Pdf-Document - DIW Berlin

Deutsches Institut für Wirtschaftsforschung 

gegründet 1925 als Institut für Konjunkturforschung 

von Prof. Dr. Ernst Wagemann 

Mohrenstraße 58 

10117 Berlin 

Deutschland 

Vorstand: 

Präsident Prof. Dr. Klaus F. Zimmermann 

Vizepräsident Prof. Dr. Georg Meran 

Geschäftsführer Dr. Alexander Fisher 

Kollegium der Abteilungsleiter: 

Prof. Dr. Tilman Brück 

Prof. Dr. Claudia Kemfert 

Prof. Dr. Viktor Steiner 

Prof. Dr. Dr. h.c. Alfred Steinherr 

Prof. Dr. Gert G. Wagner 

Prof. Dr. Christian Wey

Vierteljahrshefte 

zur Wirtschaftsforschung 

76. Jahrgang, Heft 3/2007 

Firmendaten: Nützlich 

für die wissenschaftliche 

Politikberatung? 

DIW Berlin 

Innentitel.indd 1 22.10.2007 11:23:29

Herausgeber: 

Prof. Dr. Friedrich Breyer 

Prof. Dr. Georg Meran 

Prof. Dr. Hans-Georg Petersen 

Prof. Dr. Viktor Steiner 

Prof. Dr. Gert G. Wagner 

Prof. Dr. Wolfgang Wiegard 

Prof. Dr. Klaus F. Zimmermann 

Mohrenstraße 58 


Deutschland 

Tel. +49 (30) 8 97 89-0 

Fax +49 (30) 8 97 89-200 

Redaktion: 

Dr. Pio Baake 

Juniorprof. Dr. Ulrich Fritsche 

Ellen Müller-Gödtel 

Dr. Barbara Praetorius 

Dr. Mechthild Schrooten 

Prof. Dr. Reimund Schwarze 

Prof. Dr. C. Katharina Spieß 

Verantwortlich für das vorliegende Heft: 

Prof. Dr. Andreas Stephan 

Verlag Duncker & Humblot GmbH 

Carl-Heinrich-Becker-Weg 9 


Alle Rechte vorbehalten 

© 2007 Duncker & Humblot GmbH 

Konzept und Gestaltung: 

kognito, Berlin 

Satz: 

Alfred Gutzler 

Ellen Müller-Gödtel 

Druck: 

2007 bei Berliner Buchdruckerei Union GmbH 

Urbanstr. 71 


Printed in Germany 

ISSN 0340-1707 

ISBN 978-3-428-12682-8

Inhaltsverzeichnis 

Der Nutzen von Firmendaten für die wirtschaftspolitische 

Beratung 5 

Von Andreas Stephan 

Firmendaten der amtlichen Statistik – Datenzugang und neue 

Entwicklungen im Forschungsdatenzentrum 8 

Von Anja Malchin und Ramona Pohl 

Die Nutzung der Innovationsdaten des Mannheimer 

Innovationspanels für die Politikberatung 17 

Von Tobias Schmidt und Birgit Aschhoff 

Diversifikationsmaße im Praxistest – Ergebnisse auf der 

Grundlage von amtlichen Mikrodaten für Deutschland 29 

Von Petra Zloczysti und Cathleen Faber 

Spezialisierung und Unternehmenserfolg im verarbeitenden 

Gewerbe Deutschlands 43 

Von Bernd Görzig, Martin Gornig und Ramona Pohl 

Die Heterogenität der Effizienz innerhalb von Branchen – Eine 

Auswertung von Unternehmensdaten der Kostenstrukturerhebung 

im Verarbeitenden Gewerbe 59 

Von Michael Fritsch und Andreas Stephan 

Jobmotor Mittelstand? Arbeitsplatzdynamik und Betriebsgröße 

in der westdeutschen Industrie 76 

Von Joachim Wagner 

Beschäftigungsprognosen auf Basis amtlicher Firmendaten als 

Instrument einer handlungsorientierten Politikberatung am 

Beispiel Brandenburg 88 

Von Markus Höhne, Carsten Kampe, Anna Lejpras und 

Andreas Stephan 

DIW Berlin 3

Der Nutzen von Firmendaten für die 

wirtschaftspolitische Beratung 

Von Andreas Stephan* 



76 (2007), 3, S. 5–7 

In den vergangenen fünf bis zehn Jahren hat sich in Deutschland das Datenangebot für die 

empirische Forschung mit Firmendaten erheblich verbessert. Das IAB-Betriebspanel, das 

Mannheimer Innovationspanel, das Betriebshistorik-Panel der Bundesagentur für Arbeit 

und die seit einigen Jahren von den Forschungsdatenzentren der Statistischen Ämter bereitgestellten 

Firmendaten amtlicher Erhebungen sind Beispiele für Datensätze, die nun 

für wissenschaftliche Analysen zur Verfügung stehen. Einen guten Überblick über die 

neuen Möglichkeiten der Nutzung vertraulicher Firmendaten bietet der Aufsatz von Kaiser 

und Wagner (2007). 

Firmendaten bilden eine wichtige Grundlage für eine qualitativ hochwertige und international 

wettbewerbsfähige Forschung, die darauf abzielt, theoretische Hypothesen auf ihren 

empirischen Gehalt hin zu überprüfen. Zunehmend werden Firmendaten auch im Rahmen 

der wirtschaftspolitischen Beratung eingesetzt. Ein wichtiger Bereich hierbei ist die Innovationspolitik, 

wo Ergebnisse von Befragungen wie dem Mannheimer Innovationspanel 

schon seit Jahren konkrete Anhaltspunkte für Handlungsempfehlungen an die Wirtschaftspolitik 

liefern. 

Das vorliegende Vierteljahrsheft soll nicht nur wichtige Datengrundlagen für die Forschung 

mit Firmendaten vorstellen, sondern auch anhand von konkreten Studien das Potenzial 

von Firmendaten für die wirtschaftspolitische Beratung aufzeigen. Hervorzuheben 

ist hierbei das vom Bundesministerium für Wirtschaft und Technologie geförderte Projekt 

Produktinnovationen und Unternehmenserfolg der Abteilung Innovation, Industrie und 

Dienstleistung des DIW Berlin, das Pioniercharakter aufweist, weil erstmalig für Deutschland 

zwei amtliche wirtschaftsstatistische Erhebungen zusammengeführt wurden: die Produktionsstatistik 

zum einen und die Kostenstrukturerhebung zum anderen. Hierdurch ist 

ein Product-Producer-Panel geschaffen worden, das erlaubt, die Änderungen der Produktpalette 

von Unternehmen im Längsschnitt zu analysieren. 

Im ersten Beitrag von Anja Malchin und Ramona Pohl wird eine Übersicht über die Möglichkeiten 

der Datennutzung in den Forschungsdatenzentren der Statistischen Ämter des 

Bundes und der Länder gegeben. Insbesondere wird das Analysepotential der durch die 

Forschungsdatenzentren zur Verfügung gestellten Betriebs- und Unternehmensdaten betrachtet, 

da Ergebnisse aus Auswertungen dieser Datenbestände eine valide Basis für die 

wirtschaftspolitische Beratung darstellen. 

* Jömköping International Business School und DIW Berlin, E-Mail: andreas.stephan@ihh.hj.se 


Andreas Stephan 

Im zweiten Beitrag von Tobias Schmidt und Birgit Aschhoff werden die Daten des Mannheimer 

Innovationspanels (MIP) vorgestellt, einer großen Befragung zum Innovationsverhalten 

deutscher Unternehmen. Das Mannheimer Innovationspanel stellt eine qualitativ 

hochwertige Basis für die Politikberatung dar. Anhand von konkreten Beispielen wird 

weiterhin aufgezeigt, wie die Daten des Innovationspanels konkret für die Politikberatung 

genutzt werden. So wird ein Projekt zur Evaluation öffentlicher Forschungs- und Entwicklungsförderung 

in Deutschland und Flandern beschrieben. Dieses verdeutlicht, wie methodisch 

gut fundierte Analysen mit Politikberatung verknüpft werden können. 

Der dritte Beitrag von Petra Zloczysti und Cathleen Faber stellt die in der empirischen industrieökonomischen 

Forschung vorherrschenden Diversifikationsmaße vor und unterzieht 

diese einem praktischen Test anhand des Produkt-Producer-Panels. Alle getesteten 

Diversifikationsmaße zeigen, dass im verarbeitenden Gewerbe in Deutschland ein Trend 

hin zu stärkerer Spezialisierung beobachtet wird. Diese Beobachtung steht im Einklang 

mit dem seit einigen Jahren ebenfalls zu beobachtenden Trend des Outsourcings und der 

Konzentration auf die Kernkompetenz seitens der Unternehmen (vgl. hierzu Görzig, Kaminiarz 

und Stephan 2005). 

Der vierte Beitrag von Bernd Görzig, Martin Gornig und Ramona Pohl untersucht, wie 

Anpassungen der Produktpalette in Beziehung zum Erfolg und zum Wachstum der Unternehmen 

gesetzt werden können. Anhand von deskriptiven Auswertungen wird gezeigt, 

dass die Mehrzahl der Unternehmen im verarbeitenden Gewerbe in Deutschland eine Spezialisierungsstrategie 

verfolgt und diese Unternehmen hierdurch im Durchschnitt ihren 

operativen Gewinn steigern. Vor allem im Fahrzeugbau scheint die Spezialisierungsstrategie 

für die Unternehmen erfolgreich zu sein. In der chemischen Industrie schneiden dagegen 

bei der Entwicklung des operativen Gewinns Unternehmen mit einer Ausweitung der 

Produktpalette besser ab. Es zeigt sich weiterhin, dass sich Produktspezialisierung offensichtlich 

insbesondere für Unternehmen mittlerer Größe lohnt. 

Die Auswertungen von Angaben aus der Kostenstrukturerhebung der Statistischen Ämter 

von Michael Fritsch und Andreas Stephan im fünften Beitrag zeigen, dass Branchen in der 

Regel sehr heterogen zusammengesetzt sind. Aus diesem Grund erscheint die Branchenzugehörigkeit 

als Abgrenzungskriterium für wirtschaftspolitische Eingriffe fragwürdig. 

Ebenso fragwürdig ist eine Verwendung von Branchenaggregaten im Rahmen statistischer 

Analysen oder als Grundlage wirtschaftspolitischer Beratung, da hierbei die Heterogenität 

innerhalb der Aggregate verdeckt bleibt. Wirtschaftspolitische Maßnahmen sollten sich 

daher nicht an Kategorien wie Wirtschaftszweig oder Firmengröße orientieren, denn diese 

Einteilungen sind nicht trennscharf im Hinblick auf Eigenschaften von Betrieben wie 

Wachstum, Exporterfolg oder Effizienz (siehe auch Wagner 2006). 

In der öffentlichen Diskussion gilt als allgemein akzeptiert, dass in Deutschland ein Zusammenhang 

zwischen Firmengröße und Arbeitsplatzdynamik besteht, der sich durch den 

stilisierten Fakt beschreiben lässt, dass kleine und mittlere Firmen vorwiegend Arbeitsplätze 

schaffen, während in großen Firmen vor allem Arbeitsplätze abgebaut werden. Der 

Mittelstand gilt als Jobmotor. Im sechsten Beitrag von Joachim Wagner wird gezeigt, dass 

eine Auswertung von Längsschnittdaten für Betriebe Zweifel an dieser einfachen Sichtweise 

hervorruft. In mittelständischen Betrieben entstehen viele Arbeitsplätze, aber es 

werden auch viele abgebaut, und dasselbe gilt für Großbetriebe. Wachsende und schrump- 

6 DIW Berlin

Der Nutzen von Firmendaten für die wirtschaftspolitische Beratung 

fende, neu gegründete und geschlossene Betriebe sind in jeweils erheblichem Umfang in 

jedem Jahr in allen Größenklassen anzutreffen. Wirtschaftspolitische Maßnahmen mit einer 

spezifischen Ausrichtung auf bestimmte Firmengrößenklassen lassen sich daher nicht 

mit einem besonders ausgeprägten Beitrag dieser Firmen zur Beschäftigungsdynamik 

rechtfertigen. 

Der siebte Beitrag von Markus Höhne, Carsten Kampe, Anna Lejpras und Andreas Stephan 

beschreibt die Verwendung eines ökonometrischen Prognosemodells zur Vorhersage 

eines sektoral bzw. regional differenzierten Fachkräftebedarfs. Grundlage hierfür bilden 

amtliche Firmendaten aus dem „Monatsbericht für Betriebe des Verarbeitenden Gewerbes 

Bergbau und der Gewinnung von Steinen und Erden“. Grundsätzlich kann festgestellt 

werden, dass anhand der Mikrodaten verlässliche Prognosen der kurzfristigen Beschäftigungsentwicklung 

erstellt werden können und ökonometrische Prognosen anhand von Firmendaten 

daher als ein sinnvolles Tool für eine handlungsorientierte Politikberatung anzusehen 

sind. 

Im Vergleich zur Verwendung von Personendaten in der Forschung und Politikberatung 

steckt die Nutzung von Firmendaten in Deutschland eher noch in den Anfängen. Dennoch 

ist vorherzusehen, dass sich dies durch die nun verfügbaren qualitativ hochwertigen Datensätze 

und die neuen Zugangsmöglichkeiten in den Forschungsdatenzentren in naher 

Zukunft ändern wird. Vor allem sollte angestrebt werden, wirtschaftspolitische Maßnahmen, 

die Unternehmen betreffen, anhand von Firmendatensätzen mit entsprechenden Methoden, 

wie sie in der Evaluation arbeitsmarktpolitischer Maßnahmen seit einigen Jahren 

zunehmend eingesetzt werden, quantitativ zu evaluieren. Dadurch lässt sich der potenzielle 

Nutzen einer wirtschaftspolitischen Maßnahme in Relation zu den Kosten bewerten. Eine 

andere zukunftsträchtige Richtung erscheint auch die Durchführung von Mikrosimulationen 

basierend auf Firmendaten. Anwendungsbeispiele hierfür sind die Auswirkungen 

von Änderungen der Unternehmensbesteuerung oder der Gewährung von Subventionen 

auf die Arbeitsnachfrage von Unternehmen. 

Literaturverzeichnis 

Görzig, Bernd, Adrianna Kaminiarz und Andreas Stephan (2005): Wie wirkt sich Outsourcing 

auf den Unternehmenserfolg aus? Schmollers Jahrbuch, 125, 489–508. 

Kaiser, Ulrich und Joachim Wagner (2007): Neue Möglichkeiten zur Nutzung vertraulicher 

amtlicher Personen- und Firmendaten. FDZ-Arbeitspapier Nr. 20. 

Download unter: www.forschungsdatenzentrum.de/publikationen/veroeffentlichungen/ 

fdz_arbeitspapier-20.pdf (Stand vom 22.08.2007). 

Wagner, Joachim (2006): Politikrelevante Folgerungen aus Analysen mit Firmendaten der 

Amtlichen Statistik. Schmollers Jahrbuch, 126, 359–374. 


Firmendaten der amtlichen Statistik – 

Datenzugang und neue Entwicklungen im 

Forschungsdatenzentrum 

Von Anja Malchin und Ramona Pohl* 

8 DIW Berlin 



76 (2007), 3, S. 8–16 

Zusammenfassung: Innerhalb der ersten Förderphase ist von den Forschungsdatenzentren der Statistischen 

Ämter des Bundes und der Länder eine Dateninfrastruktur geschaffen worden, die umfangreiche 

wissenschaftliche Analysen amtlicher Mikrodaten aus allen Bereichen zulässt. In diesem Aufsatz 

wird insbesondere das Analysepotential der durch die Forschungsdatenzentren zur Verfügung 

gestellten Betriebs- und Unternehmensdaten betrachtet, da Ergebnisse aus Auswertungen dieser 

Datenbestände eine valide Basis für die wirtschaftspolitische Beratung darstellen. 

Den Wissenschaftlern stehen nicht nur Erhebungen aus den unterschiedlichsten Wirtschaftszweigen 

zur Verfügung, auch der Zugang zu den Mikrodaten wird angepasst an die jeweiligen projektspezifischen 

Bedürfnisse. Neben der Bereitstellung einzelner Querschnittserhebungen werden von den FDZ 

mittlerweile auch Längsschnittdaten angeboten. Mittelfristig geplant ist die Erweiterung des Dienstleistungsangebots 

durch die Verknüpfung von Informationen aus verschiedenen Firmendaten der 

amtlichen Statistik bzw. durch die Zusammenführung von Mikrodaten weiterer Datenproduzenten 

mit dem Unternehmensregister. 

Summary: During the first years of their existence both the research data centre of the Federal Statistical 

Office and the statistical offices of the Länder have managed to implement a data infrastructure 

in Germany, which allows a wide range of scientific analyses of microdata in all fields of official 

statistics. Since valid information about German enterprises is a reliable source for scientific policy 

advisory, this paper focuses on the potential of microdata of German enterprises, which are provided 

by the research data centres. 

Through the research data centres, scientists have access to information from a wide variety of economic 

sectors. Data access is customized for the needs of each project. The range of services offered is 

extended continuously; analyses of paneldata are already possible. To further enlarge the information 

potential of the microdata of official statistics, the linkage of different economic statistics respectively 

the matching of microdata of other data producers with the German business register is planned. 

JEL Classification: C81, D00, L6, L8 

Keywords: Microdata of firms, research data centre 

1 Einführung 

In den letzten Jahren wurde der Wunsch der Wissenschaft nach einem vereinfachten Zugang 

zu amtlichen Mikrodaten erfüllt. Mithilfe von Fördermitteln des Bundesministeriums 

für Bildung und Forschung (BMBF) konnte eine Dateninfrastruktur in Deutschland 

* Amt für Statistik Berlin-Brandenburg, Alt-Friedrichsfelde 60, 10315 Berlin, E-Mail: Anja.Malchin@statistikbbb.de, 

Ramona.Pohl@statistik-bbb.de

Firmendaten der amtlichen Statistik – Datenzugang und neue Entwicklungen im Forschungsdatenzentrum 

aufgebaut werden, die eine entscheidende Grundlage für die Leistungsfähigkeit der Gesellschaft 

sowie für eine im internationalen Maßstab innovationsfähige sozial- und wirtschaftswissenschaftliche 

Forschung und Politikberatung ist. 

Die Ergebnisse der intensiven Nutzung dieser neuen Dateninfrastruktur zeigen sich in vielerlei 

Hinsicht bei Veranstaltungen oder auch in den verschiedensten wissenschaftlichen 

Publikationen, beispielsweise dem vorliegendem Heft, der European-Data-Watch-Serie 

von Schmollers Jahrbuch oder auch den Bänden des Wirtschafts- und Sozialstatistischen 

Archivs (AStA) sowie der eigenen Reihe der Forschungsdatenzentren der Statistischen 

Ämter, den FDZ-Arbeitspapieren. Das Forschungsdatenzentrum (FDZ) der Statistischen 

Ämter der Länder wurde seit April 2004 neben anderen Forschungsdatenzentren der öffentlichen 

Datenanbieter als Pilotprojekt vom BMBF gefördert (Zühlke et. al. 2004). Die 

erste Förderphase endete im Juni 2007. Seit Juli 2007 läuft eine zweite Förderphase mit 

neuen Zielen und Aufgaben bis Dezember 2009. 1 

In diesem Aufsatz sollen vorrangig die Firmendaten der amtlichen Statistik vorgestellt 

werden. Nach einem Überblick über die derzeit verfügbaren Betriebs- und Unternehmensdaten 

im FDZ werden kurz die Zugangsmöglichkeiten erläutert. Abschließend folgen 

Ausführungen zu neuen Entwicklungen im FDZ. 

2 Betriebs- und Unternehmensdaten 

Ziel der Forschungsdatenzentren ist es, der Wissenschaft die Nutzung von amtlichen Mikrodaten 

zu ermöglichen. Zu diesem Zweck wurden in der ersten Förderphase des FDZ 

ausgewählte Statistiken sukzessive zusammengetragen, aufbereitet und detailliert durch 

Metadaten dokumentiert. 2 Dadurch wurde ein auf die Anforderungen der Wissenschaft abgestimmtes 

Datenangebot aufgebaut, das über verschiedene Zugangswege ausgewertet 

werden kann. 

Im Bereich der Betriebs- und Unternehmensdaten können im FDZ Mikrodaten aus ca. 20 

Wirtschaftsstatistiken genutzt werden. Zu den Firmendaten zählen in der amtlichen Statistik 

ebenfalls die Daten aus dem Agrar- und Umweltbereich sowie einige Erhebungen aus 

dem Steuerbereich. Die Erhebungen bei Betrieben bzw. Unternehmen 3 erfolgen in der Regel 

mit Auskunftspflicht und getrennt nach den Wirtschaftsbereichen. Nachfolgend wird 

eine kleine Auswahl der Betriebs- und Unternehmensdaten – einige Mikrodaten aus dem 

Bereich der Wirtschaftsstatistiken – vorgestellt. Alle derzeitig und auch zukünftig verfügbaren 

Mikrodaten in den FDZ sind mit detaillierten Informationen im Internet unter 

www.forschungsdatenzentrum.de zu finden. 4 

1 Nähere Ausführungen zu den Aufgaben und Zielen des FDZ in der zweiten Förderphase findet man unter 

Bömermann et al. (2007). 

2 Vgl. www.forschungszentrum.de 

3 Ein Betrieb ist in der amtlichen Statistik als die kleinste örtliche Einheit definiert. Das Unternehmen stellt die 

kleinste rechtliche Einheit dar. Als Firmendaten werden in diesem Beitrag die amtlichen Betriebs- und Unternehmensdaten 

definiert. 

4 Es besteht zusätzlich die Möglichkeit, sich für den Newsletter anzumelden, um so über Neuheiten oder auch 

Veranstaltungen informiert zu werden. 


Anja Malchin und Ramona Pohl 

2.1 Betriebs- und Unternehmensdaten im Verarbeitenden Gewerbe 

Die amtliche Statistik des Verarbeitenden Gewerbes in Deutschland ist vergleichsweise 

gut ausgebaut. Das Erhebungssystem besteht aus mehreren konsistent verbundenen Einzelbefragungen 

zu unterschiedlichen Themenbereichen. So werden beispielsweise im Monatsbericht 

5 für Betriebe die Beschäftigten, die Löhne und Gehälter, die Arbeitsstunden 

und die Umsätze – untergliedert nach Inlands- und Auslandsumsatz – erfasst (Statistisches 

Bundesamt 2005a). In der Produktionserhebung melden die Betriebe ihre Produkte mit 

den entsprechenden Absatzproduktionswerten und in der Investitionserhebung sind zum 

Beispiel die Investitionen für erworbene und selbsterstellte Sachanlagen, wie Grundstücke 

mit oder ohne Bauten und Maschinen, enthalten (Statistisches Bundesamt 2005b,c). Bei 

den genannten Erhebungen handelt es sich um Totalerhebungen mit Abschneidegrenzen, 

deren Berichtskreise sich ähneln. 6 Die Mikrodaten dieser einzelnen Statistiken stehen im 

FDZ zum einen als Querschnitt, zum anderen verknüpft über die Zeit als Längsschnittdatensatz 

zur Verfügung. Zusätzlich wurde im FDZ ein „Betriebspanel“ erstellt, in dem die 

Mikrodaten des Monatsberichtes einschließlich der Investitionserhebung sowie der Kleinbetriebserhebung 

7 zusammengefügt und als Panel verknüpft wurden (Konold 2007). Nähere 

Ausführungen zu den Forschungspotentialen der Betriebspaneldaten finden sich in 

Wagner (2007). 

Als Unternehmensbefragung ist die Kostenstrukturerhebung im Verarbeitenden Gewerbe 

zu nennen, die für vielfältige Strukturuntersuchungen geeignet ist (Fritsch et al. 2004). Die 

Kostenstrukturerhebung liefert umfassende Informationen über die Produktionsergebnisse, 

die eingesetzten Produktionsfaktoren sowie über die Wertschöpfung. Es handelt sich 

um eine Stichprobenerhebung bei Unternehmen mit mindestens 20 Beschäftigten (Statistisches 

Bundesamt 2005d). Die Mikrodaten dieser Erhebung sind ebenfalls im FDZ verknüpft 

als Längsschnittdaten nutzbar. 

2.2 Unternehmensdaten im Handel und Gastgewerbe 

Die jährlich durchgeführten Strukturerhebungen im Einzelhandel und im Gastgewerbe liefern 

wirtschaftspolitisch bedeutsame Informationen über die Unternehmensstruktur sowie 

zur Beurteilung der Rentabilität und Produktivität der befragten Unternehmen. 

In beiden Wirtschaftsbereichen werden neben dem Jahresumsatz, den Investitionen, dem 

Wareneingang und den Lagerbeständen am Anfang und am Ende des Jahres auch die Anzahl 

der Beschäftigten, die Bruttolohn- und -gehaltssumme sowie die Sozialabgaben erfasst 

(Statistisches Bundesamt 2006a,b). Der Gesamtumsatz in der Strukturerhebung im 

Einzelhandel wird zusätzlich nach Arten der ausgeübten wirtschaftlichen Tätigkeiten aufgegliedert. 

5 Monatsbericht für Betriebe im Verarbeitenden Gewerbe sowie des Bergbaus und der Gewinnung von Steinen 

und Erden. 

6 Einbezogen werden in der Regel Betriebe, die einem Unternehmen des Produzierenden Gewerbes angehören, 

das mehr als 20 tätige Personen aufweist. Liegt der Schwerpunkt des Unternehmens außerhalb des Produzierenden 

Gewerbes, werden die Betriebe dann einbezogen, wenn sie mindestens 20 Personen beschäftigen. 

7 In der Kleinbetriebserhebung sind Betriebe mit im Allgemeinen weniger als 20 Beschäftigten im Bereich 

Verarbeitendes Gewerbe, Bergbau und Gewinnung von Steinen und Erden enthalten. Die Kleinbetriebserhebung 

wurde im Berichtsjahr 2002 jedoch letztmalig durchgeführt. 



Aufgrund des breiten Spektrums an Erhebungsmerkmalen eignen sich die Stichprobenerhebungen 

des Handels und des Gastgewerbes besonders für Analysen der Umsatz-, Investitions- 

und Beschäftigungsstruktur sowie von Kapital- und Beschäftigungsrentabilität 

und -produktivität in beiden Branchen. 

2.3 Unternehmensdaten im Dienstleistungsbereich 

Bis vor einigen Jahren ist die Tatsache der fortschreitenden Tertiarisierung und das damit 

verbundene Wachstum im Bereich der Dienstleistungen nur unzureichend durch die amtliche 

Statistik abgebildet worden. Gerade zu diesem bedeutenden Wirtschaftszweig fehlten 

bisher belastbare Ergebnisse, die den Wandel der deutschen Unternehmenslandschaft zu 

einer Dienstleistungsgesellschaft zeigen. 

Im Dienstleistungsbereich wird daher seit dem Jahr 2000 eine Strukturerhebung durchgeführt, 

die dazu beiträgt, die noch bestehenden Informationsdefizite im Bereich der Dienstleistungen 

zu beheben. Einbezogen werden Unternehmen und Einrichtungen, die den 

Schwerpunkt ihrer wirtschaftlichen Tätigkeit in den Wirtschaftsbereichen Verkehr und 

Nachrichtenübermittlung, Grundstücks- und Wohnungswesen, Vermietung beweglicher 

Sachen sowie unternehmensnahe Dienstleistungen haben. 

Im Rahmen dieser Stichprobenerhebung 8 sind neben allgemeinen Angaben der befragten 

Unternehmen wie Sitz oder der Anzahl der Niederlassungen auch umfassende Informationen 

über tätige Personen, Löhne und Gehälter, Umsätze, Aufwendungen, die Bestände am 

Anfang und am Ende des Berichtsjahres sowie über Steuern, Subventionen und getätigte 

Investitionen enthalten (Statistisches Bundesamt 2005e). Wissenschaftliche Auswertungen 

zu den genannten Unternehmensmerkmalen sind auf Ebene der Bundesländer möglich. 

2.4 Weitere Betriebs- und Unternehmensdaten 

In der nachfolgend vorgestellten Gehalts- und Lohnstrukturerhebung (GLS) sowie in der 

Arbeitskostenerhebung werden im Gegensatz zu den bisher genannten Erhebungen Betriebe 

bzw. Unternehmen mehrerer Wirtschaftszweige erfasst. 

Die GLS wird im Allgemeinen alle vier Jahre als Stichprobe in den Betrieben des Verarbeitenden 

Gewerbes und ausgewählter Dienstleistungsbereiche durchgeführt. Die Erhebung 

enthält ausführliche Informationen zur Person, zur Tätigkeit und zum Verdienst der 

Arbeitnehmer. Auf Betriebsebene gibt es zusätzlich Angaben darüber, ob die öffentliche 

Hand am Unternehmen beteiligt ist, welche Tarifverträge gelten, sowie zur Anzahl der Beschäftigten, 

jeweils differenziert nach Geschlecht und Status der Arbeitnehmer (Hafner 

und Lenz 2007). 

8 Kleinunternehmen mit einem jährlichen Umsatz unter 16620 Euro werden nicht herangezogen; Angaben 

zu sämtlichen genannten Positionen sind für alle Unternehmen mit einem jährlichen Umsatz von mehr als 

250 000 Euro enthalten. 



Bei der GLS handelt es sich um einen Linked-Employer-Employee-Datensatz, d.h., die 

Angaben zu den Beschäftigten lassen sich mit den Merkmalen des jeweiligen Betriebes 

verknüpfen. Der Datensatz eignet sich gut zur Analyse geschlechtsspezifischer Lohnunterschiede 

sowie zur Untersuchung der Verdienstunterschiede in tarifgebundenen Betrieben 

im Vergleich zu solchen, die nach freier Vereinbarung vergüten. Da die Stichprobenauswahl 

auf Bundeslandebene erfolgt, lassen sich für kleinräumigere regionale 

Gliederungen keine repräsentativen Ergebnisse erzielen. 

Als weitere wichtige Erhebung im Bereich der Betriebs- und Unternehmensdaten lässt 

sich die Arbeitskostenerhebung nennen. Diese Stichprobenerhebung wird alle vier Jahre 

in Unternehmen des Produzierenden Gewerbes und in ausgewählten Dienstleistungsbranchen 

durchgeführt (Statistisches Bundesamt 2007). Die Arbeitskostenerhebung gibt Aufschluss 

über die Höhe und Struktur der Kosten, welche den Unternehmen bei der Beschäftigung 

von Arbeitnehmern entstehen. Gut 40 Kostenpositionen werden differenziert: 

Neben den Löhnen und Gehältern insgesamt sind u.a. Informationen über Sonderzahlungen, 

Vergütung für Feiertage, Pflichtbeiträge zur Rentenversicherung, Beiträge zur 

Berufsgenossenschaft, Pensionsrückstellungen und Familienunterstützungen enthalten. 

Die Arbeitskostenerhebung eignet sich beispielsweise dazu, den Anteil der Lohnnebenkosten 

und der zusätzlichen Leistungen der Arbeitgeber differenziert nach Branchen zu untersuchen. 

Regionale Analysen sind auf Ebene der Bundesländer möglich. Die Erhebung 

wird in allen Mitgliedsstaaten der EU durchgeführt, die Ergebnisse sind also europaweit 

vergleichbar. 

3 Datenzugang 

Die Forschungsdatenzentren bieten verschiedene Zugangswege zu den Mikrodaten der 

amtlichen Statistik an, die sich sowohl hinsichtlich der Anonymität der Daten als auch in 

der Art der Datenbereitstellung unterscheiden (Zühlke et al. 2004). 

Speziell für die Lehre an Hochschulen werden CAMPUS-Files entwickelt, die kostenfrei 

per Download aus dem Internet bezogen werden können. 9 CAMPUS-Files sind absolut 

anonymisierte Mikrodaten, mit deren Hilfe sich Studierende Methodenkenntnisse aneignen 

sowie sozial- und wirtschaftswissenschaftliche Fragestellungen empirisch mithilfe 

von Statistikprogrammen analysieren können. Für stark nachgefragte Statistiken wie die 

GLS wurden standardisierte Scientific-Use-Files erstellt (Statistisches Bundesamt 2005f). 

Auch diese Datendateien können außerhalb der FDZ genutzt werden. Sie enthalten faktisch 

anonymisierte Mikrodaten, die von den Wissenschaftlern am eigenen Arbeitsplatz 

ausgewertet werden dürfen. 

Daneben bieten die FDZ mit ihren Gastwissenschaftlerarbeitsplätzen und der kontrollierten 

Datenfernverarbeitung auch speziell auf den jeweiligen Datenbedarf zugeschnittene 

Datenzugangsmöglichkeiten an. Hier können weniger stark anonymisierte Mikrodaten genutzt 

werden, die in abgeschotteten Bereichen in den FDZ bereitgestellt werden. Das FDZ 

der Statistischen Ämter der Länder ist mit regionalen Standorten bundesweit in fast allen 

9 Vgl. www.forschungsdatenzentrum.de 



Statistischen Landesämtern vertreten. Dadurch können amtliche Mikrodaten in der Nähe 

der wissenschaftlichen Institute und Hochschulen analysiert werden. Diese lokale Präsenz 

des FDZ wird von den Nutzern sehr positiv angenommen (Geschäftstelle des FDZ 2006). 

An den Gastwissenschaftlerarbeitsplätzen stehen den Nutzern die gängigen Statistikprogramme 

SPSS, SAS und STATA für die Auswertung der Mikrodaten zur Verfügung. Die 

Mikrodaten werden im Vorfeld projektspezifisch anonymisiert, enthalten jedoch mehr Informationen 

als die standardisierten Scientific-Use-Files. Die Anonymität wird hierbei 

durch restriktivere Rahmenbedingungen für den Datenzugang sowie durch die Anonymisierung 

der Daten erreicht. 

Die kontrollierte Datenfernverarbeitung als weiterer Zugangsweg ist örtlich unabhängig. 

Über diesen Zugangsweg können Mikrodaten analysiert werden, die lediglich formal anonymisiert 

sind. Die Datennutzer erhalten hierzu Strukturdaten, die in Aufbau und Merkmalsausprägungen 

den Originaldaten entsprechen. Mithilfe dieser Dummy-Dateien können 

Auswertungsprogramme in den Statistikprogrammen SPSS, SAS oder STATA erstellt 

werden. Diese Programme werden dann von Ansprechpartnern in den FDZ an den Originaldaten 

ausgeführt und die entstehenden Ergebnisse auf Geheimhaltung geprüft. Anschließend 

erhalten die Datennutzer die Ergebnisse ihrer Auswertungen. 

Die genannten Zugangswege können auch miteinander kombiniert werden. Die Erfahrungen 

der ersten Förderphase zeigen, dass es bei komplexen Daten, insbesondere bei 

Betriebs- und Unternehmensdaten, durchaus sinnvoll ist, diese vorerst am Gastwissenschaftlerarbeitsplatz 

zu nutzen. Nach erfolgreicher „Kennenlernphase“ bietet sich die 

Auswertung der Originaldaten über die kontrollierte Datenfernverarbeitung an. Solche 

Aufteilungen sind gerade bei längeren Forschungsprojekten sinnvoll. 

4 Neue Entwicklungen 

Mit der Änderung des Bundesstatistikgesetzes (BStatG) im Jahre 2005 besteht nunmehr 

die Möglichkeit, Informationen aus den verschiedenen Erhebungen der Wirtschafts- und 

Umweltstatistiken zusammenzuführen (siehe §13a BStatG). Die Verknüpfung von Betriebs- 

und Unternehmensdaten ist für wissenschaftliche Forschungsprojekte von besonderem 

Interesse, da die meisten amtlichen Wirtschafts- und Umweltstatistiken einen geringen 

Merkmalsumfang aufweisen und durch Verknüpfungen das Informationspotential 

erhöht wird. 

Die Forschungsdatenzentren wollen zukünftig unter anderem mit dem Projekt der „Integration 

von amtlichen wirtschafts- und umweltstatistischen Daten unter Berücksichtigung 

der Zeitdimension“ ihr Dienstleistungsangebot weiterentwickeln. Auch im Rahmen der 

Evaluation des FDZ wird die Integration als Aufgabe von den Gutachtern ausdrücklich 

empfohlen (Bericht der Gutachtergruppe 2006). Dieses Projekt unterteilt sich in zwei Teilprojekte 

„AFiD – Amtliche Firmendaten für Deutschland“ und „KombiFiD – Kombinierte 

Firmendaten für Deutschland“, die nachfolgend näher erläutert werden. 



4.1 AFiD – Amtliche Firmendaten für Deutschland 

Die Zusammenführung der Firmendaten der amtlichen Statistik erfolgt im Teilprojekt 

AFiD, als eine der Aufgaben des FDZ in der zweiten Förderphase. Hier konnten in der 

ersten Förderphase bereits Erfahrungen mit der Verknüpfung wirtschaftsstatistischer Daten 

gesammelt werden. Für einzelne Projekte wurden beispielsweise die Kostenstrukturund 

die Produktionserhebung zusammengeführt (Görzig et al. 2005). Neben den Statistiken 

aus dem Verarbeitenden Gewerbe bieten sich eine Reihe von weiteren Erhebungen 

aus den unterschiedlichen Wirtschaftsbereichen zur Integration an, so beispielsweise aus 

dem Dienstleistungsbereich, dem Baugewerbe, der Landwirtschaft oder dem Umweltbereich. 

Des Weiteren können auch Informationen aus den Steuerstatistiken für die Zusammenführung 

genutzt werden. 

Die Auswahlgrundlage der betroffenen Erhebungen wird bis auf wenige Ausnahmen vom 

Unternehmensregister (URS) gebildet. Ziel des Projektes AFiD ist eine Zusammenführung 

des URS mit den Mikrodaten ausgewählter Erhebungen. Eine Auswertung des 

Unternehmensregisters im Rahmen der Belastungsstudie der Unternehmen (vgl. Stäglin 

und Pfeiffer 2006) zeigte, dass von den rund 3,5 Millionen Unternehmen im Jahr 2004 nur 

15,2% berichtspflichtig waren. Für diese berichtspflichtigen Unternehmen sollen die firmenspezifischen 

Informationen aus den gewählten Erhebungen an die bisher vorhandenen 

Informationen im URS angefügt werden. Das Produzierende Gewerbe stellt dabei die 

höchsten Anteile der berichtspflichtigen Unternehmen, wobei sich dieser hohe Anteil zum 

einen durch die Historie des URS erklärt und zum anderen durch die in dem Bereich 

durchgeführten Vollerhebungen mit Abschneidegrenze. Die weniger hohen Anteile in den 

Bereichen Handel und Gastgewerbe ergeben sich durch die dort durchgeführten Stichprobenerhebungen. 

