Website Archive
 |
|
|
|
| |||
| Wochenbericht des DIW Berlin 20/04
E-Business in europäischen Unternehmen: Wachsende Kluft zwischen Pionieren und Nachzüglern [1] | |||
| |||
| Bearbeiter | Philipp Köllinger | ||
| |||
| |||
| Die Investitionsentscheidungen von Unternehmen für E-Business-Technologien werden von verschiedenen Faktoren beeinflusst. Als wichtigster Faktor für die Investition in eine zusätzliche E-Business-Technologie stellt sich die Zahl der im Unternehmen bereits genutzten E-Business-Technologien heraus. Die Wahrscheinlichkeit einer Investition ist umso größer, je fortgeschrittener die E-Business-Technologie-Ausstattung eines Unternehmens bereits ist. Dies deutet auf eine wachsende Kluft in der Technologie-Ausstattung zwischen E-Business-Pionieren und -Nachzüglern hin. Weitere Forschungsergebnisse zeigen, dass Investitionen in Informationstechnologien wie E-Business in Verbindung mit Veränderungen von Arbeitsabläufen zu einer deutlich steigenden Produktivität führen. Dies könnte daher ceteris paribus wachsende Wettbewerbsvorteile der E-Business-Pioniere gegenüber konkurrierenden Nachzüglern zur Folge haben. | |||
| |||
| E-Business als aktuelles Beispiel für technologischen Wandel |
Untersucht wird die Verbreitung von E-Business-Technologien in europäischen Unternehmen, wobei es sich sowohl um Hardware- als auch um Software-Technologien auf Basis des Internets handeln kann, die von Unternehmen erworben und eingesetzt werden, um damit externe oder interne Geschäftsprozesse zu unterstützen. Die zunehmende Verbreitung von E-Business-Technologien kann als aktuelles Beispiel für technologischen Wandel betrachtet werden. Technologischer Wandel hat in der Regel weitreichende ökonomische Konsequenzen. Ähnlich wie bei historischen Beispielen für bahnbrechenden technologischen Wandel (z. B. Dampfmaschinen, Elektrizität, Telefone) führt die Entwicklung von E-Business-Technologien zur Entstehung neuer Anbietermärkte (z. B. spezialisierter Software-Hersteller) und in deren Folge zur Umgestaltung von etablierten Produktionsverfahren und Arbeitsabläufen in den meisten Unternehmen, die sich zur Investition in die neue Technologie entschließen. Dies hat auch Konsequenzen für den Wettbewerb der Unternehmen untereinander, die Absatzmärkte der Unternehmen (z. B. durch Preisveränderungen oder neue Produkte und Dienstleistungen) oder die Nachfrage nach bestimmten Arbeitnehmerqualifikationen. Voraussetzung für ökonomische Wirkungen von neuen Technologien ist jedoch, dass sie sich am Markt durchsetzen. Dann ist vom fortschreitenden technologischen Wandel ein positiver Einfluss auf das langfristige Wirtschaftswachstum und somit auf die Entwicklung von gesellschaftlichem Wohlstand zu erwarten. [2] | ||
| |||
| Ökonomische Folgen von IT-Investitionen | In welchem Ausmaß Investitionen in E-Business-Technologien das Produktivitätsniveau, das Wirtschaftswachstum, die Entwicklung von Marktstrukturen oder die Nachfrage nach bestimmten Arbeitnehmerqualifikationen tatsächlich beeinflussen, ist eine empirische Frage, die derzeit intensiv erforscht wird. [3] Aktuelle Ergebnisse weisen darauf hin, dass Investitionen in Informationstechnologien, zu denen E-Business gehört, in Verbindung mit Veränderungen von Arbeitsabläufen die Produktivität in den investierenden Unternehmen deutlich steigen lassen. [4] Mehrere empirische Studien zeigen auch, dass IT-Investitionen einen signifikant positiven Beitrag zum Wirtschaftswachstum leisten, obwohl es über die Höhe dieses Effekts noch unterschiedliche Auffassungen gibt. [5] Zudem deuten Ergebnisse auf eine Veränderung der am Arbeitsmarkt nachgefragten Qualifikationsprofile hin: Insbesondere bei Firmen, die in größerem Ausmaß in Informationstechnologien und die damit einhergehende Umgestaltung der Arbeitsplätze sowie in neue Produkte und Dienstleistungen investiert haben, ist eine verstärkte Nachfrage nach gut ausgebildeten Arbeitnehmern mit hoher IT-Kompetenz zu beobachten. [6] | ||
