Unternehmensinsolvenzen sind heutzutage allgegenwärtig und immer mit hohen Kosten für den Unternehmer wie auch für die Aktionäre, Mitarbeiter und den Staat verbunden. Die zentrale Fragestellung des vorliegenden Buches ist daher, wie eine Insolvenzwahrscheinlichkeit von Unternehmen so prognostiziert werden kann, dass man Gläubigern größtmöglichen Schutz bietet. Im ersten Abschnitt des vorliegenden Buches werden daher zunächst Grundlagen der Insolvenz und Unternehmenskrise sowie deren Verläufe und Ursachen diskutiert. Anschließend wird im zweiten Abschnitt ein Überblick über die derzeit in Wissenschaft und Praxis angewandten Methoden zur Prognose von Unternehmensinsolvenzen erläutert. Hierbei geht der Autor auf die formellen und informellen Verfahren ein. Der Autor des Buches fokussiert sich daraufhin auf das univariate Insolvenzprognosemodell nach BEAVER, das multivariate Insolvenzprognosemodell nach ALTMAN und das BAETGE-Bilanz-Rating®-BP-14-Modell auf Grundlage künstlich neuronaler Netze, welche einer genaueren Betrachtung unterzogen werden. Im Anschluss daran erfolgt eine Anwendung der behandelten Modelle auf das Beispiel der ARCANDOR AG. Das Ziel ist eine Plausibilitätsprüfung, ob die analysierten Modelle die Insolvenz der ARCANDOR AG hätten vorhersagen können. Im abschließenden Teil des Buches resümiert der Autor die Ergebnisse der Arbeit und gibt eine Handlungsempfehlung zu einem Modell, das für eine frühzeitige Prognose von Unternehmensinsolvenzen besonders geeignet ist.