Für die Dienstleistungsbereiche ergeben sich ebenfalls höhere Anteile, 

die aus der jungen Dienstleistungsstatistik resultieren. 

Die Zusammenführung der Mikrodaten im Projekt AFiD soll schrittweise erfolgen. Zunächst 

werden für einzelne Wirtschaftsbereiche sowie auch bereichsübergreifend Teilkonzepte 

entwickelt, die die Erstellung von Einzelprodukten im Längsschnitt enthalten. Ein 

Beispiel für ein Teilprodukt wäre ein Betriebs- oder Unternehmensdatensatz für das Verarbeitende 

Gewerbe, der alle Informationen aus den entsprechenden Erhebungen verknüpft 

über die Zeit enthält. Über diese Verknüpfungen entstehen umfassende Datenbestände, deren 

Analysepotenzial noch zusätzlich erweitert werden kann. Je komplexer der Datenbestand 

ist, desto vielfältiger sind jedoch die methodischen Anforderungen, die bei der Zusammenführung 

der Daten beachtet und im Projekt bearbeitet werden müssen. Hierzu 

gehören unter anderem die unterschiedlichen Erhebungsdesigns in den Statistiken oder 

das (Nicht-)Vorhandensein einheitlicher Identifikationsnummern. Ferner soll der Informationsgehalt 

der einzelnen Analyseeinheiten, wie Unternehmen, Betriebe oder Produkte, erhalten 

bleiben. Darüber hinaus ergeben sich zusätzliche Anforderungen an die fachliche 

Erarbeitung der Metadaten, da den Wissenschaftlern sowohl Informationen über die Zusammenführung 

der Daten und die damit verbundenen Selektionsprozesse als auch über 

die Anwendung von Gewichtungsverfahren zur Verfügung gestellt werden müssen. 



4.2 KombiFiD – Kombinierte Firmendaten für Deutschland 

Bei dem Teilprojekt KombiFiD handelt es sich um eine Machbarkeitsstudie zur Verknüpfung 

des Unternehmensregisters mit Mikrodaten des Instituts für Arbeitsmarkt- und Berufsforschung 

(IAB). Diese Studie wird gemeinsam von der Leuphana Universität Lüneburg 

(Prof. Dr. Joachim Wagner), dem Forschungsdatenzentrum des Statistischen 

Bundesamtes und dem IAB durchgeführt (Bender, Wagner und Zwick 2007). In der ersten 

Phase werden die inhaltlichen und datenschutzrechtlichen Fragen geklärt sowie die Zusammenführung 

der Unternehmen bis hin zur Bereitstellung der verknüpften Datenbestände 

für Forschungsprojekte durchgeführt. Die Zusammenführung der Mikrodaten des Unternehmensregisters 

mit denen des IAB erfolgt für nur diejenigen Unternehmen, die einer 

solchen Verknüpfung schriftlich zugestimmt haben. 

Sofern die Verknüpfung der Daten grundsätzlich durchführbar ist, soll in der anschließenden 

Phase die Möglichkeit der Erweiterung dieser so geschaffenen Datenbestände um zusätzliche 

Informationen aus Betriebs- und Unternehmensdaten der Statistischen Ämter, 

beispielsweise aus Wirtschafts- und Steuerstatistiken, sowie um Mikrodaten weiterer Datenproduzenten 

geprüft werden. 

Es wird deutlich, dass die Forschungsdatenzentren ihr Dienstleistungsangebot kontinuierlich 

und nutzerorientiert weiterentwickeln. Folgendes Zitat bildet ein gelungenes Fazit 

dieses Beitrags: 

„Weitere große Fortschritte beim Zugang zu vertraulichen Mikrodaten in Deutschland in 

den kommenden Jahren zu erwarten ist damit realistisch.“ (Kaiser und Wagner 2007). 


Bender, S., J. Wagner und M. Zwick (2007): Machbarkeitsstudie: Zusammenführung von 

Mikrodaten der Statistischen Ämter, des Instituts für Arbeitsmarkt- und Berufsforschung 

und weiterer Datenproduzenten – Kombinierte Firmendaten für Deutschland 

(KombiFiD). Mimeo. 

Bericht der Gutachtergruppe mit Empfehlungen (2006): Ergebnisse der Evaluierung des 

Forschungsdatenzentrums der Statistischen Landesämter. Begehung am 13. Oktober 

2006. Unveröffentlichtes Manuskript. Lüneburg. 

Bömermann et al. (2007): Das Forschungsdatenzentrum der Statistischen Landesämter – 

Was haben wir erreicht und wie geht es weiter? Zeitschrift für amtliche Statistik Berlin 

Brandenburg, 2, 30–33. 

Fritsch M., B. Görzig, O. Hennchen und A. Stephan (2004): Cost Structure Surveys in 

Germany. Schmollers Jahrbuch/Journal of Applied Social Science Studies, 124, 557– 

566. 

Geschäftstelle des Forschungsdatenzentrums der Statistischen Landesämter (2006): 

Beantwortung des Fragenkataloges der Leibniz-Gemeinschaft für die Evaluation des 

Projektes „Verbesserung des Zugangs der Wissenschaft zu statistischen Mikrodaten – 

Konkretisierung und Erprobung eines Forschungsdatennetzwerkes der Statistischen 

Landesämter“. Unveröffentlichtes Manuskript. Düsseldorf. 



Görzig, B., H. Bömermann und R. Pohl (2005): Produktdiversifizierung und Unternehmenserfolg: 

Nutzung der Forschungsdatenzentren der Statistischen Ämter. Allgemeines 

statistisches Archiv, 89, 337–354. 

Hafner H.-P. und R. Lenz (2007): Die Gehalts- und Lohnstrukturerhebung: Methodik, 

Datenzugang und Forschungspotential. FDZ-Arbeitspapier Nr. 18. Wiesbaden. 

Kaiser, U. und J. Wagner (2007): Neue Möglichkeiten zur Nutzung vertraulicher amtlicher 

Personen- und Firmendaten. FDZ-Arbeitspapier Nr. 20. Düsseldorf. 

Konold, M. (2007): New possibilities for economic research through integration of establishment-level 

panel data of German official statistics. Schmollers Jahrbuch/Journal of 

Applied Social Science Studies, 127. (im Erscheinen). 

Stäglin R. und I. Pfeiffer (2006): Die Bedeutung der Belastung der Wirtschaft durch amtliche 

Statistiken. Wirtschaft und Statistik, Heft 11/2006. 

Statistisches Bundesamt (2005a): Monatsbericht für Betriebe des Verarbeitenden Gewerbes 

sowie des Bergbaus und der Gewinnung von Steinen und Erden. Qualitätsbericht. 

Wiesbaden. 

Statistisches Bundesamt (2005b): Produktionserhebungen. Qualitätsbericht. Wiesbaden. 

Statistisches Bundesamt (2005c): Investitionserhebung bei Unternehmen und Betrieben 

des Verarbeitenden Gewerbes sowie des Bergbaus und der Gewinnung von Steinen und 

Erden. Qualitätsbericht. Wiesbaden. 

Statistisches Bundesamt (2005d): Kostenstrukturerhebung im Verarbeitenden Gewerbe, 

im Bergbau sowie in der Gewinnung von Steinen und Erden. Qualitätsbericht. Wiesbaden. 

Statistisches Bundesamt (2005e): Jährliche Strukturerhebung im Dienstleistungsbereich. 

Qualitätsbericht. Wiesbaden. 

Statistisches Bundesamt (2005f): Statistik und Wissenschaft. Handbuch zur Anonymisierung 

wirtschaftsstatistischer Mikrodaten. Bd. 4. Wiesbaden. 

Statistisches Bundesamt (2006a): Jahreserhebung im Handel. Qualitätsbericht. Wiesbaden. 

Statistisches Bundesamt (2006b): Jahreserhebung im Gastgewerbe. Qualitätsbericht. 

Wiesbaden. 

Statistisches Bundesamt (2007): Arbeitskostenerhebung 2004. Qualitätsbericht. Wiesbaden. 

Wagner, Joachim (2007): Die Forschungspotentiale der Betriebspaneldaten des Monatsberichtes 

im Verarbeitenden Gewerbe. Working Paper No. 51. Universität Lüneburg. 

Zühlke, Sylvia et al. (2004): The research data centres of the Federal Statistics Office and 

the statistical offices of the Länder. Schmollers Jahrbuch, 124, 567–578. 


Die Nutzung der Innovationsdaten des 

Mannheimer Innovationspanels für die 

Politikberatung 

Von Tobias Schmidt und Birgit Aschhoff* 



76 (2007), 3, S. 17–28 

Zusammenfassung: Die Daten des Mannheimer Innovationspanels (MIP), einer großen Befragung 

zum Innovationsverhalten deutscher Unternehmen, stellen eine qualitativ hochwertige Basis für die 

Politikberatung dar. Der Beitrag zeigt auf, wie die Daten und Ergebnisse der jährlichen Erhebung konkret 

für die Politikberatung genutzt werden. Ein erster Schritt ist die Berichterstattung zum Status 

quo und zu aktuellen Entwicklungen. Die Ergebnisse der seit 1993 durchgeführten Erhebung fließen 

unter anderem in Berichte an Ministerien, Publikationen der Europäischen Union, Beiträge für Fachzeitschriften 

und die Tagespresse ein. Darüber hinaus werden die Daten des Mannheimer Innovationspanels 

in großem Umfang wissenschaftlich ausgewertet. Themen für wissenschaftliche Analysen 

mit innovationspolitischer Relevanz sind zum Beispiel der Einfluss von Innovation auf Beschäftigung 

und Produktivität und die Evaluation von Forschungs- und Technologiepolitik. Der Beitrag endet mit 

einem Beispiel für die Evaluation öffentlicher Forschungs- und Entwicklungsförderung in Deutschland 

und Flandern. Das Beispiel zeigt, wie wissenschaftliche Analysen mit Politikberatung verknüpft werden 

können. 

Summary: The Mannheim Innovation Panel (MIP), a large scale survey on innovation activities of 

German firms, is a high-quality database that can be used for policy analysis and policy advice. The 

article describes how the data from the annual surveys are used for policy advice. A first aspect is the 

standard reporting on the status quo and developments: The survey's results are included in reports 

to German ministries, in European Commission publications, specialised journals and newspaper articles. 

In addition, the data is used for scientific analysis. Topics related to policy issues are for example, 

the effects of innovation on productivity and employment or the evaluation of public programs for 

R&D and innovation. The article concludes with an example of an evaluation of R&D funding in Germany 

and Flanders, which shows how scientific analysis and policy advice can be linked. 

1 Einleitung 

Regierungen in aller Welt investieren jährlich große Summen in die Förderung von Personen 

und Unternehmen, um die Wettbewerbsfähigkeit ihres Landes zu erhalten oder zu 

steigern. Allerdings werden die Mittel, die für Förderprogramme zur Verfügung gestellt 

werden, angesichts knapper öffentlicher Kassen immer geringer. Der effektive und effiziente 

Einsatz der knappen Ressourcen ist daher von großer Bedeutung. Eine Analyse von 

Politikmaßnahmen und deren Effekte kann helfen die Effektivität des Mitteleinsatzes zu 

steigern, indem sie erfolgreich Strategien identifiziert und Schwachstellen bestehender 

Programm aufdeckt. Daten über Personen, Unternehmen und öffentliche Einrichtungen 

sind eine wichtige Basis für die Vorbereitung von Entscheidungen der Politik und die Evaluation 

der Effekte von Politikmaßnahmen. Sie können dazu beitragen, die aktuelle Situa- 

* Zentrum für Europäische Wirtschaftsforschung (ZEW), Industrieökonomik und Internationale Unternehmensführung, 

Mannheim, E-Mail: Aschhoff@zew.de 


Tobias Schmidt und Birgit Aschhoff 

tion und Entwicklung zu beschreiben und mit wissenschaftlichen Methoden zu analysieren. 

In dieser Arbeit wird am Beispiel der Technologie- und Innovationspolitik 

exemplarisch dargestellt, wie dies konkret umgesetzt werden kann. Im nächsten Abschnitt 

wird zunächst allgemein auf die verschiedenen Möglichkeiten eingegangen, mit Datensätzen 

zu einzelnen Unternehmen Politikberatung zu betreiben. Dem schließt sich eine kurze 

Beschreibung des Mannheimer Innovationspanels an, eine große Datenbank zum Innovationsverhalten 

von Unternehmen. An diesem Datenbestand können die im vorherigen Abschnitt 

identifizierten Möglichkeiten zur Nutzung von Daten für die Politikberatung exemplarisch 

aufgezeigt werden. Dabei wird sowohl auf die Berichterstattung zu 

Innovationsindikatoren als auch auf die wissenschaftliche Analyse der Daten eingegangen. 

Der Beitrag schließt mit einer Zusammenfassung der Ergebnisse, die Möglichkeiten 

aufzeigt, wie das Potential von Mikrodatensätzen für die Politikberatung weiter gesteigert 

werden kann. 

2 Nutzung von Mikrodaten für die Politikberatung 

Gute Politikberatung beginnt mit guten Daten. So oder so ähnlich könnte man den ersten 

Schritt bei der Nutzung von Mikrodaten für die Politikberatung beschreiben. Zunächst ist 

es nötig eine qualitativ hochwertige Datenbasis zu konstruieren, auf Basis derer dann weitere 

Analysen durchgeführt werden können. Dabei ist nicht nur zu beachten, dass die gewählten 

Erhebungsmethoden und -instrumente adäquat gewählt werden, sondern auch, 

dass die Aufbereitung und Hochrechnung der Daten hohen Standards genügt. Nur so kann 

das Vertrauen der Politik in die auf den Daten aufbauenden Analysen und die hochgerechneten 

Werte gewonnen werden. 

Die im ersten Schritt erzeugte Datenbasis kann dann im Wesentlichen auf zwei Arten für 

die Politikberatung verwendet werden: erstens für die Erstellung von Berichten, Tabellen 

und Graphiken zum Status quo bzw. zu Veränderungen im Status quo und zweitens für die 

Abbildung 1 

Mikrodaten für die Politikberatung – ein dreidimensionaler Ansatz 


Erhebung, 

Aufbereitung, 

Hochrechnung 

und 

Verknüpfung 

von Daten 

Qualitativ 

hochwertigeDatenbasis 

Berichterstattung 

Wiss. Analysen 

Beschreibung 

Status Quo 

und 

Entwicklungen 

+ 

Einblick in 

Wirkungszusammenhänge 

und 

Determinanten 

beobachteter 

Entwicklungen

Die Nutzung der Innovationsdaten des Mannheimer Innovationspanels für die Politikberatung 

wissenschaftliche Analyse, die es erlaubt, detaillierte und statistisch gesicherte Einblicke 

in die Wirkungszusammenhänge und die Determinanten beobachteter Entwicklungen zu 

erlangen. Wichtig ist, dass beide Arten von Politikberatung miteinander kombiniert werden 

und so dazu beitragen, dass die Entscheidungsträger sich sowohl an der aktuellen Situation 

als auch an zu erwartenden Zusammenhängen orientieren können. Abbildung 1 

fasst die drei Dimensionen der Nutzung von Mikrodaten für die Politikberatung zusammen. 

3 Politikberatung am Beispiel des Mannheimer Innovationspanels 

Das Zentrum für Europäische Wirtschaftsforschung in Mannheim führt in Zusammenarbeit 

mit infas – Institut für angewandte Sozialforschung – und dem Frauenhofer-Institut 

für Innovations- und Systemforschung (Partner seit 2005) seit nunmehr 15 Jahren im Auftrag 

des Bundesministeriums für Bildung und Forschung (BMBF) die deutsche Innovationserhebung 

durch. Die schriftliche Befragung, die unter dem Namen „Mannheimer Innovationspanel“ 

(MIP) bekannt ist, ist repräsentativ für Unternehmen im verarbeitenden 

Gewerbe und Dienstleistungssektor mit Hauptsitz in Deutschland, die mindestens fünf Beschäftigte 

haben. Sie wird jährlich in den Monaten März bis September durchgeführt und 

befragt die Unternehmen zu ihren Innovationsaktivitäten, -erfolgen und -strategien in den 

letzten drei Jahren vor der Erhebung. 1 Zudem werden einige wenige Unternehmenscharakteristika 

wie Umsatz und Beschäftigung erfragt. Die deutsche Erhebung ist alle vier 

Jahre Teil der europaweiten Innovationserhebungen („Community Innovation Survey“ – 

CIS). 2 Aufgrund ihrer Flexibilität im Hinblick auf neue Fragestellungen (u.a. durch den 

jährlichen Erhebungsrhythmus) bietet das Mannheimer Innovationspanel eine gute Möglichkeit 

aktuelle Themen der Innovations- und Technologiepolitik aufzugreifen und zu untersuchen. 

Bei der Auswahl der Themen wird das ZEW durch einen wissenschaftlichen 

Projektbeirat unterstützt, dem Wissenschaftler und Vertreter von Ministerien und Verbänden 

angehören. 3 Das Potential der Erhebung für die Politikberatung ergibt sich auch aus 

der Tatsache, dass die Erhebung das Innovationsverhalten der Unternehmen in Deutschland 

umfassend abbildet – durch den Panelansatz auch im Zeitablauf – und mit anderen 

Datensätzen aus dem Bereich von Forschung und Entwicklung bzw. Innovation verknüpft 

werden kann. Verknüpfungen sind unter anderem mit den Patentdaten des europäischen 

Patentamts, Unternehmensdaten der Vereine für Creditreform e.V. und der „PROFI“-Datenbank 

zur direkten Projektförderung des BMBF und BMWI im Bereich Forschung und 

Entwicklung (FuE) und Innovation möglich. Letztere bietet unter anderem eine Möglichkeit 

die Fördermaßnahmen der direkten Projektförderung in Deutschland zu evaluieren. 

Die Einbindung von Eurostat (CIS) und die damit verbundene Verwendung von OECDund 

EU-weit harmonisierten Konzepten (OECD und Eurostat 1997, 2005) für die Erhe- 

1 Eine detaillierte Beschreibung der Inhalte der Innovationserhebungen findet sich z.B. in Rammer et al. 

(2005) und Schmidt et al. (2005). 

2 Die CIS-Befragungen bauen auf einem EU-weit harmonisierten Fragebogen und Methodik auf. Sie werden 

alle vier bzw. ab der Erhebung 2007 alle zwei Jahre in allen Mitgliedsländern der EU durchgeführt. Weitere 

Informationen und Ergebnisse der Erhebung 2001 (CIS III) wurden von der EU-Kommission 2004 veröffentlicht 

(vgl. European Commission 2004). 

3 Eine aktuelle Liste der Beiratsmitglieder ist unter www.zew.de/de/publikationen/innovationserhebungen/ 

wissbeirat.php3 im Internet zu finden. 



bung bietet zudem die Möglichkeit, die Ergebnisse für Deutschland mit denen anderer 

Länder zu vergleichen. 

3.1 Berichterstattung zum Mannheimer Innovationspanel 

Die Publikationen, die auf Daten aus dem Mannheimer Innovationspanel basieren, 4 sind 

ein gutes Beispiel dafür, wie Unternehmensdaten für die Politikberatung genutzt werden 

können, aber auch andere Interessengruppen erreichen. Die Berichterstattung an den Auftraggeber 

(BMBF) erfolgt in Form von so genannten „Indikatorenberichten“. Der jährlich 

erscheinende Indikatorenbericht zeigt anhand der wichtigsten Indikatoren aktuelle Entwicklungen 

im Bereich der Innovationsaktivitäten deutscher Unternehmen auf, getrennt 

nach wissensintensiven Dienstleistern, sonstigen Dienstleistern und Verarbeitendem Gewerbe 

und Bergbau. Ein wichtiger Bestandteil des Berichts ist ein Vergleich des Innovationsgeschehens 

in Ost- und Westdeutschland. Die Standardberichterstattung wird durch 21 

Branchenreports ergänzt, die auf jeweils vier Seiten für einzelne Branchengruppen die 

wichtigsten Indikatoren im Zeitablauf enthalten. Ein Branchenreport ihrer Branche wird 

auch den teilnehmenden Unternehmen zugesandt, als Dankeschön für die Beteiligung an 

der Befragung. Die Ergebnisse auf Sektoren und Branchenebene werden regelmäßig von 

Tageszeitungen und Fachzeitschriften aufgegriffen. Sonderstudien und Schwerpunktberichte 

zu aktuellen innovationspolitischen Themen wie Umweltinnovationen, die Zusammenarbeit 

zwischen Unternehmen und Wissenschaft, Quellen für Innovationen oder die 

Finanzierung von Innovationsaktivitäten runden die Berichterstattung zur Erhebung ab. 

Neben den direkt mit der Erhebung verbundenen Berichten finden die Ergebnisse der Innovationserhebung 

auch Eingang in andere Berichte des BMBF und der EU. Als Beispiel 

kann hier der Bundesbericht Forschung, der Bericht zur Technologischen Leistungsfähigkeit 

Deutschlands oder die Publikation von Eurostat „Innovation in Europe“ angeführt 

werden. 

3.2 Wissenschaftliche Analysen mit dem Mannheimer Innovationspanel 5 

Von Beginn der Erhebung an war es das Ziel des ZEW die Berichterstattung zum Mannheimer 

Innovationspanel mit wissenschaftlichen und hier vor allem mikroökonometrischen 

Analysen zu verbinden. Seit Anfang der 1990er Jahre sind daher eine ganze Reihe 

von wissenschaftlichen Studien und Aufsätzen entstanden, die die Daten des Mannheimer 

Innovationspanels nutzen. Themen, die behandelt werden und wurden, sind zum Beispiel: 

• Determinanten von Innovationsverhalten und -erfolg (z.B. Rammer et al. 2004, Aschhoff 

und Schmidt 2006, Spielkamp und Rammer 2004, Rammer et al. 2005) 

• Effekte von Innovationen auf Beschäftigung und Produktivität (z.B. Griffith et al. 

2006, Peters 2003, Peters 2004) 

4 Die jeweils aktuellsten Berichte sind unter www.zew.de/innovation online verfügbar. 

5 Eine Übersicht über die wissenschaftliche Nutzung von Innovationsdaten bis etwa zum Jahr 2001 gibt der 

Reader von Janz and Licht (2003). Aktuelle wissenschaftliche Studien zum Mannheimer Innovationspanel sind 

im Internet unter der Adresse www.zew.de/de/publikationen/innovationserhebungen/wissaufsaetze.php3 zu 

finden. 



• Effekte von öffentlicher Förderung auf das Forschungs- und Entwicklungsverhalten 

von Unternehmen (z.B. Czarnitzki und Fier 2002, Fier et al. 2006) 

• Einfluss von Rahmenbedingungen (Intellektuelle Eigentumsrechte – z.B. Konjunktur, 

Innovationshemmnisse, Finanzierungsrestriktionen etc.) auf das Innovationsverhalten 

von Unternehmen (z.B. Heger 2004, Peters et al. 2006) 

• Identifikation von Lead Märkten 6 (z.B. Beise-Zee 2001, Beise-Zee et al. 2002) 

Die empirische Analyse der Daten des Mannheimer Innovationspanels ist nicht auf die 

Mitarbeiter des ZEW beschränkt. Seit mehreren Jahren bietet das ZEW (unter gewissen 

Vorraussetzungen) die Möglichkeit für externe Wissenschaftler an mit den Daten zu arbeiten. 

7 Dazu wurden faktisch anonymisierte Datensätze erstellt, die sog. „scientific use files“, 

die aktuell von etwa 70 Wissenschaftlern im In- und Ausland genutzt werden. In den 

Räumen des ZEW ist es zudem möglich, mit den um Identifikatoren bereinigten Originaldaten 

zu arbeiten. Um den Austausch über wissenschaftliche Forschungsergebnisse im 

Bereich der empirischen Innovationsforschung zu fördern, veranstaltet das ZEW wissenschaftliche 

Tagungen. 

3.3 Die Nutzung des Mannheimer Innovationspanels zur Evaluation von 

öffentlicher FuE-Förderung 

Politikberatung hat viele Facetten, eine sehr direkte Form der Beratung ist die Evaluation 

von Aktivitäten der öffentlichen Hand. Die Evaluation öffentlicher FuE-Förderung ist daher 

ein gutes Beispiel dafür, wie die Daten des Mannheimer Innovationspanels in Verbindung 

mit anderen Datenbanken für die Politikberatung genutzt werden können. Das ZEW 

hat unter anderem die Wirkung der direkten FuE-Projektförderung mithilfe der so genannten 

„PROFI“-Datenbank untersucht, einer Datenbasis, die alle vom BMBF geleisteten Zuwendungen 

der direkten Projektförderung enthält (vgl. Fier 2002). Um die Effekte der 

FuE-Förderung auf das Innovationsverhalten der Unternehmen und hier insbesondere auf 

die Höhe der FuE-Aufwendungen zu bestimmen, wurde die „PROFI“-Datenbank, die keine 

Informationen über das Innovationsverhalten der geförderten Unternehmen enthält, mit 

den Daten aus dem Mannheimer Innovationspanel verknüpft. Zusätzlich wurden häufig 

noch die Patentdaten aus der Datenbank des Europäischen Patentamts hinzugespielt, um 

(dafür) kontrollieren zu können, ob Unternehmen mit Patenten potentiell eine höhere Förderwahrscheinlichkeit 

haben als Unternehmen ohne Patente. Untersucht wurde mit diesem 

Datensatz sowohl der Einfluss der Förderung auf die Höhe der FuE-Aufwendungen, die 

sog. „Input Additionalität“ (Fier et al. 2005), als auch „Output Additionalitäten“ wie Effekte 

auf das Patentierungsverhalten (Czarnitzki and Hussinger 2004, Czarnitzki and Fier 

2003) und „Verhaltens-Additionalitäten“ wie Effekte auf das Kooperationsverhalten 

(Aschhoff et al. 2006) . Auch ohne die Verknüpfung mit der „PROFI“-Datenbank wurden 

die Daten des Mannheimer Innovationspanels zur Analyse der Effekte öffentlicher Förderung 

verwendet (vgl. Czarnitzki and Fier 2002). 

6 Als „Lead Markt“ kann ein Markt definiert werden, der ein weltweit führender Absatzmarkt für Innovationen 

ist und für den anzunehmen ist, dass ein Erfolg von frühzeitig genutzten Innovationen in diesem Markt ein Indikator 

für einen möglichen weltweiten Erfolg ist. 

7 Siehe www.zew.de/de/publikationen/innovationserhebungen/wisszugang.php3. 



3.3.1 Matching-Verfahren als Analysetool der Evaluation öffentlicher FuE- 

Förderung 8 

Bei der Wirkungsanalyse von öffentlichen Maßnahmen ist die Frage nach dem Fördererfolg 

der Ausgangspunkt. Fördererfolg kann auf verschiedene Art und Weise gemessen 

werden, in vielen Studien ist er als eine Erhöhung der privaten FuE-Aufwendungen im 

Vergleich zur Situation ohne Förderung definiert. Die Messung dieses Fördererfolgs, d.h. 

der Differenz zwischen der Situation mit Förderung und ohne Förderung, setzt eigentlich 

voraus, dass ein Unternehmen sowohl im Zustand der Förderung als auch im Zustand der 

Nichtförderung beobachtet werden kann. Da diese Vorraussetzung in der Realität nicht gegeben 

ist, wurden ökonometrische Verfahren entwickelt, mithilfe derer für ein gefördertes 

Unternehmen der Zustand der Nichtförderung („kontrafaktische Situation“) geschätzt 

werden kann. Im Wesentlichen sind dies so genannte „Matching-“ bzw. „Selektionsmodelle“ 

(vgl. Fier et al. 2005). Häufig wird für die Analyse der Effekte von öffentlicher FuE- 

Förderung das Matching-Verfahren verwendet, das im Folgenden kurz beschrieben wird. 

Die Grundidee des Matching-Verfahrens ist es, jedem geförderten Unternehmen ein soweit 

wie möglich ähnliches, aber nicht gefördertes „Zwillingsunternehmen“ gegenüber zu 

stellen. Das Zwillingsunternehmen wird dann als Ersatz für den Zustand der Nichtförderung 

des geförderten Unternehmens verwendet. Die implizite Annahme dabei ist, dass 

sich die Unternehmen in allen beobachtbaren Charakteristika so ähnlich sind, dass die Unterschiede 

z.B. in ihren FuE-Aufwendungen alleine auf die öffentliche Förderung zurückzuführen 

sind. Der Fördereffekt auf Firmenebene ergibt sich in diesem Fall als Differenz 

zwischen den FuE-Aufwendungen des geförderten Unternehmens und den FuE-Aufwendungen 

seines Zwillingspartners bzw. für die gesamte Population als Differenz aus den 

mittleren FuE-Aufwendungen der geförderten Unternehmen und den ihnen zugeordneten 

Zwillingen. 

Der Vorteil bei der Verwendung dieses Verfahrens gegenüber herkömmlichen Regressionsanalysen 

ist, dass bei der Evaluation des Fördereffekts die Heterogenität der geförderten 

Unternehmen erhalten bleibt und somit vergleichbare Unternehmen gegenübergestellt 

werden, wie Abbildung 2 verdeutlicht. 

Die Schwierigkeit bei der Verwendung von Matching-Verfahren besteht darin, für jedes 

geförderte Unternehmen einen Zwillingspartner in der Gruppe der nicht geförderten Unternehmen 

zu finden. Hierfür werden verschiedene Möglichkeiten vorgeschlagen. Für die 

Forschung der „PROFI“-Datenbank wurde meistens das modifizierte „Nearest Neighbour 

Matching“ verwendet. Bei diesem Verfahren werden zwei verschiedene Kriterien angelegt, 

zum einen der „Propensity Score“ und zum anderen Charakteristika, in denen sich 

gefördertes Unternehmen und Zwillingsunternehmen exakt gleichen müssen (z.B. Region 

und Branche). Der Propensity Score gibt an, mit welcher Wahrscheinlichkeit ein Unternehmen 

gefördert wird und wird aus einer ökonometrischen Analyse des Einflusses von 

Unternehmenscharakteristika auf die Wahrscheinlichkeit, öffentliche FuE-Förderung zu 

erhalten, gewonnen. Die zusätzlichen Charakteristika sollen gewährleisten, dass nur Unternehmen 

der gleichen Branche oder Größe miteinander verglichen werden. Damit wird 

8 Eine ausführliche (technische) Beschreibung des Matching-Verfahrens und seiner Annahmen findet sich 

zum Beispiel in Aerts and Schmidt (2006). 



Abbildung 2 

Grundidee des Matching-Verfahrens 

Vor dem Matching Nach dem Matching 

gefördert gefördert 

Nicht nicht Nicht Nichtgefördert gefördert gefördert 

gefördert 

gefördert 

Nicht nicht Nicht Nichtgefördert gefördert 

gefördert 

Untern. A 

Untern. L 

Banken 

Banken 

1,000 Besch. 

1,000 Besch. 

Untern. A 

Untern. W 

Banken 

Maschinenbau 

1,000 Besch. 

10 Besch. 

Untern. B 

Untern. M 

Untern. B 

Fahrzeugbau 

Untern. X 

Baugewerbe 

Fahrzeugbau 

15,000 Besch. 

Fahrzeugbau 

15,000 Besch. 

15,000 Besch. 

150 Besch. 

Unterschiedl. Unterschiedl. Untern. Untern. 

Vergleichbare Vergleichbare Unt. 

Unt. 

Untern. Y 

Untern. C 

Untern. N 

Untern. C 

Großhandel 

Einzelhandel 

Einzelhandel 

Einzelhandel 

50 Besch. 

50 Besch. 

50 Besch. 

50 Besch. 

Untern. Z 

Untern. D 

Pharma 

Verkehr 

12,000 Besch. 

100 Besch. 

Untern. D 

Untern. O 

Verkehr 

Verkehr 

100 Besch. 

100 Besch. 

Quelle: Sofka and Teichert (2006: 6), eigene Übersetzung. 

verhindert, dass z.B. ein Pharmaunternehmen mit einem Großhändler verglichen wird, 

wenn beide eine ähnliche Förderwahrscheinlichkeit haben. Das Zwillingsunternehmen ist 

das Unternehmen aus der durch die zusätzlichen Charakteristika abgegrenzten Population, 

das hinsichtlich des Propensity Scores die geringste Distanz vom geförderten Unternehmen 

aufweist. 

3.3.2 Effekte öffentlicher FuE-Förderung in Flandern und Deutschland 

Um die Möglichkeiten des Einsatzes des Matching-Ansatzes für die Evaluation staatlicher 

FuE-Förderung aufzuzeigen wird im Folgenden die Studie von Aerts and Schmidt (2006) 

exemplarisch dargestellt. Der Hintergrund der Studie ist ein Vergleich der Effekte von öffentlicher 

FuE-Förderung in Flandern und Deutschland. 

Um die Ergebnisse für beide Länder 9 besser vergleichen zu können, wurde auf die Daten 

der Community Innovation Survey IV (CIS IV)-Erhebung zurückgegriffen. Diese im Jahr 

2005 durchgeführte Erhebung basiert in beiden Ländern auf einem von Eurostat harmonisierten 

Fragebogen und einer harmonisierten Methodik, sodass die Vergleichbarkeit der 

verwendeten Datenbasen gegeben ist. Die Referenzperiode der Befragung sind die Jahre 

2002 bis 2004, d.h. die Fragen beziehen sich auf Innovationsaktivitäten der Unternehmen 

im jeweiligen Land im Zeitraum 2002 bis 2004. Beide Datensätze wurden zusätzlich mit 

den Patentdaten des Europäischen Patentamts verknüpft, um den Einfluss von Patenten 

9 Flandern ist kein Land, sondern nur eine Region in Belgien; zur Vereinfachung wird im Folgenden dennoch 

immer von zwei Ländern gesprochen. 



auf die Förderwahrscheinlichkeit adäquat und vergleichbar berücksichtigen zu können. 

Anschließend wurde für beide Länder getrennt eine Matching-Analyse durchgeführt. Um 

die Vergleichbarkeit weiter zu erhöhen, wurden beide Datensätze hinsichtlich Branche 

und Größe auf den „kleinsten gemeinsamen Nenner“ reduziert, d.h. unter anderem, dass in 

Deutschland und Flandern nur Unternehmen mit mehr als zehn Beschäftigten berücksichtigt 

wurden, obwohl für Deutschland auch Informationen über kleinere Unternehmen vorliegen. 

Nach diesem zusätzlichen Harmonisierungsschritt bleiben für die Analyse in Flandern 

noch 866 Unternehmen übrig, von denen 157 angeben, in den Jahren 2002 bis 2004 

öffentliche FuE-Förderung 10 bekommen zu haben. Für Deutschland sind es 2 348 Unternehmen, 

von denen 484 gefördert wurden. 

Beim Vergleich von Fördereffekten in Flandern und Deutschland wurden in der ersten 

Stufe des Matching-Verfahrens die folgenden Einflussgrößen auf die Wahrscheinlichkeit, 

öffentliche FuE-Förderung vom jeweiligen Land oder von der EU zu erhalten, berücksichtigt: 

Größe (Anzahl der Beschäftigten) eines Unternehmens, seine Exportintensität (Exporte/Umsatz), 

sein Patentstock pro Beschäftigtem, seine Zugehörigkeit zu einer Gruppe 

Abbildung 3 

„Conditional Difference in Difference Methode“ 

Quelle: Aerts and Schmidt (2006: 11), eigene Übersetzung. 

10 Die bei der Antwort auf die Frage nach öffentlicher Förderung einzubeziehenden Förderinstrumente sind 

im Fragebogen genauer spezifiziert. Für Deutschland lautet die Erklärung zur Frage (Erhebung 2005): „Innovationsförderung 

umfasst die finanzielle Förderung für FuE- und Innovationsvorhaben durch die öffentliche Hand, 

z.B. über Zuschüsse, Darlehen, Subventionszahlungen, Beteiligungen, Kreditbürgschaften. Die gewöhnliche 

Bezahlung von Aufträgen durch öffentliche Auftraggeber gilt nicht als öffentliche Förderung. Berücksichtigen 

Sie bitte auch öffentliche Förderung durch beauftragte Institutionen (z.B. Projektträger wie AiF, DLR, FZJ, KfW, 

Landesbanken).“ Der entsprechende Text im Fragebogen für Flandern ist nahezu identisch, er schließt allerdings 

die in Deutschland nicht vorhandenen FuE-Steuernachlässe mit ein. 


Periode t 0 

Untern. k: 

Y c 

k |S=0 

Untern. j: 

Y c 

j |S=0 

B 

X k,to =X i,t1 

X j,to =X h,t1 

C 

Periode t 1 

Untern. i: 

Y T 

i |S=0 

X i,to =X h,t1 

Untern. h: 

Y c 

h |S=0 

A


und Hauptsitz der Gruppe im Ausland. Für Deutschland wird zusätzlich berücksichtigt, ob 

das Unternehmen seinen Sitz in Ost- oder Westdeutschland hat, da zahlreiche Förderprogramme 

nur von ostdeutschen Unternehmen genutzt werden können. 

Der erste Analyseschritt des Matching-Verfahrens zeigt, dass die Förderwahrscheinlichkeit 

in Flandern und Deutschland signifikant mit der Größe und dem Patentstock pro Beschäftigtem 

steigt. Ostdeutsche Unternehmen und Unternehmen mit hoher Exportquote 

haben in Deutschland eine höhere Förderwahrscheinlichkeit als westdeutsche und solche 

mit geringen Exportquoten. Für Flandern findet sich kein signifikanter Effekt der Exportquote. 

Im zweiten Analyseschritt des Matching-Verfahrens wurden die aus der ersten Stufe gewonnene 

Propensity Score und die Größe, Branche und Sitz in Ostdeutschland (nur für 

Deutschland) benutzt, um den geförderten Unternehmen ein Zwillingsunternehmen zuzu- 

Tabelle 1 

Ergebnisse der Matching-Analysen 

Flandern 

A B C 

FuE 0.838*** 0.900*** 0.050 

(0.273) (0.288) (0.178) 

FuE-Intensität 4.669*** 5.017*** 0.203 

(1.246) (1.429) (1.190) 

Ln (FuE) 2.923*** 2.530*** –0.480 

(0.512) (0.832) (0.854) 

Ln (FuE-Intensität) 2.334*** 2.065*** –0.242 

Deutschland 

(0.400) (0.635) (0.646) 

FuE 3.232*** 2.432* –0.262 

(1.049) (1.433) (2.027) 

FuE-Intensität 5.327*** 5.717*** 0.201 

(0.503) (0.544) (0.939) 

Ln (FuE) 2.680*** 2.956*** 0.165 

(0.245) (0.344) (0.823) 

Ln (FuE-Intensität) 3.798*** 4.052*** 0.125 

(0.274) (0.386) (0.935) 

*** (**, *) Signifikanzniveau 1% (5%, 10%), heteroskedastie-konsistente Standardfehler 

in Klammern. T-Statistiken unter Berücksichtigung der “Lechner-Korrektur” (Lechner 2001) 

berechnet. 