| |||
| Investitions- entscheidung für E-Business |
Obwohl die aktuellen Forschungsergebnisse klar erkennen lassen, dass IT-Investitionen in Technologien wie E-Business positive Effekte auf der Mikro- wie der Makroebene haben, ist die Investitionsentscheidung jedes einzelnen Unternehmens für eine E-Business-Technologie nicht trivial. Die Unternehmen erhoffen sich vom Einsatz der neuen Technologien eine Verbesserung ihrer Wettbewerbsposition, z. B. durch Kostenvorteile und Effizienzgewinne in der Produktion. Allerdings ist die Einführung der neuen Technologien für die Unternehmen kostspielig und muss nicht in jedem Fall zum gewünschten Erfolg führen. [7] Außerdem eignet sich auch nicht jede Technologie für jedes Unternehmen. In dieser Studie werden daher nicht die ökonomischen Konsequenzen der zunehmenden Nutzung von E-Business-Technologien getestet, sondern es wird untersucht, welche Faktoren die Investitionsentscheidung für diese Technologien in den einzelnen Firmen beeinflussen. [8] Die Datenbasis stammt aus einer repräsentativen Unternehmensbefragung, die im Rahmen des EU-finanzierten Projekts "e-Business Market W@tch" durchgeführt wurde. In die Analyse gehen die Ergebnisse aus 15 Industrie- und Dienstleistungssektoren ein. In Deutschland, Frankreich, Italien und Großbritannien wurden im Juli 2002 jeweils 1 500 Unternehmen unterschiedlicher Größe zu ihrer E-Business-Technologie-Ausstattung und -Nutzung telefonisch befragt. [9] Anhand der gegebenen Datenbasis wurde ein Cluster von 25 verwandten E-Business-Technologien definiert (Übersicht). Jede dieser Technologien dient einem spezifischen Zweck zur Unterstützung von Prozessen und Informationsflüssen innerhalb eines Unternehmens oder zwischen Unternehmen und ihrer Umgebung (Kunden, Zulieferer, Öffentlichkeit). Einige der Technologien sind Teil der IT-Infrastruktur des Unternehmens und dienen als Basis für verschiedene Anwendungen (z. B. LAN oder Extranet). Andere Technologien sind für spezifische Prozesse entwickelte Softwareprodukte (z. B. E-Learning, Customer-Relationship-Management, Supply-Chain-Management). Allen 25 Technologien ist gemeinsam, dass sie auf dem Internet als Informationsnetzwerk aufbauen. Für jedes im Datensatz enthaltene Unternehmen wurde ein Parameter k berechnet, der misst, wie viele der 25 Technologien ein Unternehmen bereits nutzt. Dieser Parameter k gilt in der Analyse als Maß dafür, wie fortgeschritten ein Unternehmen in der Ausstattung mit E-Business-Technologien ist. Im Durchschnitt hatten die Unternehmen im Sommer 2002 sechs verschiedene E-Business-Technologien implementiert. 87 % der Unternehmen hatten in weniger als 11, kein Unternehmen in mehr als 20 der möglichen 25 Technologien investiert (Abbildung). | ||
| |||
| Faktoren für die Adoption von E-Business-Technologien |
