellierungen und damit kennzahlenbasierte Vorgaben für das Prozessmanagement herauszuarbeiten.

Frontier Ansätze:

Lesen Sie hierzu den interessanten Artikel des IWH,Halle: "Beschäftigungsanalysen mit den Daten des IAB Betriebspanels"

Wir möchten hier die Frontier-Ansätze über den Begriff der Produktionsfunktion erklären. Eine Produktionsfunktion ist die gängige Methode in der Ökonomie, um das Verhältnis zwischen Input und Output ener Produktion zu erklären. Damit ist die Produktionsfunktion zugleich auch ein Effizienzmaß. 100 % ige Effizienz ist erreicht, wenn sich die Produktion auf dem Pfad der Produktionsfunktion bewegt. Ein Punkt auf der Produktionsfunktion gibt dabei den maximalen Output bei gegebenem Input et vice versa an.

In der Realität entsprechen i.d.R. die realisierten Outputs nicht dem maximal Möglichen, sondern liegen meist darunter in einem "Gebiet der Ineffizienz".

Schätzt man Produktionstechnologien/Produktionsfunktionen eher recht einfach mit der Methode der kleinsten Quadrate, bei der Durchschnittswerte ermittelt werden, treten Abweichungen sowohl nach unten als auch nach oben auf, die die möglichen Effizienzsteigerungen bzw. die anzustrebende Richtuing von effizienzsteigernden Maßnahmen dann falsch ausweisen.

Demgegenüber wird bei Frontier Analysen für gegebene Inputs ein maximal erreichbarer Output errechnet. Die Variation der Inputvariablen ergibt dann die Produiktionsfunktion als Grenze (Fointier) für den maximale Outputs.

Die daraus folgende Handlungsempfehlung zur Verbesserung ineffizienter Faktorkombinationen lautet dann: "Bewege dich durch Anpassungen/Verbesserungen der Inputfaktoren in Richtuing der maximalen Effizienz, also der Effizienzgrenze."

Den Abstand zwischen der Produktionsgrenze und dem tatsächlich erreichten Output bezeicnet  man als die "technische Ineffizienz" einer Produktion oder der Erstellung einer Dienstleistung.

In der Literatur sind grundsätzlich zwei Methoden von Frontier-Analysen zu finden: nichtparametrischen Verfahren, insbesondere die Data Envelopment Analyse (DEA)  zweitens die stochastisch-ökonometrischen Verfahren, insbesondere die Stochastische Frontier Analyse (SFA),

DEA-Data-Envelope-Analyse:

In Beziehung zur prozessorientierten Balanced Scorecard Methode sind besonders diejenigen multidimensionalen Benchmarkingmethoden von Interesse, die Input-Output-Beziehungen verwenden. Wir beschäftigen uns vor diesem Hintergrund intensiv mit der DEA-Data Envelope-Analyse. Unsere Ergebnisse sprechen hier für sich!

Steinbeis-BI Auswertegrafik mit einem typischen DEA Praxisergebnis:

DEA Graph

Es handelt sich hier um eine Steinbeis-BI DEA Auswertung aus einem Benchmarking von 50 Hotels. Ziel dabei war es, typische Zusammenhänge zwischen den Inputfaktoren Personalkosten und Infrastrukturkosten zu ermitteln. Die effizientesten Betriebe bilden die umhüllende Kurve konvex zum Ursprung (gelbe Pfeile). Betriebe, die weniger effizient sind, weisen mehr oder weniger große Abstände zur Umhüllenden auf (rote Pfeile). Typisch sind bei praktisch jeder DEA, die wir bislang durchführten, deutlich erkennbare Cluster von vergleichbaren Betrieben. Im obigen Beispiel findet sich ein Cluster oben links (Betriebe mit vergleichsweise hohen Personalkostenanteilen), ein Cluster in der Mitte und ein mehr diffuses Cluster unten rechts (Betriebe mit geringen Personalkostenanteilen aber relativ hohen Infrastrukturkostenanteilen). Im Rahmen der jeweils gewählten Hotelstrategie ist es auf jeden Fall möglich, innerhalb eines identifizierten Clusters durch entsprechende Maßnahmen effizienter zu werden; d.h. näher an die Effizienzkurve heranzurücken. Bei betriebsübergreifenden Benchmarks raten wir dazu immer zu entsprechenden Erfahrungsaustauschen zwischen den Betrieben.Bei Hotelketten ist dies üblich, bei unanbhängigen Betrieben erfolgt dies auf freiwilliger Basis oder über entsprechende Fachverbände oder -vereinigungen.

Datamining:

Bei großen Datenmengen und über das Internet gelingt es mit den heutigen Rechnerkapazitäten nicht nur für interne Benchmarkings, sondern auch für aussagekräftige externe Benchmarkings, gute Referenzwerte zu gewinnen. Wir helfen Ihnen gerne dabei, solche Systeme zu installieren. Gerne können Sie sich auch unserer Steinbeis Recherche Dienste bedienen.