Quelle: Aerts and Schmidt (2006: 18), gekürzt (eigene Übersetzung). 



ordnen. In der hier beschriebenen Studie wurde der Matching-Ansatz noch um eine zeitliche 

Komponente erweitert („conditional difference in differences“), auf die hier nur kurz 

eingegangen werden soll. Die Verwendung dieser Methode erlaubt es für unterschiedliche 

Reaktionen von geförderten und nicht geförderten Unternehmen auf makroökonomische 

Schocks im Zeitablauf zu kontrollieren. 

Bei Matching A in Abbildung 3 wird der Effekt von öffentlicher FuE-Förderung auf die 

FuE-Aufwendungen im Jahr t 1 bestimmt. Matching B vergleicht die FuE-Aufwendungen 

von im Jahr t 1 geförderten Unternehmen mit denen von im Jahr t 0 nicht geförderten Unternehmen. 

Die Differenz der FuE-Aufwendungen in beiden Jahren beinhaltet somit die Entwicklung 

der FuE-Aufwendungen, die sich aufgrund makroökonomischer Veränderungen 

zwischen t 1 und t 0 ergibt, und die Entwicklung die sich aufgrund der Förderung in t 1 ergibt. 

Matching C erlaubt den Effekt von makroökonomischen Veränderungen auf die FuE-Aufwendungen 

zu isolieren. Durch Subtraktion des mit Matching C gefundenen Effekts vom 

Ergebnis des Matchings B kann schließlich der um allgemeine makroökonomische Effekte 

bereinigte Einfluss öffentlicher Förderung im Jahr t 1 auf die FuE-Aufwendungen im 

Jahr t 1 berechnet werden. 

Die Ergebnisse des Matching-Verfahrens für beide Länder zeigen eine relativ ähnliche 

Struktur (Tabelle 1). In beiden Ländern hat die öffentliche FuE-Förderung in den Jahren 

2002 bis 2004 einen positiven Einfluss auf die Höhe der FuE-Aufwendungen eines Unternehmens 

und auf die Höhe der FuE-Intensität, gemessen als Anteil der FuE-Aufwendungen 

am Umsatz. Unterschiede ergeben sich hinsichtlich der Höhe des Effekts zwischen 

den Ländern, sowohl hinsichtlich der FuE-Aufwendungen als auch der FuE-Intensität. Für 

beide Kennzahlen ist der Effekt der Förderung in Deutschland stärker als in Flandern. Die 

Ergebnisse bestätigen frühere Studien für beide Länder. 

4 Zusammenfassung und Ausblick 

Die Ausführungen haben gezeigt, welches Potential für Politikberatung in qualitativ hochwertigen 

Unternehmensdaten steckt und wie vielfältig die Formen der Beratung sein können. 

Die verschiedenen Möglichkeiten, die Daten auszuwerten, sind dabei als komplementär 

zueinander zu sehen. Letztendlich profitiert die Politikberatung davon, dass 

Berichte zum Status quo und Entwicklungen durch wissenschaftliche Analysen ergänzt 

werden, die sowohl den Einfluss von Politikmaßnahmen untersuchen, als auch detaillierte 

und statistisch gesicherte Einblicke in die beobachteten Entwicklungen erlauben. Umgekehrt 

stellen die durch wissenschaftliche Analysen erarbeiteten Ergebnisse und Zusammenhänge 

eine wichtige Basis für die Auswahl der Indikatoren, für die Berichterstattung 

und für die Erklärung der gefundenen Entwicklungen dar. Das beschriebene Beispiel für 

Deutschland und Flandern zeigt nicht nur das Potential der Innovationsdaten für die Wirkungsanalyse 

öffentlicher FuE-Förderung in Deutschland auf, sondern macht auch exemplarisch 

deutlich, welches Potential sich durch die Harmonisierung der verwendeten Konzepte 

in verschiedenen (EU-)Ländern ergibt. 

Wie die Studien zur Wirkungsanalyse der direkten FuE-Projektförderung mithilfe der 

„PROFI“-Datenbank gezeigt haben, kann das Analysepotential der Innovationsdaten und 

damit auch das Potential für die Politikberatung erheblich gesteigert werden, indem Datenbanken 

miteinander verknüpft werden. Dadurch kann, ohne neue Daten erheben zu 



müssen, eine ganze Reihe von Fragestellungen schnell und flexibel bearbeitet werden. Gerade 

auch vor dem Hintergrund der Bemühungen, die Bürokratielast und damit verbunden 

auch die Last im Zusammenhang mit Statistiken für Personen und Unternehmen zu verringern, 

kann dies ein Weg für die Zukunft sein. 


Aerts, K. und T. Schmidt (2006): Two for the Price of One? On Additionality Effects of 

R&D Subsidies: A Comparison Between Flanders and Germany. ZEW Discussion 

Paper Mannheim No. 06-063. Mannheim. 

Aschhoff, B., A. Fier und H. Löhlein (2006): Detecting Behavioural Additionalit: An 

Empirical Study on the Impact of Public R&D Funding on Firms’ Cooperative Behaviour 

in Germany. ZEW Discussion Paper No. 06-37. Mannhem. 

Aschhoff, B. und T. Schmidt (2006): Empirical Evidence on the Success of R&D Co-operation 

– Happy together? ZEW Discussion Paper No. 06-059. Mannheim. 

Beise-Zee, M. (2001): Lead Markets. ZEW Economic Studies. Bd. 14. Heidelberg. 

Beise-Zee, M., T. Cleff, O. Heneric und Ch. Rammer (2002): Lead Markt Deutschland – 

Zur Position Deutschlands als führender Absatzmarkt für Innovationen. ZEW Dokumentation 

Nr. 02-02. Mannheim. 

Czarnitzki, D. und A. Fier (2002): Do Innovation Subsidies Crowd out Private Investment? 

Evidence from the German Service Sector. Applied Economics Quarterly, 48 (1), 

1–25. 

Czarnitzki, D. und A. Fier (2003): Publicly Funded R&D Collaborations and Patent Outcome 

in Germany. ZEW Discussion Paper No. 03-24. Mannheim. 

Czarnitzki, D. und K. Hussinger (2004): The Link Between R&D Subsidies, R&D Spending 

and Technological Performance. ZEW Discussion Paper No. 04-56. Mannheim. 

European Commission (2004): Innovation in Europe – Results for the EU, Iceland and 

Norway (Data 1998–2001): Theme 9 Science and Technology. Luxemburg. 

Fier, A. (2002): Staatliche Förderung industrieller Forschung in Deutschland. ZEW Wirtschaftsanalysen. 

Bd. 62. Baden-Baden. 

Fier, A., B. Aschhoff und H. Fier (2006): Behavioural Additionality of Public R&D Funding 

in Germany. In: OECD (Hrsg.): Government R&D Funding and Company Behaviour, 

Measuring Behavioural Additionality. Paris, 127–149. 

Fier, A., D. Heger und K. Hussinger (2005): Die Wirkungsanalyse staatlicher Förderprogramme 

durch den Einsatz von Matching- und Selektionsmodellen am Beispiel der Fertigungstechnik. 

ZEW Discussion Paper No. 05-09. Mannheim. 

Griffith, R., E. Huergo, J. Mairesse und B. Peters (2006): Innovation and Productivity 

Across Four European Countries. Oxford Review of Economic Policy, 22 (4), 483–498. 

Heger, D. (2004): The Link Between Firms’ Innovation Decision and the Business Cycle: 

An Empirical Analysis. ZEW Discussion Paper No. 04-85. Mannheim. 

Janz, N. und G. Licht (2003): Innovationsforschung heute. ZEW Wirtschaftsanalysen. Bd. 

63. Baden-Baden. 

Lechner, M. (2001): Identification and estimation of causal effects of multiple treatments 

under the conditional independence assumption. In: M. Lechner und F. Pfeiffer (Hrsg.): 

Econometric evaluation of active labour market policies. Heidelberg, 43–58. 

OECD and Eurostat (1997): Oslo Manual – Proposed Guidelines for Collecting and Interpreting 

Technological Innovation Data. 2. Aufl. Paris. 



OECD and Eurostat (2005): Oslo Manual – Proposed Guidelines for Collecting and Interpreting 

Technological Innovation Data. 3. Aufl. Paris. 

Peters, B. (2003): Innovation und Beschäftigung. In: N. Janz und G. Licht (Hrsg.): Innovationsforschung 

heute. ZEW Wirtschaftsanalysen. Bd. 63. Baden-Baden, 115–151. 

Peters, B. (2004): Employment Effects of Different Innovation Activities: Microeconometric 

Evidence. ZEW Discussion Paper No. 04-73. Mannheim. 

Peters, B., Ch. Rammer und H. Binz (2006): Innovationsfinanzierung: Stand, Hindernisse, 

Perspektiven. In: KfW (Hrsg.): Innovationen im Mittelstand, Mittelstands- und Strukturpolitik. 

Bd. 37. Frankfurt a.M., 91–144. 

Rammer, Ch., H. Penzkofer, A. Stephan, C. Grenzmann, D. Heger und O. Nagel (2004): 

FuE- und Innovationsverhalten von KMU und Großunternehmen unter dem Einfluss 

der Konjunktur. Studien zum deutschen Innovationssystem 22-2004. Mannheim. 

Rammer, C., B. Peters, T. Schmidt, B. Aschhoff, T. Doherr und H. Niggemann (2005): 

Innovationen in Deutschland – Ergebnisse der Innovationserhebung 2003 in der deutschen 

Wirtschaft. ZEW Wirtschaftsanalysen. Bd. 78. Baden-Baden, Nomos Verlagsgesellschaft. 

Schmidt, T., B. Aschhoff, T. Doherr, S. Gottschalk, H. Löhlein, B. Peters und C. Rammer 

(2005): Das Mannheimer Innovationspanel (MIP): Innovationsaktivitäten der deutschen 

Wirtschaft. In: I. Ellendorfer und U. Fahl (Hrsg.): Ansätze zur Modellierung von 

Innovationen in der Energiewirtschaft. BWMA und IER Hohenheim. Bonn, 31–38. 

Sofka, W. und T. Teichert (2006): Global Sensing and Sensibility – A Multi-Stage Matching 

Assessment of Competitive Advantage from Foreign Sources of Innovation. ZEW 

Discussion Paper No. 06-009. Mannheim. 

Spielkamp, A. und Ch. Rammer (2006): Balanceakt Innovation – Erfolgsfaktoren im Innovationsmanagement 

kleiner und mittlerer Unternehmen. ZEW Dokumentation Nr. 06- 

04. Mannheim. 


Diversifikationsmaße im Praxistest – 

Ergebnisse auf der Grundlage von amtlichen 

Mikrodaten für Deutschland* 

Von Petra Zloczysti** und Cathleen Faber*** 



76 (2007), 3, S. 29–42 

Zusammenfassung: Die Wahl zwischen Diversifikation und Spezialisierung ist eine lange und kontrovers 

diskutierte Frage in der industrieökonomischen Forschung. Inzwischen ist es möglich, anhand von 

Mikrodaten auf Unternehmensebene die Gestaltung der Produktpalette von Unternehmen zu untersuchen. 

In dieser Studie werden die in der empirischen industrieökonomischen Forschung vorherrschenden 

Diversifikationsmaße einem Praxistest unterzogen. Die Frage ist, was die zur Verfügung stehenden 

Maße tatsächlich messen, wie sie bei real existierender, also beobachtbarer Diversifikation 

reagieren und ob sie in Querschnitt- und Längsschnittanalysen zu vergleichbaren Ergebnissen führen. 

Gleichzeitig wird damit eine Beschreibung der empirisch beobachtbaren Diversifikation sowie ihrer 

Entwicklung im Zeitverlauf für das verarbeitende Gewerbe in Deutschland gegeben. 

Summary: The choice between diversification and specialization has been a matter of controversial 

debate in the field of industrial economics for years. By now, it is possible to analyze the composition 

of the array of products using micro data on the firm level. This study applies the diversification 

indexes being used in the empirical research on industrial economics and tests their implications and 

results. The questions arising are: what do the indexes measure, how do they depict observable diversification 

and do they lead to comparable results for cross section and longitudinal data analysis. Furthermore, 

a description of the observed diversification and its trend is provided for manufacturing 

firms in Germany. 

JEL Classification: L60, D21, O14 

Keywords: Diversification, specialization, measurement, micro data 

1 Motivation 

Die Wahl zwischen Diversifikation 1 und Spezialisierung ist eine lange und kontrovers diskutierte 

Frage in der industrieökonomischen Forschung. Theoretisch begründbar sind beide 

Strategien. Spezialisierung kann angestrebt werden, um „economies of scale“ und 

Lerneffekte zu nutzen, während mithilfe einer Diversifikationsstrategie Risikostreuung 

vorgenommen werden kann. 

Inzwischen ist es möglich, anhand von Mikrodaten auf Unternehmensebene die Gestaltung 

der Produktpalette von Unternehmen zu untersuchen. Diese neuen Analysepotentiale, 

* Wir danken dem Arbeitskreis Monopolstrategien am DIW Berlin für wertvolle Anregungen und Diskussionen 

sowie Axel Werwatz, Ramona Pohl und Ronny Freier für hilfreiche Kommentare. 

** Freie Universität Berlin, Fachbereich Wirtschaftswissenschaft, E-Mail: zloczy@wiwiss.fu-berlin.de 

*** Amt für Statistik Berlin-Brandenburg, Standorte Berlin und Potsdam, E-Mail: cathleen.faber@statistikbbb.de 

1 Die Begriffe Diversifizierung und Diversifikation können synonym verwendet werden. 


Petra Zloczysti und Cathleen Faber 

z.B. im Hinblick auf die Erfolgsimplikationen der jeweiligen Strategie, lassen sich nur 

dann vollständig ausschöpfen, wenn entsprechende Maße zur Verfügung stehen, die den 

Diversifikationsgrad der Unternehmen sowie seine Entwicklung im Zeitablauf abbilden. 

In dieser Studie werden die in der empirischen industrieökonomischen Forschung vorherrschenden 

Diversifikationsmaße einem Praxistest unterzogen. Die Frage ist, was die zur 

Verfügung stehenden Maße eigentlich messen, wie sie auf real existierende, also beobachtbare 

Diversifikation anschlagen und ob sie in der Querschnitt- und Längsschnittanalyse 

zu vergleichbaren Ergebnissen führen. Gleichzeitig wird damit eine Beschreibung der 

empirisch beobachtbaren Diversifikation sowie ihrer Entwicklung in Deutschland im Zeitverlauf 

gegeben. 

Das verwendete Datenmaterial ist ein Product-Producer-Panel, das von den Forschungsdatenzentren 

der Statistischen Ämter der Länder bereitgestellt wird. Es handelt sich hierbei 

um einen auf Unternehmensebene verbundenen Datensatz zweier Erhebungen für das 

verarbeitende Gewerbe. 

2 Diversifikationsmaße 

Die in der industrieökonomisch geprägten empirischen Forschung verbreiteten Diversifikationsmaße 

sind in der Regel von Konzentrationsmaßen oder Maßen zur Messung der 

Spezialisierung eines Unternehmens oder einer Branche abgeleitet. 

Das am einfachsten zu erfassende – in der Literatur oft vernachlässigte – Diversifikationsmaß 

ist die Anzahl der Produkte (1) des Unternehmens. 

d1n n = Anzahl der Produkte eines Unternehmens 

Ein Unternehmen gilt dementsprechend als diversifiziert, wenn es mehr als ein Produkt 

herstellt. Hauptkritikpunkt dieses Maßes ist die fehlende Berücksichtigung des Wertes der 

einzelnen Produkte für das Unternehmen, beispielsweise anhand seines Anteils an Absatz 

oder Produktionswert. 

Gort (1962) entwickelte den ersten quantitativen Ausdruck für die Diversifikation in der 

US-amerikanischen Industrie, abgeleitet aus der „primary product specialization ratio“ 

(PPSR) bzw. Konzentrationsrate eines Unternehmens auf ein Hauptprodukt. Hierbei wird 

der Anteil des absatzstärksten Produkts von eins abgezogen. 

s j = Anteil eines Produkts am Absatzproduktionswert eines Unternehmens 

Übrig bleibt der Anteil der sekundären bzw. Nebenprodukte am Gesamtabsatz (2) des Unternehmens. 

Dieser Index ist methodisch einfach zu bestimmen und veranschaulicht die 

Verteilung des Absatzes eines Unternehmens auf das primäre Hauptprodukt und die Sum- 


= 1 

1 ≤ d ≤ n 

2 = 1− max( 

n 

j ) =∑ 

j= 

2 

j 

d2 

d s s 

0≤≤1 (1) 

(2)

Diversifikationsmaße im Praxistest – Ergebnisse auf der Grundlage von amtlichen Mikrodaten für Deutschland 

me der Nebenprodukte. Ein Wert nahe null kennzeichnet ein stark spezialisiertes Unternehmen, 

während ein Wert nahe eins auf ein diversifiziertes Unternehmen hinweist. Einschränkend 

ist im Hinblick auf dieses Maß anzumerken, dass die Gesamtzahl der Produkte 

des Unternehmens bei der Interpretation vernachlässigt wird. 

Ein weiteres, recht populäres Diversifikationsmaß (measure of corporate diversification) 

basiert auf dem Herfindahl-Index (3), einer Maßzahl zur Bestimmung der relativen Konzentration 

(Berry 1971, McVey 1972). 

n 

2 

j 

j= 

1 

HF = ∑ s 

1 

≤ HF ≤ 1 

n 

Ausgangspunkte für die Berechnung des Herfindahl-Indexes sind die Anzahl der Produkte 

sowie deren relative Bedeutung für das Unternehmen, gemessen anhand des Anteils am 

Absatzproduktionswert. Der Herfindahl-Index ist eine gewichtete Summe über die Absatzanteile 

aller Produkte, wobei jedes Produkt mit seinem eigenen Anteil gewichtet, also 

faktisch quadriert wird. Dies führt dazu, dass der Einfluss von Produkten mit niedrigem 

Absatzanteil insgesamt geringer ausfällt. 

Berry (1971: 373) wandelte dies zu einem Diversifikationsindex ab, der in der Literatur 

auch als Berry-Herfindahl-Index (4) bezeichnet wird. 

3 

1 

n 

∑ 

j = 1 

2 

j 1 

0≤ d 1 

3 ≤1− d = − s = −HF 

Der Berry-Herfindahl-Index hat gegenüber dem eigentlichen Herfindahl-Index den Vorteil, 

dass er ansteigt, sobald die Diversifikation innerhalb eines Unternehmens zunimmt. 

Bei Ein-Produkt-Unternehmen nimmt er den Wert null an und nähert sich dem Wert eins, 

wenn die Absatzanteile der Produkte eines Unternehmens nahezu gleich verteilt sind. Aufgrund 

des Gewichtungsschemas reagieren der Herfindahl- und der Berry-Herfindahl-Index 

nur schwach auf Ausweitungen des Produktportfolios, solange diese nur einen geringen 

Absatzanteil aufweisen. Veränderungen werden somit erst ab einer gewissen Größe 

(im Hinblick auf den Absatzanteil) erfassbar. 

Die Cumulative Diversification Curve (5) wurde von Utton (1977) entwickelt und berücksichtigt 

neben dem Absatzanteil eines Produktes indirekt die Rangordnung der Produkte 

innerhalb des Unternehmens. 

n 

4 = 2⋅∑ 

j ⋅ j −1 

j= 

1 

s r d 

1 ≤ d4≤ n 

r j = Rang des Produkts bezüglich seines Anteils am Absatzproduktionswert des Unternehmens 

(absteigend sortiert) 

Die Rangordnung der Produkte wird anhand des Absatzanteils bestimmt, wobei dem Produkt 

mit dem größten Anteil der erste Rang zugewiesen wird. Die Cumulative Diversification 

Curve liegt zwischen eins (für Ein-Produkt-Unternehmen) und der Anzahl der Pro- 

n 

(3) 

(4) 

(5) 



dukte (für ein Unternehmen, dessen Absatzproduktionswert gleichmäßig auf alle 

produzierten Produkte verteilt ist). Ein Vorteil dieses Maßes ist dementsprechend, dass jede 

Ausprägung der Cumulative Diversification Curve anzahläquivalent interpretiert werden 

kann. Beispielsweise weist ein Unternehmen mit vielen Produkten und einem Wert 

von d 4 = 4 den gleichen Diversifikationsgrad auf wie ein Unternehmen, das über vier Produkte 

mit einem jeweiligen Absatzanteil von ¼ verfügt (Utton 1977: 103). Vollständige 

Diversifikation ist bei diesem Index somit eng mit dem Gedanken gleicher Absatzanteile 

für verschiedene Produkte verbunden. Ähnliches gilt auch für das folgende Diversifikationsmaß. 

Die Entropie (6) entstammt der Physik und wurde von Jacquemin und Berry (1979) auf 

die Messung der Diversifikation von Unternehmen übertragen. Für die Berechnung wird 

der Anteil eines Produktes am Absatz mit dem Logarithmus des Kehrwertes gewichtet. 

Sinn dieses Gewichtungsschemas ist es, Produkte mit geringem Absatzanteil, wie er häufig 

für neue Produkte kennzeichnend ist, stärker zu betonen. 

d = s ⋅ln 

5 

n 

∑ 

j = 1 

Die Entropie lässt sich vergleichsweise schwer interpretieren: Sie ist nach unten durch null 

(für Ein-Produkt-Unternehmen) begrenzt und kann maximal den Wert des Logarithmus 

der Anzahl der Produkte (bei Gleichverteilung der einzelnen Produkte gemäß des Absatzanteils) 

annehmen – ein Wert, der intuitiv schlecht greifbar ist. 

Die anzahläquivalente Entropie (7) hingegen, angewandt beispielsweise von Baldwin et 

al. (2001), errechnet sich aus der exponierten Entropie und lässt sich direkt als durchschnittliche, 

gewichtete Anzahl von Produkten eines Unternehmens interpretieren. 

d5 

d6e e 

Die Idee hierbei ist, vergleichbar dem Konzept der Cumulative Diversification Curve, ein 

zahlenmäßiges Äquivalent zu bestimmen, das der Anzahl der Produkte bei Gleichverteilung 

des Absatzes entsprechen würde. Ein-Produkt-Unternehmen erhalten den Wert eins, 

während die anzahläquivalente Entropie für Mehr-Produkt-Unternehmen kleiner oder 

gleich (bei Gleichverteilung) der Anzahl der Produkte ist. 

Neben den hier vorgestellten, in der empirischen Forschung verbreiteten Diversifikationsmaßen 

entwickelten viele Autoren speziell auf die jeweilige Fragestellung und die zur 

Verfügung stehenden Daten zugeschnittene Diversifikationsmaße, die im Folgenden nicht 

weiter betrachtet werden sollen. 2 

Zusammenfassend lassen sich die gängigen Diversifikationsmaße in zwei Gruppen unterteilen: 

Die eine Gruppe, bestehend aus dem (Berry-)Herfindahl-Index und dem Anteil der 

Nebenprodukte, lässt sich anteilswertbezogen verstehen. Diese Maße liegen definitionsge- 

2 Vgl. beispielsweise Ushijima und Fukui (2004), Rumelt (1974), Varadarajan und Ramanujam (1987), Gollop 

und Monahan (1991). 


j 

1 ( s ) j 

0≤d ≤ ln( n) 

s ln 

⎛ 1 ⎞ 

∑ j ⎜ s ⎟ 

⎝ j ⎠ 

= = 1 ≤ d6≤ n 

5 

(6) 

(7)


mäß zwischen null und eins, wobei null für Spezialisierung und Werte nahe eins für eine 

starke Diversifikation stehen. Die andere Gruppe, bestehend aus Anzahl der Produkte, Cumulative 

Diversification Curve und anzahläquivalenter Entropie, kann jeweils als durchschnittliche 

Produktanzahl interpretiert werden, wobei Cumulative Diversification Curve 

und anzahläquivalente Entropie eine Gewichtung anhand der Absatzanteile vornehmen. 

Die Entropie ist aufgrund ihrer begrenzten Interpretationsmöglichkeiten schwer zu klassifizieren, 

in der praktischen Anwendung allerdings mit der anzahläquivalenten Entropie 

vergleichbar. Sie wird daher im Folgenden nicht weiter betrachtet. 

Anzahlbezogene Maße Anteilswertbezogene Maße 

Anzahl der Produkte Anteil der Nebenprodukte am Absatz 

Cumulative Diversification Curve (Berry-)Herfindahl Index 

Anzahläquivalente Entropie 

Die vorgenommene Untergliederung der Diversifikationsmaße in anzahlund anteilswertbezogene 

Maße wird aus Gründen der Übersichtlichkeit auch in der folgenden empirischen 

Analyse beibehalten. 

An dieser Stelle ist anzumerken, dass die Ergebnisse der Diversifikationsmessung naturgemäß 

von der zugrunde liegenden Klassifizierung der Produkte oder Wirtschaftszweige 

abhängen. Je aggregierter die Ausgangsdaten sind, desto geringer fällt die gemessene Diversifikation 

aus. 

3 Verwendete Daten 

Die meisten Studien zum Thema beziehen sich auf Diversifikation von Unternehmen über 

Wirtschaftszweige und hierbei vor allem auf 2- oder 4-Steller-Ebene der nationalen Klassifikation 

der Wirtschaftszweige. 3 Diese Untersuchung konzentriert sich hingegen auf die 

neuen Analysepotentiale von Mikrodaten, setzt auf der Produktebene an und betrachtet 

folglich die Produktdiversifikation von Unternehmen. Hierbei wird die tiefste Gliederungsebene 

des Güterverzeichnisses für Produktionsstatistiken (9-Steller der GP95) verwendet. 

Die folgenden Ergebnisse basieren auf Mikrodaten eines faktisch anonymisierten Producer-Product-Panels 

4 für das verarbeitende Gewerbe (Görzig et al. 2005). Diese Daten wurden 

im Forschungsdatenzentrum der Statistischen Ämter der Länder am regionalen Standort 

Berlin für Forschungszwecke aufbereitet und anonymisiert. Sie können am 

Gastwissenschaftlerarbeitsplatz ausgewertet werden. 

Das Panel enthält Mikrodaten aus der Produktions- und Kostenstrukturerhebung (zwei unterschiedlichen 

Erhebungen der Statistik des verarbeitenden Gewerbes), die für den Zeit- 

3 Beispielhaft sei hier auf die Studien von Gort (1962), Berry (1971), Utton (1977), Jacquemin und Berry 

(1979) oder Baldwin (2001) verwiesen. 

4 Durch die Kombination von Produktions- und Kostenstrukturerhebung entsteht ein Mikrodatensatz, der eine 

Zuordnung zwischen hergestellten Produkten, jeweiligen Produzenten und deren Kostenarten ermöglicht. 



raum von 1995 bis 2001 auf Unternehmensebene über die Unternehmensnummer miteinander 

verknüpft wurden. 

Die Unternehmen der Kostenstrukturerhebung gehören in der Regel auch zu den Berichtspflichtigen 

der Produktionserhebung, einer Vollerhebung mit Abschneidegrenze, die Angaben 

über Anzahl und Wert der erzeugten Produkte der im Inland ansässigen produzierenden 

Betriebe von Unternehmen des verarbeitenden Gewerbes mit 20 und mehr 

Beschäftigten erfasst 5 . Im Mittelpunkt der Analyse steht der Wert der zum Absatz bestimmten 

Produktion ohne Berücksichtigung von Zwischenprodukten und vergebener 

Lohnarbeit. Die Produktionserhebung liefert Daten für die jeweiligen örtlichen Betriebsstätten 

der Unternehmen. Diese lassen sich entsprechend den Unternehmen zuordnen, 

woraus sich die Zahl der Betriebe eines jeden Unternehmens als zusätzliches Merkmal ergibt. 

In den vorliegenden Mikrodaten werden, von wenigen Ausnahmen abgesehen, Angaben 

über Menge und Wert aller 6400 vorgegebenen Produkte, entsprechend des Güterverzeichnisses 

für Produktionsstatistiken (GP95), verwendet. 

Die Kostenstrukturerhebung ist eine jährliche Stichprobe für ca. 18000 Unternehmen mit 

mindestens 20 Beschäftigten. Für Unternehmen mit 500 und mehr Beschäftigten handelt 

es sich um eine Vollerhebung; für kleinere Unternehmen ist es eine rotierende Stichprobe 

mit Panelcharakter. Der durchschnittliche Auswahlsatz beträgt 45% (Statistisches Bundesamt 

2005b). Aus dieser Erhebung sind in die vorliegende Untersuchung Informationen 

über die Zahl der tätigen Personen beziehungsweise Beschäftigtengrößenklassen einbezogen 

worden. 

Bei der Längsschnittanalyse sind Stichprobenneuziehungen zu beachten. In der Kostenstrukturerhebung 

wurde 1997 und 1999 eine neue Stichprobe gezogen. Diese Veränderungen 

werden in der folgenden Analyse berücksichtigt, da neben allen Unternehmen ein Datensatz 

mit Großunternehmen 6 extrahiert wird, der eine Vollerhebung darstellt. 

Insgesamt sind im analysierten Producer-Product-Panel Mikrodaten für 105530 Unternehmen 

enthalten. Davon sind zirka ein Drittel Ein-Produkt-Unternehmen, für die eine Analyse 

der Diversifikation nur im Zeitverlauf eine Rolle spielt. Rund 10% der Unternehmen 

verfügen über mehr als 500 Beschäftigte. 

Für 2394 Unternehmen liegen Daten für alle sieben Erhebungsjahre von 1995 bis 2001 

vor. Auch hiervon sind zirka zwei Drittel Mehr-Produkt-Unternehmen. Rund ein Drittel 

der Unternehmen im reduzierten Panel sind Unternehmen mit mehr als 500 Beschäftigten. 

Im Rahmen der Analyse hat sich wiederholt gezeigt, dass anstelle der Zahl der Produkte 

des Unternehmens im vorliegenden Datensatz auch die Zahl der Betriebe verwandt werden 

könnte, da beide Merkmale hoch korreliert sind. 

5 Liegt der Schwerpunkt der Tätigkeit des Unternehmens außerhalb des produzierenden Gewerbes, so muss 

der Betrieb mindestens 20 Beschäftigte aufweisen. Für besonders klein strukturierte Wirtschaftszweige gilt 

eine abweichende Abschneidegrenze von überwiegend 10 und mehr Beschäftigten (Statistisches Bundesamt 

2005a: 3). 

6 Mehr als 500 Beschäftige. 



4 Ergebnisse im Querschnittvergleich 

Im Hinblick auf die praktische Anwendung der vorgestellten Diversifikationsmaße in der 

empirischen Analyse ist die Frage nach unterschiedlichen Ausprägungen und Gemeinsamkeiten 

von wesentlicher Bedeutung. In der Querschnittbetrachtung bieten Mittelwerte und 

Standardabweichungen der Diversifikationsmaße einen ersten Anhaltspunkt. Tabelle 1 

zeigt die Mittelwerte und Standardabweichungen für das Jahr 2001 7 , wobei die Standardabweichung 

zur besseren Vergleichbarkeit prozentual in Relation zum Mittel angegeben 

ist. 

Es ist zu erkennen, dass sich die meisten Maße in ihrer Streuung kaum unterscheiden. Im 

Durchschnitt liegt die Standardabweichung bei rund 100% des entsprechenden Mittelwertes. 

Mögen diese Werte auf den ersten Blick sehr hoch erscheinen, so sind sie jedoch aufgrund 

der Heterogenität bezüglich Größe und Produktpalette der Unternehmen des produzierenden 

Gewerbes erklärbar. Auch eine erste Schwäche des rudimentärsten aller Maße, 

die schlichte Anzahl der hergestellten Produkte, wird erkennbar. Da es keinerlei Gewichtung 

verwendet, die die Bedeutung einzelner Produkte widerspiegeln würde, ist eine wesentlich 

höhere Standardabweichung die Folge, die fast das Doppelte des durchschnittlichen 

Wertes beträgt. 8 

Weitaus interessanter sind die empirischen Zusammenhänge der verschiedenen Diversifikationsmaße. 

Die Wahl eines geeigneten Maßes stellt eine der inhaltlichen Analyse, beispielsweise 

von Diversifikation und Unternehmenserfolg, vorgelagerte Entscheidung dar 

und ist somit bei der Interpretation von Ergebnissen zu berücksichtigen. Es stellt sich in 

Tabelle 1 

Mittelwerte und prozentuale Standardabweichungen der Diversifikationsmaße 

1 Im Folgenden wird die Variante des (Berry-)Herfindahl-Indexes zum Zweck der Vergleichbarkeit der Ergebnisse 

im Hinblick auf Diversifikation verwendet. 

Quelle: Forschungsdatenzentren der Länder, eigene Berechnungen. 

Diversifikationsmaß Mittelwert 

7 2001 stellt die aktuellste Welle des vorhandenen Datenmaterials dar. 

8 Die Ergebnisse für frühere Jahre zeigen keine wesentlichen Unterschiede, daher können die gezeigten Werte 

in ihrer Struktur als repräsentativ betrachtet werden. 

Prozentuale 

Standardabweichung 

Anzahlbezogene Maße Anzahl der Produkte 3,54 185,2 

Cumulative 

Diversification Curve 

Anzahläquivalente 

Entropie 

Anteilsbezogene Maße Anteil der 

Nebenprodukte 

1,81 84,9 

2,11 94,9 

0,22 105,8 

Herfindahl-Index 1 0,29 97,6 



Tabelle 2 

Korrelationskoeffizienten der Diversifikationsmaße für das Jahr 2001 


diesem Zusammenhang insbesondere die Frage, ob schwerpunktmäßig anzahl- oder anteilsbezogene 

Größen die Diversifikation von Unternehmen in vergleichbarer Weise abbilden. 

Zu diesem Zweck werden Korrelationskoeffizienten für alle vorhandenen Wellen, 

1995–2001, berechnet. An dieser Stelle werden exemplarisch die aktuellen Werte für 2001 

wiedergegeben. 9 

Die erste Hälfte der Tabelle 2 beinhaltet die anzahlbezogenen Maße, während die anteilsbezogenen 

Diversifikationsmaße in der unteren Hälfte angeordnet sind. Kursiv in der jeweils 

zweiten Zeile sind die Korrelationskoeffizienten für die Gruppe der Mehr-Produkt- 

Unternehmen dargestellt. 10 Diese Unternehmen liefern den Großteil der Varianz der angewandten 

Maße, daher dient ihre Gruppe der Kontrolle und Verdeutlichung der Ergebnisse. 

Die Tatsache, dass die Korrelationskoeffizienten systematisch etwas niedriger ausfallen, 

lässt sich daher aufgrund unterschiedlicher Gewichtungen leicht begründen. 

Die anzahlbezogenen Maße: Anzahl der Produkte, anzahläquivalente Entropie und Cumulative 

Diversification Curve zeigen hohe Korrelationen von über 80% untereinander, was 

auf eine hohe Vergleichbarkeit der Ergebnisse schließen lässt. Insbesondere die anzahläquivalente 

Entropie und die Cumulative Diversification Curve zeigen einen nahezu perfekten 

linearen Zusammenhang. 

9 Die Korrelationsstruktur ist über die Jahre weitgehend konstant. 

10 Unternehmen, die gemäß der verwendeten Gliederung mehr als ein Produkt erstellen. Der Anteil von Ein- 

Produkt-Unternehmen liegt im Schnitt bei gut 30%. 


Anzahl der 

Produkte 

Anzahl der Produkte 1 

Cumulative Diversification 

Curve 


Entropie 

1 

Cumulative 

Diversification 

Curve 

0,86 1 

0,84 1 


Entropie 

0,85 1 1 

0,83 1 1 

Anteil der Nebenprodukte 0,44 0,7 0,71 1 

0,35 0,65 0,65 1 

Anteil der 

Nebenprodukte Herfindahl-Index 

Herfindahl-Index 0,44 0,68 0,7 0,99 1 

0,35 0,64 0,65 0,98 1


Selbiges gilt für die anteilsbezogenen Größen: Der Anteil der Nebenprodukte und der 

Herfindahl-Index weisen ebenfalls einen Korrelationskoeffizienten von knapp eins auf. 

Innerhalb der beiden gebildeten Gruppen von Diversifikationsmaßen ist damit eine fast lineare 

Entsprechung der Ergebnisse zu erwarten. Diese Beobachtung leitet über zu der Fragestellung, 

inwieweit die Ergebnisse der gebildeten Gruppen voneinander abweichen. 

Hier zeigen sich einige systematische Unterschiede, die für den Bereich der Mehr-Produkt-Unternehmen 

noch deutlicher ausfallen. Insbesondere die einfache Anzahl der Produkte 

weist verhältnismäßig niedrige Korrelationen mit den anteilsbezogenen Maßen auf. 

Die beiden anderen anzahlbezogenen Größen zeigen hingegen auch hohe Korrelation mit 

den anteilsbezogenen Maßen, wenngleich diese niedriger ausfallen als die Werte innerhalb 

der eigenen Gruppe. Diese Ergebnisse sind insofern nicht verwunderlich, als dass anteilsbezogene 

Informationen sowohl in der Cumulative Diversification Curve als auch im anzahläquivalenten 

Entropiemaß Verwendung finden. 

Zusammenfassend kann festgehalten werden, dass die meisten Maße einen treffenden, 

einheitlichen Eindruck der beobachtbaren Diversifikation liefern. Die beiden gebildeten 

Gruppen zeigen insgesamt eine stärkere Korrelation unter- als zwischeneinander; allerdings 

sind diese Unterschiede nicht gravierend. Einschränkungen sind nur hinsichtlich der 

Anzahl der hergestellten Produkte zu machen, da hierbei absatzwertbezogene Informationen 

systematisch unberücksichtigt bleiben. Die Entscheidung für ein bestimmtes Maß ist 

von der zu klärenden Fragestellung und der gewählten Definition von Diversifikation abhängig 

zu machen, insbesondere im Hinblick auf die Wahl zwischen Anzahl der Produkte 

oder eines gewichteten Maßes. Allerdings bleibt grundsätzlich festzuhalten, dass die Abbildung 

des Diversifikationsgrades eines Unternehmens über die verschiedenen Maße hinweg 

sehr ähnlich ist. Bezüglich der praktischen Anwendung erscheint die Verwendung 

von gewichteten Maßen in den meisten Fällen sinnvoller, um der unterschiedlichen Bedeutung 

von Produkten für den Erfolg des Unternehmens Rechnung zu tragen. Aus interpretatorischer 

Sicht sind daher anzahlbezogene gewichtete Diversifikationsmaße wie die 

anzahläquivalente Entropie empfehlenswert. 

