teil 4: kostenkontrollrechnungen - bwl1.ovgu.derechnungswesen/sose+2019/... · – differenzierte...
TRANSCRIPT
2
Kontrolle und Abweichungsursachen
• Im Rahmen der Kontrolle werden Sollgrößen den realisierten
Istgrößen gegenübergestellt
– Ermittelte Differenz: Abweichung
– Abweichungen werden in kontrollierbare und nicht kontrollierbare
Abweichungen unterteilt
• Kontrollierbare Abweichungen
– hätten vermieden werden können oder könnten in Zukunft vermieden
werden
• zB Suboptimale Einstellung einer Maschine führt zu erhöhtem
Ausschuss
• Nicht kontrollierbare Abweichungen
– Entstehen durch Zufallseinflüsse außerhalb der Kontrolle des
Unternehmens
• Zinsniveauänderungen, Markteinbruch, höhere Gewalt
3
Abweichungsursachen
• Unbeabsichtigte Fehler entstehen zB durch Nachlässigkeit oder
fehlende Konzentration
• Beabsichtigte Fehler beschreiben gezieltes Fehlverhalten eines
Entscheidungsträgers
– zB zur Verfolgung persönlicher Ziele
4
Funktionen der Kontrolle
• Entscheidungsunterstützungsfunktion
– Kontrolle erfolgt mit dem Ziel, Fehler der Vergangenheit in Zukunft zu
vermeiden
– Planung verbessern, Entscheidungen verbessern
• Entscheidungsbeeinflussungsfunktion
– Kontrolle erfolgt mit dem Ziel der Koordination
– Ex post Kontrolle soll ex ante Verhalten beeinflussen
– Voraussetzung für Koordinationsbedarf
• Bestehen von Zielkonflikten
• Informationsasymmetrie
5
Funktionen der Kontrolle
• Entscheidungsbeeinflussungsfunktion
– Kontrolle nicht unabhängig von Organisationsstruktur
– Festlegung von Entscheidungsrechten, Anreizsystemen etc.
beeinflussen, welche Kontrollaktivitäten sinnvoll sind
6
Der Kontrollprozess
• Gliederung
– Aufstellung des Kontrollfeldes
• Für welche Kostenarten oder Kostenträger sollen wie oft Soll- und
Istwerte verglichen werden
– Bestimmung der Soll- und Istgrößen
• Potentielle Sollgrößen: Istgrößen, Normalisierte Größen,
Prognosewerte, Standardgrößen
– Vergleich der Soll- und Istgrößen und Aufspaltung der
Gesamtabweichung in Einzelabweichungen
– Auswertung der Ergebnisse der Abweichungsanalyse
7
Abweichungsanalyse- Konzepte
• Bezugssystem
– Gesamtabweichung als Differenz zwischen Soll- und Istgröße
– Ist-Soll-Vergleich:
– Soll-Ist-Vergleich:
• Bezugsbasis:
• Istbezugsgrößen:
• Planbezugsgrößen:
• Wobei y eine beliebige Einflussgröße auf die Kosten beschreibt
– zB Mengen, Preise, Maschinenstunden
– Mit
9
Aufspaltung der Gesamtabweichung
• Gesamtabweichung ist oft wenig aussagefähig
• Viele Kosteneinflussgrößen können Abweichungen aufweisen und
sich gegenseitig auch aufheben
• Teilabweichungen sind von Interesse
– Helfen die Erfolgskonsequenzen von Abweichungen bei einzelnen
Einflussgrößen abzuschätzen
• Zerlegung in Teilabweichungen:
• Gesamtabweichung:
• Idealerweise Aufteilung in Abweichungen, die jeweils genau die
Auswirkungen der Änderung eines Einflussfaktors messen:
• Gesamtabweichung ergäbe sich dann als
10
Aufspaltung der Gesamtabweichung
• Aufspaltung in dieser Form nicht immer möglich
– Bereits bei multiplikativen Verknüpfungen ergeben sich gemischte
Abweichungen
– Beispiel: Preis- und Mengenabweichung als Kosteneinflussgrößen
– Faktorpreis: r, Faktormenge: q, Kosten: K(r,q)= r*q
• Abweichungen erster Ordnung:
• Preisabweichung:
• Mengenabweichung:
• Abweichung zweiter Ordnung (gemischte Abweichung):
– Verursachungsgerechte Zuordnung nicht mehr möglich
12
Methoden der Abweichungsanalyse
• Unterscheiden sich dadurch, wie sie mit dem Problem der(n)
gemischten Abweichung(en) umgehen
• Gängige Methoden
– Differenzierte Methode
• Gemischte Abweichungen werden gesondert ausgewiesen
– Alternative Methode
• Jeweils nur eine Einflussgröße wird von Ist auf Soll gesetzt
– Kumulative Methode
• Sukzessiv werden Einflussgrößen von Ist auf Soll gesetzt
– Symmetrische Methode
• Gleichmäßige Aufteilung der gemischten Abweichungen auf die
Abweichungen erster Ordnung
14
Anforderungen an Methoden
• Welche Methode ist zweckmäßig?
