Referenzmodell-gestütztes Customizing unter Berücksichtigung unscharfer Daten

点击翻译按钮获取中文摘要

Die unternehmungsspezifische Adaption von Referenzmodellen ist in der Unternehmenspraxis dadurch charakterisiert, dass Entscheidungsprämissen nicht in Form mathematischer Modelle oder numerischer Werte vorliegen. Entschlüsse sind durch Abwägung und Kreativität gekennzeichnet und werden meist aus unscharfen Bedingungen, wie 'geringe Durchlaufzeit' oder 'hohe Qualität', abgeleitet. Obwohl die in diesen Prämissen verwendeten Adjektive nicht präzise sind, ist mit ihnen jedoch zur Erfassung einer konkreten Unternehmungssituation zusätzliche und bedeutsame Information verbunden. Für das Referenzmodell-gestützte Customizing besitzen daher verbale Informationen sowie vage formulierte Aussagen, Prämissen, Zielvorstellungen und Restriktionen einen hohen Stellenwert. Die systematische Berücksichtigung unscharfer Daten bei der Adaption von Referenzmodellen gelingt nur, wenn schon die zu adaptierenden Modelle selbst eine Berücksichtigung unscharfer Daten ermöglichen. Gleichwohl liegen zur Integration von Unschärfe in die Unternehmungsmodellierung kaum Forschungsergebnisse vor - eine Werkzeugunterstützung existiert nicht. Die Fuzzy-Set-Theorie-basierte Erweiterung der Unternehmensmodellierung bildet in diesem Forschungsvorhaben die Grundlage zur Entwicklung einer Methodik sowie zur prototypischen Realisierung eines Werkzeugs zum Referenzmodell-gestützten Customizing unter Berücksichtigung unscharfer Daten. Durch die Berücksichtigung unscharfer Bedingungen und vage formulierter Zielvorstellungen mit Hilfe der Fuzzy-Set-Theorie kann der Anwender, der über das fachliche Prozesswissen verfügt, durch intuitive und einfache linguistische Bewertungen selbst die unternehmungsspezifische Adaption von Referenzmodellen vornehmen. Die Fuzzy-Set-Theorie ermöglicht die Abbildung der erfahrungsgestützten Entscheidungslogik der Geschäftsprozessverantwortlichen und dadurch eine transparente und nachvollziehbare Unterstützung der Adaptionsentscheidung. Ähnlich dem Menschen trifft das Customizing-Werkzeug Entscheidungen auf der Basis unscharfer Begriffe.