Ein weiterer wichtiger Aspekt in der empirischen Forschung ist die Klassifizierung und 

Gruppierung von Unternehmen gemäß ihrer Diversifikationsniveaus. Hierfür sind weniger 

die Korrelationskoeffizienten der Maße relevant als viel mehr die von ihnen erzeugten 

Rangordnungen der Unternehmen entsprechend ihres Diversifikationsgrades. Um die resultierenden 

Klassifizierungen zu vergleichen, werden Spearman-Rangkorrelationskoeffizienten 

berechnet. 

In Anlehnung an Tabelle 2 zeigt Tabelle 3 die Werte für das Jahr 2001 unter Verwendung 

des kompletten Datensatzes. Hier zeigt sich über alle Diversifikationsmaße und beide 

Gruppen hinweg ein einheitliches Bild: hohe Korrelationskoeffizienten zwischen 0,9 und 

eins. Auch hier sind die Werte für die Anzahl der Produkte am geringsten, absolut jedoch 

immer noch auf sehr hohem Niveau. Da sich diese Ergebnisse für alle vorhandenen Jahre 

und auch in der Gruppe der Mehr-Produkt- und Großunternehmen wiederfinden, lässt dies 

den Schluss zu, dass die von den verschiedenen Maßen erzeugten Rangfolgen weitgehend 

identisch sind. In praktischer Hinsicht sind damit alle Maße zur Bildung von Clustern geeignet, 

wobei die Anzahl der Produkte und der Anteil der Nebenprodukte durch ihre einfache 

Bestimmung einen guten und schnellen Überblick liefern können. Der Einfluss der 



Tabelle 3 

Rangkorrelationskoeffizienten der Diversifikationsmaße für das Jahr 2001 1 

1 Auf die Ausweisung von Rangkorrelationskoeffizienten für Mehrproduktunternehmen wurde verzichtet, da sie 

ein vergleichbares Bild liefern. 


Fragestellung im Hinblick auf das zu verwendende Maß verliert in diesem Zusammenhang 

an Bedeutung, führt jedoch in der Praxis zu einer deutlichen Arbeitserleichterung. 

5 Entwicklungsvergleich der Diversifikation in Deutschland 

Neben der Querschnittperspektive ist im Hinblick auf die Nutzung von Diversifikationsmaßen 

ihre Fähigkeit zur Abbildung der Entwicklung im Zeitverlauf relevant. In vielen 

empirischen Forschungsarbeiten sind gerade die Verhaltensänderungen der Unternehmen 

von Interesse. Im Vordergrund steht z.B. die Frage, ob sich Spezialisierungs- oder Diversifizierungstendenzen 

durchgesetzt haben. 

Für den gesamten Datensatz zeigt sich sowohl für die anzahl- als auch für die anteilsbezogenen 

Maße ein leichte Abwärtsbewegung, ein Indiz für einen Trend hin zu stärkerer 

Spezialisierung. Die Abbildungen 1 und 2 zeigen den Verlauf beider Gruppen, wobei eine 

indexierte Darstellungsform gewählt wird, um die Veränderungen der Größen hervorzuheben. 

Der Ausgangswert von 1995 wird als Basis verwendet und entspricht damit 100%. 

Ausgehend von dieser Größe werden die Werte der folgenden Jahre bis 2001 in Relation 

gesetzt. Die prozentuale Abnahme vom Ausgangsniveau ist daher als Differenz zum Basisjahr 

ablesbar. So liegt der Wert der Cumulative Diversification Curve 2001 rund 5% 

unter dem Wert von 1995. Im Durchschnitt beträgt die Abnahme über den gesamten Zeitraum 

für die anzahlbezogenen Maße zwischen 5% und 7%. 

Für die anteilsbezogenen Diversifikationsmaße sind ebenfalls deutliche Veränderungen zu 

verzeichnen. Auch hier zeigt sich ein stetiges Absinken zwischen 6% und 7%. 

Insgesamt verläuft die Entwicklung aller Maße recht gleichmäßig und kontinuierlich; 

Strukturbrüche sind nicht zu erkennen, wobei die Anzahl der hergestellten Produkte den 

größten Schwankungen unterliegt. Dies könnte auf neu eingeführte Produkte zurückzu- 


Anzahl der 

Produkte 

Anzahl der Produkte 1 

Cumulative Diversification 

Curve 


Entropie 

Cumulative 

Diversification 

Curve 

0,92 1 


Entropie 

0,93 0,99 1 

Anteil der Nebenprodukte 0,88 0,97 0,98 1 

Anteil der 

Nebenprodukte Herfindahl-Index 

Herfindahl-Index 0,90 0,97 0,99 1 1


Abbildung 1 

Entwicklung der anzahlbezogenen Diversifikationsmaße 

Index 

102 

100 

98 

96 

94 

92 

90 

88 


Abbildung 2 

Entwicklung der anteilsbezogenen Maße 

Index 

102 

100 

98 

96 

94 

92 

90 

88 

1995 1996 1997 1998 1999 2000 2001 

1995 1996 1997 1998 1999 2000 2001 


Anzahl der 

Produkte 


Entropie 

Cumulative 


Anteil der 

Nebenprodukte 

Herfindahl-Index 

führen sein, die sich nie am Markt durchsetzen konnten, keinen relevanten Absatzwertanteil 

ausmachen und schließlich wieder aus der Produktion genommen werden. 

In diesem Zusammenhang muss auf die Neuziehung der Stichproben geachtet werden, da 

dies die Ergebnisse beeinflussen könnte. Vor dem Hintergrund des verwendeten Datensatzes 

stellt sich in methodischer Hinsicht die Frage, ob die Neuziehungen der Stichproben 



Abbildung 3 

Entwicklung anzahlbezogener Maße für Großunternehmen 

Index 


Abbildung 4 

Entwicklung anteilsbezogener Maße für Großunternehmen 

Index 


maßgeblich zur Beobachtung einer kontinuierlichen Abwärtsbewegung beigetragen haben. 

Diese Neuziehungen betreffen jedoch nicht alle Unternehmensklassen gleichermaßen, 

für Großunternehmen mit mehr als 500 Beschäftigten liegt eine Vollerhebung vor. 

Daher werden im Rahmen dieser Studie die Veränderungen der Diversifikationsmaße auch 

für eben jene Gruppe bestimmt. Die Abbildungen 3 und 4 zeigen die Entwicklung anzahlund 

anteilsbezogener Maße für den Zeitraum von 1995 bis 2001. 


105 

100 

95 

90 

85 

80 

75 

105 

100 

95 

90 

85 

80 

75 

1995 1996 1997 1998 1999 2000 2001 

1995 1996 1997 1998 1999 2000 2001 

Anzahl der Produkte 


Entropie 

Cumulative 


Anteil der 

Nebenprodukte 

Herfindahl-Index


Die Grafiken bestätigen den Eindruck der Abbildungen 1 und 2. Es ist ein deutlicher 

Trend zu stärkerer Spezialisierung zu verzeichnen und fast alle Maße liefern vergleichbar 

gute Informationen über die Veränderung der durchschnittlichen Diversifikation. Problematisch 

bleibt die Verwendung der Anzahl der Produkte, da relativ starke Schwankungen 

und Abweichungen von den anderen Maßen vorliegen. Insgesamt bestätigen die Eindrücke 

der Abbildungen 3 und 4 die Beobachtungen für den vollständigen Datensatz. 

Ergänzend wird ein Kontrollpanel, bestehend aus allen Unternehmen, die in sämtlichen 

Wellen vertreten waren, gebildet, um für Einflüsse der Stichprobenneuziehung zu kontrollieren. 

Es zeigt sich auch in diesem Zusammenhang eine leichte Tendenz zur Spezialisierung 

der Unternehmen im Rahmen der anzahlbezogenen Maße, wobei diese geringer ausfällt 

als im gesamten Datensatz. Neu hinzukommende Unternehmen scheinen daher die 

Spezialisierung durch neue Produkte voranzutreiben. Die Ergebnisse der anteilsbezogenen 

Maße zeigen hier keine nennenswerte Entwicklung, die weitere Rückschlüsse zulassen. 

Zusammenfassend scheint im Hinblick auf Längsschnittanalysen die Fragestellung bei der 

Wahl eines Diversifikationsmaßes keinen entscheidenden Einfluss zu haben. Mit Ausnahme 

der Anzahl der Produkte beschreiben alle Maße einen ähnlichen Entwicklungsprozess 

und sind daher für Messungen der Veränderungen im Zeitablauf geeignet. Die Neuziehungen 

der Stichproben haben keine Strukturbrüche innerhalb der kurzen, zur Verfügung stehenden 

Zeitreihe erkennen lassen und stellen daher in der praktischen Anwendung kein 

wesentliches Problem dar. 

6 Schlussfolgerungen 

Diversifikationsmaße sollen empirisch die Gestaltung der Produktpalette von Unternehmen 

und somit ihr Verhalten bzw. Verhaltensänderungen auf Märkten abbilden. Die vorliegende 

Studie zeigt, dass die Ergebnisse sowohl im Längsschnitt- als auch im 

Querschnittvergleich für die verschiedenen Diversifikationsmaße große Ähnlichkeiten 

aufweisen. Grundsätzlich sind alle getesteten Maße in der Praxis anwendbar. Lediglich 

das zugrunde liegende Verständnis von Diversifikation sollte beachtet werden und hierbei 

insbesondere die Frage, ob eine Gewichtung der Produktanzahl anhand der Bedeutung 

vorgenommen wird oder nicht. In welcher Form diese Gewichtung stattfindet, scheint von 

geringerer Bedeutung zu sein. Sie beeinflusst allerdings, wie stark ein Maß auf neue Produkte 

mit geringem Absatzanteil reagiert. 

So finden sich im Querschnittvergleich zwar Unterschiede zwischen den beiden gebildeten 

Gruppen anhand der Bestimmung von Korrelationskoeffizienten, allerdings fallen nur 

die Werte für die ungewichtete Anzahl der Produkte deutlich niedriger aus, sodass für dieses 

Maß mit abweichenden Ergebnissen in der empirischen Forschung zu rechnen ist. Für 

den Bereich der Clusterbildung können keine durch die Wahl eines bestimmten Maßes 

hervorgerufenen Einschränkungen festgestellt werden. Daher können auch einfache Maße 

wie der Anteil der Nebenprodukte einen guten und schnellen Überblick liefern. 

Die Analyse der Veränderungen im Zeitablauf zeigt eine ähnliche Entwicklung aller Maße. 

Nur die Anzahl der Produkte unterliegt höheren Schwankungen über die Zeit und erscheint 

auch aufgrund ihrer diskreten Erfassungsweise für die Beurteilung ungeeignet. 

Insgesamt kann ein Trend hin zu stärkerer Spezialisierung beobachtet werden, der von al- 



len Maßen gleichermaßen erfasst und abgebildet wird. Da auch für Veränderungen des 

Datensatzes durch Stichprobenneuziehungen kontrolliert wird, ist diese Aussage nicht 

durch etwaige Strukturbrüche verfälscht. 


Baldwin, J.R., D. Beckstead, und R. Caves (2001): Changes in the diversification of 

Canadian manufacturing firms (1973–1997): A move to spezialization. Analytical 

Studies Branch – Research Paper Series. Statistics Canada No. 11F0019 No. 179. 

Ottawa. 

Berry, C.H. (1971): Corporate growth and diversification. Journal of Law and Economics, 

14, 371–383. 

Gollop, F.M. und J.L. Monahan (1991): A generalized index of diversification: Trends in 

U.S. manufacturing. The Review of Economics and Statistics, 73 (2), 318–330. 

Gort, M. (1962): Diversification and integration in American industry. Princeton, Princeton 

University Press. 


Nuzung der Forschungsdatenzentren der Statistischen Ämter. Allgemeines 

Statistisches Archiv, 89, 339–354. 

Jacquemin, A.P. und C.H. Berry, (1979): Entropy measure of diversification and corparate 

growth. Journal of Industrial Economics, 27 (4), 359–369. 

McVey, J.S. (1972): The industrial diversification of multi-establishment manufacturing 

firms: A developmental study. Canadian Statistical Review, 47 (4/6), 112–117. 

Rumelt, R.P. (1974): Strategy, structure, and economic performance. Boston, Harvard 

Business School Press. 

Statistisches Bundesamt (2005a): Qualitätsbericht Produktionserhebungen. Stand: Juli 

2005. 

Statistisches Bundesamt (2005b): Qualitätsbericht Kostenstrukturerhebung im Verarbeitenden 

Gewerbe, im Bergbau sowie in der Gewinnung von Steinen und Erden. Stand: 

Juni 2005. 

Ushijima, T. und Y. Fukui (2004): Diversifcation patterns and performance of large established 

Japanese firms. Im Internet veröffentlichte Arbeit der Aoyama Gakuin University, 

Graduate School of International Management. 

Utton, M.A. (1977): Large firm diversification in British manufacturing industry. The 

Economic Journal, 87, 96–113. 

Varadarajan, P.R. und V. Ramanujam (1987): Diversification and performance: A 

reexamination using a new two-dimensional conceptualization of diversity of firms. 

Academy of Management Journal, 30 (2), 380–393. 


Spezialisierung und Unternehmenserfolg im 

verarbeitenden Gewerbe Deutschlands 

Von Bernd Görzig*, Martin Gornig** und Ramona Pohl*** 



76 (2007), 3, S. 43–58 

Zusammenfassung: Der Wandel der Produktions- und Nachfragebedingungen verlangt von Unternehmen 

immer wieder Anpassungen ihrer Produktpalette. Auf der Basis von repräsentativen Mikrodaten 

der amtlichen Statistik werden hier diese Anpassungen in Beziehung zum Erfolg und zum 

Wachstum der Unternehmen gesetzt. Es wird gezeigt, dass die Mehrzahl der Unternehmen im verarbeitenden 

Gewerbe in Deutschland eine Spezialisierungsstrategie verfolgt. Sie konzentrieren sich auf 

die Erstellung und Vermarktung immer weniger Produkte. Damit steigern diese Unternehmen vor 

allem ihren operativen Gewinn. Unternehmen mit steigender Produktvielfalt, die eine Diversifizierungsstrategie 

verfolgen, erweisen sich dagegen als deutlich wachstumsstärker. Jedoch nicht alle 

Unternehmen, die eine Spezialisierungsstrategie verfolgen, sind erfolgreich und nicht alle Unternehmen, 

die ihre Produktpalette ausweiten, wachsen. Entsprechend zeigen sich auch Abweichungen von 

den generellen Ergebnissen, wenn man einzelne Wirtschaftzweige, Größenklassen oder Regionen 

betrachtet. 

Summary: The change of production and demand conditions requires continues adjustments of the 

product portfolio of enterprises. Based on representative micro data of official surveys for Germany 

these adjustments are set here in relationship with the success of enterprises. It can be shown that 

the majority of the enterprises in manufacturing is pursuing a specialization strategy. They concentrate 

on a decreasing number of products, increasing above all their operating surplus. Contrary, 

enterprises that pursue a diversification strategy prove against it as clearly growth-oriented. However, 

not all enterprises, which pursue a specialization strategy, are successful and not all enterprises, 

which expand their product range, are growing. Accordingly also deviations from the general results 

show up, if one regards individual industries, size classes or regions. 

JEL-Codes: L60, L25, R30 

Keywords: Diversification, firm’s success, firm size, industry, region 

1 Einführung 

Die hier vorgestellten Ergebnisse basieren auf einer Studie des DIW Berlin zum Zusammenhang 

von Produktinnovationen und Unternehmenserfolg, die im Auftrag des Bundesministeriums 

für Wirtschaft und Technologie durchgeführt wurde. 

In dem folgenden Beitrag geht es um die empirische Überprüfung der Frage, inwieweit die 

für das verarbeitende Gewerbe insgesamt zu beobachtende allgemeine Spezialisierungstendenz 

allgemeiner Natur ist oder ob bestimmte Unternehmenstypen nicht in dieses Raster 

passen. Insbesondere wird geprüft, inwieweit der im Durchschnitt der deutschen Un- 

* DIW Berlin, Mohrenstraße 58, 10117 Berlin, Tel: 49 30 89789314, E-Mail: bgoerzig@diw.de 

** DIW Berlin, Mohrenstraße 58, 10117 Berlin, Tel: 49 30 89789314, E-Mail: mgornig@diw.de 

*** Amt für Statistik Berlin-Brandenburg, 10315 Berlin, Tel: 49 30 90213907, E-Mail: Ramona.Pohl@statistikbbb.de 


Bernd Görzig, Martin Gornig und Ramona Pohl 

ternehmen beobachtbare positive Zusammenhang zwischen Spezialisierung und Erfolg 

allgemeiner Natur ist oder bestimmte Unternehmensgrößen, Wirtschaftszweige oder Regionen 

vorrangig betrifft. 

Die Analysen wurden mit repräsentativen Mikrodaten der amtlichen Statistik durchgeführt. 

Es wurde ein auf Unternehmensebene verbundener Längsschnittdatensatz zweier 

Erhebungen für das verarbeitende Gewerbe verwendet. Ermöglicht wird diese Untersuchung 

durch die neu geschaffenen Forschungsdatenzentren der amtlichen Statistik. 

2 Diversifizierung und Spezialisierung 

Die Vorteile arbeitsteiliger Spezialisierungsprozesse sind Gegenstand vieler ökonomischer 

Studien. Dennoch ist unstrittig, dass von vielen Unternehmen Diversifizierungsstrategien 

angewandt werden. Vor diesem Hintergrund hat die industrieökonomische Forschung Begründungen 

dafür entwickelt, warum – trotz grundsätzlicher Nachteile – Diversifizierung 

für ein einzelnes Unternehmen sinnvoll sein kann. Von den durch Jovanovic und Gilbert 

(1993) aufgelisteten Beweggründen können Gewinnung zusätzlicher Marktmacht, Risikoausgleich, 

und Erhöhung der Produktkompatibilität der Absatzseite zugerechnet werden. 

Dagegen sind verbesserte Finanzierungsmöglichkeiten und Effizienzgewinne durch Economies 

of Scope eher der Kostenseite zuzuordnen. 

Angesichts der teilweise stark differierenden theoretischen Begründungen für Diversifizierung 

fallen auch die empirischen Ergebnisse keineswegs eindeutig aus. Jovanovic und 

Gilbert (1993) konstatieren unter Berufung auf eine Reihe von Studien, dass zumindest in 

den USA der überwiegende Teil des 20. Jahrhunderts von einer zunehmenden Diversifizierung 

der Unternehmen geprägt war. Demgegenüber konnte gegen Ende des 20. Jahrhunderts, 

beginnend etwa 1980, zunehmende Spezialisierung beobachtet werden (Gollop 

und Monahan 1991). Zurückgeführt wird diese Entwicklung auf die verstärkte Öffnung 

und Integration der Märkte im Zuge von Handelsliberalisierung. 

Während Spezialisierung in der Regel auf Effizienz- und Erfolgssteigerung ausgerichtet 

ist, sind die unterschiedlichen Diversifizierungsmotive von Unternehmen nicht zwangsläufig 

mit der Absicht einer Steigerung des Erfolgs verbunden. Theoretische Überlegungen 

(Caves et al. 1980, Smolny 2003) lassen erwarten, dass in Abhängigkeit von den Motiven 

diversifizierende Unternehmen weniger profitabel sind. 

Während Montgomery (1985) empirisch bestätigen kann, dass hoch diversifizierte Unternehmen 

eine geringere Profitabilität aufweisen, berichtet Hall (1995) über eine Reihe empirischer 

Studien, die auch einen positiven Zusammenhang zwischen dem Ausmaß der Diversifizierung 

und dem Unternehmenserfolg konstatieren. Diese Studien beziehen sich in 

der Regel jedoch nur auf eine geringe Zahl von Unternehmen. 

Umfassende repräsentative empirische Studien zur Produktdiversifizierung von Unternehmen 

gibt es bisher relativ wenige. Auf der Basis eines umfassenden Datensatzes haben 

Gollop und Mohanan (1991) Diversifizierungsprozesse in den USA zwischen 1963 und 

1982 untersucht. Für Kanada liegen Ergebnisse von Baldwin et al. (2001) vor. 


Spezialisierung und Unternehmenserfolg im verarbeitenden Gewerbe Deutschlands 

Beide Studien machen allerdings keine Aussage über den Zusammenhang von Unternehmenserfolg 

und Spezialisierung. Für Deutschland haben dagegen Görzig und Pohl (2007) 

zeigen können, dass im Durchschnitt des verarbeitenden Gewerbes diversifizierende Unternehmen 

weniger erfolgreich sind als ihre spezialisierenden Wettbewerber. Dabei sind 

jedoch beide Unternehmenstypen erfolgreicher als jene Unternehmen, die keine Veränderungen 

in ihrer Produktpalette vornehmen. Unternehmen mit einer Ausweitung der Produktpalette 

wachsen stärker. Unternehmen, die sich spezialisieren, weisen eine besonders 

starke Verbesserung ihrer Ertragssituation auf. 

Aus diesen Beobachtungen lassen sich folgende Hypothesen ableiten (Görzig und Gornig 

2007): 

• Spezialisierungsstrategien werden vornehmlich von Unternehmen verfolgt, die unter 

starkem Kostendruck stehen und über die Effizienzgewinne der Spezialisierung ihre 

Ertragsrate zu steigern versuchen. 

• Diversifizierungsstrategien scheinen auf der hier beobachteten Produktebene weniger 

als erwartet defensiv zur Risikoabwehr angewandt zu werden. Vielmehr sind es offenbar 

gerade ertragsstarke, expansive Unternehmen, die diese Strategie anwenden. Es 

liegt nahe, bei diesen Unternehmen auch erfolgreiche Produktinnovationen zu vermuten. 

Angesichts der vielfältigen, in der Literatur beschriebenen Diversifizierungsmotive liegt 

es nahe anzunehmen, dass es von den jeweiligen Charakteristika der Unternehmen abhängen 

mag, ob eine Diversifizierungsstrategie oder Spezialisierungsstrategie erfolgreich ist. 

Das Ziel der Untersuchung besteht darin, herauszufinden, inwieweit das für den Durchschnitt 

aller Unternehmen erzielte Ergebnis auch für bestimmte Unternehmenstypen zutrifft. 

Hierzu werden die Unternehmen unterschieden nach: 

• Wirtschaftszweigzugehörigkeit, 

• Beschäftigtenzahl und 

• regionalem Standort. 

3 Abgrenzungen 

Die Analysen beziehen sich auf die kleinste rechtliche Einheit, also das Unternehmen als 

Entscheidungsträger. Einbezogen sind auch die unterschiedlichen örtlichen Einheiten eines 

Unternehmens, die Betriebe, nicht jedoch rechtlich selbstständige Tochterunternehmen. 

Ebenso wenig werden die Muttergesellschaften der betrachteten Unternehmen berücksichtigt. 

Dabei werden Datensätze aus amtlichen Erhebungen verwendet. Dadurch ist 

es möglich eine vergleichsweise große Zahl von etwa 15000 Unternehmen pro Jahr zu 

analysieren. 

Einschränkungen müssen in einem unternehmensbasierten Datensatz hingenommen werden, 

wenn die Diversifizierungsstrategie eines Unternehmens/Konzerns über die betrach- 



tete rechtliche Einheit hinaus reicht. Faktisch von Unternehmen angewandte Strategien 

zur Organisation ihres Produktionsprozesses können sehr unterschiedlich sein. Betreibt 

beispielsweise ein Unternehmen mehrere rechtlich selbstständige Tochterunternehmen mit 

jeweils eigenem Produkt, so würde man dies als Auslagerungsprozess erfassen und gleichzeitig 

auf einen hohen Spezialisierungsgrad der betroffenen Unternehmen schließen 

(Baldwin et al. 2001). Werden dagegen statt rechtlich selbständiger Einheiten lediglich zusätzliche 

örtliche Betriebsstätten errichtet, so würde dieses Unternehmen den Status eines 

Mehrbetriebsunternehmens mit hoher Produktdiversifizierung erhalten. Für die USA haben 

Gollop und Mohanan (1991) festgestellt, dass die Unternehmen in dem von ihnen beobachteten 

Zeitraum diversifiziert und gleichzeitig ihre Betriebe sich stärker spezialisiert 

haben. Diversifizierung von Unternehmen fand im Wesentlichen durch Gründung zusätzlicher 

Betriebe mit hoher Spezialisierung statt. 

Neben der Abgrenzung der unternehmerischen Einheit kann auch die Abgrenzung des zu 

betrachtenden Produkts unterschiedlich gehandhabt werden. In der Literatur wird vielfach 

mangels besserer Informationen nicht das einzelne Produkt, sondern der zugehörige Wirtschaftzweig 

für die Betriebsstätten als Abgrenzungskriterium verwendet. Dabei wird in 

der Regel nur das Hauptprodukt eines Betriebes betrachtet. Hier kommt es für das Ergebnis 

sehr stark darauf an, welche Tiefe der Wirtschaftzweigunterteilung genutzt wird. Die 

häufig so genannte Zweistellerebene von Wirtschaftzweigen unterscheidet im verarbeitenden 

Gewerbe nach gut 30 unterschiedlichen Wirtschaftszweigen. Bei der Vierstellerebene 

können bis zu 250 Wirtschaftszweige unterschieden werden. In der hier durchgeführten 

Studie wird die Unterscheidung auf der Produktebene zwischen 6400 Produkten vorgenommen. 

In der ökonomischen Theorie werden homogene von heterogenen Produkten durch die Art 

der Preisbildung am Markt unterschieden. Zur Abschöpfung von Renten werden Unternehmen 

versuchen, physisch eher verwandte Produkte dem Nachfrager als unterschiedliche 

Produkte zu präsentieren. Entsprechend sind die Produktionsprogramme der Unternehmen 

häufig sehr ausdifferenziert, lassen sich jedoch nicht unbedingt durch objektive 

Merkmale einer statistischen Produktklassifikation beschreiben. Die Produktabgrenzungen 

der amtlichen Statistik beruhen dagegen auf physischen Abgrenzungskriterien. So unterscheidet 

die nach der Prodcom-Verordnung durchgeführte Produktionserhebung in 

Deutschland zwar zwischen mehr als 6400 Produkten, dennoch ist zu erwarten, dass nur 

ein Teil der ökonomisch relevanten Produktdiversifizierung durch diese erfasst werden 

kann. 

4 Aufbereitung der Daten 

Durch die Schaffung von Forschungsdatenzentren (FDZ) ist es möglich geworden, mit 

Mikrodaten der amtlichen Statistik zu arbeiten (Zühlke et al. 2003, Wagner 2005). Für diese 

Untersuchung wurden erstmals Daten aus der Statistik des produzierenden Gewerbes 

ausgewertet, indem zwei unterschiedliche Erhebungen auf Unternehmensebene miteinander 

verbunden wurden. Verwendet wird ein Panel für Unternehmen des verarbeitenden 

Gewerbes für die Jahre 1995 und 2001 (siehe auch Görzig und Pohl 2007). 

Die amtliche Statistik des verarbeitenden Gewerbes in Deutschland ist vergleichsweise 

gut ausgebaut und für eine Reihe von Tatbeständen eine Vollerhebung. Das Erhebungssys- 



tem besteht aus mehreren konsistent verbundenen Einzelbefragungen zu unterschiedlichen 

Themenbereichen. Die auf gesetzlicher Grundlage Berichtspflichtigen dieser Erhebungen 

gehören zu Unternehmen mit im Allgemeinen 20 und mehr Beschäftigten. 1 

Die für diese Studie eingesetzte Kostenstrukturerhebung wird als hochrechnungsfähige 

geschichtete Stichprobe jährlich durchgeführt (Destatis 2005a). Neben dem Umsatz und 

einer Anzahl von Kostengrößen, insbesondere den Arbeitskosten, lassen sich mit dieser 

Erhebung auch Indikatoren für den Erfolg der Unternehmen in Form des operativen 

Gewinnes ermitteln. Der operative Gewinn bezeichnet jenen Teil des Gewinns, der im 

Rahmen des operativen Geschäfts erzielt wird, ohne Berücksichtigung der Finanzierungssphäre. 

Er entspricht auf einzelwirtschaftlicher Ebene dem im volkswirtschaftlichen Rechnungswesen 

(VGR) 2 verwendeten Begriff Betriebsüberschuss. Zudem sind der Kostenstrukturerhebung 

auch Beschäftigtenangaben zu entnehmen. 

Unternehmen, die in der Kostenstrukturerhebung berichtspflichtig sind, gehören in der 

Regel auch zum Berichtskreis der Produktionserhebung. 3 Hier werden sie nach Menge 

und Wert der von ihnen erzeugten Produkte befragt. Im Mittelpunkt dieser Untersuchung 

steht die zum Absatz bestimmte Produktion. Zwischenprodukte und vergebene Lohnarbeiten 

sind nicht einbezogen. Die Befragung richtet sich an die jeweiligen Betriebsstätten der 

Unternehmen, also an die örtlichen Einheiten, die jedoch vollständig den entsprechenden 

Unternehmen zugeordnet werden können. Über diese Zuordnung ergibt sich die Anzahl 

der Betriebe eines jeden Unternehmens als ein zusätzliches Merkmal. Von der hier verwendeten 

vierteljährlichen Befragung werden, von wenigen Ausnahmen abgesehen, Angaben 

über Menge und Wert aller 6400 vorgegebenen Produkte, entsprechend den Güterarten 

des Güterverzeichnisses (GP), sowie die Zahl der Betriebe verwendet. Der 

vorliegenden Untersuchung liegt die GP 95 zugrunde. Über die Zusammenführung der 

beiden Datensätze haben Görzig, Bömermann und Pohl (2005) berichtet. In dem Datensatz 

sind somit nur die Unternehmen enthalten, die zum Berichtskreis der Kostenstrukturerhebung 

gehören und eigene Erzeugnisse zur Produktionserhebung melden. 4 Die Auswertungen 

der beiden zusammengeführten Erhebungen erfolgten auf Unternehmensebene. 

5 Messansätze 

In der Literatur werden unterschiedliche Konzepte zur Messung der Produktspezialisierung 

diskutiert (Gollop und Monahan 1991, Fan und Lang 2000). Eine kritische Würdigung 

findet sich im Aufsatz von Zloczysti und Faber (2007) in diesem Heft. Das einfachste 

kategoriale Maß, das üblicherweise verwendet wird, besteht darin, die Zahl der 

Produkte eines Unternehmens zu messen. Allerdings ist dies ein sehr grobes Maß, da jedes 

1 Für die hier in Frage kommenden Befragungen, Produktionserhebung und Kostenstrukturerhebung, gibt es 

geringfügige Abweichungen im Berichtskreis. Diese sind jedoch für das verfolgte Ziel von untergeordneter 

Bedeutung. 

2 Ebenso wie der operative Gewinn wird auch der Betriebsüberschuss in der VGR für Unternehmen, den rechtlichen 

Einheiten, und nicht für Betriebe, den örtlichen Einheiten, ermittelt. 

3 Hier sind Betriebe von Unternehmen des verarbeitenden Gewerbes mit mindestens 20 Beschäftigten 

berichtspflichtig. Liegt der Schwerpunkt der Tätigkeit des Unternehmens außerhalb des produzierenden 

Gewerbes, muss der Betrieb mindestens 20 Beschäftigte aufweisen. Für klein strukturierte Wirtschaftszweige 

gibt es abweichende Abschneidegrenzen (Destatis 2005b). 

4 Unternehmen, die ausschließlich als Konverter tätig oder ausschließlich Erzeugnisse aus vergebenen Lohnarbeiten 

aufweisen, werden in der Analyse nicht berücksichtigt. 



Produkt mit dem gleichen Gewicht in die Analyse eingeht. Es ist kaum anzunehmen, dass 

Mehrproduktunternehmen ihre Aktivitäten auf alle Produkte gleichmäßig verteilen. Viel 

häufiger dürfte es vorkommen, dass neben einem Hauptprodukt viele andere Produkte in 

geringerem Umfang zum Aktivitätsfeld des Unternehmens gehören. Allerdings haben 

Görzig und Pohl (2007) gezeigt, dass die längerfristige Entwicklung beider Größen vergleichsweise 

ähnlich ist. Um ein diskretes Merkmal zur Einteilung der Unternehmen nach 

diversifizierenden und spezialisierenden zu erhalten, wird in dieser Untersuchung die Diversifizierung 

ausschließlich mit der Zahl der Produkte gemessen. 

Die adäquate Definition eines Erfolgsmaßes hängt davon ab, aus welcher Perspektive der 

Erfolg eines Unternehmens beurteilt werden soll. Auf volkswirtschaftlicher Ebene kann 

die Beurteilung eine andere sein als aus betrieblicher Sichtweise. Aus der Sicht der Kapitalgeber 

wirkt sich Unternehmenserfolg erwartungsgemäß in der Kapitalrendite aus. Allerdings 

lässt sich diese aus dem verwendeten Datensatz nicht ermitteln. Auf betrieblicher 

Ebene werden auch alternative Erfolgsindikatoren verwendet. Dazu gehören beispielsweise 

die Umsatzrendite oder die Produktivität. Diese verschiedenen Maße führen jedoch zu 

ähnlichen Ergebnissen hinsichtlich der Erfolgseinschätzung. Die vorliegende Untersuchung 

beschränkt sich daher auf die Analyse des operativen Gewinnes. Dieser wird für ein 

Unternehmen ermittelt, indem von der Wertschöpfung die Lohnkosten und die Aufwendungen 

für Gütersteuern abgezogen werden. 5 

6 Bedeutung von Größe und Branche 

Auch für Deutschland bestätigt sich der für die USA und Kanada in verschiedenen Untersuchungen 

(Jovanovic und Gilbert 1993, Baldwin et al. 2001) berichtete starke Zusammenhang 

zwischen Produktdiversifizierung und Unternehmensgröße (Tabelle 1). Der 

Korrelationskoeffizient zwischen der Unternehmensgröße, gemessen durch die Zahl der 

Beschäftigten und der Zahl der Produkte, liegt für alle Unternehmen bei 0,507. Für die 

Mehrproduktunternehmen ist er mit 0,515 nicht viel höher. 

Die Frage, ob Produktspezialisierung zugleich auch Prozessspezialisierung bedeutet, mag 

sich daran ablesen lassen, inwieweit die Produkte eines Unternehmens von unterschiedlichen 

Betrieben, also den örtlichen Einheiten eines Unternehmens, erstellt werden. Die empirische 

Überprüfung zeigt einen starken Zusammenhang zwischen der Zahl der Betriebe 

und der Zahl der Produkte je Unternehmen. Der Korrelationskoeffizient beträgt 0,92 sowohl 

für alle Unternehmen als auch für die Mehrproduktunternehmen. 

Bezieht man die durchschnittlich von einem Unternehmen erstellte Zahl von Produkten 

nicht auf das Unternehmen, sondern auf seine Betriebe, dann ist deutlich zu erkennen, 

dass von größeren Unternehmen tendenziell weniger Produkte je Betrieb erstellt werden 

als von kleinen und mittleren Unternehmen (Tabelle 2). Ab einer Unternehmensgröße von 

100 und mehr Beschäftigten nimmt offenbar die Zahl der Unternehmen zu, bei denen ein 

Produkt im Durchschnitt durch mehr als einen Betrieb erzeugt wird. 

5 Verwendet wird der operative Gewinn als Bruttogröße, d. h. einschließlich der Abschreibungen, da die in der 

Kostenstrukturerhebung ausgewiesenen Abschreibungen sehr stark durch steuerliche Einflüsse verfälscht sind. 



Tabelle 1 

Spezialisierung nach Größenklassen (alle Unternehmen) 

1995–2001 

Beschäftigte von 

… bis … 

Anzahl Unternehmen Beschäftigte Produkte 

In 1000 Je Unternehmen 1 

20–49 32,94 33 2,7 

50–99 25,72 70 2,9 

100–199 19,95 140 3,4 

200–499 15,68 307 4,3 

500–999 6,74 683 5,6 

1000–4999 4,09 1830 8,7 

5000 und mehr 0,42 14754 40,2 

Insgesamt 105,53 273 3,7 

1 Mittelwert 1995– 2001. 

Quellen: Forschungsdatenzentrum der Länder, eigene Berechnungen. 

Tabelle 2 

Produkt- und Prozessspezialisierung (alle Unternehmen) 

1995–2001 

Beschäftigte von 

… bis … 

Produkt je 

Unternehmen Betrieb 

20–49 2,7 1,0 

50–99 2,9 1,0 

100–199 3,4 0,9 

200–499 4,3 0,9 

500–999 5,6 0,8 

1000–4999 8,7 0,8 

5000 und mehr 40,2 0,7 

Insgesamt 3,7 0,9 


Damit bestätigt sich im Querschnittsvergleich für das deutsche verarbeitende Gewerbe das 

von Gollop und Mohanan (1991) für die USA ermittelte Ergebnis, dass mit zunehmender 

Diversifizierung von Unternehmen meist auch eine Spezialisierung der zugehörigen Betriebe 

verbunden ist. Auch für den Durchschnitt der Unternehmen ist die Zahl der je Betrieb 

erzeugten Produkte kleiner als eins. Mehrproduktbetriebe sind im Unterschied zu 



Abbildung 1 

Zusammensetzung der untersuchten Unternehmen in 2001 

100 

80 

60 

40 

20 

0 

Mehrproduktunternehmen im deutschen verarbeitenden Gewerbe relativ selten vertreten. 6 

Neben der Größe des Unternehmens hat auch die Art der erstellten Produkte einen Einfluss 

auf die Produktspezialisierung. Insbesondere gibt es wirtschaftszweigtypische Sortimentsgrößen. 

Die durchschnittliche Zahl der Produkte je Unternehmen kann in Abhängigkeit 

von dem Wirtschaftzweig sehr unterschiedlich sein. Sie variiert zwischen 10,8 bei 

Chemieprodukten und 3,3 bei Lederprodukten. 