• Typische Anforderungen an Abweichungsanalysemethoden, die in
der Literatur genannt sind:
– Vollständigkeit
– Invarianz
– Willkürfreiheit
– Koordinationsfähigkeit
– Wirtschaftlichkeit und Praktikabilität
• Differenzierte Methode erfüllt die Voraussetzungen am ehesten
• Kumulative Methode ist in der Praxis am häufigsten anzutreffen
15
Planungskontrolle
• Ausgangspunkt: ex post-Plangröße Ks
Realisationsabweichung Planabweichung
i p i s p sK K K K K K K KS ... Bestmögliche Plangrößeunter aktuellen Bedin-gungen bzw Annahmen
Abgrenzung der Verantwortung zwischen Planabteilung undRealisierenden problematisch
Ex post-Plangröße müsste Informationsstand des Verantwortlichen
berücksichtigen
Plangröße nur für Beurteilung der Planung oder Realisation
Informationskosten sind zu beachten
Realisationsabweichungsermittlung hat wichtige Anreizwirkung zur
Informationsnutzung
Realisationshandlungen können Umweltentwicklung direktbeeinflussen
Je kürzer der Planungshorizont, desto weniger wahrscheinlichPlanabweichungen
16
Beispiel
Verhältnisse zum Planungszeitpunkt
xKpx 2100,000.1
901.248,501,499 ppp Gpx
Der realisierte Gewinn sei: Gi = 150.000
Zum Kontrollzeitpunkt wird mit folgenden Annahmen gerechnet
x p K x 1000 2 100 3. ,
x p Gs s s497 2515 123 404 5, , , . ,
Ex-post-Kontrolle:
901.985,496.1255,595.26
5,404.123901.2485,404.123000.150
spsi GGGG
17
Auswertung von
unbeabsichtigten Abweichungen
• Grund: Unsicherheit der künftigen Entwicklung
• Abweichungen
– kontrollierbar
– nicht kontrollierbar
• unbeabsichtigte Abweichungen: verschiedene Modelle zur
Auswertung
• Berücksichtigung von Kosten und Nutzen der Auswertung
• ein- oder mehrperiodig
• aktuelle Entwicklungen im Bereich der
Fertigungstechnologien und Fertigungssysteme
18
Statistische Modelle
• Annahmen und Voraussetzungen
– Höhe der Abweichungen als einziger Indikator für (nicht) kontrollierbare
Ursache
– Große Zahl von Beobachtungen erforderlich
• Kontrollkarten-Verfahren (Shewhart-Verfahren)
– Größere Abweichungen werden als kontrollierbar eingestuft
– Festlegung von Kontrollgrenzen
• Beachtung möglicher Fehler
– Fehler 1. Art: Analyse trotz Nicht-Kontrollierbarkeit
– Fehler 2. Art: Keine Analyse trotz Kontrollierbarkeit
• IdR zweiseitige Auswertungsstrategien
Oft unterschiedliche Grenzwerte für positive und negative
Abweichungen
– Methodik: Hypothesentest, ob Abweichung = 0
• Annahmebereich bei Normalverteilungsannahme im Intervall (ts,+ts)
19
Statistische Modelle
Illustration
• Abweichung außerhalb des Intervalls [-2,58s, +2,58s]
Wahrscheinlichkeit 1 % für unkontrollierbare Ursachen
– zB Abstellen und Prüfen der Fertigungsanlage
• Festlegung Warngrenzwerte
zB Intervall [-1,96s, +1,96s]
5 % Wahrscheinlichkeit für unkontrollierbare Ursachen
– zB Test bei laufender Anlage
20
Kontrollkartenverfahren - Grafik 0
Abweichung
Zeit
0
Abweichung
Zeit
obere Kontrollgrenze
untere Kontrollgrenze
obere Kontrollgrenze
untere Kontrollgrenze
0
Abweichung
Zeit
0
Abweichung
Zeit
obere Kontrollgrenze
untere Kontrollgrenze
obere Kontrollgrenze
untere Kontrollgrenze
Abweichung vermutlich
zufällig
Vermutlich kontrollierbarer
Fehler
21
Einperiodiges Modell mit Kosten/Nutzen
der Auswertung
• Entscheidungsmatrix:
I Kosten der Untersuchung, soll mit Sicherheit Kontrollierbarkeit aufdecken
K Kosten der Korrekturmaßnahmen
OK Kosten bei Nichtkorrektur kontrollierbarer Ursachen
Bei I und K zusätzlich anfallende Kosten relevant
Außerdem muss gelten: I + K < OK
Risikoneutralität: Entscheidung nach dem Erwartungswert der Kosten
Voraussetzung: Wahrscheinlichkeit f [0, 1] für kontrollierbare
Abweichung
Abweichungsursache kontrollierbar nicht kontrollierbar
Aktion
Untersuchung und ggf Korrektur I + K I
sofortige Korrektur K K
nichts unternehmen OK 0
22
Einperiodiges Modell mit Kosten/Nutzen
der Auswertung: Lösung
• Entscheidung zwischen Aktion 1 und Aktion 3 (nichts tun)
– Durchführung einer Untersuchung, wenn
KOK
I
13f̂f
Nie Untersuchung, wenn OK I + K
Stets Untersuchung, wenn I = 0 und OK > K
Entscheidung zwischen Aktion 1 und Aktion 2 (sofortige Korr.)
Durchführung einer Untersuchung, wenn
K
IK 12f̂f Nie Untersuchung, wenn I K
Stets Untersuchung, wenn I = 0
Entscheidung zwischen Aktion 2 und Aktion 3
Sofortige Korrekturmaßnahmen, wenn K < f ·OK
OK
K 23f̂f
OKKIIKI ffff )1()(
KKII(K)I fff )1(
23
Einperiodiges Modell mit Kosten/Nutzen
der Auswertung: Grafik
f ·OK
K
I + K
Untersuchung, uU Korr.
1
I + f ·K
13f̂ 23f̂ 12f̂
nichts tun sofort Korr
I
0f
Kosten
OK
24
Auswertung von
beabsichtigten Abweichungen
• Unterschiede gegenüber Auswertung unbeabsichtigter
Abweichungen
– Verursachung sowohl durch absichtlich gesetztes
Verhalten als auch durch nicht kontrollierbare
Einflussgrößen
– Differenzierung in kontrollierbare und nicht kontrollierbare
Ursachen für Verhaltenssteuerungsfunktion nicht geeignet
– Auswertung von Abweichungen ex post wertlos
– Motivationswirkung ex ante
25
Agency-Modell
• Agency-Modell
– auch Prinzipal-Agenten-Modell genannt
– im einfachsten Fall: zwei Personen in hierarchischer
Organisation
– Prinzipal: Unternehmenseigentümer
– Agent: Manager
– Zielkonflikt - Anreizproblem
26
Agency-Modell
• Annahmen
– Prinzipal: risikoneutral, besitzt Produktionstechnologie
– Agent: risikoscheu, entscheidet über Arbeitseinsatz a
– Umweltsituation q: externe, nicht kontrollierbare Größen
– Ergebnis x = x(a,q): allgemein beobachtbar
– Prinzipal erhält Ergebnis, bezahlt daraus Agenten S(x)
– Höheres a durchschnittlich höheres Ergebnis,
höherer Disnutzen für Agenten V(a)
– asymmetrisch verteilte Information:
Prinzipal kann nicht von x auf a schließen
– Teilnahme-Bedingung des Agenten:
Mindestnutzen bei alternativer Beschäftigung
(Reservationsnutzen U)
27
Agency-Modell
• First best-Lösung
– bei beobachtbarer Arbeitsleistung oder beobachtbarem
Umweltzustand
• Einfache Lösung in zwei Fällen:
– Agent ist risikoneutral
– Prinzipal möchte niedrigste Arbeitsleistung durchsetzen
• Second best-Lösung
– bei Informationsasymmetrie
– Trade-off zwischen Risiko und Anreizen
28
Zustände, Überschüsse und
Beobachtbarkeit
Beispiel
Zustände q1 q2 q3 q4
Wahrsch. (0,2) (0,2) (0,3) (0,3)
iLax q, 1.000 1.000 2.000 3.000
iHax q, 1.000 2.000 3.000 3.000
Keine Rückschlüsse vom Überschuss auf die Aktion möglich
Unterdrückung der Zustände wie folgt:
6,02,02,0
3,03,04,0
000.3000.2000.1
H
L
axf
axf
xxx
1.900L
E x a
2.400H
E x a
29
„Moving support“
Was wäre, wenn folgende Situation vorläge?