In der ökonomischen Literatur wird eine Reihe einander ergänzender Theorien diskutiert, die den Diffusionsverlauf von innovativen Technologien und die individuellen Investitionsentscheidungen der Unternehmen im Zeitablauf erklären. [10] In dieser Studie wird der Einfluss von so genannten Rang- und Netzeffekten untersucht. Rangeffekte ergeben sich durch die Heterogenität der Unternehmen: Unternehmen unterscheiden sich z. B. bezüglich Produktionstechnologie, Größe, Marktmacht und Humankapital. Diese Unterschiede können dazu führen, dass Unternehmen unterschiedliche Erwartungen darüber haben, welche Gewinnzuwächse sie durch die Investitionen in eine bestimmte neue Technologie realisieren können. Rangeffekte bedeuten, dass die Unternehmen mit den höchsten Erwartungen in die neue Technologie als erste investieren werden. Ein zusätzlicher Faktor, der zu Rangeffekten zwischen Unternehmen führen kann, sind Netzeffekte zwischen verwandten Technologien. Wenn Technologien komplementär [11] sind, können sich Netzeffekte in der Nutzung mehrerer Technologien ergeben. [12] Beispiele sind die gemeinsame Nutzung von Hard- und Software oder spezifische Erfahrungen und Kenntnisse der Mitarbeiter eines Unternehmens im Umgang mit ähnlichen Technologien (z. B. generelle IT-Kenntnisse der Belegschaft). Hat ein Unternehmen bereits in eine der Technologien investiert, kann dies die Investitionskosten in eine weitere komplementäre Technologie senken oder den erwarteten Gewinnzuwachs erhöhen. Beispielsweise müssen Unternehmen, die in eine Technologie investieren, zusätzlich zur Anschaffung der Technologie häufig auch ergänzende Ausgaben für den Aufbau von spezifischem Humankapital [13] oder die Umgestaltung von Arbeitsabläufen tätigen. Unternehmen, die in der Nutzung einer bestimmten Technologiegattung weiter fortgeschritten sind, können Kostenvorteile bei den ergänzenden Ausgaben haben. Eine bestimmte Technologie-Investition aus der Vergangenheit kann somit das Investitionskalkül in der Zukunft beeinflussen, wenn es sich um komplementäre Technologien handelt. [14] Folglich sollten Unternehmen, die bereits in viele verwandte Technologien investiert haben, eine höhere Adoptionswahrscheinlichkeit für eine weitere Technologie aufweisen als Unternehmen mit geringerer Technologie-Ausstattung. Diese Kernhypothese bedeutet, dass Unternehmen mit einem hohen k-Wert eine höhere Adoptionswahrscheinlichkeit für jede weitere der in der Übersicht aufgeführten Technologien haben müssten als Unternehmen mit einem niedrigen k-Wert. [15] | ||
| |||
| Empirische Ergebnisse |
Getestet wird diese Hypothese mit logistischen Regressionen für jede der 25 Technologien. Als erklärende Faktoren fließen die Unternehmensgröße, der Sektor, das Herkunftsland, die Anzahl der Niederlassungen und ein modifizierter Faktor k' ein. Dieser Faktor misst die Anzahl der E-Business-Technologien, die über die jeweils betrachtete Technologie hinaus eingesetzt werden. Alle Regressionen bestätigen die Hypothese einer zunehmenden Adoptionswahrscheinlichkeit bei höherem technologischen Entwicklungsstand. In allen Modellen ist der k'-Koeffizient positiv und hochsignifikant. Für die restlichen Kontrollvariablen ergeben sich in Abhängigkeit von der betrachteten Technologie uneinheitliche Ergebnisse. So hat die Sektorzugehörigkeit eines Unternehmens einen starken Einfluss für Online-Verkäufe, jedoch kaum einen Einfluss bei Customer Relationship Management Systems (CRM). Ähnlich uneinheitlich sind auch die Ergebnisse für die Unternehmensgröße. Kleine Unternehmen mit bis zu 49 Beschäftigen haben z. B. eine deutlich geringere Investitionsbereitschaft in Knowledge Management Systems (KMS) als mittelständische oder große Unternehmen. Bei E-Learning hingegen haben kleine Unternehmen eine höhere Investitionsbereitschaft als mittelständische Unternehmen. In allen Modellen hat jedoch die Anzahl der anderen verwandten Technologien, die ein Unternehmen bereits nutzt (k'), den stärksten Einfluss auf die Investitionsneigung.