7 Spezialisierung und Erfolg von Unternehmen 

Der Spezialisierungsgrad eines Unternehmens kann von einer Vielzahl von Einflussfaktoren, 

insbesondere auch der Größe und des zugehörigen Wirtschaftszweiges, geprägt sein. 

Ein reiner Querschnittsvergleich der Unternehmen sagt daher nur wenig über den Zusammenhang 

zwischen der Spezialisierungsstrategie und dem Unternehmenserfolg aus. Aus 

diesem Grund ist im Folgenden untersucht worden, wie einzelne Unternehmen sich im 

Längsschnitt entwickelt haben. 

Dafür werden von den insgesamt betrachteten Unternehmen jene ausgewählt, die sowohl 

1995 als auch 2001 im Berichtskreis enthalten sind. Von den pro Jahr in die Erhebung einbezogenen 

rund 15000 Unternehmen wurde dabei mit gut 7400 Unternehmen lediglich 

die Hälfte berücksichtigt. In 2001 berichtspflichtige Unternehmen, die 1995 nicht zum 

Berichtskreis gehörten, sind überwiegend durch Neuziehungen im rotierenden Panel dazugekommen. 

In geringerem Umfang gehören auch solche Unternehmen dazu, die erst 2001 

6 Faktisch sind Mehrproduktunternehmen im deutschen verarbeitenden Gewerbe immer auch Mehrbetriebsunternehmen. 


47 

34 

12 

7 

18 

29 

38 

16 

15 Tsd. Unternehmen 4 Mill. Beschäftigte 

Nicht vergleichbare Unternehmen 

Festes Sortiment 

Spezialisierer 

Diversifizierer


Tabelle 3 

Spezialisierung nach Wirtschaftszweigen (Mehrproduktunternehmen) 

1995–2001 

Überwiegende Produktion 

NACE- 

Entsprechung 

1 Mittelwert 1995– 2001. 


Anzahl 

Unternehmen 

Beschäftigte Produkte 

In 1000 Je Unternehmen 1 

Bergbau, Gewinnung von Steine u. Erden 10–14 1,03 702 4,1 

Ernährungsgewerbe, Tabakverarbeitung 15–16 11,24 210 5,8 

Textil-, Leder-, Bekleidungsgewerbe 17–18 4,63 155 5,5 

Holzgewerbe 19 0,46 144 3,3 

Papier-, Verlags-, Druckgewerbe 20 1,82 143 3,7 

Mineralölverarbeitung, Kokerei u.a. 21–22 4,94 263 4,1 

Chemische Erzeugnisse 23–24 4,19 660 10,8 

Gummi-, Kunstoffwaren 25 3,55 332 4,8 

Glasgewerbe, Keramik u.a. 26 4,06 238 3,9 

Metallerzeugung und -bearbeitung 27–28 9,73 267 4,2 

Maschinenbau 29 10,72 362 4,8 

Büromaschinen, Datenverarbeitung, Elektrotechnik u.a. 30–33 6,86 519 4,7 

Fahrzeugbau 34–35 2,51 1204 4,3 

Möbel, Schmuck u.a. 36–37 3,40 178 3,9 

Insgesamt Total 69,14 347 5,1 

dadurch berichtspflichtig wurden, dass sie ihre Beschäftigtenzahl auf über 19 Personen 

ausgedehnt haben. Eher gering einzuschätzen ist der Anteil neu gegründeter Unternehmen. 

Bei den verbleibenden vergleichbaren Unternehmen handelt es sich daher um eine 

spezielle Auswahl. Es handelt sich überwiegend um größere Unternehmen. Gemessen an 

der Beschäftigtenzahl decken sie immer noch 63% der Gesamtbeschäftigung des Berichtskreises 

der Kostenstrukturerhebung ab. 

Vergleichbare Unternehmen mit veränderter Produktpalette weisen einen höheren Gewinn 

je Beschäftigten auf und konnten diesen stärker steigern als Unternehmen mit gleich bleibender 

Produktpalette (Tabelle 4). Dies gilt sowohl für Unternehmen, die ihre Produktzahl 

reduzierten als auch für solche, die sie erhöhten. Allerdings konnten jene Unternehmen, 

die sich stärker spezialisiert haben, den Gewinn deutlich stärker steigern als Unternehmen, 

die auf die Diversifizierungsstrategie setzten. Unternehmen ohne Sortimentsänderung sind 

stärker durch kleine Unternehmen geprägt. Dagegen weisen Unternehmen mit veränderter 

Produktpalette im Durchschnitt die vier- bis sechsfache Beschäftigtenzahl auf. Unternehmen 

mit Sortimentsausweitung hatten am Anfang der Beobachtungsperiode einen etwas 



Tabelle 4 

Sortimentsstrategien vergleichbarer Unternehmen des verarbeitenden Gewerbes mit 20 

und mehr Beschäftigten 

1 Unternehmen die sowohl 1995 als auch 2001 zum Berichtskreis gehörten. 


geringeren Beschäftigungsstand gegenüber den Unternehmen mit Sortimentsreduzierung. 

Im Zeitverlauf wurde jedoch ihre Beschäftigung ausgeweitet. 

Gemessen am Gewinn je Beschäftigten deuten die Ergebnisse daher auf eine Bestätigung 

der These, Produktdiversifizierer seien weniger erfolgreich. Dies gilt allerdings nur, wenn 

als Referenzgruppe die Unternehmen mit Produktspezialisierung herangezogen werden. 

Im Vergleich zu Unternehmen ohne Sortimentsveränderung schneiden diversifizierende 

Unternehmen dagegen besser ab. 

Allerdings hatten Unternehmen mit höherer Spezialisierungsdynamik 1995 ein wesentlich 

geringeres Niveau des operativen Gewinnes, sowohl im Vergleich mit den diversifizierenden 

Unternehmen als auch mit dem Durchschnitt aller Unternehmen. Offenbar steht die 

verstärkte Konzentration der Produktpalette bei diesen Unternehmen in engem Zusammenhang 

mit dem Bestreben, den operativen Gewinn zu steigern. 


Merkmal Dimension 

Insgesamt 

Vergleichbare Unternehmen 1 

Ohne 

Veränderung 

Mit Produktreduzierung 

Mit Produkt- 

ausweitung 

Unternehmen Zahl 7736 4984 1701 1051 

Betriebe 5 3 6 10 

Beschäftigte Zahl je Unternehmen 434 236 907 605 

Produkte 3,92 2,62 5,06 8,26 

Betriebsüberschuss 

1000 Euro je 

Beschäftigtem im 

Unternehmen 

2001 

15,22 15,16 15,34 15,28 

Veränderungen gegenüber 1995 

Betriebe 0 0 –3 3 

Beschäftigte Zahl je Unternehmen –15 6 –98 23 

Produkte –0,17 0,00 –2,36 2,55 

Betriebsüberschuss 

1000 Euro je 

Beschäftigtem im 

Unternehmen 

5,60 4,65 8,32 5,70


Diversifizierende Unternehmen hatten sowohl bei der Wertschöpfung als auch bei der Beschäftigung 

ein deutlich höheres Wachstum als andere Unternehmen der Erhebung. Damit 

werden die auf anderer Grundlage gefundenen Ergebnisse (Berry 1975, Jacquemin und 

Berry 1979) bestätigt, wonach ein enger Zusammenhang zwischen Diversifizierung und 

Wachstum von Unternehmen besteht. Ähnlich stark wie die Zahl der Produkte wurde von 

spezialisierenden Unternehmen auch die Zahl der Betriebe reduziert. Betriebsstättenabbau 

und zunehmende Spezialisierung werden begleitet von einer Verminderung der Beschäftigung 

dieser Unternehmen. 7 

8 Spezialisierungswirkungen im Einzelnen 

Vor dem Hintergrund der für das verarbeitende Gewerbe insgesamt erzielten Ergebnisse 

stellt sich allerdings die Frage, ob die seit einigen Jahren im Durchschnitt beobachtbare 

verstärkte Spezialisierung wirklich Ausdruck eines allgemeinen Paradigmenwechsels infolge 

globalisierter Märkte ist. Ebenso gut könnte die These geäußert werden, dass sich 

dass innovative Verhalten der Unternehmen gar nicht geändert hätte und dieser Trend eher 

Ausdruck struktureller Veränderungen ist. Von den möglichen strukturellen Veränderungen 

wird hier die Zusammensetzung der Unternehmen des verarbeitenden Gewerbes nach 

Wirtschaftzweigen, Größe und Region untersucht. Die Untersuchung konzentriert sich auf 

die Frage, inwieweit auch bei differenzierter Betrachtung nach Wirtschaftzweigen, Beschäftigtengrößenklassen 

oder Regionen der für das gesamte verarbeitende Gewerbe festgestellte 

Unterschied zwischen spezialisierenden, auf Kostenreduzierung ausgerichteten 

Unternehmen und expansiven, diversifizierenden, aber dafür weniger erfolgreichen Unternehmen 

zutrifft. Hierfür werden die Unternehmen nach folgenden Kriterien unterschieden: 

• 14 zusammengefasste Wirtschaftszweige der NACE-Zweisteller, 

• sieben Beschäftigtengrößenklassen, 

• Ost- und Westdeutschland. 

Für die Zuordnung der Unternehmen zu den gebildeten Gruppen gilt das Jahr 1995. Im 

Fall der Wirtschaftzweige erfolgt die Zuordnung nach dem Schwerpunkt der Produktionstätigkeit 

und bei den Beschäftigtengrößenklassen nach der durchschnittlichen Zahl der 

Beschäftigten. Die regionale Zuordnung wird nach dem Sitz des Unternehmens vorgenommen. 

Wie jede Klassifizierung kann diese Zuordnung nicht stringent durchgehalten 

werden. Unternehmen können den Schwerpunkt ihrer Produktion verlagern oder so viele 

verschiedene Produkte herstellen, dass das Hauptprodukt nur einen geringen Anteil am 

Umsatz hat. Durch Schrumpfung oder Wachstum können Unternehmen ihre Beschäftigtengrößenklassen 

ändern. Unternehmen mit Sitz in Westdeutschland können auch Betriebsstätten 

in Ostdeutschland haben. Trotz dieser Einschränkungen zeigen sich beachtliche 

Unterschiede in den Diversifizierungsstrategien der so klassifizierten Unternehmen. 

7 Für eine weitergehende Bewertung muss berücksichtigt werden, dass der Abbau eines hohen Diversifizierungsgrades 

bei diesen Unternehmen nicht zwangsläufig auf einen volkswirtschaftlichen Schrumpfungsprozess 

hinweist. Vielmehr kann die verstärkte Spezialisierung der untersuchten Unternehmen begleitet worden sein 

von der Auslagerung von Produktionsprozessen auf andere Unternehmen. 



In den folgenden Tabellen 5 bis 7 sind die wichtigsten Ergebnisse für Wirtschaftzweige, 

Beschäftigtengrößenklassen und Regionen konzentriert zusammengefasst. 

Drei Thesen wurden speziell für die differenzierten Gruppen überprüft. Spezialisierende 

Unternehmen 

1. starten weniger erfolgreich als diversifizierende Unternehmen, 

2. steigern jedoch ihren Erfolg stärker als diversifizierende Unternehmen, 

3. sind weniger expansiv als diversifizierende Unternehmen. 

Tabelle 5 

Spezialisierungswirkungen nach Wirtschaftszweigen 

Wirtschaftszweig 

1 Abweichungen vom Durchschnitt sind fett markiert. 



NACE- 

Entsprechung 

Unternehmen mit Produktreduzierung 

Betriebsüberschuss je 

Beschäftigten in 1000 Euro 

1995 

Veränderung 

2001 

gegenüber 

1995 

Veränderung 

der 

Beschäftigtenzahl 

je 

Unternehmen 

Abweichung gegenüber den Werten für 

Unternehmen mit Produktausweitung 

Bergbau, Gewinnung von Steine u. Erden 10–14 –2,55 2,61 –121 

Ernährungsgewerbe, Tabakverarbeitung 15–16 –4,67 –8,12 –1 013 

Textil-, Leder-, Bekleidungsgewerbe 17–18 –2,31 4,59 –58 

Holzgewerbe 19 0,76 –1,52 –48 

Papier-, Verlags-, Druckgewerbe 20 1,09 –3,11 –34 

Mineralölverarbeitung, Kokerei u.a. 21–22 –1,83 9,10 –10 

Chemische Erzeugnisse 23–24 k.A. k.A. k.A. 

Gummi-, Kunstoffwaren 25 2,33 –0,35 86 

Glasgewerbe, Keramik u.a. 26 –6,74 5,30 –97 

Metallerzeugung und -bearbeitung 27–28 –7,24 5,77 –153 

Maschinenbau 29 –2,33 –1,03 –123 

Büromaschinen, Datenverarbeitung, Elektrotechnik u.a. 30–33 –4,54 1,67 –74 

Fahrzeugbau 34–35 –2,43 1,09 –493 

Möbel, Schmuck u.a. 36–37 –2,09 13,29 –204 

Insgesamt Total –3,64 3,27 –72


Tabelle 5 macht deutlich, dass die These 1 für alle Wirtschaftszweige, ausgenommen für 

das Textil-, Leder- und Bekleidungsgewerbe, das Holzgewerbe sowie die Hersteller von 

chemischen Erzeugnissen, zutrifft. 

Nicht ganz so deutlich ist das Ergebnis für These 2. Zusätzlich zu den Wirtschaftzweigen 

für die bereits These 1 abgelehnt werden musste, kommen noch der Bergbau, Gewinnung 

von Steinen und Erden sowie die Metallerzeugung und -bearbeitung hinzu. These 3 der 

überdurchschnittlichen Expansion diversifizierender Unternehmen lässt sich für fast alle 

Wirtschaftzweige, ausgenommen der chemischen Industrie, bestätigen. 

Untersucht man, inwieweit die für das verarbeitende Gewerbe insgesamt gefundenen Ergebnisse 

auf Unternehmen unterschiedlicher Größe zutreffen, so ergibt sich ein eindeutiges 

Bild. Für Unternehmen ab 50 Beschäftigten bis zu Unternehmen mit weniger als 5000 

Beschäftigten gelten die gleichen Schlussfolgerungen wie für das verarbeitende Gewerbe 

insgesamt. Hier können alle drei Thesen bestätigt werden. 

Dagegen trifft für die ganz großen Unternehmen mit 5000 und mehr Beschäftigten lediglich 

die These 3 zu, dass das Beschäftigtenwachstum der Spezialisierer geringer ist als das 

der Diversifizierer. Dabei muss berücksichtigt werden, dass bezüglich der Beschäftigung 

in der Beobachtungsperiode bei diesen Unternehmen ohnehin nicht von einer Expansion, 

sondern von Schrumpfung gesprochen werden muss. Dennoch ist die Verringerung der 

Beschäftigtenzahl bei den diversifizierenden ganz großen Unternehmen geringer gewesen 

als bei den spezialisierenden Unternehmen. Ganz große Unternehmen, die ihre Produktpalette 

ausweiten, steigern damit auch ihren Erfolg. 

Tabelle 6 

Spezialisierungswirkungen nach Beschäftigtengrößenklassen 

Beschäftigte von … bis … 

Abweichungen vom Durchschnitt sind fett markiert. 



Betriebsüberschuss je Beschäftigten in 1000 Euro Veränderung der 

1995 

Veränderung 2001 

gegenüber 1995 

Beschäftigitenzahl je 

Unternehmen 

Abweichung gegenüber den Werten für Unternehmen mit Produktausweitung 

20 und mehr –2,55 2,61 –121 

20–49 –0,57 –3,16 –1 

50–99 –2,64 0,10 –3 

100–199 –2,37 2,56 –15 

200–499 –3,03 5,18 –47 

500–999 –4,79 9,01 –88 

1000–4999 –1,91 2,45 –446 

5000 und mehr 2,99 –9,66 –1744 



Tabelle 7 

Spezialisierungswirkungen nach Regionen 

Region 

Abweichungen vom Durchschnitt sind fett markiert. 


Dagegen heben sich die spezialisierenden Unternehmen von den übrigen Unternehmen 

dadurch ab, dass ihr Gewinn im Ausgangsjahr, anders als im Durchschnitt des verarbeitenden 

Gewerbes, merklich über dem der diversifizierenden Unternehmen liegt. Die These 1 

muss für diese Unternehmen daher abgelehnt werden. Die Entwicklung der Pro-Kopf-Gewinne 

der ganz großen Spezialisierer ist dagegen deutlich schlechter als bei den ganz großen 

Diversifizierern, sodass auch These 2 für diesen Unternehmenstyp abgelehnt werden 

muss. Abgelehnt werden muss These 2 auch für die Unternehmen mit 20 bis unter 50 Beschäftigten. 

Auch hier weisen die Spezialisierer eine deutlich schlechtere Entwicklung der 

Gewinne auf als die Diversifizierer und entsprechen damit nicht den Durchschnitt des verarbeitenden 

Gewerbes. 

Bezüglich der regionalen Dimensionen bestätigt sowohl für Ost- wie auch für Westdeutschland 

die These 1 die ungünstigere Ausgangsposition der Spezialisierer gegenüber 

den Diversifizierern in Hinblick auf ihre Gewinne. Für beide Regionen wird auch bestätigt, 

dass spezialisierende gegenüber diversifizierenden Unternehmen eine geringere Ausweitung 

der Beschäftigung im Untersuchungszeitraum aufweisen (These 3). 

Deutliche Unterschiede bestehen allerdings zwischen west- und ostdeutschen Unternehmen 

in der Wirkung der Produktspezialisierung auf den Unternehmenserfolg (These 2). 

Die westdeutschen Unternehmen, die ihre Produktpalette reduzieren, weiten ihren operativen 

Gewinn je Beschäftigten weit überdurchschnittlich aus. Auch die ostdeutschen Unternehmen 

mit Produktspezialisierung erhöhen ihren operativen Gewinn. Ihnen gelingt dies 

aber in deutlich geringerem Ausmaß. In Ostdeutschland besonders erfolgreich sind Unternehmen, 

die ihre Produktanzahl ausweiten. Die ostdeutschen Unternehmen mit Produktdiversifizierung 

erhöhen nicht nur ihre Beschäftigung, sie steigern auch ihren operativen 

Gewinn je Beschäftigten besonders stark. Für Ostdeutschland muss daher These 2 abgelehnt 

werden. 



Betriebsüberschuss je Beschäftigten 

in Euro 

1995 

Veränderung 2001 

gegenüber 1995 

Veränderung der 

Beschäf-tigtenzahl je 

Unternehmen 

Abweichung gegenüber den Werten für Unternehmen mit 

Produktausweitung 

Deutschland –2,55 2,61 –121 

Ostdeutschland –2,23 –0,48 –86 

Westdeutschland –3,03 3,54 –127


Es ist allerdings zu berücksichtigen, dass sich die Unternehmenslandschaft in Ostdeutschland 

nach Wirtschaftszweig und Größe wesentlich von der in Westdeutschland unterscheidet. 

Dies hat Auswirkungen auch auf die durchschnittliche Produktvielfalt Ostdeutschlands 

im Vergleich zu Westdeutschland (Görzig et al. 2007). Es ist daher zu vermuten, 

dass sich solche strukturellen Unterschiede auch auf den Zusammenhang von Produktspezialisierung 

und Unternehmenserfolg im regionalen Vergleich auswirken. So könnte die 

hohe Bedeutung industrieller Kleinbetriebe mit unter 50 Beschäftigten wie auch das vergleichsweise 

geringe Gewicht des Fahrzeugbaus in Ostdeutschland die Abweichung im 

Unternehmenserfolg von sich spezialisierenden Unternehmen zumindest mit erklären. 

9 Fazit 

Der Wandel der Produktions- und Nachfragebedingungen verlangt von den Unternehmen 

immer wieder Anpassungen ihrer Produktpalette. Die Mehrzahl der Unternehmen im verarbeitenden 

Gewerbe in Deutschland verfolgt dabei eine Spezialisierungsstrategie. Sie 

konzentrieren sich auf die Erstellung und Vermarktung immer weniger Produkte. Damit 

steigern diese Unternehmen vor allem ihren operativen Gewinn je Beschäftigten. Unternehmen 

mit steigender Produktvielfalt, die eine Diversifizierungsstrategie verfolgen, erweisen 

sich dagegen bei der Beschäftigung als deutlich wachstumsstärker. 

Hinter diesem Prozess stehen allerdings gegenläufige Entwicklungen. Nicht alle Unternehmen, 

die eine Spezialisierungsstrategie verfolgen, steigern ihren operativen Gewinn 

und nicht alle Unternehmen, die ihre Produktpalette ausweiten, erhöhen ihre Beschäftigung. 

Entsprechend zeigen sich auch Abweichungen von den generellen Ergebnissen, 

wenn man einzelne Wirtschaftzweige, Größenklassen oder Regionen betrachtet. So 

scheint vor allem im Fahrzeugbau die Spezialisierungsstrategie für die Unternehmen besonders 

erfolgreich. In der chemischen Industrie schneiden dagegen bei der Entwicklung 

des operativen Gewinnes Unternehmen mit einer Ausweitung der Produktpalette besser 

ab. Die Produktspezialisierung lohnt sich zudem offensichtlich insbesondere für Unternehmen 

mittlerer Größe. Kleine Unternehmen mit weniger als 50 Beschäftigten und Großunternehmen 

mit mehr als 5000 Beschäftigten steigern ihren operativen Gewinn stärker 

bei einer Ausweitung der Produktpalette. Eine getrennte Betrachtung für Ost- und Westdeutschland 

zeigt zudem, dass ostdeutsche Unternehmen mit Produktdiversifizierung 

nicht nur ihre Beschäftigung erhöhen, sondern auch ihren operativen Gewinn je Beschäftigten 

besonders stark steigern können. 


Baldwin, John R., Desmond Beckstead und Richard Caves (2001): Changes in the diversification 

of Canadian manufacturing firms (1973–1997): A move to specialization. Statistics 

Canada. Analytical Studies Branch – Research Paper Series. 179. 

Berry, C. (1975): Corporate growth and diversification. Princeton, Princeton University 

Press. 

Caves, R.D., M.E. Porter und A.M. Spence (1980): Competition in the open economy: A 

model applied to Canada. Cambridge, MA. 

DESTATIS (2005a): Kostenstrukturerhebung im Verarbeitenden Gewerbe, im Bergbau 

sowie in der Gewinnung von Steinen und Erden. Qualitätsbericht. Wiesbaden. 



DESTATIS (2005b): Produktionserhebungen. Qualitätsbericht. Wiesbaden. 

Fan, Joseph, und Larry Lang (2000): The measurement of elatedness: An application to 

corporate diversification. Journal of Business, 73, 629–660. 


Nutzung der Forschungsdatenzentren der Statistischen Ämter. Allgemeines 

statistisches Archiv, 89, 337–354. 

Görzig, B. und M. Gornig (2007): Verstärkte Spezialisierung deutscher Unternehmen. 

Wochenbericht des DIW Berlin, 74 (20), 333–335. 

Görzig, B., M. Gornig und A. Werwatz (2007): Produktdiversifizierung: Konvergenz zwischen 

ost- und westdeutschen Unternehmen, Eine Dekomposition mit Mikrodaten der 

amtlichen Statistik. Jahrbücher für Nationalökonomie und Statistik, 227 (2), 168–186. 

Görzig, B. und R. Pohl (2007): Diversifizierungsstrategien deutscher Unternehmen – Auswertung 

eines Producer-Product-Panels der amtlichen Statistik. Wirtschafts- und Sozialwissenschaftliches 

Archiv, 3 (in Vorbereitung). 

Gollop, Frank und James Monahan (1991): A generalized index of diversification trends 

in U.S. manufacturing. The Review of Economics and Statistics, 73, 318–330. 

Hall, Ernest (1995): Corporate diversification and performance: An investigation of causality. 

Australian Journal of Management, 20, 25–42. 

Jacquemin, A.P. und C.H. Berry (1979): Entropy measures of corporate growth. The Journal 

of Industrial Economics, 27, 359–369. 

Jovanovic, B. und R.J. Gilbert (1993): The diversification of production. Brookings 

Papers on Economic Activity, Microeconomics, 197–247. 

Montgomery, C. (1985): Product-market diversification and market power. The Academy 

of Management Journal, 28, 789–798. 

Smolny, W. (2003): Determinants of innovation behaviour and investment estimates for 

West German manufacturing firms. Economics of Innovation and Technology, 12, 449– 

463. 

Wagner, Joachim (Hrsg.) (2005): Untersuchungen mit Mikrodaten aus der Amtlichen 

Wirtschafts- und Sozialstatistik. Journal of Applied Social Science Studies, 125, 449– 

595. 

Zloczysti, P. und C. Faber (2007): Diversifikationsmaße im Praxistest – Ergebnisse auf der 

Grundlage von amtlichen Mikrodaten für Deutschland. In diesem Heft, S. 29–42. 

Zühlke, Sylvia, Markus Zwick, Sebastian Scharnhorst und Thomas Wende (2003): Die 

Forschungsdatenzentren der Statistischen Ämter des Bundes und der Länder. Wirtschaft 

und Statistik, 10, 906 ff. 


Die Heterogenität der Effizienz innerhalb 

von Branchen – Eine Auswertung von Unternehmensdaten 

der Kostenstrukturerhebung 

im Verarbeitenden Gewerbe * 

Von Michael Fritsch** und Andreas Stephan*** 



76 (2007), 3, S. 59–75 

Zusammenfassung: Der Beitrag arbeitet die Heterogenität von Unternehmen innerhalb von Branchen 

hinsichtlich ihrer technischen Effizienz heraus. Datengrundlage sind die Mikrodaten der Kostentrukturerhebung 

im Verarbeitenden Gewerbe in Deutschland. Die technische Effizienz wird im Rahmen 

der Schätzung einer Translog-Produktionsfunktion als unternehmensspezifischer fixer Effekt 

ermittelt. Innerhalb von Branchen bestehen in der Regel große Unterschiede hinsichtlich der technischen 

Effizienz. Diese Unterschiede werden beispielhaft für einige Branchen grafisch veranschaulicht. 

Die durchschnittliche Effizienz der Kleinunternehmen liegt etwas höher als in der Gruppe der Großunternehmen, 

was auf verschiedene Ursachen zurückgeführt werden kann. Abschließend werden 

weitere Analysepotenziale der Kostenstrukturerhebung für Forschung und Politikberatung skizziert. 

Summary: This article analyzes the heterogeneity of firms within industries in regard to their level of 

technical efficiency. The data is taken from the cost structure census of manufacturing industries in 

Germany. We estimate the technical efficiency as a firm-specific fixed effect within a translog production 

function framework. We find great differences between technical efficiencies of firms within 

industries. A graphical tool is applied to display this heterogeneity. Smaller firms tend to be more efficient 

than larger ones, which might have various reasons. Finally, we discuss the potential of the cost 

structure census for empirical research and policy advice. 

JEL-Klassifikation: D24, L10, L11 

Keywords: Technische Effizienz, Heterogenität, Branchen 

1 Branchen als Berichtseinheiten 

Statistische Kennzahlen werden sehr häufig aggregiert für einzelne Branchen ausgewiesen. 

Der wesentliche Grund hierfür besteht darin, dass man auf diese Weise den Besonderheiten 

der Unternehmen Rechnung tragen will. Das Merkmal „Branchenzugehörigkeit“ 

soll möglichst viele derjenigen Besonderheiten einfangen, die eine bestimmte 

Gruppe von Unternehmen von anderen Gruppen von Unternehmen unterscheidet. 1 In der 

Regel (z.B. in der amtlichen Statistik der Bundesrepublik Deutschland) erfolgt die Abgrenzung 

von Branchen nicht anhand einheitlicher Kriterien bzw. einer einheitlichen Hier- 

* Die im Beitrag vorgestellten Analysen wurden im Rahmen eines Kooperationsprojektes zwischen dem Statistischen 

Bundesamt und dem DIW Berlin durchgeführt. Wir danken Roland Sturm, Ottmar Hennchen und Gerald 

Goebel für die Unterstützung des Projekts. Die hier beschriebenen Analysen können mittlerweile auch in den 

Forschungsdatenzentren der statistischen Ämter durchgeführt werden. Etwaige Fehler liegen in der alleinigen 

Verantwortung der Autoren. 

** Friedrich-Schiller-Universität Jena, DIW Berlin und Max-Planck-Institut für Ökonomik, Jena, E-Mail: 

m.fritsch@uni-jena.de. 

*** Jömköping International Business School und DIW Berlin, E-Mail: andreas.stephan@ihh.hj.se 


Michael Fritsch und Andreas Stephan 

archie von Kriterien; vielmehr werden bestimmte Kriterien unter pragmatischen Gesichtspunkten 

immer dann herangezogen, wenn sie gerade zur Abgrenzung in sich möglichst 

homogener Gruppen von Unternehmen geeignet erscheinen. Da die Brancheneinteilung 

der amtlichen Statistik erklärtermaßen als Grundlage für möglichst vielfältige Zwecke dienen 

soll, kann allerdings wohl selbst bei tiefer Branchegliederung nur ein relativ geringes 

Maß an Homogenität erwartet werden. Dieses hohe Maß an Heterogenität innerhalb von 

Branchenaggregaten bleibt bei einer Betrachtung von Summen- oder Durchschnittswerten 

für diese Branchen insgesamt verdeckt. Aus diesem Grunde sind Analysen anhand von 

Mikrodaten für einzelne Betriebe bzw. Unternehmen sinnvoll. 

In diesem Beitrag soll das Potential der Kostenstrukturstatistik im Verarbeitenden Gewerbe, 

die von den Statistischen Ämtern erstellt wird, für Analysen auf der Mikro-Ebene demonstriert 

werden. Dazu stellen wir zunächst diese Datenquelle vor (Abschnitt 2). Abschnitt 

3 zeigt dann die Heterogenität von Branchenaggregaten anhand von zwei 

wichtigen Kennzahlen auf, nämlich der Arbeitsplatzentwicklung und der Ausgaben für 

Forschung und Entwicklung (FuE). Im weiteren Verlauf konzentrieren wir uns dann auf 

Analysen der technischen Effizienz von Unternehmen auf der Grundlage einer Produktionsfunktion 

(Abschnitt 4). Schließlich behandeln wir die Verteilung und Struktur der technischen 

Effizienz innerhalb von Branchen (Abschnitt 7) und ziehen zusammenfassende 

Schlussfolgerungen (Abschnitt 8). 

2 Die Kostenstrukturstatistik als Datenquelle 

Die Kostenstrukturstatistik wird vom Statistischen Bundesamt erhoben und aufbereitet 

(ausführlich hierzu Fritsch et al. 2004). Diese Erhebung umfasst alle in Deutschland tätigen 

Unternehmen des Verarbeitenden Gewerbes mit mehr als 500 Beschäftigtenn. Um den 

Erhebungsaufwand für kleinere Unternehmen zu begrenzen, sind Unternehmen mit 20 bis 

499 Beschäftigten nur als eine repräsentative Zufallsstichprobe in den Daten enthalten. 

Unternehmen mit weniger als 20 Beschäftigten gehen erst seit dem Jahr 2001 ein. In der 

Regel werden die Firmen mit 20 bis 499 Beschäftigten vier aufeinander folgende Jahre in 

der Statistik erfasst und dann durch andere Unternehmen ersetzt (rotierendes Panel). Unternehmen 

mit weniger als 20 Beschäftigten sind nur für jeweils ein Berichtsjahr enthalten. 

Die Kostenstrukturstatistik enthält Angaben zum wirtschaftlichen Schwerpunkt der Unternehmen 

(Branchenzugehörigkeit), zur Zahl der tätigen Personen, zu den Material- und 

Warenbeständen sowie zu den Aufwendungen und Erträgen der Unternehmen im jeweiligen 

Wirtschaftsjahr. Außerordentliche sowie betriebsfremde Aufwendungen und Erträge 

1 Branchengliederungen sind „produktorientiert“ und basieren im Wesentlichen auf Warenverzeichnissen 

(Statistisches Bundesamt 1994). Als wesentliche Gliederungskriterien zur Abgrenzung der Produktfelder werden 

verwendet 

• die Nachfragesegmente für die produziert wird (z.B. Büromaschinen-Hersteller), 

• Gemeinsamkeiten hinsichtlich des/der eingesetzten Inputs (z.B. Stahlverarbeitung, Tabakverarbeitung) 

sowie 

• Gemeinsamkeiten hinsichtlich der verwendeten Produktionsverfahren (z.B. Gießereien, Druckindustrie, Galvanikindustrie, 

Chemische Industrie). 

Von der Grundidee her sollen Branchen möglichst auch Märkte abbilden. In der Realität ist dies jedoch wohl 

kaum jemals der Fall. In der Regel umfassen Branchen verschiedene Teilmärkte, die sich häufig über mehrere 

Branchen erstrecken. 


Die Heterogenität der Effizienz innerhalb von Branchen 

werden nicht einbezogen, sodass sich die Ergebnisse auf die typische und spezifische 

Leistungserstellung der Unternehmen beschränken. Insbesondere die Angaben zu den verschiedenen 

Input-Kategorien sind recht differenziert. Dabei handelt es sich um Löhne und 

Gehälter (einschließlich der Arbeitgeberbeiträge zur Sozialversicherung und freiwilligen 

Arbeitgeberzahlungen), Ausgaben für Materialeinsatz und für Handelsware, Aufwand für 

selbst erstellte Anlagen, Energiekosten, Aufwendungen für externe Lohnarbeiten sowie 

für externe Instandhaltung und Reparaturarbeiten, steuerliche Abschreibungen, Subventionen, 

Mieten und Pachten, Umsatzsteuern und andere indirekte Steuern und Gebühren, 

Zinszahlungen auf Fremdkapital sowie „sonstige“ Kosten wie Lizenzgebühren, Bankgebühren, 

Porti oder Ausgaben für Marketing und Transport. 

Weitere in der Kostenstrukturstatistik enthaltene Informationen betreffen den Standort des 

Unternehmenshauptsitzes, Ausgaben für Forschung und Entwicklung sowie die Anzahl 

der in Forschung und Entwicklung Beschäftigten (seit dem Jahr 1999). Die Informationen 

über die Beschäftigten umfassen die Anzahl der im Unternehmen tätigen Inhaber, die Anzahl 

der Vollzeit- und der Teilzeitbeschäftigten, die Anzahl der Heimarbeiter sowie die 

Anzahl der Leiharbeitnehmer. 

3 Wie heterogen sind Unternehmen innerhalb einer Branche? 

Die Heterogenität der Unternehmen innerhalb einer Branche soll hier zunächst anhand 

von zwei Kennziffern für das Verarbeitende Gewerbe insgesamt sowie für vier ausgewählte 

Branchen illustriert werden. Bei diesen Branchen handelt sich um Viersteller der Klassifikation 

der Wirtschaftszweige des Statistischen Bundesamtes in der Fassung des Jahres 

1993 (WZ 93). Dies stellt die tiefste Branchengliederung dar, für die in der Regel von der 

amtlichen Statistik Angaben publiziert werden. Bei diesen vier beispielhaft ausgewählten 

Wirtschaftszweigen handelt es sich um die „Herstellung von Konstruktionsteilen, Fertigbauteilen 

und Ausbauelementen aus Holz“ (WZ 20.30), den Bereich „Herstellung von 

Hohlglas“ (WZ 26.13), die „Herstellung von Heizkörpern für Zentralheizungsanlagen und 

von Zentralheizungskesseln“ (WZ 28.22) sowie um die „Herstellung von Kraftwagen und 

Kraftwagenmotoren“ (WZ 34.10). Bei der Auswahl dieser Branchen haben wir insbesondere 

versucht, Wirtschaftszweige mit unterschiedlicher Unternehmensgrößenstruktur zu 

berücksichtigen. Ansonsten ist diese Auswahl willkürlich; ein entsprechendes Maß an 

Heterogenität ließe sich auch für fast alle anderen Branchen aufzeigen. 

Die Beschäftigungsentwicklung von Unternehmen stellt eine zentrale Größe für die Wirtschaftspolitik 

dar. Durchschnittswerte wie das arithmetische Mittel oder der Median zeigen 

für das Verarbeitende Gewerbe insgesamt sowie für die vier ausgesuchten Teilbranchen 

nur ein geringes Maß an Dynamik an (Tabelle 1). Als Mittelwert für eine Branche 

bietet sich hier insbesondere der Median-Wert an, da Werte des arithmetischen Mittels insbesondere 

bei relativ kleinen Branchen stark durch extreme Werte einzelner Unternehmen 

geprägt sein können. Während die Median-Werte für die Beschäftigungsentwicklung nahe 

null liegen, finden sich innerhalb der Aggregate jeweils erhebliche Anteile an Unternehmen 

sowohl mit relativ starker Arbeitsplatzexpansion als auch mit sehr deutlichem Arbeitsplatzabbau. 

Diese Heterogenität der Entwicklung ist aus den Durchschnittswerten für 

die Branche insgesamt nicht erkennbar. 



Tabelle 1 

Die Heterogenität von Unternehmen innerhalb von Branchen 

Beispiel: Jährliche Beschäftigungsentwicklung 2001–2004 

In % 

Branche 

Quelle: Kostenstrukturerhebungen 1992–2005, eigene Berechnungen. 

Ein ähnliches Maß an Heterogenität innerhalb der Branchen lässt sich auch hinsichtlich 

des jährlichen Anteils der Ausgaben für Forschung und Entwicklung am Bruttoproduktionswert 

der Unternehmen feststellen (Tabelle 2). Hier liegt der Median-Wert für das Verarbeitende 

Gewerbe insgesamt sowie für zwei der betrachteten vier Einzelbranchen bei 

null, da mindestens 50 % der in diesen Aggregaten zusammengefassten Unternehmen keine 

Ausgaben für Forschung und Entwicklung ausweisen. Tatsächlich gibt es aber in allen 


Arithmetisches 

Mittel 

10-Perzentil 25-Perzentil Median 75-Perzentil 90-Perzentil 

Verarbeitendes Gewerbe insgesamt –1,23 –14,87 –6,48 –0,01 4,08 11,58 

Herstellung von Konstruktionsteilen, 

Fertigbauteilen und Ausbauelementen 

aus Holz (WZ 20.30) 

–0,33 –10,90 –4,74 –0,45 3,20 8,70 

Herstellung von Hohlglas (WZ 26.13) –1,18 –9,24 –4,77 –0,64 3,10 14,84 

Herstellung von Heizkörpern für 

Zentralheizungsanlagen und von 

Zentralheizungskesseln (WZ 28.22) 

Herstellung von Kraftwagen und 

Kraftwagenmotoren (WZ 34.10) 

Tabelle 2 

–2,4 –16,10 –6,45 –1,26 2,53 7,83 

3,72 –7,23 –3,86 0,09 4,39 11,28 

Die Heterogenität von Unternehmen innerhalb von Branchen 

Beispiel: Jährliche Ausgaben für Forschung und Entwicklung 2001–2004 

In % 

Branche 

Anteil Unternehmen 

mit 

FuE 


Median 75-Perzentil 90-Perzentil 95-Perzentil 99-Perzentil 

Verarbeitendes Gewerbe insgesamt 30,59 0 0,37 2,86 5,49 13,95 




61,90 0,83 3,20 4,91 6,02 k.A. 