Textprobe: Kapitel, AUSGEWÄHLTE ANALYSEMODELLE DER INSOLVENZPROGNOSE: A, Insolvenzprognose und ihre Ausprägungen: I, Begriffsbestimmung Insolvenzprognose: Die Insolvenzprognose stellt ein wichtiges Mittel zur potenziellen Bestimmung einer Insolvenz dar. Sie ist in der Hinsicht wichtig für die Gesellschaft, da von einer Unternehmensinsolvenz eine ganze Kette von Gläubigern betroffen ist. Ebenfalls wird mithilfe verschiedener Insolvenzprognosemodelle versucht, zur Entscheidungsfindung – z. B. bei einer Kreditvergabe – beizutragen. Unter Prognose werden in der deutschen betriebswirtschaftlichen Literatur ‘bedingte deskriptive Aussagen hypothetischen Charakters über zukünftige Zustände und Ereignisse, wobei diese Aussagen auf Beobachtungen und sachlogische Begründungen gestützt sind’ verstanden. Ebenso wurde von WILLE die ‘(Vorhersage, Vorausschau, Projektion und Projizierung) [als] inhaltsvolle Vorhersage mit eingeschränkter Wahrscheinlichkeit’ definiert. Eine Prognose gibt demnach Auskunft über die zukünftige Entwicklung, basierend auf verschiedenen Variablen und Informationen aus der Gegenwart sowie Vergangenheit. Sie unterstellt, dass sich in der zukünftigen Entwicklung dieselben Ursachen wie ex post einstellen. Die Unterstellung einer Kausalität zwischen vergangenheitsbezogenen Ursachen und der zukünftigen Entwicklung eines Unternehmens sieht SCHELLBERG allerdings sehr kritisch und sollte ihm zufolge nicht ohne Weiteres vorgenommen werden. Er ist aber auch der Auffassung, dass Prognosen unausweichlich sind, da sie einen großen Beitrag zur Entscheidungsfindung verschiedener Körperschaften in Deutschland beitragen. So vertritt SCHELLBERG die Auffassung, dass ‘[…] nicht diskutiert werden [kann], ob Prognosen aufgestellt werden sollen, sondern lediglich, wie möglichst sinnvolle Prognosen zu entwickeln sind’. Er weist somit darauf hin, dass Prognosen nie eine exakte Vorhersage treffen können, da die verschiedenen Variablen bzw. festgelegten Ereignisse zu ungewisse Eintrittswahrscheinlichkeiten besitzen. Abschließend ist festzuhalten, dass die Prognose von Insolvenzen in gewisser Weise und mit Auswahl geeigneter Analyseverfahren, Ereignisse, Kennzahlen bzw. Variablen nur bedingt möglich ist. Eine 100%ige Prognosegenauigkeit ist somit auszuschließen und wäre nur in vollkommen geschlossenen Systemen denkbar. Jedoch kann mithilfe fundierter Insolvenzprognoseverfahren bzw. -modelle eine ungefähre Projektion zum Eintritt einer potenziellen Insolvenz gegeben werden. II, Ausprägungsformen von Insolvenzprognoseverfahren: In der heutigen Wissenschaft ist bereits eine Vielfalt von verschiedenen Insolvenzprognoseverfahren untersucht und entwickelt worden. Die Modelle reichen von informellen bis hin zu formellen Verfahren, welche wiederum in verschiedene Verfahren untergliedert werden. Der Grund, warum es so viele Insolvenzprognoseverfahren gibt, liegt darin, dass bis heute noch kein Verfahren entwickelt worden ist, das eine 100%ige Validierung respektive Eintrittswahrscheinlichkeit einer Insolvenz vorhersagen konnte. Daher ist die Akzeptanz respektive Befürwortung genau eines Verfahrens in der Betriebswirtschaft relativ gering. BEMMAN kritisiert zudem, dass keines der zahlreichen Verfahren als definitiv ungeeignet klassifiziert werden kann, was eine Überflutung von verschiedensten Verfahren in der Literatur zur Folge hat. Um einen besseren Überblick über die verschiedenen Verfahren in Wissenschaft und Praxis zu geben, werden in Abb. A12 die verschiedenen Insolvenzprognoseverfahren dargestellt. Wie in Abb. A12 veranschaulicht, werden die Insolvenzprognoseverfahren in formelle und informelle Verfahren untergliedert. Bei den informellen Verfahren treffen menschliche Experten respektive Kreditentscheider in Form von Intuition und auf Basis von Checklisten, Leitfäden und Verfahrensanweisungen Insolvenzprognosen. Bei den formellen Verfahren werden induktive, parametrische und nicht parametrische, empirisch-statistische sowie strukturelle Verfahren unterschieden. Bei den induktiven Verfahren wird mithilfe von Expertensystemen und Scoringmodellen eine Insolvenzprognose erstellt. Das strukturelle Verfahren basiert auf anleihespreadbasierten und Optionspreismodelle sowie deterministischen und stochastischen Simulationsverfahren. Das nicht parametrisch empirisch-statistische Verfahren benutzt sowohl künstliche neuronale Netze als auch das Entscheidungsbaumverfahren zur Prognose von Insolvenzen. Abschließend sei noch das parametrisch empirisch-statistische Verfahren genannt, welches ebenfalls, neben den künstlichen neuronalen Netzen, Schwerpunkt des nachfolgenden Abschnittes ist und sich der uni- und multivariaten Diskriminanzanalyse zur Insolvenzprognose bedient.

• Unternehmensinsolvenzen

• Arcandor AG

• mathematisch-statistische Modelle

• Krisenverlauf

• Krisenprophylaxe

• Prognose

• Insolvenz

Kolin Schunck wurde 1987 in Bad Oldesloe, Schleswig-Holstein, geboren. Sein duales Bachelorstudium der Betriebswirtschaftslehre an der Nordakademie in Elmshorn schloss Kolin Schunck im Frühjahr 2011 erfolgreich ab. Neben seinem Bachelorstudium sammelte Kolin Schunck bereits umfassende praktische Erfahrungen in der Chemie- und Pharmaindustrie bei der Helm AG in Hamburg. Um einen tieferen Einblick in die Bereiche Consulting, Controlling und Strategic Management in einem global agierenden Konzern zu erhalten, ging Kolin Schunck 2011 nach Detroit, um dort für die Daimler AG im Bereich Finance & Strategy zu arbeiten. Hierdurch wurde seine Affinität zu mathematischen Modellen und Analysen, die ebenfalls in diesem Buch Beachtung finden, weiter verstärkt. Kolin Schunck wurde hauptsächlich durch die im Jahr 2007 einsetzende Finanzkrise und die damit einhergehenden Unternehmensinsolvenzen motiviert, das vorliegende Buch mit dem Thema der Prognose von Unternehmensinsolvenzen zu verfassen.