Show simple item record

AuthorGebhardt, Marceldc.contributor.author
Date of accession2018-08-03T10:48:13Zdc.date.accessioned
Available in OPARU since2018-08-03T10:48:13Zdc.date.available
Year of creation2018dc.date.created
Date of first publication2018-08-03dc.date.issued
AbstractDie Durchführung kundeninduzierter technischer Produktänderungen wird für viele Automobilzulieferer mehr und mehr zu einem zentralen Erfolgsfaktor. Für die Festsetzung adäquater Preise für derartige Kundenaufträge ist es essentiell, dass der Auftragnehmer bereits vor Angebotserstellung und Projektinitiierung möglichst alle mit der Projektdurchführung verbundenen Kosten verlässlich schätzen kann. Für die Prognose sog. indirekter Änderungskosten existieren dabei weder in der Literatur noch in der Praxis methodisch fundierte und geeignete Ansätze. Die Untersuchung widmet sich daher den beiden zentralen Fragen, wie die Höhe der indirekten Änderungskosten erklärt werden kann und wie darauf aufbauend ein kausalanalytisches Prognosemodell zur ex-ante Quantifizierung indirekter Änderungskosten auszugestalten ist. Zur Beantwortung dieser beiden Fragen wird zunächst ein theoretisches Erklärungsmodell auf Basis der Kontingenztheorie, der Organizational Information Processing Theory sowie der attributionalen Theorie der Leistungsmotivation aufgestellt. Dieses wird anschließend anhand realer Projektdaten eines Unternehmens aus der automotiven Antriebstechnik empirisch überprüft. Da die kausalanalytische Prognose als strukturell identisch mit der deduktiv-nomologischen Erklärung anzusehen ist, finden die im Rahmen der empirischen Überprüfung bestätigten Zusammenhänge Eingang in das Prognosemodell. Der auf dieser Basis abgeleitete kausalanalytische Prognoseansatz wird anschließend anhand realer Projektdaten empirisch evaluiert. Hierfür wird eine Vergleichsstudie aufgebaut, bei der der kausalanalytische Prognoseansatz mit bisher verfügbaren Konkurrenzansätzen verglichen wird. Die Ergebnisse der Alternativen liefern einen Anhaltspunkt, der „gute“ und „weniger gute“ Prognosen unterscheidet und so eine Aussage über die Qualität der Ergebnisse zulässt. Die erzielten Ergebnisse der Studie geben einen ersten Hinweis auf die Vorteilhaftigkeit des entwickelten kausalanalytischen Prognoseansatzes, wobei in dieser Studie nicht nachgewiesen werden kann, dass der Ansatz gegenüber den verfügbaren Alternativen generell signifikant überlegen ist. Der kausalanalytische Ansatz ist daher als vorläufig vorteilhaft anzusehen. Die gewonnenen Erkenntnisse fließen schließlich in Gestaltungsempfehlungen ein. Auf der Basis von Ergebnisanalysen und Experteninterviews werden methodische Empfehlungen zur Prognose indirekter Änderungskosten, Empfehlungen zur Verarbeitung der Prognoseergebnisse im Rahmen der Preiskalkulation sowie Möglichkeiten zur Steigerung der Akzeptanz der Prognoseergebnisse im Management abgeleitet.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseStandard (ohne Print-on-Demand)dc.rights
Link to license texthttps://oparu.uni-ulm.de/xmlui/license_opod_v1dc.rights.uri
KeywordTechnische Produktänderungdc.subject
KeywordKostenprognosedc.subject
KeywordKostenkalkulationdc.subject
KeywordÄnderungsmanagementdc.subject
Dewey Decimal GroupDDC 330 / Economicsdc.subject.ddc
LCSHProduct managementdc.subject.lcsh
LCSHCost accountingdc.subject.lcsh
TitleKostenkalkulation im Kontext technischer Produktänderungen: Entwicklung und Evaluation eines kausalanalytischen Ansatzes zur Prognose indirekter Änderungskosten : Eine Untersuchung kundeninduzierter technischer Produktänderungen am Beispiel eines Unternehmens aus der automotiven Antriebstechnikdc.title
Resource typeDissertationdc.type
Date of acceptance2018-07-17dcterms.dateAccepted
RefereeSeiter, Mischadc.contributor.referee
RefereeWentges, Pauldc.contributor.referee
DOIhttp://dx.doi.org/10.18725/OPARU-8698dc.identifier.doi
PPN1029161216dc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-oparu-8755-9dc.identifier.urn
GNDProduktentwicklungdc.subject.gnd
GNDChange Managementdc.subject.gnd
GNDPrognosemodelldc.subject.gnd
FacultyFakultät für Mathematik und Wirtschaftswissenschaftenuulm.affiliationGeneral
InstitutionInstitut für Technologie- und Prozessmanagementuulm.affiliationSpecific
InstitutionInstitut für Controllinguulm.affiliationSpecific
Grantor of degreeFakultät für Mathematik und Wirtschaftswissenschaftenuulm.thesisGrantor
DCMI TypeTextuulm.typeDCMI
CategoryPublikationenuulm.category
Bibliographyuulmuulm.bibliographie


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record