Um zu prüfen, ob die Adoptionswahrscheinlichkeit tatsächlich strikt in k' steigt, werden ebenfalls logistische Regressionen für alle 25 Technologien berechnet, bei denen der Parameter k' in zehn Intervalle mit annähernd gleicher Verteilungsmasse zerlegt wurde. Die Ergebnisse für die fünf Beispiel-Technologien stützen die Hypothese (Tabelle 2). Für jede untersuchte Technologie ist die Adoptionswahrscheinlichkeit am höchsten in der Gruppe, die bereits mehr als zehn solcher Technologien nutzt (k' > 10), und am geringsten in der Gruppe, die keine oder nur eine der anderen E-Business-Technologien einsetzt (k' element von [0; 1]). Die Regressionskoeffizienten für die dazwischen liegenden k'-Intervalle steigen annähernd linear in k'. | ||
| |||
| Anzeichen für wachsende Kluft zwischen Pionieren und Nachzüglern |
Als Fazit ist festzuhalten: Je größer die Ausstattung eines Unternehmens mit E-Business-Technologie ist, desto höher ist die Adoptionswahrscheinlichkeit für eine weitere E-Business-Technologie. [16] Die Ergebnisse legen nahe, dass die Wahl einer Firma für eine Technologie einem pfadabhängigen Prozess folgt, in dem in der Vergangenheit getätigte Investitionsentscheidungen einen erheblichen Einfluss auf künftige Investitionsentscheidungen haben. Insbesondere können die Ergebnisse als Anzeichen für eine wachsende Kluft in der E-Business-Technologie-Ausstattung der Unternehmen gewertet werden: Während einige bereits weit fortgeschrittene Pioniere weiterhin in E-Business-Technologien investieren, haben Unternehmen, die diesbezüglich Nachzügler sind, eine deutlich geringere Investitionsneigung.
Die technologisch weiter fortgeschrittenen Unternehmen haben in der Regel ein höheres Produktivitätsniveau im Vergleich zu Nachzüglern. [17] Die hier identifizierte höhere Investitionsneigung der E-Business-Pioniere lässt darauf schließen, dass sie mit den Investitionen in solche Technologien ihren Wettbewerbsvorsprung gegenüber den unmittelbar konkurrierenden Nachzüglern vergrößern.
| ||
| |
------------------------------------------------------------------------------- Übersicht 25 komplementäre E-Business-Technologien und ihre Verbreitung in Unternehmen ------------------------------------------------------------------------------- Relative Häufigkeit in % Wide Area Network (WAN) 25,5 Local Area Network (LAN) 70,2 Extranet 17,8 Intranet 50,2 Content Management System (CMS) 14,4 Online-Banking 59,7 E-Learning 17,2 Internetbasierte Personal-Management-Systeme (HRM) 18,4 Aufzeichnung von Arbeitszeiten online 20,9 Automatische Reisekostenerstattung online 9,3 Austausch von Dokumenten und Gruppenarbeit online 46,5 Nutzung eines Application Service Provider (ASP) 3,1 Knowledge Management System (KMS) 3,0 Customer Relationship Management (CRM) 5,2 Ausschreibung von Stellenangeboten online 20,1 Supply Chain Management (SCM) 2,6 Verhandlung von Verträgen online 17,4 Austausch von Dokumenten mit Kunden online 47,6 Austausch von Dokumenten mit Zulieferern online 48,4 Management der Kapazitätsauslastung online 11,6 Prognose der Produktnachfrage online 13,9 Entwicklung neuer Produkte online 18,8 Online-Beschaffung 46,9 Online-Verkauf 15,6 Teilnahme an elektronischem Marktplatz 5,8 ------------------------------------------------------------------------------- Befragung von 4 852 Unternehmen im Juni 2002. Alle berücksichtigten Firmen verfügten über Computer und Internet-Zugang und nutzten das World Wide Web sowie E-Mail. Quellen: Köllinger und Schade, a. a. O.; e-Business W@tch 2002. DIW Berlin 2004 =============================================================================== |