Zustände q1 q2 q3 q4
Wahrsch. (0,2) (0,2) (0,3) (0,3)
iLax q, 1.000 2.000 2.000 3.000
iHax q, 2.000 2.000 3.000 3.000
Was, wenn folgende Situation vorläge?
Zustände q1 q2 q3 q4
Wahrsch. (0,2) (0,2) (0,3) (0,3)
iLax q, 1.000 1.000 2.000 2.000
iHax q, 1.000 2.000 2.000 3.000
30
Agency-Modell
• Ein binäres Modell
– Ergebnis: x2 > x1 > 0
– Arbeitsleistung: aH > aL
– Wahrscheinlichkeitsstruktur:
– Nutzenfunktion des Agenten
Wenn , dann gilt
jiji vsasU ),(
jiji vuasU ),(ii su
Wahrscheinlichkeiten Ergebnis x1 Ergebnis x2 Disnutzen V(a)
Aktion aL 1
Lf 2
Lf vL
Aktion aH 1
Hf 2
Hf vH
31
Agency-Modell
– Zielfunktion des Prinzipals
– Teilnahmebedingung
– Aktionswahlbedingung
f f 1 2
2 2
1 1 1 2 2 2,
max ( ) ( )H H
u ux u x u
f f f f 1 2
2 2
1 1 2 2 1 1 2 2,
erwarteter Erfolgerwartete Kosten der Entlohnung
minH H H H
u ux x u u
f f 1 1 2 2
H H
Hu u v U
f f f f 1 1 2 2 1 1 2 2
H H L L
H Lu u v u u v
32
Agency-Modell
f f f f
f f f f
2 2
1 1 2 2 1 1 2 2
1 1 2 2 1 1 2 2
H H H H
H
H H L L
H L
LG u u u u v U
u u v u u v
f
f f
2
1
2 2
( )H
H LH H L
v vu U v
f
f f
1
2
2 2
( )H
H LH H L
v vu U v
33
Agency-Modell
• Vergleich mit first best-Lösung
für i = 1,2
Bei Beobachtbarkeit: Aktionswahl-Restriktion irrelevant
First best-Lösung
Asymmetrische Information: Aktionswahl-Restriktion relevant
Second best-Lösung
Differenz: Agency costs
34
Beispiel
Beispiel
Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten
beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist wie folgt gegeben.
Wahrscheinlichkeit x 1 x 2 v j
a L 0,6 0,4 0
a H 0,3 0,7 4
Als first best-Lösung ergibt sich ein Nutzen der Entlohnung von U + vH = 24 und erwar-
tete Entlohnungskosten von 242 = 576.
Die second best-Lösung ergibt u1 = 14,67 und u2 = 28. Der Erwartungswert der Nutzen
der Entlohnung beträgt gerade wieder 24. Die erwarteten Entlohnungskosten steigen
allerdings (wegen der Quadrierung der ui) auf 613,13. Es resultieren Agency-Kosten von
613,33 – 576 = 37,33. Diesen Betrag könnte man hier auch als Wert der Information
über die Arbeitsleistung interpretieren.
35
Abweichungsanalyse im Agency-Modell
• Anbindung der Kompensation an die Ergebnisabweichung
x = xi - xp = x(ai, qi) - x (ap, qp)
• Lösung bleibt dieselbe
• Prinzipal kann keine Abweichungsauswertung durchführen, die
unerwünschtes Verhalten offenbart
• Ex post entsteht Abweichung aus Zufallsschwankung
• Risikoaufteilung ex post nicht optimal
• Verletzung des Controllability - Prinzips
– Agent muss für Gesamtabweichung und damit für q
verantwortlich gemacht werden
• Kontrollmechanismus wirkt sich auf Planung aus!