Herstellung von Hohlglas (WZ 26.13) 22,95 0 0 0,50 2,72 k.A. 






47,37 0 1,03 2,18 k.A. k.A. 

56,82 0,37 3,17 6,75 8,07 k.A.


vier Branchen einen erheblichen Anteil an Unternehmen mit beachtlicher FuE-Intensität. 

Es ist offensichtlich, dass die Relation des Median-Werte für die Beschäftigungsentwicklung 

mit dem Median-Wert für den Anteil der FuE-Ausgaben am Bruttoproduktionswert 

kaum zu wesentlichen Erkenntnissen etwa über die Determinanten der Beschäftigungsentwicklung 

führen kann. Hierzu sind Analysen auf der Mikro-Ebene von Unternehmen 

unentbehrlich (ausführlich hierzu Fritsch 1990). 

4 Schätzung der technischen Effizienz von Unternehmen mit 

Mikrodaten 

Unter der technischen Effizienz eines Unternehmens versteht man die Fähigkeit, mit einer 

gegebenen Menge an Produktionsfaktoren den maximalen Output zu generieren (Farrell 

1957). Demnach ist ein Unternehmen technisch effizient, wenn es die höchstmögliche 

Produktivität aufweist. Datengrundlage unserer Analyse sind die Mikrodaten der Kostenstrukturstatistik 

im Verarbeitenden Gewerbe für den Zeitraum 1994–2004. Da wir die 

technische Effizienz eines Unternehmens als unternehmensspezifischen fixen Effekt bestimmen, 

sind mindestens zwei Beobachtungen pro Unternehmen erforderlich. Aus diesem 

Grunde bleiben Unternehmen mit nur einer Beobachtung in unseren Berechnungen 

unberücksichtigt. Damit sind insbesondere auch die Unternehmen mit weniger als 20 Beschäftigten 

ausgeschlossen. Insgesamt umfasst unser Sample ungefähr 50000 Unternehmen. 

Die Unternehmen mit weniger als 500 Beschäftigten, die in der Kostenstrukturstatistik 

lediglich als repräsentative Zufallsstichprobe enthalten sind, gehen mit einer 

entsprechenden Gewichtung in die Berechnungen ein: Jedes dieser Unternehmen wird mit 

dem Faktor multipliziert, der die Beziehung zwischen der Anzahl der Firmen in der betreffenden 

Branche und Größenklasse der Grundgesamtheit und der Anzahl der Firmen der 

betreffenden Branche und Größenklasse in der Stichprobe angibt. Da diese Gewichte über 

die Zeit ziemlich stabil sind, nutzen wir in sämtlichen Analysen die Gewichte für das Jahr 

1997. 

Um die technische Effizienz eines Unternehmens zu bestimmen, benötigt man einen Referenzpunkt. 

2 Meistens nutzt man hierzu das Konzept der stochastischen Frontier-Produktionsfunktion, 

wie es von Aigner et al. (1977) sowie von Meeusen und Brueck (1977) 

vorgeschlagen wurde. Sofern Paneldaten verfügbar sind, kann das Modell von Battese und 

Coelli (1995) verwendet werden. Zwar bietet der Ansatz der stochastischen Produktionsfunktion 

einige Vorteile bei der Unterscheidung zwischen technischer Effizienz und anderen 

Einflüssen auf das Produktionsergebnis; er basiert allerdings auch auf ziemlich restriktiven 

und damit fragwürdigen Annahmen. Erstens wird für den Ineffizienzterm eine 

Verteilung mit negativer Schiefe angenommen, was möglicherweise nicht mit der tatsächlichen 

Verteilung übereinstimmt. 3 Zweitens wird unterstellt, dass keine Korrelation zwischen 

der technischen Effizienz und den Faktorinputs besteht. In empirischen Anwendungen 

– so auch in unseren Schätzungen – zeigt sich allerdings häufig ein solcher 

2 Siehe Mayes, Landsbury und Harris (1995) sowie Kumbhakar and Lovell (2000) zu einem Überblick über die 

verschiedenen Ansätze zur Messung der technischen Effizienz von Unternehmen. 

3 Eine Ausnahme stellt Carree (2002) dar, der ein stochastisches Frontier-Modell mit positiver Schiefe der Verteilung 

der technischen Effizienz vorschlägt. Uns ist allerdings keine empirische Anwendung dieses Ansatzes 

bekannt. 



Zusammenhang zwischen den Inputs und der Effizienz, was dann zu inkonsistenten 

Parameterschätzungen führt. 

Aus diesen Gründen nutzen wir den Panelcharakter der Daten und bestimmen technische 

Effizienz als einen unternehmensspezifischen festen Effekt. 4 Die Grundspezifikation ist 

eine deterministische Translog-Produktionsfunktion, die geschrieben werden kann als 

(vgl. Greene 1997): 

2 1 

ln yit = lnα i + λt+ ∑βkln xkit + ∑β2_k ( ln xkit ) + ∑γ 

qw ( ln xqit )( ln xwit 

) + εit 

, 

2 

wobei k=1,…,p, i=1,…, N, t=1,…, Ti und q=1,…, p, w=1,…,p, q≠w. Der Term yit gibt den 

Output des Unternehmens i im Zeitraum t an; xkit bezeichnet den Inputfaktor k und t repräsentiert 

einen zeitspezifischen festen Effekt. Wir haben N Unternehmen und Ti Beobachtungen 

für jedes Unternehmen. Die Schätzung der technischen Effizienz beruht auf unternehmensspezifischen 

festen Effekten α . Der höchste geschätzte Wert für den unter- 

i 

nehmensspezifischen festen Effekt max aˆ 

j gibt das höchste erreichbare Effizienzniveau 

an und stellt damit den Maßstab für die (In-)Effizienz der anderen Unternehmen dar. Die 

technische Effizient TEi des Unternehmens i wird dann berechnet als 

ˆ 

ˆ αi 

TEi 

= ⋅100 

[%], 

max ˆ α 

wobei der Wertebereich zwischen 0 und 100% (= höchste Effizienz) liegt. 

Aus methodischer Sicht lassen sich auch gegen unseren Fixed-effects-Ansatz zur Bestimmung 

der technischen Effizienz eine Reihe von Einwendungen vorbringen. Erstens sind in 

jüngster Zeit Frontier-Modelle entwickelt worden, die eine gleichzeitige Modellierung 

und Schätzung von stochastischer Ineffizienz und unbeobachteter Heterogenität als festen 

Effekt erlauben (vgl. hierzu Greene 2005). Für unser sehr unfangreiches Sample erweist 

sich dieser Ansatz allerdings als rechentechnisch zu anspruchsvoll. Zweitens impliziert 

das Fixed-effects-Modell, dass die geschätzte technische Effizienz über die gesamte Beobachtungsperiode 

konstant bleibt. Eine Analyse der Entwicklung der technischen Effizienz 

verringert die Anzahl der zur Verfügung stehenden Fälle erheblich, da in diesem Falle nur 

solche Unternehmen in das Modell einbezogen werden können, für die eine hinreichend 

lange Zeitreihe an Beobachtungen vorliegt. Darüber hinaus wäre eine solche Analyse von 

großen Unternehmen dominiert, da nur diese Unternehmen über längere Zeiträume in der 

Kostenstrukturstatistik enthalten sind (vgl. Abschnitt 2). 

Unser Maß für den Unternehmensoutput ist der Bruttoproduktionswert ohne Umsatzsteuer 

abzüglich der Differenz von indirekten Steuern und Subventionen. Damit umfasst der so 

definierte Output im Wesentlichen den Umsatz einschließlich der Netto-Lagerveränderung 

an Endprodukten. Umsatzerlöse durch Handelsware und sonstige Einnahmen (z.B. 

durch Lizenzgebühren, Kommissionen, Mieten und Pachten etc.) bleiben unberücksich- 

4 Siehe Schmidt und Sickles (1984) sowie Sickles (2005) zu einer Diskussion dieses Ansatzes. 


j 

q≠w (1) 

(2)


Tabelle 3 

Anteile der verschiedenen Inputfaktoren am Produktionswert – Verteilung 

Arithmetisches 

Mittel 

Median 


Anmerkung: Die Anzahl Beobachtungen (Unternehmen*Jahre) beträgt 224 769. 


1%-Quantil 10%-Quantil 90%-Quantil 99%-Quantil 

Materialeinsatz 0,,392 0,382 1,393 0,013 0,154 0,629 0,855 

Energieverbrauch 0,026 0,014 0,678 0,001 0,004 0,053 0,180 

Externe 

Dienstleistungen 

0,057 0,031 0,403 0,001 0,007 0,135 0,361 

Arbeitskosten 0,383 0,349 4,569 0,060 0,166 0,578 0,957 

Sonstige Inputs 0,115 0,087 0,792 0,010 0,031 0,213 0,472 

Kapital 0,079 0,061 0,802 0,009 0,025 0,143 0,312 

tigt, da wir davon ausgehen, dass solche Einkünfte nicht adäquat auf der Basis einer 

Produktionsfunktion erklärt werden können. 

Den größten Anteil an den Vorleistungen machen die Materialkosten und die Arbeitskosten 

aus (Tabelle 3); die Medianwerte für den Anteil dieser beiden Kostenkategorien 

addieren sich zu ca. 73% der Ausgaben insgesamt. Die Werte aller Kostenkategorien 

ergeben etwas mehr als 92% des Produktionswertes. Die verbleibenden knapp 8% 

können als Anteil des Bruttogewinns am Produktionswert interpretiert werden. Für einige 

der Kostenkategorien, wie z.B. die Ausgaben für externe Lohnarbeiten sowie für externe 

Wartung und Reparatur, enthält die Kostenstrukturstatistik einen relativ hohen Anteil an 

Nullwerten, da viele Unternehmen solche Vorleistungen nicht beziehen. Da in einer Translog-Produktionsfunktion 

sämtliche Inputs in logarithmierter Form eingehen, führen Nullwerte 

für einzelne Inputkategorien zu Missing Values und damit zum Ausschluss des betreffenden 

Unternehmens aus der Analyse. Um die Anzahl der Null-Angaben für die 

Inputs zu reduzieren, haben wir die verschiedenen Inputarten in breiteren Kategorien zusammengefasst. 

Dabei handelt es sich um Materialaufwendungen, Arbeitskosten, Energiekosten, 

Kapitalkosten (Abschreibungen sowie Pacht- und Leasingkosten), externe Dienstleistungen 

sowie andere produktionsbezogene Inputs (z.B. Transportleistungen, Beratung, 

Marketing). Alle Zeitreihen wurde mit dem Erzeugerpreisindex für die betreffende Branche 

deflationiert. 

Bezieht man als Näherungsgröße für den Kapitaleinsatz die jährlichen Werte für die steuerlichen 

Abschreibungen in die Schätzung ein, so führt dies zu einem relativ niedrigen 

Wert für die Produktionselastizität des Kapitals. Der nahe liegende Grund für diesen geringen 

Wert sind offenbar die relativ starken jährlichen Schwankungen der Abschreibungen. 

Um diese Schwankungen zu reduzieren, haben wir für jedes Jahr die durchschnittlichen 

jährlichen Abschreibungen berechnet. Grundlage hierfür sind die Abschreibungen 

des jeweils laufenden Jahres und aller vorhergehenden Jahre, über die der Datensatz Informationen 

enthält. Die Summe dieser Werte wurde dann durch die Anzahl der entsprechen- 



Tabelle 4 

Schätzergebnisse für die logarithmische Translog Produktionsfunktion mit firmenspezifischen 

festen Effekten 

Anmerkung: Anzahl Beobachtungen: 215 320. 


den Jahre dividiert. Diese Durchschnittswerte der jährlichen Abschreibungen führen zu erheblich 

höheren und plausibleren Schätzwerten für die Produktionselastizität des Kapitals. 

Das Sample enthält eine Reihe von Beobachtungen mit extremen Werten, die u.U. erheblichen 

Einfluss auf die geschätzten Parameter haben und teilweise zu unplausiblen Ergebnissen 

führen. Wir haben solche Unternehmen als „Ausreißer“ von der Analyse ausgeschlossen, 

bei denen die Kostenanteile einzelner Inputs weniger als 0,5% bzw. mehr als 

99,5% des Bruttoproduktionswertes ausmachten. Insgesamt werden hierdurch (einschließlich 

solcher Unternehmen, die Null-Angaben für mindestens eine Inputkategorie 

aufwiesen) ungefähr 10% aller Beobachtungen von der Analyse ausgeschlossen. Tests haben 

gezeigt, dass sich durch den Ausschluss dieser extremen Fälle die Robustheit und 

Plausibilität der Schätzergebnisse deutlich verbessert. 


Koeffizient Schätzwert p-Wert Koeffizient Schätzwert p-Wert Koeffizient Schätzwert p-Wert 

Materialeinsatz 0,1933


Tabelle 4 zeigt die geschätzten Parameter für die Translog-Produktionsfunktion entsprechend 

Gleichung (1) mit den Mikrodaten der im Sample enthaltenen Unternehmen 5 . Wir 

beziehen Dummy-Variablen für die einzelnen Beobachtungsjahre ein, wobei das Jahr 

2005 das Referenzjahr darstellt. Die Anpassungsgüte der Regression (R 2 ) ist bemerkenswert 

hoch (0,996) und die unternehmensspezifischen Effekte als auch die Jahreseffekte 

erweisen sich als hoch signifikant. 6 Für die Produktionsfunktion wurde eine Reihe von 

Spezifikationstests durchgeführt. Zunächst haben wir untersucht, ob die Translog-Spezifikation 

einer einfachen Cobb-Douglas-Funktion vorzuziehen ist. Die entsprechenden Tests 

zeigen, dass die Translog-Spezifikation den Daten besser entspricht. Außerdem zeigen die 

Tests, dass die geschätzte Produktionstechnologie linear-homogen vom Grade eins ist. 7 

Die von uns genutzte Näherungsvariable für den Kapitalstock führt zu vernünftigen 

Schätzwerten für die Outputelastizität des Kapitaleinsatzes. Die positiven Werte für die 

meisten Jahres-Dummys deuten auf eine höhere Produktivität in den betreffenden Jahren 

verglichen mit dem Referenzjahr 2005 hin. Offenbar stellen diese Dummy-Variablen nicht 

einfach Maße für den technischen Fortschritt dar, denn fortschreitende Verbesserungen 

über die Zeit würden negative Werte für die Jahres-Dummys implizieren. Offensichtlich 

reflektieren die Jahres-Dummys vor allem die makroökonomischen Bedingungen, die mit 

Abbildung 1 

Die Verteilung der technischen Effizienz im Verarbeitenden Gewerbe (n = 48 292) 

15,0 

12,5 

10,0 

7,5 

5,0 

2,5 

0 

0 10 20 30 40 50 

Effizienz [%] 

60 70 80 90 

100 


5 Geschätzt mit der Least-Squares-Dummy-Variables-Methode für Paneldaten; siehe hierzu Baltagi (2001) 

sowie Coelli et al. (2002). 

6 Ein Hausman-Wu-Test deutet auf eine Korrelation zwischen den fixen Effekten und anderen unabhängigen 

Variablen hin. Aus diesem Grunde wäre ein Random-effects-Modell oder ein stochastisches Frontier-Modell 

nicht angemessen. 

7 Die Summe der geschätzten Input-Parameter beträgt 0,9988 mit einem Standardfehler von 0,0168. 



einer beträchtlichen Unterauslastung der Kapazitäten in den Jahren 2002 und 2003 einhergingen, 

in denen sich negative Werte für die betreffenden Jahres-Dummy-Variablen ergeben. 

Der Mittelwert wie auch der Median für die technische Effizienz liegen bei knapp 60%, 

wobei die Werte der Unternehmen um diesen Mittelwert konzentriert sind, d.h., 90% aller 

Werte der technischen Effizienzen liegen im Intervall von 43 bis 77% (Abbildung 1). Die 

Verteilung der Effizienzwerte zeigt, dass nur relativ wenige Unternehmen nahe der Effizienzgrenze 

operieren, wohingegen das Gros der Firmen ein deutlich geringeres Effizienzniveau 

aufweist. Nur 10% aller Firmen erreichen ein Effizienzniveau von mehr als 77%; 

bei lediglich 5% der Unternehmen liegt das Effizienzniveau über 82%. Die Verteilung ist 

annähernd normalverteilt, was sich auch in den Maßzahlen für Schiefe und Wölbung 

zeigt, die jeweils nur knapp über null liegen. 

5 Effizienz und Unternehmensgröße 

Ein relativ weit verbreitetes Vorurteil lautet dahingehend, dass Großunternehmen deutlich 

effizienter sind als kleiner Unternehmen (Alvarez und Crespi 2003). Diese Frage kann auf 

der Grundlage unseres Ansatzes sehr gut geklärt werden, indem man die technischen Effizienzen 

für Unternehmen unterschiedlicher Größe betrachtet (Tabelle 5). Dabei zeigt sich 

einmal, dass es in sämtlichen Größenklassen relativ effiziente und relative ineffiziente Unternehmen 

gibt. Bemerkenswert ist allerdings, dass die Mittelwerte (arithmetisches Mittel, 

Median) für kleinere Unternehmen höhere Werte annehmen als für Großunternehmen. 

Dies gilt auch für das obere und untere Ende der Verteilung, dargestellt etwa an den Werten 

für das 5%- und das 95%-Perzentil. Für dieses zunächst überraschende Ergebnis bieten 

sich mindestens zwei Erklärungen an. Erstens könnte sich hierin die größere Übersichtlichkeit 

kleinerer Einheiten niederschlagen, die mit weniger X-Ineffizienz verbunden 

ist. Zum anderen schlägt sich hier sicherlich der Survivor-Bias in den Daten nieder: Während 

größere Unternehmen bei ausgeprägter Ineffizienz mit Kapazitätsabbau reagieren 

können, müssen ineffiziente Kleinunternehmen in der Regel gleich ganz schließen. Dies 

hat dann zur Folge, dass in der Gruppe der Großunternehmen mehr ineffiziente Firmen 

Tabelle 5 

Technische Effizienz und Unternehmensgröße 

Unternehmensgröße 

(Beschäftigte) 



Anzahl 

Arithmetrisches 

Mittel 


Minimum 5%-Quantil Median 95%-Quantil 

20–49 18488 62,18 13,69 1,36 40,12 62,11 84,68 

50–99 12099 60,50 13,35 1,95 38,81 60,32 82,39 

100–249 10374 58,91 12,96 5,01 38,33 58,71 79,93 

250–499 3980 57,69 12,87 8,92 35,75 57,38 78,54 

>500 3351 55,04 12,92 14,23 33,29 54,71 76,21 

Insgesamt 48292 60,19 13,49 1,36 38,53 59,98 82,27


enthalten sind als in der Gruppe der kleineren Unternehmen (ausführlicher Badunenko 

2006). 

Analysen der Determinanten der technischen Effizienz der Unternehmen auf der Mikro- 

Ebene ergeben den größten Erklärungsbeitrag für die Branchenzugehörigkeit, die Größe 

und den Standort der Unternehmen (Badunenko, Fritsch und Stephan 2006, Badunenko 

2006). Die Rechtsform, Fertigungstiefe, Niveau des Outsourcing und Alter der Unternehmen 

tragen hingegen kaum zur Erklärung der Effizienz bei. 

6 Die Struktur der technischen Effizienz innerhalb von Branchen 

Zur graphischen Darstellung der Verteilung von Unternehmenseffizienzen in einem Wirtschaftszweig 

sind in Abbildung 2 die Unternehmen beginnend mit dem effizientesten Unternehmen 

entsprechend ihrem Effizienzniveau in abfallender Reihenfolge angeordnet 

(vgl. Salter 1969, Fritsch und Stephan 2003). Das effizienteste Unternehmen bildet mit 

100 % Effizienz den Benchmark in einem Wirtschaftszweig, der zur Bestimmung der relativen 

Effizienz der übrigen Unternehmen der betreffenden Branche dient. Auf der horizontalen 

Achse ist der Produktionsanteil der Unternehmen im jeweiligen Wirtschaftszweig 

abgetragen. Daher entspricht die Breite einer Stufe dem Anteil eines Unternehmens am 

Produktionswert der betreffenden Branche. Man kann also erkennen, welchen Anteil am 

gesamten Output des jeweiligen Wirtschaftszweiges ein Unternehmen hat und welche Position 

beispielsweise das Unternehmen bezüglich der technischen Effizienz einnimmt. 

Abbildung 2 

Die Verteilung der technischen Effizienz innerhalb von Branchen: Herstellung von 

Konstruktionsteilen, Fertigbauteilen und Ausbauelementen aus Holz (WZ 20.30) 

Relative Effizienz [%] 

100 

90 

80 

70 

60 

50 

40 

30 

20 

10 

0 

0 10 20 30 40 50 60 70 80 90 100 

Produktionsanteil im Wirtschaftszweig [%] 

Quellen: Kostenstrukturerhebungen 1992–2005, eigene Berechnungen. 

1995 (n=173) 

2005 (n=134) 



Entsprechende Kurven für die Branche „Herstellung von Konstruktionsteilen, Fertigbauteilen 

und Ausbauelementen aus Holz“ (WZ 20.30) sind in Abbildung 2 wiedergegeben. 

Um die Entwicklung der Effizienzverteilung abzubilden, sind die Kurven für die Jahre 

1995 und 2005 dargestellt. Dabei werden die Effizienzen zwar für den Gesamtzeitraum 

geschätzt, und die Produktionsanteile sind Durchschnittswerte für alle Beobachtungsjahre 

eines Unternehmens. In die Kurven gehen jedoch nur die Unternehmen ein, die in dem jeweiligen 

Jahr in der Stichprobe enthalten waren. Beispielsweise lagen in der Branche 

20.30 nur für 20 der insgesamt 287 Unternehmen Werte für beide Jahre vor; die restlichen 

267 Unternehmen wurden nur in jeweils einem der beiden Jahre beobachtet. Wie in den 

meisten Branchen, sind die Kurven dadurch gekennzeichnet, dass die Positionen am oberen 

und am unteren Ende der Effizienzverteilung jeweils von Kleinunternehmen eingenommen 

werden. Dass die Grenzanbieter mit relativ niedriger Effizienz Kleinunternehmen 

sind, ist aus zwei Gründen sehr plausibel. Erstens kann es sich dabei um altetablierte 

Unternehmen handeln, die – sofern sie einmal größer waren – auf wirtschaftliche Probleme 

mit Kapazitätsabbau reagiert haben. Zweitens können dies junge Unternehmen sein, 

die auf dem Markt Fuß zu fassen versuchen. Typischerweise beginnen neue Unternehmen 

relativ klein, oft mit einer Produktionsmenge unterhalb der mindestoptimalen Größe, und 

weisen dabei ein unterdurchschnittliches Produktivitätsniveau auf. Sieht man einmal von 

den extremen Werten für das Effizienzmaß ab, so ergibt sich für die Branche eine Spannweite 

der Effizienz zwischen ca. 60 und 90%. Das etwas niedrigere Niveau der Kurve für 

das Jahr 2005 ergibt sich hier daraus, dass der Abstand des Unternehmens mit höchster 

Produktivität zum Mittelfeld zugenommen hat. Die Branche scheint im Wesentlichen 

Abbildung 3 

Die Verteilung der technischen Effizienz innerhalb von Branchen: Herstellung von Hohlglas 

(WZ 26.13) 


100 

90 

80 

70 

60 

50 

40 

30 

20 

10 



0 

0 10 20 30 40 50 60 70 80 90 100 


1995 (n=61) 

2005 (n=36)


durch kleine und mittelgroße Anbieter gekennzeichnet zu sein. Ausgesprochene Großunternehmen 

sind jedenfalls nicht erkennbar. 

Auch in der Effizienzverteilung für die Branche „Herstellung von Hohlglas“ (WZ 26.13) 

in Abbildung 3 werden die extremen Positionen durch Kleinunternehmen eingenommen. 

Von insgesamt 74 Unternehmen sind nur 23 in beiden Jahren im Sample. Hier reicht der 

mittlere Bereich ohne die extremen Fälle von ca. 55 bis ca. 80%. Auffällig ist bei dieser 

Branche, dass es einige Anbieter mit einem relativ hohen Anteil am Branchenoutput gibt. 

Ausgesprochene Großunternehmen sind auch in der Branche „Herstellung von Heizkörpern 

für Zentralheizungsanlagen und von Zentralheizungskesseln“ (WZ 28.22) zu verzeichnen 

(Abbildung 4), wobei hier die Bandbreite der mittleren Effizienzwerte zwischen 

ca. 65 und 90% liegt. Besonders deutlich ist die Bedeutung großer Unternehmen im Bereich 

„Herstellung von Kraftwagen und Kraftwagenmotoren“ (WZ 34.10) (Abbildung 5). 

Die Effizienzwerte der großen Produzenten liegen hier relativ nahe beieinander, was auf 

intensiven Wettbewerb und ähnliche Produktionsmethoden hindeutet. Der Bereich der 

mittleren Effizienz, ohne die Unternehmen mit relativ extremen Werten, ist hier relativ 

eng und liegt zwischen ca. 48 und 56 % (1995) bzw. zwischen ca. 58 und 70 % (2005). 

Hierbei sind nur 29 von insgesamt 94 Unternehmen in beiden Jahren in der Stichprobe. 

Die Annahme, dass sich die technische Effizienz im Zeitverlauf nicht ändert, erscheint als 

restriktiv, da Unternehmen, die im Wettbewerb stehen, versuchen werden, beispielsweise 

durch Veränderungen in der Organisation der Produktion effizienter zu werden. Prinzipiell 

Abbildung 4 


Heizkörpern für Zentralheizungsanlagen und von Zentralheizungskesseln (WZ 28.22) 


100 

90 

80 

70 

60 

50 

40 

30 

20 

10 

0 

0 10 20 30 40 50 60 70 80 90 100 



1995 (n=44) 

2005 (n=28) 



Abbildung 5 


Kraftwagen und Kraftwagenmotoren (WZ 34.10) 


100 

90 

80 

70 

60 

50 

40 

30 

20 

10 


ist es möglich, für einzelne Unternehmen zeitlich variable Effizienzen zu schätzen, indem 

in der Schätzgleichung zum zeitinvarianten festen Effekt 1nα i noch ein unternehmenspezifischer 

Zeittrend α it t hinzugefügt wird. Je nachdem, ob α it positiv oder negativ geschätzt 

wird, hat dann die Effizienz des Unternehmens im Zeitablauf entweder zu- oder abgenommen. 

Zu beachten ist hierbei, dass der Schätzansatz für eine zeitlich variable Effizienz nur 

dann möglich ist, wenn die Unternehmen eine ausreichend große Zahl von Beobachtungsjahren 

aufweisen. Wir haben daher bei der Schätzung zeitlich variabler Effizienzen nur 

Unternehmen mit mindestens zehn Beobachtungsjahren berücksichtigt. Tabelle 6 zeigt für 

die einzelnen Branchen, wie viele der Unternehmen jeweils eine negative oder positive 

Tendenz in der technischen Effizienz aufweisen. Etwas überraschend finden wir für die 

überwiegende Zahl von Unternehmen in den vier betrachteten Branchen einen negativen 

Trend der technischen Effizienz. Nur in der Automobilindustrie steht den Unternehmen 

mit negativem Effizienztrend eine etwa gleich große Zahl von Unternehmen mit positivem 

Trend gegenüber. 


0 

0 10 20 30 40 50 60 70 80 90 100 


1995 (n=58) 

2005 (n=65)


Tabelle 6 

Veränderung der technischen Effizienz in den einzelnen Branchen 

Branche 




Darunter auf dem 5%-Niveau 

statistisch signifikant 


7 Schlussbemerkungen 

Anzahl Unternehmen 

mit mehr als zehn 

Beobachtungen 

Veränderung der technischen Effizienz 

Negativ Positiv 

20 19 1 

2 0 

Herstellung von Hohlglas (W 26.13) 23 18 5 












6 2 

21 18 3 

4 0 

20 16 13 

2 5 

Unsere Auswertung von Angaben aus der Kostenstrukturerhebung der Statistischen Ämter 

hat gezeigt, dass Branchen in der in der Regel sehr heterogen zusammengesetzt sind. Aus 

diesem Grund ist die Branchenzugehörigkeit als Kriterium für wirtschaftspolitische Eingriffe 

fragwürdig. Ebenso fragwürdig ist die Verwendung von Summen- oder Durchschnittswerten 

für Branchenaggregate im Rahmen statistischer Analysen, da hierbei die 

Heterogenität innerhalb der Aggregate verdeckt bleibt. Die Kostenstrukturstatistik bietet, 

insbesondere bei einer Kombination mit anderen Erhebungen, eine hervorragende Grundlage 

für empirische Analysen von Produktivität und Effizienz. 

Um die Standorteffekte mit hinreichender Genauigkeit identifizieren zu können, wäre insbesondere 

die Kombination mit Angaben aus der Produktionsstatistik wünschenswert, da 

sich auf diese Weise für Mehr-Betrieb-Unternehmen die Standorteffekte genau erfassen 

lassen. Wünschenswert wäre auch eine Verknüpfung mit dem Unternehmensregister, das 

Angaben über das Alter eines Betriebes bzw. Unternehmens sowie über die Besitzverhältnisse 

(Inland vs. Ausland) enthält. Weiterhin ließen sich über eine Verknüpfung mit den 

Monatsberichten oder den Investitionserhebungen Angaben zu den Auslandsumsätzen 

bzw. zur Investitionstätigkeit der Unternehmen zuspielen. Auch erscheinen Verknüpfungen 

mit Angaben aus nicht-amtlichen Datenbanken wie der europäischen Patentstatistik 

ein viel versprechender Ansatz für zukünftige Analysen beispielsweise über die Zusammenhang 

zwischen Innovationsaktivität, Produktivität und Unternehmenseffizienz zu 



sein. Die Beantwortung solcher Fragen ist nach unserer Auffassung insbesondere für die 

Wirtschaftspolitik von großer Bedeutung. 


Aigner, Dennis, C.A. Knox Lovell und Peter Schmidt (1977): Formulation and Estimation 

of Stochastic Frontier Production Function Models. Journal of Econometrics, 6 (1), 21– 

37. 

Alvarez, Roberto und Gustavo Crespi (2003): Determinants of Technical Efficiency in 

Small Firms. Small Business Economics, 20, 233–244. 

Badunenko, Oleg (2006): Efficiency of German Manufacturing Firms During the 1990’s. 

Dissertation. Fakultät für Wirtschaftswissenschaften, Europa Universität Viadrina, 

Frankfurt (Oder). 

Badunenko, Oleg, Michael Fritsch und Andreas Stephan (2006): What Determines the 

Technical Efficiency of a Firm? The Importance of Industry, Location, and Size. Jenaer 

Schriften zur Wirtschaftswissenschaft 33/2006. Friedrich-Schiller-Universität Jena. 

Baltagi, Badi H. (2003): Econometric Analysis of Panel Data. 3. Aufl. Chichester, Wiley 

and Sons. 

Battese, George E. und Tim Coelli (1995): A Model for Technical Inefficiency Effects in a 

Stochastic Frontier Models. Empirical Economics. 20, 325–332. 

Carree, Martin A (2002): Technological Inefficiency and the Skewness of the Error Component 

in Stochastic Frontier Analysis. Economic Letters, 77, 101–107. 

Coelli, Tim, D.S. Prasada Rao und George E. Battese (2002): An Introduction to Efficiency 

and Productivity Analysis. London, Kluwer Academic Publishers. 

Farrell, Michael J. (1957): The Measurement of Productive Efficiency. Journal of the 

Royal Statistical Society, Series A (General), 120 (3), 253–290. 

Fritsch, Michael (1990): Arbeitsplatzentwicklung in Industriebetrieben - Entwurf einer 

Theorie der Arbeitsplatzdynamik und empirische Analysen auf einzelwirtschaftlicher 

Ebene. Berlin, de Gruyter. 

Fritsch, Michael, Bernd Görzig, Ottmar Hennchen und Andreas Stephan (2004): Cost 

Structure Surveys in Germany. Schmollers Jahrbuch/Journal of Applied Social Science 

Studies, 124, 557–566. 

Fritsch, Michael und Andreas Stephan (2003): Die Heterogenität der technischen Effizienzen 

innerhalb von Wirtschaftszweigen. Auswertung auf Grundlage der Kostenstrukturerhebung 

des Statistischen Bundesamts. In: Ramona Pohl, Joachim Fischer, Ulrike 

Rossmann und Klaus Semlinge (Hrsg.): Analysen zur regionalen Industrieentwicklung. 

Sonderauswertung einzelbetrieblicher Daten der amtlichen Statistik. Berlin, Statistisches 

Landesamt Berlin. 

Greene, William (1997): Frontier Production Functions. In: M. Hashem Pesaran und Peter 

Schmidt (Hrsg.): Handbook of Applied Econometrics. Vol. II. Oxford, Blackwell, 81– 

166. 

Kumbhakar, Subal C. und C.A. Knox Lovell (2000): Stochastic Frontier Analysis. Cambridge, 

Cambridge University Press. 

Mayes, David, Melanie Lansbury und Christopher Harris (1995): Inefficiency in Industry. 

Hemel Hemstead, Harvester Wheatsheaf. 

Meeusen, Wim und Julien van den Broeck (1977): Efficiency Estimation from Cobb-Douglas 

Production Functions with Composed Error. International Economic Review, 18 

(2), 435–444. 



Salter, Wilfred. E. (1969): Productivity and Technical Change. 2. Aufl. Cambridge, Cambridge 

University Press. 

Schmidt, Peter und Robin C. Sickles (1984): Production Frontier and Panel Data. Journal 

of Business and Economic Statistics, 2 (4), 367–374. 

Sickles, Robin C. (2005): Panel Estimators and the Identification of Firm-Specific efficiencylevels 

in Parametric, Semiparametric and Nonparametric Settings. Journal of 

Econometrics, 126, 305–334. 

Statistisches Bundesamt (1994): Klassifikation der Wirtschaftszweige mit Erläuterungen – 

Ausgabe 1993. Stuttgart, Metzer-Poeschel. 

Statistisches Bundesamt (verschiedene Jahrgänge): Kostenstrukturerhebung im Verarbeitenden 

Gewerbe. Fachserie 4, Reihe 4.3. Stuttgart, Metzler-Poeschel. 


Jobmotor Mittelstand? 

Arbeitsplatzdynamik und Betriebsgröße 

in der westdeutschen Industrie* 

Von Joachim Wagner** 




76 (2007), 3, S. 76–87 

Zusammenfassung: In der öffentlichen Diskussion gilt als allgemein akzeptiert, dass in Deutschland 

ein Zusammenhang zwischen Firmengröße und Arbeitsplatzdynamik besteht, der sich durch den stilisierten 

Fakt beschreiben lässt, dass kleine und mittlere Firmen vorwiegend Arbeitsplätze schaffen, 

während in großen Firmen vor allem Arbeitsplätze abgebaut werden. Der Mittelstand gilt als Jobmotor. 

Der vorliegende Beitrag zeigt, dass eine Auswertung von Längsschnittdaten für Betriebe Zweifel 

an dieser einfachen Sichtweise begründen kann. In mittelständischen Betrieben entstehen viele 

Arbeitsplätze, aber es werden auch viele abgebaut, und dasselbe gilt für Großbetriebe. Wachsende 

und schrumpfende, neu gegründete und geschlossene Betriebe sind in jeweils erheblichem Umfang in 

jedem Jahr in allen Größenklassen anzutreffen. Wirtschaftspolitische Maßnahmen mit einer spezifischen 

Ausrichtung auf bestimmte Firmengrößenklassen lassen sich daher nicht mit einem besonders 

ausgeprägten Beitrag dieser Firmen zur Beschäftigungsdynamik rechtfertigen. 

Summary: It is often argued that in Germany jobs are mostly created in small and medium sized 

firms, while large firms generally tend to destroy jobs. The so-called Mittelstand is considered as the 

engine of job creation. Using panel data for manufacturing firms this paper demonstrates that this 

simple view is wrong. Growing and shrinking firms, entries and exits can be found in a substantial 

amount in all size classes in each time period considered. Economic policy measures with a special 

focus on firms from different size classes, therefore, can not be justified by pointing to an extraordinary 

large contribution of these firms to job creation. 

JEL Classification: J23, L60 

Keywords: Firm size, job creation and destruction, firm panel data 

1 Motivation 

Der Mittelstand gilt als Jobmotor der deutschen Wirtschaft. „Die neue Regierung wird 

sich […] in ganz besonderer Weise für den Mittelstand einsetzen […]. Dort ist der Jobmotor 

am wirkungsvollsten […]“ – so Bundeskanzlerin Angela Merkel in ihrer Regierungserklärung 

vom 30. November 2005 vor dem Deutschen Bundestag. Entsprechende Äußerungen 

finden sich seit langer Zeit in zahllosen öffentlichen Verlautbarungen von 

Wirtschaftspolitikern, Verbandsvertretern und Journalisten. Die Eingabe „Jobmotor Mittelstand“ 

in Google erbrachte am 3. April 2007 rund 42600 Treffer in 0,11 Sekunden. 

* Alle Berechnungen mit vertraulichen Betriebsdaten wurden im Forschungsdatenzentrum der Statistischen 

Ämter der Länder in Berlin durchgeführt. Ich danke Ramona Pohl für die hervorragende Betreuung dieses Projekts 

im FDZ; Brigitte Scheiter danke ich für die sorgfältige Anfertigung der Tabellen. 