| |
-------------------------------------------------------------------------------Tabelle 1
Einflussfaktoren für die Investitionsneigung bei ausgewählten
E-Business-Technologien
Modell 1 (1)
-------------------------------------------------------------------------------
Erklärende Variablen E-Learning Online-Verkäufe Online-Beschaffung
Branche
Ernährung und Tabak -0,157 -1,929** -0,100
Medienbranche -0,203 -0,970** 0,154
Chemie -0,542** -1,936** -0,395**
Metallverarbeitung -0,214 -2,233** -0,297*
Maschinenbau -0,468** -2,277** 0,013
Elektronik und
Elektrotechnik -0,341 -1,966** 0,272
Fahrzeugbau -0,277 -1,718** 0,008
Einzelhandel -0,157 -0,942** 0,053
Banken 0,386* -1,223** -0,740
Versicherungen 0,143 -1,226** -0,459**
Grundstücks- und
Wohnungswesen -0,157 -1,688** -0,161
Telekommunikation und EDV 0,048 -1,440** 1,143**
Dienstleister für Unternehmen -0,065 -1,966** 0,273*
Gesundheits- und Sozialwesen 0,117 -2,305** -0,027
Land
Frankreich -0,404** -0,721** -1,432**
Italien 0,256** -0,618** -1,443**
Großbritannien 0,464** -0,253** -0,411**
Unternehmensgröße
Bis 49 Beschäftigte 0,432** 0,298** 0,284**
Mehr als 250 Beschäftigte 0,244* 0,139 -0,348**
Mehr als 1 Niederlassung 0,155 0,087 -0,970
Anzahl anderer adoptierter
komplementärer Technologien
(k') 0,253** 0,165** 0,200**
Konstante -3,209** -1,178** -0,592**
Modell-Diagnose
N 4 852 4 852 4 852
Nagelkerke R² 0,217 0,177 0,248
-2 Loglikelihood 3 775 3 681 5 712
Signifikanz 0 0 0
Freiheitsgrade 21 21 21
-------------------------------------------------------------------------------
Erklärende Variablen Customer Knowledge
Relationship Management
Management Systems
Branche
Ernährung und Tabak 0,038 0,575
Medienbranche -0,313 0,524
Chemie 0,639* 1,235**
Metallverarbeitung 0,196 0,807
Maschinenbau 0,186 0,707
Elektronik und
Elektrotechnik 0,544 1,141**
Fahrzeugbau -0,245 1,262**
Einzelhandel 0,461 0,864
Banken 0,327 1,212**
Versicherungen 0,412 1,156*
Grundstücks- und
Wohnungswesen -0,057 0,770
Telekommunikation und EDV -0,049 1,050*
Dienstleister für Unternehmen 0,188 1,375**
Gesundheits- und Sozialwesen -1,156** -0,410
Land
Frankreich -0,344** -0,129
Italien -0,431** -0,048
Großbritannien -0,229 -0,194
Unternehmensgröße
Bis 49 Beschäftigte -0,732** -0,471**
Mehr als 250 Beschäftigte -0,144 0,233
Mehr als 1 Niederlassung 0,181 -0,140
Anzahl anderer adoptierter
komplementärer Technologien
(k') 0,111** 0,168**
Konstante -3,318** -5,334**
Modell-Diagnose
N 4 852 4 852
Nagelkerke R² 0,088 0,101
-2 Loglikelihood 1 847 1 200
Signifikanz 0 0
Freiheitsgrade 21 21
-------------------------------------------------------------------------------
Referenzkategorien: Tourismusbranche, Deutschland,
50 bis 249 Beschäftigte, eine Niederlassung.
(1) k' als ganzzahlige Variable.
* 90 % Konfidenz.
** 95 % Konfidenz.
Quellen: Köllinger und Schade, a. a. O.; e-Business W@tch 2002.