• Anreizwirkung einer Auswertung
– Kenntnis der Auswertungsstrategie bewirkt ex ante Anreiz für
Agenten, sich wie vereinbart zu verhalten
– Kosten-Nutzen - Abwägung erforderlich
36
Grundsätzliche Auswertungsstrategien
im Agency-Modell
• Annahmen
– Prinzipal risikoneutral
– Agent wählt zwischen niedriger (aL)oder hoher Arbeitsleistung (aH)
– Auswertungskosten K
– Abweichungsauswertung liefert Information y zB wie folgt:
yH
Wahrsch. f(yH|aH)=f
yL
Wahrsch. f(yL|aH)=1f
1/2 < f 1
y
Bei f = 1 faktisch sichere Information über die Arbeitsleistung
Prinzipal entscheidet nach Beobachtung von x über AuswertungAuswertungswahrscheinlichkeit a = a(x) [0,1]
Entlohnung ohne Auswertung s(x), mit Auswertung s(x,yL), s(x,yH) oder s(x)
37
Auswertungsstrategien
im Agency-Modell (2)
Annahme: f = 1
Auswertung nur bei ungünstigem Ergebnis
Optimierungsproblem
Unter den Nebenbedingungen
Auswertung nur bei hohem Ergebnis
Aktionswahlbedingung
f f 1 2
2 2
1 1 2 2,
min H H
u uu u
f f 1 1 2 2
H H
Hu u v U
f f f f
1 1 2 2 1 2 2
0
0H H L L
H Lu u v u v
f f f f
1 1 2 2 1 1 2
0
0H H L L
H Lu u v u v
38
Beispiel
Beispiel
Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten
beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist wie folgt gegeben.
Wahrscheinlichkeit x 1 x 2 v j
a L 0,6 0,4 0
a H 0,3 0,7 4
Als first best-Lösung ergibt sich ein Nutzen der Entlohnung von U + vH = 24 und erwar-
tete Entlohnungskosten von 242 = 576.
Die second best-Lösung ergibt u1 = 14,67 und u2 = 28. Der Erwartungswert der Nutzen
der Entlohnung beträgt gerade wieder 24. Die erwarteten Entlohnungskosten steigen
allerdings (wegen der Quadrierung der ui) auf 613,13. Es resultieren Agency-Kosten von
613,33 – 576 = 37,33. Diesen Betrag könnte man hier auch als Wert der Information
über die Arbeitsleistung interpretieren.
39
Beispiel
Nun sei angenommen, die Entlohnung würde gleichgehalten und nur im Fall der
Auswertung bei Auffinden von aL würde Null bezahlt.
Im Fall der Auswertung nur bei ungünstigem Ergebnis lautet die Aktionswahlbedingung
f f f
1 2 224 24 4 0 24 0
20 0,4 24 9,6
H H L
Diese Bedingung ist damit erfüllt. Bei Auswertung nur des günstigen Ergebnisses ist die
Aktionswahlbedingung genauso erfüllt:
f f f
1 2 124 24 4 24 0 0
20 0,6 24 14,4
H H L
Daraus folgt, daß die Sanktion, nämlich Null zu zahlen, hier völlig ausreicht, um mit jeder
der beiden Auswertungsstrategien die first best-Lösung zu implementieren. Eine bessere
Lösung ist nicht mehr möglich. Für einen vollständigen Vergleich sind allerdings die
Auswertungskosten K zu berücksichtigen.
40
Beispiel
Sind die Kosten der Auswertung nur von der Tatsache der Auswertung, nicht aber von
den Ergebnissen selbst abhängig, ist es günstiger, bei ungünstigem Ergebnis
auszuwerten, denn a priori tritt das ungünstige Ergebnis nur mit einer Wahrscheinlichkeit
von 0,3 ein. Daher wird im Erwartungswert weniger oft ausgewertet.