** Leuphana Universität Lüneburg, Institut für Volkswirtschaftslehre, Postfach 2440, 21314 Lüneburg, E-Mail: 

wagner@uni-lueneburg.de

Jobmotor Mittelstand? Arbeitsplatzdynamik und Betriebsgröße in der westdeutschen Industrie 

Ganz offensichtlich wird breit akzeptiert, dass in Deutschland ein Zusammenhang zwischen 

der Firmengröße und der Arbeitsplatzdynamik besteht, der sich durch den stilisierten 

Fakt beschreiben lässt, dass kleine und mittlere Firmen vorwiegend Arbeitsplätze 

schaffen, während in großen Firmen vor allem Arbeitsplätze abgebaut werden. Anders als 

Wissenschaftler sind Politiker, Verbandsvertreter und Journalisten nicht gezwungen, die 

Quellen ihrer Aussagen offen zu legen und die Methoden, mit denen diese arbeiten, kritisch 

zu hinterfragen. Dies ist bedauerlich, denn in der wissenschaftlichen Diskussion wird 

seit vielen Jahren argumentiert, dass diese These eines negativen Zusammenhangs zwischen 

Arbeitsplatzdynamik und Firmengröße so nicht haltbar ist. 

Der vorliegende Beitrag will helfen, die Tragfähigkeit dieser weit verbreiteten Meinung 

besser einschätzen zu können. Gleichzeitig will er damit das Potenzial verdeutlichen, dass 

über die Zeit verknüpfte Daten für einzelne Firmen – so genannte Betriebspaneldaten – als 

Basis für wissenschaftliche Politikberatung beinhalten. 

Im folgenden Abschnitt 2 werden die Datenbasis und das methodische Vorgehen beschrieben, 

in Abschnitt 3 werden die Ergebnisse vorgestellt und diskutiert. Abschnitt 4 zieht 

Schlussfolgerungen hieraus zur Bedeutung von Firmenpaneldaten als Basis einer fundierten 

wissenschaftlichen Politikberatung. 

2 Datenbasis und Analysemethode 

Die These vom „Jobmotor Mittelstand“ beruht auf Ergebnissen empirischer Untersuchungen, 

in denen die Arbeitsplatzentwicklung für Betriebe getrennt nach Größenklassen untersucht 

wird. Dass hier ein Fallstrick lauert, ist seit langer Zeit bekannt, ebenso ein Lösungsweg 

(vgl. Davis, Haltiwanger und Schuh 1996). 

Untersucht man die Entwicklung der Beschäftigung in verschiedenen Betriebsgrößenklassen 

zwischen zwei Jahren t 0 und t 1 , und greift man dafür auf publizierte Angaben aus der 

amtlichen Statistik zurück, dann werden die Betriebe hierbei nach ihrer Größe in der Basisperiode 

t 0 einer Größenklasse zugeordnet. Betrachtet man mehr als einen Zwei-Jahres- 

Zeitraum, also z.B. zusätzlich auch noch den Zeitraum t 1 bis t 2 , dann werden die Betriebe 

für die Untersuchung dieses weiteren Zeitraums neu nach ihrer Größe in t 1 sortiert. Und 

genau dies kann zu einer „zu guten“ Darstellung der Beschäftigungsentwicklung in kleinen 

Betrieben führen, wenn Beschäftigungsveränderungen lediglich vorübergehenden – 

transitorischen – Charakter haben und sich daher in der Folgeperiode umkehren. Um dies 

zu illustrieren betrachten wir eine Ökonomie, die nur aus zwei Betrieben besteht, und wir 

nehmen an, dass wir folgende Beschäftigtenzahlen in den drei Jahren t 0 , t 1 und t 2 beobachten: 

t 0 t 1 t 2 

Betrieb A 16 21 16 

Betrieb B 24 16 24 

Kleinbetriebe seien als Betriebe mit einem bis 19 Beschäftigten definiert, Großbetriebe als 

solche mit 20 und mehr Beschäftigten. Betrachtet man den ersten Zwei-Jahres-Zeitraum, 


Joachim Wagner 

dann ist Betrieb A ein Kleinbetrieb mit einer positiven Wachstumsrate von +31,25% und 

Betrieb B ein Großbetrieb mit einer negativen Wachstumsrate von –33,33%. Für den 

zweiten Zwei-Jahres-Zeitraum ist jetzt der Betrieb B ein Kleinbetrieb und hat eine Wachstumsrate 

von +50%, während Betrieb A jetzt als Großbetrieb zählt und eine Wachstumsrate 

von –23,81% aufweist. Demnach wachsen Kleinbetriebe und Großbetriebe schrumpfen 

– obwohl jeder Betrieb am Ende der Betrachtungsperiode in t 3 exakt so viele Personen beschäftigt 

wie zu Beginn in t 1 ! 

Natürlich ist dies Beispiel drastisch – soll es ja auch sein. Ob und wie stark dieser Effekt 

der „regression-to-the-mean“ durchschlägt, hängt ab von der relativen Bedeutung transitorischer 

verglichen mit allen anderen Beschäftigungsänderungen und von der Abgrenzung 

der Größenklassen. Alternativ kann man Betriebe auch nach ihrer Durchschnittsgröße im 

jeweiligen Untersuchungszeitraum in Größenklassen einsortieren – in unserem Beispiel 

gilt dann der Betrieb A immer als Kleinbetrieb und der Betrieb B immer als Großbetrieb, 

und wir erhalten ein ganz anderes Bild (wobei sich allerdings bei den hier unterstellten 

recht großen Werten der Veränderung der Beschäftigung von Jahr zu Jahr einmal mehr der 

„base shift effect“ zeigt, denn ein Wachstum um 50%, gefolgt von einer Schrumpfung um 

50%, bringt uns eben nicht wieder zurück auf das Ausgangsniveau – bei kleineren und 

realistischeren Änderungen ist dieser Effekt vernachlässigbar). 

Überprüfen lässt sich die Bedeutung transitorischer Beschäftigungsveränderungen, verbunden 

mit dem Wechsel von Betriebsgrößenklassen, für den Zusammenhang zwischen 

Betriebsgröße und Beschäftigungswachstum nur, wenn man auf Einzeldaten für die Betriebe 

in der Form eines Betriebspanels zurückgreifen kann und alternativ die Betriebe 

nach der Größe im Basisjahr und nach ihrer Durchschnittsgröße zuordnen kann. Solche 

Datensätze gibt es für deutsche Industriebetriebe bereits seit vielen Jahren für einzelne 

Bundesländer, und diese wurden für entsprechende Untersuchungen des Zusammenhangs 

von Betriebsgröße und Arbeitsplatzdynamik genutzt. 1 Seit Ende 2006 ist erstmals ein solches 

Betriebspanel für ganz Deutschland verfügbar. 2 Enthalten sind für den Wirtschaftsbereich 

Verarbeitendes Gewerbe und Bergbau und Gewinnung von Steinen und Erden (im 

Folgenden kurz und etwas ungenau als Industrie bezeichnet) Informationen zu allen Betrieben 

(definiert als örtlich abgegrenzte Produktionseinheit einschließlich der in ihrer unmittelbaren 

Umgebung liegenden und von ihr abhängenden Einheiten) aus den Jahren 

1995 (dem ersten Jahr nach dem Übergang auf eine neue Wirtschaftszweigklassifikation, 

verbunden mit einer Änderung des Berichtskreises) bis 2002 (dem letzten Jahr, für das Informationen 

für industrielle Kleinbetriebe mit weniger als 20 tätigen Personen vorliegen, 

da die jährliche Kleinbetriebserhebung anschließend eingestellt wurde). 

In der vorliegenden Studie wird dieser neu verfügbare Paneldatensatz genutzt. Hierbei 

werden die Betriebe – alternativ nach der Anzahl der in ihnen tätigen Personen im ersten 

von jeweils zwei betrachteten auf einander folgenden Jahren oder im Durchschnitt dieser 

beiden Jahre – in sechs Größenklassen eingeteilt: GK1 mit weniger als 20 Personen, GK2 

mit 20 bis 49 Personen, GK3 mit 50 bis 99 Personen, GK4 mit 100 bis 249 Personen, GK5 

1 Vgl. Wagner (1995) für Niedersachsen 1978 bis 1993, Strotmann (2002) für Baden-Württemberg 1980 bis 

1999 und Wagner (2002) für Mecklenburg-Vorpommern 1995 bis 1999. 

2 Konold (2007) beschreibt diese Daten und den Zugang zu ihnen in den Forschungsdatenzentren des Statistischen 

Bundesamtes und der Statistischen Ämter der Länder; vgl. hierzu auch den Beitrag von Malchin und Pohl 

(2007) in diesem Heft. 



mit 250 bis 499 Personen und GK6 mit 500 und mehr Personen. 3 Nach einer gängigen Abgrenzung 

umfassen damit die Größenklassen 1 bis 4 den Mittelstand (wobei die Betriebe 

aus GK1 und GK2 als Kleinbetriebe und die aus GK2 und GK3 als Mittelbetriebe gelten) 

und die Größenklassen 5 und 6 die Großbetriebe. 4 

Für die Betriebe jeder Größenklasse wird für einen Zeitraum von zwei aufeinander folgenden 

Jahren t 0 und t 1 (z.B. 1995 und 1996) ermittelt, ob ein Betrieb gewachsen ist (also in t 1 

mehr tätige Personen gemeldet hat als in t 0 ) oder geschrumpft ist. Neue Betriebe, die in t 1 , 

aber nicht in t 0 im Datensatz enthalten sind, zählen hierbei zur ersten Gruppe; da es sich 

hierbei auch um Verlagerungen aus anderen Teilen der Wirtschaft wie etwa dem Dienstleistungssektor 

oder aus dem Ausland handeln kann, werden diese im Datensatz neuen 

Betriebe hier nicht als Gründungen, sondern als Zugänge bezeichnet. Ebenso kann es sich 

bei den Abgängen, die in t 0 ,aber nicht in t 1 im Datensatz enthalten sind, sowohl um Schließungen 

als auch um Verlagerungen in andere Teile der Wirtschaft oder ins Ausland handeln. 

Aggregiert man die Zuwächse an tätigen Personen bei den gewachsenen Betrieben 

und den Zugängen und setzt man diese in Beziehung zur Anzahl der tätigen Personen im 

Anfangsjahr, dann erhält man die Bruttowachstumsrate der Beschäftigung. Aggregiert 

man die Arbeitsplatzverluste in geschrumpften Betrieben und in den Abgängen und teilt 

diese durch die Anzahl tätiger Personen im Anfangsjahr, dann erhält man die Bruttoabbaurate 

der Beschäftigung. Die Differenz beider Raten ist dann die (positive oder negative) 

Nettowachstumsrate der Beschäftigung in allen Betrieben aus einer Größenklasse. 

Aus den Publikationen der amtlichen Statistik lassen sich nur die jeweiligen Nettowachstumsraten 

der Beschäftigung in Betrieben einer Größenklasse bei einer Zuordnung der Betriebe 

in die Größenklassen nach der Anzahl tätiger Personen im Basisjahr des Betrachtungszeitraums 

entnehmen. Diese Angaben bilden die Basis von evidenzbasierten 

Aussagen zum Zusammenhang von Betriebsgröße und Arbeitsplatzdynamik. Die hinter 

dieser Nettoveränderung stehenden gegenläufigen positiven bzw. negativen Bruttoveränderungen 

bleiben dabei ebenso verborgen wie die Netto- und Bruttoveränderungen bei einer 

Einteilung in Größenklassen nach der Durchschnittsgröße der Betriebe im jeweiligen 

Betrachtungszeitraum. Im folgenden Abschnitt soll gezeigt werden, welche weitergehenden 

Erkenntnisse zum Zusammenhang von Arbeitsplatzdynamik und Betriebsgröße sich 

aus einer zusätzlichen Betrachtung dieser Bruttoströme und einer alternativen Zuordnung 

der Betriebe in Größenklassen nach der Durchschnittszahl der Arbeitsplätze gewinnen lassen. 

3 Ergebnisse der empirischen Analyse 

Die Anzahl der insgesamt in westdeutschen Industriebetrieben tätigen Personen ist im Untersuchungszeitraum 

1995 bis 2002 um 7,3% von 6,386 Millionen auf 5,920 Millionen 

3 Die Analysen müssen sich hierbei auf Westdeutschland beschränken, da für Ostdeutschland bereits in der 

Größenklasse 5 (und verstärkt dann in der Größenklasse 6) Geheimhaltungsfälle auftraten. (Wissenschaftler, 

die mit vertraulichen Betriebsdaten arbeiten, kennen dies Problem nur zu gut – ihr Blues hat wegen der bei der 

Geheimschutzprüfung die Ziffern ersetzenden Sterne die Melodie „Weißt du, wie viel Sternlein stehen …“) 

Wegen der im betrachteten Zeitraum gegebenen strukturellen Unterschiede zwischen West- und Ostdeutschland 

ist eine Analyse für Gesamtdeutschland nicht angebracht. 

4 Die Abgrenzung mittelständischer Firmen ist nicht unstrittig, denn neben der Anzahl der Beschäftigten werden 

oft auch noch der Umsatz oder die Bilanzsumme pro Jahr sowie die Besitzverhältnisse (vom Eigentümer 

geführtes Unternehmen) herangezogen; vgl. hierzu Wolter und Hauser (2001). 



gesunken. In Tabelle 1 sind die prozentualen Anteile der Betriebe aus den sechs Größenklassen 

an allen Arbeitsplätzen in der westdeutschen Industrie zwischen 1995 und 2002 

angegeben, wobei die Werte in der oberen Tabellenhälfte für die (übliche) Zuordnung von 

Betrieben nach der Anzahl tätiger Personen im jeweils ersten Jahr des betrachteten Zwei- 

Jahres-Zeitraums gelten, während in der unteren Hälfte der Tabelle die entsprechenden 

Werte bei einer Größenklassenzuordnung nach dem Durchschnitt der Beschäftigtenzahl in 

beiden Jahren aufgelistet sind. Im Untersuchungszeitraum war die nach beiden Verfahren 

berechnete Größenklassenverteilung sehr ähnlich. Unterschiede über die Zeit lassen sich 

kaum feststellen; leichten Anteilsgewinnen der Größenklassen 1 bis 5 steht ein geringfügi- 

Tabelle 1 

Prozentuale Anteile der Betriebe an allen Arbeitsplätzen nach zwei Arten der Zuordnung 

zu Größenklassen 

Westdeutsche Industriebetriebe, 1995/1996–2001/2002 

1. Größenklassenzuordnung nach Anzahl Arbeitsplätze im Basisjahr 

GK1 GK2 GK3 GK4 GK5 GK6 

Anzahl Personen < 20 20–49 50–99 100–249 250–499 > = 500 

Zeitraum 

Quelle: Eigene Berechnungen. 


1995/1996 4,70 8,65 9,95 17,20 14,51 44,98 

1996/1997 5,11 8,74 10,08 17,45 14,65 43,97 

1997/1998 4,97 9,57 10,29 17,45 14,58 43,14 

1998/1999 8,15 9,02 10,13 17,24 14,44 42,67 

1999/2000 4,88 9,42 10,5 17,59 14,86 42,75 

2000/2001 4,77 9,27 10,45 17,74 15,22 42,55 

2001/2002 5,10 9,32 10,36 17,65 15,02 42,55 

2. Größenklassenzuordnung nach durchschnittlicher Anzahl Arbeitsplätze im Basisjahr und Endjahr 

GK1 GK2 GK3 GK4 GK5 GK6 

Anzahl Personen < 20 20–49 50–99 100–249 250–499 > = 500 

Zeitraum 

1995/1996 5,42 8,73 10,06 17,11 14,56 44,12 

1996/1997 5,40 8,85 10,17 17,42 14,64 43,51 

1997/1998 5,26 9,54 10,26 17,32 14,69 42,93 

1998/1999 5,34 9,35 10,33 17,39 14,78 42,82 

1999/2000 5,14 9,42 10,4 17,6 14,98 42,45 

2000/2001 5,02 9,29 10,45 17,64 15,21 42,39 

2001/2002 5,49 9,41 10,34 17,84 14,97 41,96


ger Rückgang des Anteils der Beschäftigten in den Betrieben mit 500 oder mehr Personen 

an allen Industriebeschäftigten in Westdeutschland gegenüber. 

In der Tabelle 2 sind die Nettowachstumsraten sowie die Bruttowachstumsraten und die 

Bruttoabbauraten der Beschäftigung für die Betriebe aus den sechs Größenklassen und die 

Zeiträume von 1995/96 bis 2001/2002 angegeben. Hierbei finden sich die Werte für eine 

Größenklassenzuordnung nach der Anzahl Personen im jeweiligen Basisjahr in der ersten 

Hälfte der Tabelle, entsprechende Angaben bei einer Größenklassenzuordnung nach 

durchschnittlicher Arbeitsplatzzahl in Basis- und Endjahr in der zweiten Hälfte. 

Die in der oberen Hälfte der Tabelle 2 ausgewiesene Nettowachstumsrate der Arbeitsplätze 

in den Betriebsgrößenklassen (bei Zuordnung der Betriebe nach Anzahl der Beschäftigten 

im jeweiligen Basisjahr) enthält Informationen der Art, wie sie üblicherweise publiziert 

werden und damit allgemein zugänglich sind. Für alle sieben hier betrachteten Zwei- 

Jahres-Zeiträume ist dabei festzustellen, dass ausschließlich die kleinste Größenklasse (in 

der, wie in Tabelle 1 gezeigt, nur rund 5% aller Industriearbeitsplätze zu finden sind) positive 

Werte aufweist. In allen anderen Größenklassen ist die Wachstumsrate in allen betrachteten 

Perioden negativ, wobei die Absolutwerte der negativen Wachstumsraten mit 

steigender Betriebsgrößenklasse tendenziell abnehmen. Einen Beleg für die These vom 

„Jobmotor Mittelstand“ lässt sich für die hier betrachteten westdeutschen Industriebetriebe 

damit nicht finden. 

Wie im vorigen Abschnitt bei der Diskussion des Analyseansatzes bereits herausgestellt, 

ergibt sich die Nettowachstumsrate der Arbeitsplätze als Differenz der Bruttowachstumsrate 

und der Bruttoabbaurate, wobei man die Bruttowachstumsrate aus den Zuwächsen an 

tätigen Personen bei den gewachsenen Betrieben und den Zugängen ermittelt, während 

sich die Bruttoabbaurate aus den Arbeitsplatzverlusten in geschrumpften Betrieben und in 

Abgängen ergibt. Angaben zu diesen beiden Bruttoraten, die sich nicht in den Publikationen 

der amtlichen Statistik finden, sind für die sieben untersuchten Zeiträume in Tabelle 2 

abgedruckt. Hier wird sehr deutlich, dass neue Arbeitsplätze keineswegs nur im Mittelstand 

entstehen und dass sich der Arbeitsplatzabbau keineswegs auf die Großbetriebe beschränkt. 

In allen Größenklassen und in jedem betrachteten Zwei-Jahres-Zeitraum finden 

sich gleichzeitig Betriebe, in denen Arbeitsplätze neu entstehen und Betriebe, in denen 

Arbeitsplätze abgebaut werden. 5 

Betrachtet man die Bruttowachstumsraten, dann zeigt sich ein negativer Zusammenhang 

mit der Betriebsgröße – kleinere Betriebe weisen höhere Bruttowachstumsraten auf als 

größere. Hierbei ist zu beachten, dass bei einer Zuordnung von Betrieben in Größenklassen 

nach der Personenzahl im Basisjahr alle in t 1 neu erfassten Betriebe („Zugänge“) definitionsgemäß 

zur GK1 gezählt werden, da sie in t 0 ja nicht im Datensatz enthalten sind 

und daher weniger als 20 tätige Personen aufweisen. Dies schlägt bei den sehr hohen Bruttowachstumsraten 

der Betriebe in der GK1 deutlich zu Buche – die Bruttowachstumsraten 

aufgrund von Zugängen betragen in den sieben hier betrachteten Zeiträumen in zeitlicher 

Reihenfolge 21,49%, 51,24%, 32,27%, 40,29%, 27,25%, 49,21% und 56,43%. Das ist 

5 Hierbei ist zu beachten, dass in dieser Studie die Anzahl der Arbeitsplätze in einem Betrieb in zwei Jahren 

verglichen wird. Wenn innerhalb dieser Zeit in dem Betrieb, z.B. in einer Abteilung, Arbeitsplätze entstehen und 

in einer anderen Abteilung Arbeitsplätze abgebaut werden, dann geht lediglich der Nettoeffekt auf 

Betriebsebene in die Berechnungen ein. 


Tabelle 2 


Nettowachstumsrate, Bruttowachstumsrate und Bruttoabbaurate der Arbeitsplätze (%) nach zwei Arten der Zuordnung zu Größenklassen in 

westdeutschen Industriebetrieben, 1995–2001 


1. Größenklassenzuordnung nach Anzahl Arbeitsplätze im Basisjahr 

Größenklasse GK1 GK2 GK3 GK4 GK5 GK6 

Zeitraum 

Anzahl Personen < 20 20-–9 50–90 100–249 250–499 > = 500 

1995/96 Nettowachstumsrate 12,38 –6,24 –4,59 –4,86 –4,28 –4,49 

Bruttowachstumsrate 29,18 3,47 3,12 2,56 2,16 1,19 

Bruttoabbaurate –16,80 –9,71 –7,71 –7,42 –6,44 –5,68 


















Bruttoabbaurate –19,98 –10,69 –8,44 –7,34 –6,29 –4,75


Fortsetzung Tabelle 2 

2. Größenklassenzuordnung nach durchschnittlicher Anzahl Arbeitsplätze im Basisjahr und Endjahr 


Zeitraum 


1995/96 Nettowachstumsrate –8,68 –3,82 –4,00 –2,93 –3,57 –3,65 



1996/97 Nettowachstumsrate 4,78 1,44 –2,03 –2,23 –2,33 –2,25 



1997/98 Nettowachstumsrate –1,32 –0,81 0,37 0,55 –0,01 –0,18 



1998/99 Nettowachstumsrate –3,67 –0,16 –0,69 –0,17 –0,87 –1,37 



1999/00 Nettowachstumsrate –4,24 –1,48 0,31 0,58 –0,34 –0,47 



2000/01 Nettowachstumsrate 9,20 –0,07 –0,07 0,42 0,00 0,31 



2001/02 Nettowachstumsrate 0,29 0,00 –1,05 –2,35 –2,68 –2,03 






der Löwenanteil an den Bruttowachstumsraten, und es erklärt auch zu einem sehr großen 

Teil die hohen positiven Werte der Nettowachstumsrate der Betriebe aus der kleinsten 

Größenklasse. 

Bei der Bruttoabbaurate finden wir ein umgekehrtes Bild verglichen mit der Bruttowachstumsrate: 

Je größer der Betrieb, desto geringer ist die prozentuale Rate des Arbeitsplatzabbaus. 

Dies ist auch eine Folge davon, dass sich Abgänge (z.B. in Form von Betriebsschließungen) 

sehr viel häufiger in den kleineren Betriebsgrößenklassen finden. 

Ordnet man die Betriebe nicht nach der Anzahl der Beschäftigten im Basisjahr, sondern 

nach der Durchschnittszahl der Arbeitsplätze in Basis- und Endjahr den Betriebsgrößenklassen 

zu, dann zeigt sich in der zweiten Hälfte von Tabelle 2 ein in vieler Hinsicht anderes 

Bild. Zwar finden wir auch hier in jedem betrachten Zeitraum in jeder Größenklasse in 

erheblichen Umfang gleichzeitig Bruttowachstum und Bruttoabbau von Arbeitsplätzen, 

und die Bruttowachstums- sowie Bruttoabbaurate nehmen (absolut gesehen) mit steigender 

Betriebsgröße ab, der Zusammenhang zwischen Netto-Veränderungsraten der Beschäftigung 

und Betriebsgrößenklassen sieht aber grundlegend anders aus: Die Nettowachstumsrate 

ist jetzt keineswegs mehr in jedem Jahr in der Größenklasse 1 am höchsten 

– in vier von sieben betrachteten Perioden weisen die Betriebe aus dieser Größenklasse 

sogar die schlechteste Arbeitsplatzentwicklung auf! Ein systematischer Zusammenhang 

zwischen der Netto-Arbeitsplatzentwicklung und der Betriebsgrößenklasse ist nicht zu erkennen, 

es zeigen sich vielmehr Unterschiede zwischen den einzelnen Perioden. Ein Beleg 

für die „Jobmotor-Mittelstand“-These lässt sich aus diesen Befunden nicht herleiten. 

Wie groß war der Anteil der Betriebe in den einzelnen Betriebsgrößenklassen an den insgesamt 

in einer Periode geschaffenen Arbeitsplätzen bzw. an den im jeweils betrachteten 

Zeitraum abgebauten Arbeitsplätzen? Wie sehen diese Anteilswerte am Arbeitsplatzaufbau 

und Arbeitsplatzabbau verglichen mit den Anteilen an allen Beschäftigten aus? Eine 

Antwort auf diese Frage gibt die Tabelle 3. 

Zunächst einmal wird deutlich, dass neue Arbeitsplätze in Betrieben aus allen Größenklassen 

in jeweils erheblichem Umfang entstehen. Man erkennt ferner, dass die „kleinen 

Mittelständler“ aus den Größenklassen 1 und 2 verglichen mit ihrem Anteil an der Gesamtbeschäftigung 

in allen betrachteten Zwei-Jahres-Zeiträumen überproportional viele 

Arbeitsplätze geschaffen haben – gleichzeitig waren sie aber auch überproportional am 

Abbau von Arbeitsplätzen beteiligt. Bei den „großen Mittelständlern“ aus den Größenklassen 

3 und 4 entsprechen die Anteile am Arbeitsplatzaufbau und -abbau in etwa den 

Anteilen an der Gesamtbeschäftigung. Die Großbetriebe mit 250 und mehr Beschäftigten 

weisen sowohl bei der Arbeitsplatzschaffung als auch beim Arbeitsplatzabbau verglichen 

mit ihrem Anteil an allen Beschäftigten unterproportionale Werte auf. Zwischen rund einem 

Viertel und einem Drittel aller neuen Industriearbeitsplätze insgesamt entstanden 

hierbei in den Großbetrieben, die etwas mehr als die Hälfte aller Arbeitsplätze bereitstellten. 

Auch bei dieser Art der Betrachtung finden sich keine Indizien, die eine Sichtweise 

des Mittelstandes als alleinigen Jobmotor stützen. 



Tabelle 3 

Anteile am Arbeitsplatzaufbau, Arbeitsplatzabbau und an allen Arbeitsplätzen (%) von westdeutschen Industriebetrieben nach 

Betriebsgrößenklassen, 1995–2001 


Zeitraum 


1995/96 Arbeitsplatzaufbau 20,70 15,44 13,18 18,44 11,71 20,53 

Arbeitsplatzabbau 16,22 11,87 11,74 15,58 12,68 31,90 

Anteil an allen Arbeitsplätzen 5,42 8,73 10,06 17,11 14,56 44,12 






















4 Folgerungen für die wissenschaftliche Politikberatung 

Die hier vorgelegten empirischen Befunde belegen einmal mehr, dass die These vom 

„Jobmotor Mittelstand“ viel zu undifferenziert ist. 6 In mittelständischen Betrieben entstehen 

viele Arbeitsplätze, aber es werden auch viele abgebaut, und dasselbe gilt für Großbetriebe. 

Diese Ergebnisse zeigen in dieselbe Richtung wie die, die wir aus Überprüfungen 

der Gültigkeit des Gibrat-Gesetzes – wonach Firmengröße und Firmenwachstum unabhängig 

voneinander sind – für Deutschland mit Daten aus Erhebungen der amtlichen Statistik 

erhalten haben (vgl. Wagner 1992, Schmidt 1995, Strotmann 2002). Ferner zeigen 

Komponentenzerlegungen der Arbeitsplatzdynamik, dass wachsende und schrumpfende, 

neu gegründete und geschlossene Betriebe in jeweils erheblichem Umfang in jedem Jahr 

in allen Größenklassen anzutreffen sind (vgl. z.B. für Berlin Fischer, Pohl und Semlinger 

2004, für Mecklenburg-Vorpommern Wagner 2002, für Niedersachsen Gerlach und Wagner 

1992). 

Wirtschaftspolitische Maßnahmen mit einer spezifischen Ausrichtung auf bestimmte Firmengrößenklassen 

lassen sich daher nicht mit einem besonders ausgeprägten Beitrag dieser 

Firmen zur Beschäftigungsdynamik rechtfertigen. Hier gilt die von Brown, Hamilton 

und Medoff (1990: 91) auf der Basis umfangreicher Studien mit US-amerikanischen Daten 

gezogene Schlußfolgerung: 


„Sentiments aside, the results of our research suggest a clear message for policies affecting 

large and small firms: do not judge employers by their size alone.“ 

Die empirischen Befunde, die die hier vertretene skeptische Haltung gegenüber der These 

vom „Jobmotor Mittelstand“ stützen, beruhen auf empirischen Analysen mit Betriebspaneldaten. 

Solche Mikrodaten für Firmen haben sich in zahlreichen Untersuchungen zu 

weiteren Fragestellungen ebenfalls als wertvolle – wenn nicht unverzichtbare – Basis für 

wissenschaftliche Studien und für daraus abzuleitende politikrelevante Folgerungen erwiesen 

(vgl. Wagner 2006 für eine Übersicht hierzu). Immer wieder zeigt sich hier, dass 

sich wirtschaftspolitische Maßnahmen nicht an Kategorien wie Wirtschaftszweig oder Firmengröße 

orientieren sollten, denn diese Einteilungen sind nicht trennscharf im Hinblick 

auf Eigenschaften von Betrieben wie Wachstum, Exporterfolg oder Effizienz. James 

Heckman (2001: 673) hat dies in seiner Nobelpreisrede so auf den Punkt gebracht: 

„The most important discovery [from microeconometric investigations, J.W.] was the evidence 

on the pervasiveness of heterogeneity and diversity in economic life.“ 

Anders formuliert: Firmen sind sehr heterogene Individuen, sie lassen sich nicht – zumindest 

nicht gut fundiert – einfach in Kästchen sortieren und so Zielgruppen wirtschaftspolitischer 

Eingriffe zuordnen. Deshalb sollte auf entsprechende Maßnahmen und Programme 

verzichtet werden. 

6 Dies gilt zumindest für den hier betrachteten Sektor Industrie. Da vergleichbare Betriebspaneldaten für die 

Dienstleistungssektoren aus Erhebungen der amtlichen Statistik nicht vorliegen, ist die Übertragbarkeit der 

Aussage auf diesen immer wichtigeren Teil der Wirtschaft eine offene Frage.



Brown, C., J. Hamilton und J. Medoff (1990): Employers large and small. Cambridge und 

London. 

Davis, S.J., J. Haltiwanger und S. Schuh (1996): Small business and job creation: Dissecting 

the myth and reassessing the facts. Small Business Economics, 8 (4), 297–315. 

Fischer, J., R. Pohl und K. Semlinger (2004): Berlins Industrie nach der Wiedervereinigung. 

Was bringt die neue Gründerzeit? Berlin. 

Gerlach, K. und J. Wagner (1992): Die Beschäftigungsdynamik im Bergbau und Verarbeitenden 

Gewerbe in Niedersachsen: Eine Komponentenanalyse für den Zeitraum 1978 

bis 1990. Statistische Monatshefte Niedersachsen, 46 (1), 5–10. 

Heckmann, J.J. (2001): Micro data, heterogeneity, and the evaluation of public policy: 

nobel lecture. Journal of Political Economy, 109, 673–748. 

Konold, M. (2007): New possibilities for economic research through integration of establishment-level 

panel data of German official statistics. Schmollers Jahrbuch, 127 (2), 

321–334. 

Malchin, A. und R. Pohl (2007): Firmendaten der amtlichen Statistik – Datenzugang und 

neue Entwicklungen im Forschungsdatenzentrum. In diesem Heft, S. 8–16. 

Schmidt, E.M. (1995): Betriebsgröße, Beschäftigtenentwicklung und Entlohnung. Eine 

ökonometrische Analyse für die Bundesrepublik Deutschland. Frankfurt a.M., New 

York. 

Strotmann, H. (2002): Arbeitsplatzdynamik in der baden-württembergischen Industrie. 

Eine Analyse mit amtlichen Betriebsdaten. Frankfurt a.M. u.a. 

Wagner, J. (1992): Firm size, firm growth, and persistence of chance: testing Gibrat’s law 

with establishment data from Lower Saxony, 1978–1989. Small Business Economics, 4 

(2), 125–131. 

Wagner, J. (1995): Firm size and job creation in Germany. Small Business Economics, 7 

(4), 469–474. 

Wagner, J. (2002): Arbeitsplatzdynamik in den Industriebetrieben der Raumordnungsregionen 

Mecklenburg-Vorpommern (1995–1999). Statistische Monatshefte Mecklenburg-Vorpommern, 

12 (2), 38–55. 

Wagner, J. (2006): Politikrelevante Folgerungen aus Analysen mit Firmendaten der Amtlichen 

Statistik. Schmollers Jahrbuch, 126, 359–374. 

Wolter, H.-J. und H.-E. Hauser (2001): Die Bedeutung des Eigentümerunternehmens in 

Deutschland – Eine Auseinandersetzung mit der qualitativen und quantitativen Definition 

des Mittelstands. Jahrbuch zur Mittelstandsforschung 1/2001. Wiesbaden, Deutscher 

Universitätsverlag, 25–77. 


Beschäftigungsprognosen auf Basis 

amtlicher Firmendaten als Instrument 

einer handlungsorientierten Politikberatung 

am Beispiel Brandenburg 

Von Markus Höhne, Carsten Kampe*, Anna Lejpras und Andreas Stephan** 




76 (2007), 3, S. 88–112 

Zusammenfassung: Das in diesem Artikel beschriebene ökonometrische Prognosemodell stellt 

einen innovativen Ansatz der Nutzung von amtlichen Firmendaten (Mikrodaten) für die Vorhersage 

von sektoral bzw. regional differenzierten Fachkräftebedarfen dar. Ziel unseres dynamischen Modells 

ist eine kurzfristig orientierte Prognose des Beschäftigungsverlaufs – mit einem Horizont von 12 bis 

24 Monaten – unter Berücksichtigung der Umsatz-, Auftrags-, Lohn- sowie Exportentwicklung am 

Beispiel Brandenburger Metallwirtschaft zu ermitteln. Die Grundlage für das Prognosemodell bildet 

ein Betriebspanel aus dem „Monatsbericht für Betriebe des Verarbeitenden Gewerbes sowie des 

Bergbaus und der Gewinnung von Steinen und Erden“. Grundsätzlich kann festgestellt werden, dass 

das Modell als ein geeignetes Prognoseinstrument der kurzfristigen Beschäftigungsentwicklung für 

eine handlungsorientierte Politikberatung anzusehen ist. 

Summary: The econometric model described in this paper presents an innovative approach of the 

firm level data (micro data) usage, compiled from official statistics for the projection of the demand 

for labour differentiated at the sectoral and/or regional level. The aim of our dynamic model is to 

determine a short term oriented forecast of the employment process – with the horizon from 12 to 24 

months – taking into consideration the turnover, order situation, wage level and export rates developments 

for the metal sector in Brandenburg as an example. The forecast model is based on the firm 

data panel from “the Monthly Report for Companies from the Manufacturing Industry as well from 

Mining and Quarrying of Stones and Earths”. Basically our model seems to be an appropriate forecasting 

instrument of the employment development for the action-oriented policy advisory services. 

JEL Klassifikationsnummern: J23, R23 

Keywords: Labour demand, forecast model, metal sector, Brandenburg 

1 Einleitung 

Ökonometrische Prognosemodelle des regionalen Fachkräfte- und Qualifikationsbedarfs 

haben im Kontext der Politikberatung an Bedeutung gewonnen. Grund hierfür sind demografisch 

verursachte und wachstumsbedingte Fachkräfteengpässe, die mittelfristig vermutlich 

eine wesentliche Herausforderung regionaler Arbeitsmärkte darstellen werden. 

Prognosen des Fachkräfte- und Qualifikationsbedarfs sind notwendig, um zukunftsgerichtete 

arbeitsmarktpolitische Maßnahmen auf eine verlässliche Informationsbasis stellen zu 

können. Ohne Kenntnis der wesentlichen Dimensionen mittelfristiger Arbeitsmarktdynamiken 

ist eine zielgerichtete und gestaltende Arbeitsmarktpolitik nur begrenzt möglich. 

* Landesagentur für Struktur und Arbeit Brandenburg GmbH, E-Mail: Markus.Hoehne@lasa-brandenburg.de, 

Carsten.Kampe@lasa-brandenburg.de 

** Jömköping International Business School und DIW Berlin, E-Mail: andreas.stephan@ihh.hj.se

Beschäftigungsprognosen auf Basis amtlicher Firmendaten 

Bei solchen Prognosen kann zwischen Kurz- und Langfristprojektionen unterschieden 

werden. Erstere bilden konjunkturbedingte Umsatzentwicklungen und/oder Beschäftigtenzahlen 

für max. 36 Monate ab. Langfristige Prognosen – für Zeiträume von fünf bis 

zehn Jahren – sind strukturell angelegt. Hier spielen Faktoren wie der technologische 

Wandel, demographische Entwicklungen und auch mögliche Standortverlagerungen von 

Unternehmen eine wichtigere Rolle als die kurzfristigen konjunkturellen Einflüsse. Da die 

Prognoseunsicherheit infolge sich ändernder Rahmenbedingungen mit längeren Prognosezeiträumen 

deutlich zunimmt, zielen Langfristprognosen eher auf (strategische) Grundsatzfragen 

des wirtschaftlichen Strukturwandels (hierzu etwa Papies 2005b). 

Das in diesem Artikel beschriebene Prognosemodell auf Basis betrieblicher Mikrodaten 

ist als kurzfristig orientiertes Prognoseinstrument – mit einem Horizont von 12 bis 24 Monaten 

– für den Brandenburger Wirtschaftsraum angelegt und wurde im Auftrag des Brandenburger 

Ministerium für Arbeit, Soziales, Gesundheit, und Familie entwickelt. Die finanzielle 

Förderung des Projektes erfolgte aus Mitteln des Landes Brandenburg und des 

Europäischen Sozialfonds. Ziel des Modells ist es, für ausgesuchte Wirtschaftszweige 

Brandenburgs den Zusammenhang zwischen Umsatz-, Auftrags-, Lohn- sowie Exportentwicklung 

auf der einen und der Beschäftigtenentwicklung auf der anderen Seite abzubilden. 

Die wesentliche Herausforderung solcher Prognosen ergibt sich aus der sachlichen 

und regionalen Differenzierungstiefe der Analysen: Je branchenspezifischer und kleinräumiger 

die Untersuchungen angelegt sind, desto stärker wirken sich Heterogenität wie auch 

unvorhersehbare Einflüsse auf die Prognosegüte aus – denn in der Aggregatbetrachtung 

nivellieren sich solche Einflüsse oftmals. Wir können zeigen, dass Branchenprognosen auf 

Bundeslandebene, welche die Beschäftigtennachfrage von Betrieben anhand von Mikrodaten 

analysieren, zu präziseren Schätzungen der unterstellten Zusammenhänge führen, 

als Modelle die auf aggregierten (regionalen) Zeitreihen (Indices) beruhen. 

