Neuronale Netze und Fuzzy-Logik in der Neuprodukt-Erfolgsfaktorenforschung

Die Entwicklung und erfolgreiche Vermarktung neuer Produkte ist für Unternehmen von existentieller Bedeutung, auch wenn hohe finanzielle Risiken dabei in Kauf genommen werden müssen. Bisher ist es jedoch nicht gelungen, eindeutige Erfolgsfaktoren zu identifizieren, was in statistischen bzw. methodischen Problemen der häufig verwendeten Diskriminanzanalyse begründet sein könnte. Christine Wiedemann verwendet ein neuronales Netz, das auch nichtlineare Beziehungen aufdecken kann, sowie eine unscharfe Formulierung des Erfolgsbegriffes mit Hilfe von Fuzzy-Logik. Eine Monte-Carlo-Simulation soll zeigen, ob dieses für die Neuprodukt-Erfolgsfaktorenforschung neue Instrumentarium Verbesserungen gegenüber dem bisherigen Vorgehen bringen kann. Unter Berücksichtigung der gewonnenen Erkenntnisse wird der deutsche INTERPROD-Datensatz erneut ausgewertet.

Dr. Christine Wiedemann ist wissenschaftliche Assistentin bei Prof. Dr. Helmut Schmalen am Lehrstuhl für Absatzwirtschaft und Handel der Universität Passau, wo sie auch promovierte.

1 Einführung.- 1.1 Zielsetzung der Untersuchung.- 1.2 Aufbau der Arbeit.- 2 Begriffsabgrenzungen und Literaturüberblick über die Neuprodukt-Erfolgsfaktorenforschung.- 2.1 Begriffsabgrenzungen.- 2.2 Literaturüberblick über die empirische Neuprodukt-Erfolgsfaktorenforschung und Systematisierung der relevanten Studien.- 3 Die Diskriminanzanalyse und ihre Anwendung im Rahmen der Neuprodukt-Erfolgsfaktorenforschung.- 3.1 Darstellung der linearen FISHER-Diskriminanzanalyse.- 3.2 Die Anwendung der Diskriminanzanalyse in Neuprodukt-Erfolgsfaktorstudien.- 3.3 Gründe für eine Beeinträchtigung der Ergebnisse sowie Kritik an der Anwendung der Diskriminanzanalyse.- 4 Neuronale Netze zur Berücksichtigung von nichtlinearen Zusammenhängen.- 4.1 Darstellung möglicher Wirkungszusammenhänge zwischen Erfolg und Erfolgsfaktoren.- 4.2 Grundlagen Neuronaler Netze.- 4.3 Das Backpropagation-Netzwerk.- 5 Fuzzy-Logik zur Berücksichtigung von Unschärfen im Datenmaterial.- 5.1 Begriff der Unschärfe und Relevanz unscharfer Konzepte für die weitere Untersuchung.- 5.2 Fuzzy-Logik zur Darstellung von informationalen und linguistischen Unschärfen.- 5.3 Der Begriff der Fuzzy-Datenanalyse und ihre Durchführung mit Diskriminanzanalyse und Neuronalen Netzen.- 6 Theoretische Konzeptionierung der Monte-Carlo-Simulation.- 6.1 Begriff und Grundgedanke der Monte-Carlo-Simulation.- 6.2 Aufbau und Ablauf der Simulationsstudie.- 6.3 Entwicklung eines für die Neuprodukt-Erfolgsfaktorenforschung relevanten konstanten Grundszenarios.- 6.4 Festlegung des Experimentdesigns.- 7 Durchführung der Monte-Carlo-Simulation.- 7.1 Datenerzeugung und Aufbereitung.- 7.2 Auswertung der Datensätze.- 7.3 Einzelbetrachtung der Auswertungsergebnisse.- 7.4 Gegenüberstellung der Auswertungsergebnisse beiderVerfahren.- 8 Auswertung des deutschen INTERPROD-Datensatzes unter Berücksichtigung der Simulationsergebnisse.- 8.1 Ermittlung des leistungsfähigsten Auswertungsverfahrens.- 8.2 Auswertung der INTERPROD-Daten mit dem Neuronalen Netz.- 8.3 Zusammenfassung der Ergebnisse.- 9 Schlußbetrachtung.- 9.1 Zusammenfassung der Ergebnisse.- 9.2 Mögliche Kritik an der Vorgehensweise und Ausblick.