Man kann noch einen Schritt weiter gehen und überlegen, ob es nicht ausreicht, nur
stichprobenartig auszuwerten. Angenommen, bei Beobachtung des ungünstigen
Ergebnisses wird mit a [0; 1] ausgewertet. Dann ändert sich die Aktionswahlbedingung
zu:
1 2 1 1 224 24 4 0 (1 ) 24 24 0
20 (1 ) 0,6 24 0,4 24
10,4 (1 ) 14,4
H H L L Lf f a f a f f
a
a
Sie ist solange erfüllt, als a 5/18 gewählt wird. Damit reduzieren sich die erwarteten
Auswertungskosten ebenfalls auf 1
H Ka f , ohne dass sich die Anreize ändern.
41
Auswertungsstrategien
im Agency-Modell
Nicht perfekte Information durch Auswertung
Signal y = y1 oder y = y2
Optimierungsproblem (Auswertung nur bei x1)
Nebenbedingungen
Wahrscheinlichkeiten Signal y1 Signal y2 Summe
Aktion aL Ergebnis x1
11
Lf
12
Lf
1
Lf
Ergebnis x2 21
Lf 22
Lf 2
Lf
Aktion aH Ergebnis x1
11
Hf
12
Hf
1
Hf
Ergebnis x2 21
Hf 22
Hf 2
Hf
f f f 11 12 2
2 2 2
11 11 12 12 2 2, ,
min H H H
u u uu u u
f f f 11 11 12 12 2 2
H H H
Hu u u v U
f f f f f f 11 11 12 12 2 2 11 11 12 12 2 2
H H H L L L
H Lu u u v u u u v
42
Beispiel
Der Prinzipal möchte die hohe Aktion induzieren. Der Reservationsnutzen des Agenten
beträgt U = 20, und die Wahrscheinlichkeitsstruktur ist unten dargestellt. Wie sich leicht
überprüfen läßt, sind die Ergebniswahrscheinlichkeiten (vor Beobachtung von y) gleich
wie im obigen Beispiel. Die first best-Lösung liefert wiederum einen Nutzen der Entloh-
nung von U + vH = 24 und erwartete Entlohnungskosten von 242 = 576. Die optimalen
Lösungen wurden mit dem Solver in Microsoft Excel ermittelt.
Wahrscheinlichkeit y 1 y 2 y 1 y 2
x 1 0,3 0,3 0,1 0,2
x 2 0,3 0,1 0,2 0,5
Aktion a L Aktion a H
Auswertung nur bei ungünstigem Ergebnis:
u11 = 10,17 u12 = 20,54 u2 = 26,96 Erwartete Entlohnungskosten 603,65
Auswertung nur bei günstigem Ergebnis:
u1 = 18,03 u21 = 21,01 u22 = 28,78 Erwartete Entlohnungskosten 599,88
Die Auswertung nur bei günstigem Ergebnis ist (vor allfälligen Auswertungskosten) vor-
teilhaft.
43
Beispiel
Nun sei folgende Wahrscheinlichkeitsstruktur betrachtet; alle anderen Daten bleiben
gleich. Dadurch ist auch das first best-Ergebnis dasselbe.
Wahrscheinlichkeit y 1 y 2 y 1 y 2
x 1 0,56 0,14 0,1 0,4
x 2 0,24 0,06 0,1 0,4
Aktion a L Aktion a H
Auswertung nur bei ungünstigem Ergebnis:
u11 = 16,22 u12 = 25,10 u2 = 24,68 Erwartete Entlohnungskosten 582,77
Auswertung nur bei günstigem Ergebnis:
u1 = 21,17 u21 = 14,09 u22 = 30,02 Erwartete Entlohnungskosten 604,32
Das Ergebnis dreht sich um: Die Auswertung ist hier bei ungünstigem Ergebnis (vor all-
fälligen Auswertungskosten) besser.
44
Auswertungsstrategien im Agency-Modell
Zusammenfassung
• Art der Risikoscheu des Agenten führt zu unterschiedlichen Ergebnissen
• Kontinuierliche Agency-Modelle: nur Auswertung mit Sicherheit oder keine Auswertung
• Nutzen ist in der Regel nicht symmetrisch um Null verteilt
• Funktion: ex ante-Wirkung auf Agenten –VerhaltenssteuerungAuswertung ungünstiger Abweichungen: VersicherungseffektAuswertung günstiger Abweichungen: Belohnung
• Mathematisch komplexere Modelle könnten nur noch mehr Varianten optimaler Auswertungsstrategien liefern