DIW Berlin 2004
===============================================================================
|
| |
-------------------------------------------------------------------------------Tabelle 2
Einflussfaktoren für die Investitionsneigung bei ausgewählten
E-Business-Technologien
Modell 2 (1)
-------------------------------------------------------------------------------
Erklärende Variablen E-Learning Online-Verkäufe Online-Beschaffung
Branche
Ernährung und Tabak -0,233 -1,955** -0,115
Medienbranche -0,228 -0,938** 0,143
Chemie -0,560** -1,906** -0,396**
Metallverarbeitung -0,265 -2,202** -0,300*
Maschinenbau -0,551** -2,278** -0,021
Elektronik und
Elektrotechnik -0,367* -1,945** 0,278
Fahrzeugbau -0,322 -1,695** 0,000
Einzelhandel -0,184 -0,930** 0,046
Banken 0,316 -1,217** -0,071
Versicherungen 0,093 -1,211** -0,478**
Grundstücks- und
Wohnungswesen -0,239 -1,677** -0,178
Telekommunikation und EDV 0,410 -1,403** 1,166**
Dienstleister für Unternehmen -0,102 -1,947** 0,285*
Gesundheits- und Sozialwesen 0,073 -2,298 -0,013
Land
Frankreich -0,410** -0,727** -1,454**
Italien 0,264** -0,618** -1,442**
Großbritannien 0,471** -0,245** -0,415**
Unternehmensgröße
Bis 49 Beschäftigte 0,459** 0,294** 0,303**
Mehr als 250 Beschäftigte 0,273* 0,165 -0,304**
Mehr als 1 Niederlassung 0,188* 0,117 -0,830
k' = 2 0,476 0,229 0,592**
k' = 3 0,840** -0,002 0,746**
k' = 4 1,160** 0,571** 1,161**
k' = 5 1,259** 0,631** 0,990**
k' = 6 2,043** 1,232** 1,469**
k' = 7 1,911** 0,751** 1,334**
k' = 8 2,463** 1,133** 1,832**
k' = 9 oder 10 2,675** 1,452** 1,996**
k' > 10 3,338** 1,955** 2,587**
Konstante -3,858** -1,055** -0,719**
Modell-Diagnose
N 4 852 4 852 4 852
Nagelkerke R² 0,219 0,178 0,251
-2 Loglikelihood 3 769 3 676 5 695
Signifikanz 0 0 0
Freiheitsgrade 29 29 29
-------------------------------------------------------------------------------
Erklärende Variablen Customer Knowledge
Relationship Management
Management Systems
Branche
Ernährung und Tabak 0,004 0,482
Medienbranche -0,346 0,469
Chemie 0,605* 1,193**
Metallverarbeitung 0,166 0,750
Maschinenbau 0,108 0,577
Elektronik und
Elektrotechnik 0,490 1,070*
Fahrzeugbau -0,276 1,174**
Einzelhandel 0,472 0,802
Banken 0,258 1,072*
Versicherungen 0,362 1,087*
Grundstücks- und
Wohnungswesen -0,121 0,666
Telekommunikation und EDV -0,079 0,985*
Dienstleister für Unternehmen 0,164 1,300
Gesundheits- und Sozialwesen -1,144** -0,081
Land
Frankreich -0,347* -0,124
Italien -0,418** -0,035
Großbritannien -0,202 -0,172
Unternehmensgröße
Bis 49 Beschäftigte -0,655** -0,342
Mehr als 250 Beschäftigte -0,188 0,297
Mehr als 1 Niederlassung 0,175 -0,106
k' = 2 17,077 15,032
k' = 3 17,491 15,918
k' = 4 17,920 16,679
k' = 5 17,559 16,361
k' = 6 17,773 17,930
k' = 7 18,184 17,490
k' = 8 18,321 18,138
k' = 9 oder 10 18,339 18,000
k' > 10 18,621 18,342
Konstante -20,507 -21,574
Modell-Diagnose
N 4 852 4 852
Nagelkerke R² 0,107 0,131
-2 Loglikelihood 1 815 1 164
Signifikanz 0 0
Freiheitsgrade 29 29
-------------------------------------------------------------------------------
Referenzkategorien: Tourismusbranche, Deutschland, 50 bis 249 Beschäftigte,
eine Niederlassung, k' element von [0; 1].
(1) k' in zehn Intervallen.
* 90 % Konfidenz.
** 95 % Konfidenz.
Quellen: Köllinger und Schade, a. a. O.; e-Business W@tch 2002.
DIW Berlin 2004
===============================================================================
| |
| © 20/04 |
Diese Seite empfehlen