Vertrieb komplexer Produkte

TEIL C: DARSTELLUNG EINES MODELLS FÜR DEN VERTRIEB KOMPLEXER PRODUKTE ( S. 145)

Nachdem in Teil B der inhaltliche Bezugsrahmen für den Vertrieb komplexer Produkte aufgezeigt wurde, wird im nun folgenden Kernstück der Arbeit ein eigenes präskriptives Modell entwickelt, das als Hilfestellung bei der Strukturierung von ADO dienen soll. Auf Basis einer vereinfachten und abstrakten Beschreibung der relevanten Problemstrukturen können Vorgehensweisen zu einer möglichst guten Problemlösung entwickelt werden.

Das Modell basiert in den Grundzügen auf der richtungweisenden Arbeit von Albers/Skiera und spezifiziert den dort beschriebenen Ansatz im Hinblick auf den Einfluss von Produkt- und Kundenkomplexität, von qualitativen Verkaufsfähigkeiten der ADM und von Interdependenzen zwischen Produkten und Kunden auf die Zuordnungsentscheidung.

Für die Modellentwicklung wird die formal-analytische Forschungsstrategie nach GROCHLA angewendet. Im ersten Schritt werden der für diese Arbeit maßgebliche Modellbegriff definiert und Ziele des Entscheidungsmodells dargestellt. Alle weiteren wesentlichen Begriffe werden gemäß ihrer Definition in Teil B verwendet. Im zweiten Schritt werden das betrachtete Realproblem durch Konkretisierung der Entscheidungssituation abgegrenzt und mögliche Lösungen konzeptionalisiert.

In der dritten Stufe erfolgt die mathematische Übersetzung und Formulierung des Formalproblems. In Teil D wird das Modell auf relevante Entscheidungssituationen angewendet und so die Problemlösung demonstriert. Die Vorgehensweise ist schematisch in Abb. 28 dargestellt.

1 Methodische Grundl agen und Ziele des Entscheidungsmodells

In der Wissenschaft herrscht weitgehend Einigkeit darüber, dass Modelle Abbilder realer Erscheinungen sind.437 Meist handelt es sich um homomorphe Abbildungen. Das bedeutet, dass die Modelle hinsichtlich der Abbildungselemente strukturärmer als das Original sind, um wesentliche Elemente und Beziehungen erklären und als Instrument zur Problemlösung dienen zu können.

Der entscheidende Problemlösungsbeitrag besteht nicht in der Anwendung eines Algorithmus auf das erstellte Modell, sondern in der Konstruktion des Modells. Bei der Konstruktion wird eine komplexe, unscharfe Entscheidungssituation oder, wie ELBING formuliert, „[…] an indefinable feeling […] that something in the organization is not right […]" durch eine schematisierte Nachbildung der realen Problemstruktur ersetzt, in Bezug auf die dann einzelne Handlungsalternativen als optimal bewertet werden können.

Ein Modell, das den Anspruch auf wissenschaftliche und praktische Relevanz hat, muss verschiedene Kriterien erfüllen. Bereits in Abschnitt A.1.2 wurden die drei Kernmerkmale eines guten Modells erläutert:

- Erklärungskraft: Das Modell soll allgemein, genau und tief sein, also grundlegende Faktoren und Zusammenhänge möglichst vollständig aufdecken und berücksichtigen

- Einfachheit: Das Modell soll möglichst überschaubar sein, also nur die wichtigsten Aspekte des Realproblems abbilden, die für die Erklärung der Zusammenhänge und eine gute Problemlösung erforderlich sind

- Entscheidungstechnische Verwertbarkeit: Das Modell soll die problemorientierte Verarbeitung von Informationen erleichtern und damit die Entscheidungsfindung des Anwenders ermöglichen.

Das impliziert Robustheit des Modells, also dass es auch bei großen Datenmengen richtige Ergebnisse liefert bzw. der Definitionsbereich genau eingegrenzt wird. Außerdem sollte das Modell vom Anwender kontrollierbar sein, d.h. ohne großen Aufwand an die jeweils spezifische Problemsituation durch Veränderungen der Inputdaten oder der Modellstruktur adaptiert werden können Es gibt jedoch kein Modell, das all diese Anforderungen gleichzeitig und vollständig erfüllt, da die Kriterien teilweise gegensätzlich sind.

Die Herausforderung besteht darin, die Modellkomplexität und -verständlichkeit möglichst gut auszubalancieren. Entscheidungsmodelle sind alle Modelle, die eine Zielfunktion mit Handlungsalternativen so in Beziehung setzen, dass für eine bestimmte Entscheidungssituation der Zielerreichungsgrad deduktiv ermittelt werden kann. Sie basieren auf zwei Arten von Variablen, die die Höhe des Zielwerts bestimmen: den beeinflussbaren Instrumentenvariablen und den nicht beeinflussbaren Umweltvariablen.