Komplexe, dynamische und unscharfe Informationsquellen über Not leidende Unternehmen sind charakteristisch für Sanierungsprüfung und -controlling. Die in Theorie und Praxis bisher vernachlässigte Bewältigung dieses Informationsdilemmas ist jedoch der Schlüssel zu einer nachhaltigen und tragfähigen Unternehmenssanierung.
Anhand von Neuro-Fuzzy-Modellen und eines genetischen Algorithmus zeigt Reinhard Bennert wie die Methoden des Soft Computing, zu denen neuronale Netzwerke, Fuzzy-Systeme und evolutionäre Algorithmen zählen, zur Entscheidungsunterstützung in der Sanierungsprüfung beitragen können. Für das Sanierungscontrolling präsentiert er fuzzybasierte Lösungsansätze zur Kostenplanung mittels Erfahrungskurven und der Break-Even-Analyse von Sanierungskonzepten. Die Effektivität der Soft Computing-Methoden wird durch Beispiele und ein vom Autor entwickeltes Software-Tool nachgewiesen.
Inhaltsverzeichnis
1 Einführung. - 1. 1 Problemstellung und Ziel der Arbeit. - 1. 2 Aufbau der Arbeit. - 1. 3 Vorherrschendes Begriffsverständnis. - 2 Entscheidungsunterstützung in Sanierungsprüfung und -controlling: Aufgaben, Systeme und Problemcharakteristika. - 2. 1 Aufgaben in der Sanierungsprüfung. - 2. 2 Aufgaben im Sanierungscontrolling. - 2. 3 Entscheidungsunterstützungssysteme. - 2. 4 Entscheidungsprobleme. - 3 Entscheidungsunterstützung mit den Methoden des Soft Computing. - 3. 1 Begriffe des Soft Computing und der Computational Intelligence. - 3. 2 Fuzzy-Entscheidungsunterstützungssysteme. - 3. 3 Neuronale Entscheidungsunterstützungssysteme. - 3. 4 Evolutionäre Entscheidungsunterstützungssysteme. - 3. 5 Soft Computing-kombinierte Entscheidungsunterstützungssysteme. - 4 Neuro-Fuzzy-Methoden in der Prüfung der Sanierungsfähigkeit. - 4. 1 Ablaufstruktur der Erstellung und Prüfung von Sanierungskonzepten. - 4. 2 Modell der kooperativen Neuro-Fuzzy-Sanierungsfahigkeitskalküle. - 4. 3 Strategische Neuro-Fuzzy-Sanierungsfähigkeitskalküle. - 4. 4 Finanzwirtschaftliche Neuro-Fuzzy-Sanierungsfähigkeitskalküle. - 4. 5 Leistungswirtschaftliche Neuro-Fuzzy-Sanierungsfähigkeitskalküle. - 4. 6 Stakeholder-orientiertes Neuro-Fuzzy-Sanierungsfähigkeitskalkül. - 4. 7 Management- und Organisations-orientiertes Neuro-Fuzzy- Sanierungsfähigkeitskalkül. - 5 Spezielle Soft Computing-Methoden in Sanierungsprüfung und -controlling. - 5. 1 Genetischer Algorithmus zur Portfolio-Optimierung. - 5. 2 Fuzzy-Erfahrungskurven im Sanierungscontrolling. - 5. 3 Fuzzy-Break-Even-Analysen im Sanierungscontrolling. - 6 Fallstudie zu Neuro-Fuzzy-Methoden in der Prüfung der Sanierungsbedürftigkeit. - 6. 1 Klassifikation der Sanierungsbedürftigkeit aus potenzial- und risikoorientierter Sicht. - 6. 2 C-Birds(tm) - Computer Based IntelligentRestructuring Decision Support. - 6. 3 Klassifikation der finanzwirtschaftlichen Risikosituation (C-BIRDS(tm)-Modul I). - 6. 4 Klassifikation der Marktsituation und Wettbewerbsposition (C-BIRDS(tm)-Modul II). - 6. 5 Klassifikation ausgewählter Unternehmensressourcen (C-BIRDS(tm)-Modul III). - 6. 6 Klassifikation der Sanierungsbedürftigkeit (C-BIRDS(tm)-Modul IV). - 7 Schlussbetrachtung: Ergebnisse in Thesenform und Ausblick.