Um den praktischen Nutzen mikrodatenbasierter Prognoseinstrumente zu verdeutlichen, 

erläutern wir zunächst, worin der steigende Bedarf an differenziertem Arbeitsmarkt- 

Know-how in Brandenburg begründet liegt (Abschnitt 2). Neben der zu erwartenden Dynamisierung 

des Brandenburger Arbeitsmarktes, kommt vor allem die Differenzierung der 

Brandenburger Wirtschafts- und Arbeitsmarktpolitik zum Tragen. Ökonometrische Modelle 

können einen wesentlichen Beitrag zur Befriedigung entstehender Informationsbedarfe 

leisten. Wir sehen vor allem im Wechselspiel zwischen quantitativen und qualitativen 

Ansätzen umfangreiche Möglichkeiten, solides Branchen- und Arbeitsmarktwissen zu 

generieren (Abschnitt 3). Der Blick auf europäische Good-Practice (Abschnitt 4) soll zeigen 

wo die Möglichkeiten und Grenzen bereits erprobter Ansätze liegen und welche 

Gründe für ein Modell auf Basis von Mikrodaten sprechen. Aufbauend auf dieser Bestandsaufnahme 

beschreiben wir das von uns entwickelte Prognosemodell am Beispiel der 

Brandenburger Metallwirtschaft. 1 Hierbei wird im Einzelnen auf die Methodik (Abschnitt 

5) und die Daten des Modells (Abschnitt 6) eingegangen. Aufbauend auf den Resultaten 

der ökonometrischen Schätzung (Abschnitt 7) lässt sich durch In-sample-Prognosen 

die Prognosegüte des Modells prüfen. Im abschließenden Fazit (Abschnitt 8) werden 

Möglichkeiten der Modellerweiterung diskutiert. 

1 Hierbei wurden die Bereiche 27 (Metallerzeugung und -bearbeitung) und 28 (Herstellung von Metallerzeugnissen) 

der Klassifizierung der Wirtschaftszweige (WZ 03) in den Blick genommen. 


Markus Höhne, Carsten Kampe, Anna Lejpras und Andreas Stephan 

2 Steigender Bedarf an branchenspezifischem Arbeitsmarkt- 

Know-how infolge wirtschaftlicher Dynamik und einer differenzierten 

Arbeitsmarktpolitik 

In den nächsten fünf bis zehn Jahren wird sich die Situation auf dem Brandenburger Arbeitsmarkt 

aller Voraussicht nach nachhaltig verändern. Nach dem massiven Beschäftigungsabbau 

Anfang der 1990er und der geringen Arbeitsmarktdynamik der letzten zehn 

Jahre 2 wird es mittelfristig mit hoher Wahrscheinlichkeit zu einer stärkeren Belebung des 

Arbeitsmarktes kommen. Einer der wesentlichen Gründe hierfür liegt im demografischen 

Wandel. In den nächsten Jahren werden überdurchschnittlich viele Arbeitnehmer aufgrund 

von Verrentung aus dem Erwerbsleben ausscheiden. 3 Eine steigende Nachfrage nach 

Fachkräften ergibt sich außerdem aus dem zu erwartenden Erweiterungsbedarf einzelner 

Wachstumsbranchen. Hieraus auf einen baldigen Mangel an Arbeitskräften insgesamt zu 

schließen geht am eigentlichen Problem jedoch vorbei: Ein quantitativer Mangel an Arbeitskraft 

ist trotz alternder Gesellschaft in nächster Zeit nicht zu erwarten. 4 Engpässe 

zeichnen sich jedoch in einzelnen Berufsfeldern ab, weil in bestimmten Branchen Qualifikationsprofile 

abverlangt werden, die auf dem Arbeitsmarkt bereits heute nicht in ausreichendem 

Maße vorhanden sind. Die zu erwartende Belebung des Brandenburger Arbeitsmarktes 

wird dann zu einem entwicklungshemmenden Problem, wenn es nicht gelingt, 

durch gezielte Aus- und Weiterbildung einen Abgleich zwischen betrieblichen Fachkräftebedarfen 

und den Kompetenzen potenzieller Arbeitnehmer herzustellen. 5 Gestaltende Intervention 

im Sinne einer vorausschauenden Arbeitsmarktpolitik bedarf solider Informationen 

über mittelfristige Entwicklungen der Brandenburger Wirtschaft. Die Erarbeitung 

zukunftstauglicher Arbeitsmarktprogramme und -maßnahmen ist – etwa der zielgenaue 

Einsatz von Fördermitteln zur Teilfinanzierung von Qualifizierungs- und Weiterbildungsmaßnahmen 

– ohne Kenntnis der aktuellen und zukünftigen Wirtschaftslage kaum möglich. 

6 

Differenziertes Arbeitsmarktwissen ist auch auf der betrieblichen Ebene von Interesse. 

Wenn bekannt ist, in welchen Branchen und Qualifikationsbereichen es voraussichtlich zu 

Personalengpässen kommen wird, können sich Unternehmen gezielt auf veränderte Arbeitsmarktbedingungen 

einstellen und notwendige Anpassungsstrategien auf den Weg 

bringen. Neben der Bereitstellung von Orientierungs- und Entscheidungsgrundlagen für 

die betriebliche Personalplanung, erfüllen derartige Informationen auch eine allgemein 

aufklärende Funktion, indem sie Unternehmen für die wachsende Bedeutung forcierter 

2 Behr et al. sprechen in diesem Zusammenhang von einer Stausituation auf dem ostdeutschen Arbeitsmarkt 

und meinen damit, dass der Anteil der auf den Arbeitsmarkt drängenden Jugendlichen wesentlich über der 

Zahl der Renteneintritte liegt: Zwischen 1995 und 2004 standen 200000 Arbeit suchenden jungen Menschen 

etwa 50000 Renteneintritte gegenüber (Behr et al. 2006: 3). 

3 Zwar kann nicht davon ausgegangen werden, dass jede durch Verrentung frei werdende Stelle auch wiederbesetzt 

wird, dennoch ist zu erwarten, dass die Zahl zu besetzender Stellen mittelfristig zunimmt (Behr 2005, 

Papies 2005a). 

4 Der Brandenburger Arbeitsmarkt wird aufgrund hoher Beschäftigungsreserven und eines alles in allem stagnierenden 

bis rückläufigen Arbeitsplatzangebotes (Bundesagentur für Arbeit 2005) wohl auch zukünftig 

durch Arbeitslosigkeit geprägt sein (Kistler und Huber 2002, Kistler 2004 und 2006, Berliner Zeitung 2007). 

5 Da solche Abstimmung ohne Qualifizierung kaum zu haben sein dürfte, geht es nicht nur um das Zusammenbringen 

von Angebot und Nachfrage, sondern um die gezielte Entwicklung benötigter Kompetenzen. 

6 Papies (2005b) diagnostiziert gerade für den ostdeutschen Arbeitsmarkt einen hohen Informationsbedarf. 

Informationsdefizite liegen seiner Einschätzung nach in der Abschottung und dem Mangel an strategischer 

und personalpolitischer Kompetenz ostdeutscher Betriebe (in der Mehrzahl Klein- und Kleinstbetriebe) sowie 

einer nicht ausreichenden Systematisierung vorhandener Datenlagen begründet. 



Aus- und Weiterbildungsaktivitäten sensibilisieren. Im schulischen Bereich kann das Wissen 

über die zukünftige wirtschaftliche Situation in Bandenburg resp. über zukunftssichere 

Tätigkeitsbereiche den Prozess der Berufsfindung unterstützen. Die Entscheidung für 

Ausbildungs- und Studiengänge sollte Unentschlossenen leichter fallen, wenn bekannt ist, 

welche Wirtschaftsbereiche sich in Brandenburg voraussichtlich als Zukunftsbranchen 

durchsetzen werden und wo Arbeitsmarktchancen entstehen. Die Abbildung zukünftiger 

Qualifizierungsbedarfe stellt außerdem eine notwendige Basis für ein eigenverantwortliches 

und berufsorientiertes Weiterbildungsmanagement von Arbeitnehmern und Arbeitssuchenden 

dar. 

3 Ökonometrische Modelle als Instrument regionaler Arbeitsmarktprognosen 

Den skizzierten Informationsbedarfen kann mit zwei zu unterscheidenden Methoden 

nachgekommen werden. Bei qualitativen Verfahren (1) nutzt man das Branchenwissen der 

Wirtschaftsakteure (Betriebs- und Personalleiter, Branchenkenner, Vertreter von Verbänden 

und Kammern etc.). Auf Basis verschiedener Verfahren der qualitativen Sozialforschung 

7 werden Entwicklungen von Branchen und Einzelbetrieben sowie erwartete Entwicklungsverläufe 

aus Sicht der Betriebe erhoben und mit Branchenexperten diskutiert. 

Durch Aggregation der Einzeldaten können Branchentrends herausgearbeitet werden. 8 Vor 

allem regional begrenzte bzw. branchenspezifische Studien greifen auf qualitative Verfahren 

zurück, da durch die direkte Ansprache der Akteure sehr spezifische Informationen 

generiert werden, wodurch das Problem geringer Fallzahlen kompensiert werden kann. Eine 

wesentliche Stärke derartiger Verfahren liegt in der hohen Informationsdichte der Befragungen. 

Erfasst werden nicht nur die Auswirkungen branchenspezifischer Entwicklungen 

sondern auch die wesentlichen Gründe, die zu den Veränderungen geführt haben. 

Spezifisches Merkmal qualitativer Erhebungen ist, dass die Befragungen immer auch die 

subjektive Problemperspektive und Realitätswahrnehmung der Befragten dokumentieren. 

Das führt zu einer gewissen Unschärfe bei der Erfassung bisheriger Entwicklungen und 

begrenzt den Aussagegehalt qualitativ fundierter Prognosen. Die Erfahrung zeigt, dass 

subjektive Entwicklungserwartungen aus einer spezifischen (Problem-)Perspektive heraus 

in Teilen stark von Branchentrends abweichen können. 

Quantitative Analysen (2) stützen sich demgegenüber auf die amtliche Statistik der Statistischen 

Ämter und der Bundesagentur für Arbeit sowie die halbamtlichen Statistiken der 

Kammern und Verbände. Indem wirtschaftliche Strukturdaten (Beschäftigten- und Arbeitslosenzahlen, 

Umsatz, Auftragseingänge, Exportrate etc.) für einen längeren Zeitraum 

ausgewiesen werden, lassen sich Wirtschaftstrends der letzten Jahre abbilden. Des Weiteren 

bieten derartige Zeitreihen die Möglichkeit, wesentliche Wechselwirkungen – etwa 

den Zusammenhang zwischen Umsatzentwicklung und Beschäftigung – innerhalb der 

Branchen auszuweisen. Die Kenntnis solcher Wechselbeziehungen ermöglicht es, Entwicklungsverläufe 

auf Basis erklärender Variablen zu prognostizieren bzw. mögliche 

7 Die gängigsten Instrumente sind: Standardisierte Fragebogenaktionen per Mail, Post, Telefon und persönlicher 

Befragung, halbstandardisierte und offene Interviews sowie strukturierte Expertenrunden (etwa Delphi- 

Methode). Bei qualitativen Studien liegt häufig eine Kombination aus standardisierten Befragungen und 

Expertenrunden vor. 

8 Exemplarisch hierfür steht etwa das IAB Betriebspanel, der ifo-Geschäftsklimaindex und vielzählige regionale 

Branchen- und Arbeitsmarktstudien. 



Entwicklungen in Form von Szenarien zu modellieren (Erstellung von ökonometrischen 

Modellen): Wenn beispielsweise bekannt ist, welchen Beschäftigungseffekt branchenspezifische 

Umsatzsteigerungen mit sich bringen, lässt sich für verschiedene angenommene 

Umsatzentwicklungen hochrechnen, welche Beschäftigungseffekte voraussichtlich eintreten 

werden. 9 

Sobald branchenspezifische Bestandsanalysen und Prognosen über reine Deskription hinausgehen, 

Entwicklungen also nicht nur beschrieben sondern auch ursächlich begründet 

werden sollen, sollten quantitative Datenauswertungen um qualitative Untersuchungen ergänzt 

werden. Plausible Gründe dafür, warum bestimmte Szenarien wie wahrscheinlich 

sind, lassen sich zwar aus vergangenen Entwicklungen ableiten, fundierte Prognosen, die 

über eine Weiterschreibung vergangener Trends hinausgehen, sind ohne das Know how 

von Branchenkennern aber nur begrenzt möglich. Die Diskussion unterschiedlicher Entwicklungsszenarien 

und diagnostizierter Wechselbeziehungen zwischen branchenspezifischen 

Strukturmerkmalen ermöglicht es umgekehrt, den Gehalt qualitativ fundierter Prognosen 

zu bewerten und die Gründe – etwa zukünftige Umsatzsteigerungen – erwarteter 

Entwicklungen herauszuarbeiten. 

Indem wir nachstehend die wesentlichen Dimensionen des niederländischen Prognosemodells 

skizzieren, zeigen wir in Anlehnung an europäische Good-Practice, inwieweit erprobte 

ökonometrische Verfahren dazu in der Lage sind, den skizzierten Informationsbedarfen 

nachzukommen beziehungsweise an welche Grenzen derartige Instrumentarien 

stoßen. Deutlich wird, dass Prognosen auf Basis aggregierter Makrodaten dem notwendigen 

Differenzierungsgrad der Analysen nur bedingt gerecht werden. Die Komplexität solcher 

Prognoseverfahren begrenzt darüber hinaus den Informationsgehalt der Berechnungen, 

da kaum nachvollzogen werden kann, welche Wechselbeziehungen innerhalb des 

Modells in welcher Art zum Tragen kommen. Eine modellbasierte Begründung der Prognoseergebnisse 

ist nur eingeschränkt möglich. 

4 Europäische Good-Practice im Bereich Beschäftigtenprognose 

am Beispiel der Niederlande 

Bei den vom Forschungsinstitut für Ausbildung und Arbeitsmarkt (ROA) mit Sitz in 

Maastricht durchgeführten Fünfjahresprognosen für den niederländischen Arbeitsmarkt 

handelt es sich um einen sogenannten Top-down-Ansatz. Bei Top-down-Verfahren wird 

zunächst die gesamtwirtschaftliche Entwicklung ganzer Volkswirtschaften prognostiziert 

(etwa zu erwartende Erwerbstätigenzahlen). 10 Aufbauend auf einer solchen Gesamtschätzung 

besteht die Möglichkeit, die Prognoseergebnisse unter Nutzung von Wirtschafts- und 

Arbeitsmarktstrukturdaten auf einzelne Berufsgruppen und Ausbildungsberufe umzurechnen: 

Wenn bekannt ist, wie hoch der Anteil einer bestimmten Berufsgruppe an der Ge- 

9 Derartige Prognosen sind selten als bivariate Analyse angelegt (Zusammenhang zwischen zwei Variablen), 

sondern stützen sich auf oftmals hoch komplexe multivariate Modelle (Wechselabhängigkeiten vielzähliger 

sozioökonomischer Einflussfaktoren). 

10 Neben der Niederlande greift bspw. auch Irland bei seinen Arbeitsmarktprognosen auf einen markrodatenbasierten 

Top-down-Ansatz zurück (Doyle, Lunn und Sexton 2006). In Großbritannien hingegen basieren die 

Arbeitsmarktprognosen auf sog. Bottom-up Modelle, welche aus mehreren regionalen Multisektormodellen 

bestehen (Wilson, Homenidou und Dickerson 2006, Wilson 2005). Gemeinsam ist allen drei Prognosemodellen, 

dass sie bei ihrer Modellierung auf Makrodaten zurückgreifen. 



samtbeschäftigung ist bzw. sich in den letzten Jahren entwickelt hat, können auf Basis der 

Erwerbstätigenschätzung zukünftige Beschäftigungszahlen der Berufsgruppe prognostiziert 

werden. Neben der berufstypischen Differenzierung können darüber hinaus Regionalprognosen 

erstellt werden, die wiederum auf einer regionalspezifischen Gewichtung 

der nationalen Projektionen aufbauen. 

Basis des niederländischen Modells ist eine sektorspezifische Prognose der zu erwartenden 

Erweitungsnachfrage 11 für jeweils fünf Jahre. Die Prognose der Erweitungsnachfrage 

wird vom niederländischen Amt für Wirtschaftspolitikanalyse (CPB) unter Anwendung 

des sog. Athena-Modells 12 durchgeführt. Da die verschiedenen Berufsgruppen und Ausbildungsgänge 

unterschiedlich vom Wachstum einzelner Sektoren profitieren (Cörvers 

2003), berechnen die Mitarbeiter des ROA Instituts in einem zweiten Arbeitsschritt die 

berufsspezifische Bedeutung der vom CPB erstellten Prognosen. Hierbei werden 128 Berufe 

aus 44 Berufsklassen und 114 Ausbildungsgängen (sowohl berufliche als auch akademische 

Ausbildungen) in den Blick genommen, wobei in der Ausbildungsprognose nochmals 

zwischen sechs Bildungsniveaus unterschieden wird (Cörvers und Heijke 2004). 

Zusätzlich zur Ausweitungsnachfrage wird die Ersatznachfrage 13 für die verschiedenen 

Berufe und Ausbildungen ermittelt. Hierbei werden vor allem Daten der „Enquete 

Beroepsbevolking (EBB)“ 14 genutzt, die sowohl Schlussfolgerungen auf berufsspezifische 

Rentenabgänge als auch auf die Anzahl von Berufswechslern zulassen. Die Ausweitungsund 

die Ersatznachfrage bilden zusammen die Gesamtnachfrage. 

Neben der Arbeitskräftenachfrage wird das Arbeitskräfteangebot für die nächsten fünf 

Jahre prognostiziert. Dabei wird – differenziert nach Ausbildungskategorie – die Zahl derer 

ermittelt, die nicht länger als ein Jahr auf Arbeitssuche sind (Kriechel, Cövers und 

Heijke 2005). Diesem Vorgehen liegt die Annahme zugrunde, dass diejenigen, die länger 

als ein Jahr arbeitslos sind, dem niederländischen Arbeitsmarkt nicht zur Verfügung stehen 

(Cövers 2003). Weiterhin wird auf Basis bisheriger Ausbildungszahlen und abgeschlossener 

Ausbildungsverträge bzw. Studierendenzahlen sowie der jeweiligen Absolventenquoten 

die Zahl der Hochschulabsolventen und der Absolventen einer 

Berufsausbildung für die nächsten fünf Jahre prognostiziert. Die Summe aus Berufs- und 

Hochschulabsolventen sowie Arbeitslosen bildet das Gesamtangebot an Arbeitskräften. 

Im Anschluss werden die Vorausberechnungen der Arbeitskräftenachfrage und des Arbeitskräfteangebotes 

für die einzelnen Berufe und Ausbildungen zusammengeführt, um 

die Entwicklung auf berufsspezifischen Teilarbeitsmärkten vorhersagen zu können. Insbesondere 

den Substitutionsprozessen zwischen einzelnen Berufen und Ausbildungen wird 

hierbei Rechnung getragen. Indem das niederländische Prognosemodell den Bedarf respektive 

die Berufseinstiegschancen für einzelne Berufsgruppen ausweist, fungiert es sowohl 

als branchenspezifisches „Frühwarnsystem“ – zumindest dann, wenn wie in den 

11 Die Erweiterungsnachfrage beschreibt wachstumsbedingten Beschäftigungsaufbau und -abbau. 

12 Beim Athena-Modell handelt es sich um ein Multi-Sektoren-Modell, welches Prognosen für einzelne Sektoren 

über kurze Zeiträume sowie Szenarioanalysen über mittlere und längere Zeiträume zulässt. In dem Modell 

werden über 3000 exogene Variablen auf Basis von ca. 7500 Gleichungen berücksichtigt (Vromans 1998). 

13 Ersatznachfrage entsteht, wenn Arbeitskräfte aus verschiedenen Gründen den Teilarbeitsmarkt verlassen 

(z.B. Berufswechsel, Verrentung) und deren Arbeitsplatz dann für den Arbeitsmarkt verfügbar ist (Cörvers 

2003). 

14 Die EBB ist eine 1%-Stichprobe der Berufsbevölkerung und damit mit dem deutschen Mikrozensus vergleichbar. 



Niederlanden bekannt ist, wie sich die Berufsstruktur einzelner Branchen darstellt –, als 

auch als Orientierungsrahmen für Arbeitsuchende und Berufseinsteiger. 15 

Die Prognose zukünftiger Arbeitskraftbedarfe nach Berufs- und Ausbildungstypen bzw. 

den Arbeitsmarktchancen dieser Berufsgruppen, stellt Informationen bereit, die im Bereich 

regionaler Politikberatung äußerst Nutzen stiftend sein könnten. Die Möglichkeit, 

die geschätzte Gesamtbeschäftigung in den einzelnen Sektoren nach Ausweitungs- und eine 

Ersatznachfrage (Verrentung und Substitution) zu unterteilen, erweitert den Handlungsrahmen 

einer ziel- und gestaltungsorientierten Arbeitsmarktpolitik. Die Übertragung des 

niederländischen Modells auf den Brandenburger Arbeitsmarkt ist dennoch wenig sinnvoll. 

Vor allem die Komplexität bzw. die Kosten-Nutzen-Relation des Ansatzes hat zur 

Folge, dass dieser für Brandenburg nicht praktikabel ist. 

Gegen die Nutzung umfangreicher Top-down-Ansätze spricht außerdem die geringe 

Transparenz derartiger Modelle. Aus den Prognoseergebnissen kann nur bedingt geschlussfolgert 

werden, welcher Faktor bei den Berechnungen in welcher Art zum Tragen 

kommt. Die inhaltliche Interpretation der modellbasierten Projektionen ist nur begrenzt 

möglich, da offen bleibt, welche Prozesse in der „Black-Box Prognosemodell“ ablaufen. 

Damit die Arbeitsmarktprognosen als Instrument der Politikberatung in Anschlag gebracht 

werden können, müssen die Analyseergebnisse auf kommunaler Ebene kommunizierbar 

sein. Die Bedeutung und der Wert hoch komplexer Vorausberechnungen sind 

außerhalb von Expertenkreisen nur schwer vermittelbar. Insgesamt würde ein Prognosemodell, 

wie es in den Niederlanden zur Anwendung kommt, für Brandenburg ein inakzeptables 

Kosten-Nutzen-Verhältnis aufweisen. 

Indem wir bei dem von uns erarbeiteten Modell auf amtliche Firmendaten (Mikrodaten) 

des Forschungsdatenzentrums der Statistischen Landesämter zurückgreifen, werden die 

oben skizzierten Probleme weitgehend umgangen. Der wesentliche Vorteil des mikrodatenbasierten 

Ansatzes besteht in der regionalen Fokussierung der Analysen. Dadurch, dass 

die Prognosen ausschließlich auf regionalspezifische Daten zurückgreifen, lassen sich die 

Berechnungen auf Basis weniger, zentraler Indikatoren durchführen. Die den Vorausberechnungen 

zugrunde liegenden Basisannahmen und -zusammenhänge sind leichter zu 

kommunizieren; die Ergebnisse der Prognosen damit im Bereich der regionalen Politikberatung 

weniger schwierig einzusetzen. 

5 Methodik 

Im Vergleich zu Makromodellen entwickeln wir ein relativ einfaches dynamisches Modell, 

welches der Beschreibung der Beschäftigungsentwicklung auf der Mikroebene dient. 

Wir gehen davon aus, dass die Beschäftigungsnachfrage eines Betriebes von bestimmten 

Faktoren abhängt: In unserem Fall sind dies vor allem die zu erzielende Produktion (Umsatz), 

die zu leistenden Stunden sowie die Lohnhöhe. Umsatz und Stundenzahl sind jedoch 

in unserem Modell ebenfalls abhängige Variablen, die von weiteren Variablen beeinflusst 

15 Wobei die Mitarbeiter des ROA-Instituts hervorheben, dass die Prognosen ausschließlich Orientierungshilfe 

für Unentschlossene geben sollen; die eigenen Interessen sollten für die Berufswahl wesentlicher sein, als 

ökonometrische Arbeitsmarktprognosen. 



werden. Die drei endogenen Variablen Umsatz, Stunden und Beschäftigte können durch 

ein simultanes Gleichungssystem 16 beschrieben werden: 

Umsatz f (, t Auftragslage, Export), 

= 

1 

Stunden f (, t Umsatz, Lohnhöhe, Beschäftigung), 

= 

2 

Beschäftigung f (, t Umsatz, Lohnhöhe, Stunden), 

= 

3 

wobei t ein Zeittrend ist. Der Personalbestand bedingt demzufolge die Kapazität der möglichen 

Stunden, andererseits wird angenommen, dass der Stundenumfang auch Auswirkungen 

auf die Beschäftigtennachfrage des Betriebs hat. 

Für die weitere Modellerstellung wird nun angenommen, dass sich Änderungen in der 

Produktion bzw. Lohnhöhe nicht unmittelbar auf die Beschäftigungsnachfrage auswirken, 

sondern dass es einen Anpassungsprozeß gibt, bis ein optimaler Beschäftigungsstand B* 

erreicht wird, der durch die aktuelle Produktion bzw. aktuelle Lohnhöhe bedingt wird. Die 

Veränderung der Beschäftigung B t –B t-1 in Periode t soll dabei proportional zur Differenz 

zwischen dem optimalen Beschäftigungstand B* und dem tatsächlichen Beschäftigungsstand 

in Periode t–1 sein. Der Anpassungsprozess lässt sich daher als partielles Anpassungsmodell 

beschreiben durch: 

B − B = λ( 

B −B 

). 

t t−1 * 

t t−1 

Der Parameter λ ist der Anpassungsparameter, welcher beschreibt, wie stark sich die Differenz 

zwischen dem optimalen Beschäftigungsstand und dem tatsächlichen Beschäftigungsstand 

der Vorperiode auf die Veränderung der Beschäftigung, B t–B t-1, auswirkt. Je 

höher λ ist, desto stärker wirkt sich die Differenz zwischen optimalem und tatsächlichem 

Stand auf die Veränderung der Beschäftigung aus und desto schneller wird der optimale 

Beschäftigungsstand erreicht. 

In der Regel wird eine lineare Funktionsform für Gleichung (3) angenommen, d.h. der optimale 

Beschäftigungsstand lässt sich beispielsweise wie folgt ausdrücken: 

B = b + b t + b Umsatz + b Lohnhöhe + b Stunden 

* 

t 

0 1 2 3 4 . 

Setzt man (5) in (4) ein, so erhält man weiter: 

B = λb + λbt+ λbUmsatz + λbLohnhöhe + λbStunden + (1 − λ) B + 

ε , 

t 0 1 2 t 3 t 4 t t−1 t 

wobei ε t einen unsystematischen Zufallseinfluss auf die Beschäftigungsnachfrage darstellt. 

Diese Gleichung bildet die Basisspezifikation des Prognosemodells. Eine wichtige 

16 Das Gleichungssystem ist simultan, weil als erklärende Variablen auch endogene Variablen vorkommen. 

(1) 

(2) 

(3) 

(4) 

(5) 

(6) 



Eigenschaft des Modells ist, dass alle Parameter im Rahmen einer linearen Schätzung ermittelt 

werden können. Die Schätzgleichung lautet daher 

B δ δ t δ Umsatz δ Lohnhöhe δ Stunden δ B ε 

wobei aus der Beziehung δ 5 = (1–λ)der Wert des Anpassungsparameters λ ermittelt wird. 

Liegen wie in unserem Fall Paneldaten vor, lässt sich die Gleichung (7) um panel-spezifische 

Effekte erweitern und man erhält demzufolge 

wobei δ i betriebsspezifische Effekte darstellen. 

Entsprechend den Ausführungen für die zu schätzende Beschäftigungsgleichung (Gleichungen 

(4)–(8)) werden auch die Gleichungen für Umsatz (1) und Stunden (2) als Anpassungsprozesse 

spezifiziert. Die endogenen Variablen Umsatz, Beschäftigte und Stunden 

werden logarithmiert. Für jede Variable wird weiterhin die Within-Transformation durchgeführt, 

d.h. der betriebsspezifische Mittelwert der Variablen wird jeweils abgezogen. 

Da die endogenen Variablen jeweils auch als verzögerte Variablen auf der rechten Seite 

der Gleichungen stehen, wurde ein dynamisches Paneldatenmodell formuliert. Da die Dimension 

von t bei den von uns analysierten Betriebsdaten relativ groß ist (zwischen 36 

und 60 für die meisten Betriebe, im Maximum 108) verzichten wir auf eine Instrumentenvariablenschätzung 

zur Verringerung des Downward Bias, wie sie von Arellano und Bond 

(1991) vorgeschlagen wurde. Stattdessen wird eine Kleinst-Quadrate-Schätzung (OLS), 

eine zweistufige (2SLS 17 ) sowie eine dreistufige Kleinst-Quadrate-Schätzung (3SLS 18 ) 

durchgeführt. Die zweite und dritte Schätzmethode berücksichtigen die Endogenität von 

Variablen im simultanen Gleichungssystem. Die dritte Schätzmethode berücksichtigt darüber 

hinaus Korrelationen der Residuen zwischen den Gleichungen. 

6 Daten 

Die Grundlage des Prognosemodells bildet ein Betriebspanel aus dem „Monatsbericht für 

Betriebe des Verarbeitenden Gewerbes sowie des Bergbaus und der Gewinnung von Steinen 

und Erden“. Einbezogen werden in der Regel Betriebe, die einem Unternehmen des 

Wirtschaftszweiges des „Produzierenden Gewerbes“ angehören, das mehr als 20 Beschäftigte 

aufweist. Liegt der Schwerpunkt des Unternehmens selbst außerhalb des „Produzierenden 

Gewerbes“, werden die Betriebe des Unternehmens, die im Bereich „Verarbeitendes 

Gewerbe“ tätig sind, dann einbezogen, wenn sie mindestens 20 Personen 

beschäftigen. Für die Betriebe besteht Auskunftspflicht (Forschungsdatenzentrum der Statistischen 

Landesämter 2006: 27). 

Erfragt werden die wirtschaftlichen Basisdaten der Betriebe, z.B. die Zahl der Beschäftigten, 

Inlandsumsatz, Auslandsumsatz, Löhne, Gehälter und die Arbeitsstunden. Bis ein- 

17 2SLS = Two Stage Least Squares. 

18 3SLS = Three Stage Least Squares. 


t = 0 + 1 + 2 t + 3 t + 4 t + 5 t−1 + t, 

B t Umsatz Lohnhöhe Stunden B 

it = δ 0 + δi+ δ1 + δ2 it + δ3 it + δ4 it + δ5 i, t −1 

+ 

εit 

, 

(7) 

(8)


schließlich 2002 war auch der Energieverbrauch Bestandteil der Erhebung. Ergebnisse 

dieser Statistik erlauben die Darstellung der Entwicklung nach Wirtschaftsbereichen oder 

regionalisiert für Deutschland, nach Bundesländern bis hinab zur Kreisebene. Da in der 

Regel bei jeder Erhebung dieselben Betriebe befragt werden, eignet sich diese Statistik 

auch sehr gut für Zeitreihenanalysen. Der Monatsbericht zählt zu den kurzfristigen Wirtschaftsstatistiken 

im Produzierenden Gewerbe zum Zweck der Beobachtung der konjunkturellen 

Lage. Ergebnisse der Statistik finden Eingang in weitere Berechnungen, wie z.B. 

die Volkswirtschaftliche Gesamtrechnung, und sind Quelle für Sekundärstatistiken. 

In den Abbildungen 1 bis 4 sind die Umsatz- sowie Beschäftigungsindices (Basisjahr = 

2000) in WZ 27 Metallerzeugung und -bearbeitung und WZ 28 Herstellung von Metallerzeugnissen 

für Brandenburg und Deutschland dargestellt. Die Indices für Brandenburg 

werden anhand der Betriebsdaten des Forschungsdatenzentrums berechnet und für 

Deutschland der amtlichen Statistik (Reihe Monatsbericht) entnommen. Es zeigt sich, dass 

insbesondere die Umsatzindices beider Branchen für Deutschland und Brandenburg stark 

korreliert sind und dabei einen deutlich positiven Trend aufweisen. Das bedeutet, dass die 

Entwicklung dieser beiden Branchen in Brandenburg mit der deutschlandweiten Entwicklung 

im Einklang steht. Hingegen zeigt die Beschäftigungsentwicklung beider Branchen 

eine fallende Tendenz, wobei die Beschäftigung in der Branche 28 Herstellung von Metallerzeugnissen 

in Brandenburg stärker als die Gesamtbeschäftigung dieser Branche 

deutschlandweit zurückgegangen ist. Abbildung 5 zeigt zudem, dass beide Branchen insgesamt 

nur sehr kleine Anteile an der Gesamtbeschäftigung in Deutschland haben, welche 

zwischen 1,5 und 2,5% liegen. 

Generell weist die Branche 27 Metallerzeugung und -bearbeitung nur wenig Betriebe auf, 

im Schnitt etwa 18. Dagegen ist der Wirtschaftsbereich 28 Herstellung von Metallerzeugnissen 

durch etwa 170 Betriebe repräsentiert, wobei die Zahl der Betriebe seit 1998 von 

etwa 180 auf nur noch 135 im Jahr 2006 gesunken ist. In Branche 28 beträgt die Betriebsgröße 

im Schnitt nur 50 Beschäftigte und ist im Zeitverlauf relativ stabil. In WZ 27 macht 

die durchschnittliche Betriebsgröße 315 Beschäftigte aus, wobei die Zahl 1998 nur bei etwa 

275 lag und bis 2006 auf 330 Beschäftigte angestiegen ist. Die Umsatzproduktivität 

(Umsatz pro Beschäftigten) ist in WZ 27 deutlich höher als in WZ 28: Sie stieg von 17000 

Euro im Jahr 1998 auf 21500 Euro im Jahr 2006, während die Umsatzproduktivität in WZ 

28 im Jahr 1998 nur etwa 7500 Euro betrug und bis 2006 auf etwas über 9000 Euro angestiegen 

ist. 

7 Resultate der ökonometrischen Schätzungen des Brandenburger 

Prognosemodells 

In Tabelle 1 werden die ökonometrischen Schätzresultate des Drei-Gleichungssystems 

dargestellt. Dabei werden die Ergebnisse der OLS-, 2SLS- und 3SLS-Kleinst-Quadrate- 

Schätzung für WZ 27 Metallerzeugung und -bearbeitung und WZ 28 Herstellung von Metallerzeugnissen 

im Einzelnen aufgeführt 19 . In allen Gleichungen wurde eine Dummy-Variable 

für die Erfassung des Einflusses des Januareffekts 20 auf die endogenen Variablen zu- 

19 Die festen Effekte der einzelnen Betriebe werden aus Platzgründen nicht ausgewiesen. 

20 Beispielsweise ist im Januar der Umsatz immer deutlich geringer als im Dezember. 



sätzlich aufgenommen. 21 Es wird eine gewichtete Schätzung durchgeführt, wobei jede 

Beobachtung (also die Betriebe) mit dem Anteilswert an der Gesamtbeschäftigung in der 

Branche gewichtet wird. Dies soll dazu führen, dass die ökonometrischen Schätzungen die 

Entwicklungen in den aggregierten Reihen möglichst gut repräsentieren. 

Die Anpassungsparameter der einzelnen abhängigen Variablen weisen hohe Werte zwischen 

0,85 und 0,95 auf, besonders in den Gleichungen für WZ 27. Inhaltlich bedeutet 

dies, dass die Anpassung des Umsatzes, der Stunden- und Beschäftigtenzahl an den optimalen 

Stand im Hinblick auf Veränderungen der exogenen Variablen rasch erfolgt. Der 

Einfluss von der Umsatz- auf die Beschäftigungsentwicklung (aber auch die Stundenentwicklung) 

ist bei den OLS Schätzungen nur sehr gering. Erst bei der Instrumentenvariablenschätzung 

ergeben sich plausible Größenordnungen der Umsatzelastizität der Beschäftigung 

zwischen 0,1 und 0,3% bei einer einprozentigen Erhöhung des Umsatzes. 

Die Bestimmtheitsmaßen bei den Beschäftigtengleichungen für WZ 28 sind hoch, für WZ 

27 hingegen deutlicher niedriger. 22 Im 3SLS-Modell zeigt sich sogar ein negativer R 2 -Wert 

beim WZ 27. Daher vermuten wir, dass die Anwendung von 3SLS problematisch ist und 

interpretieren im Weiteren die Ergebnisse der 2SLS Schätzungen. 23 

Es zeigt sich, dass für die Beschäftigungsnachfrage die Residuen der aggregierten Monatswerte 

im Vergleich zu Umsatz- und Stundenzahlresiduen noch geringer sind (Abbildungen 

6 bis 8), die Abweichungen der vorhergesagten und der tatsächlichen Beschäftigtenzahlen 

betragen meistens nur wenige Prozent. Somit kann das Modell die 

Beschäftigtenentwicklung generell gut beschrieben, allerdings für den WZ 28 deutlich 

besser als für WZ 27. 

In den Umsatz- und Stundenzahlmodellen ist der geschätzte Zeittrend signifikant positiv. 

Dagegen ist der Zeittrend für die Beschäftigtennachfrage in meisten Fällen signifikant negativ 

(außer in den 2SLS- und 3SLS-Modelle für WZ 27). Dies reflektiert die Tatsache, 

dass trotz steigendem Umsatz und Stundenvolumen die Beschäftigung kontinuierlich gesunken 

ist. Der Anstieg des Umsatzes war in der Vergangenheit noch nicht hoch genug, 

um zu einer positiven Erweiterungsnachfrage der Beschäftigung zu führen. Gründe hierfür 

sind möglicherweise der arbeitssparende technische Fortschritt sowie Auslagerungen von 

arbeitsintensiven Prozessen durch die Betriebe. 

Erhöht sich der Lohnsatz, so hat dies wie zu erwarten war einen negativen Effekt auf die 

Beschäftigtennachfrage wie auch auf die geleistete Stundenzahl in beiden Branchen. Dabei 

weisen die Koeffizienten der Lohnsätze in den Beschäftigungsmodellen äußerst geringe 

Werte auf und sind teilweise nicht signifikant. 

21 Weiterhin definieren wir für die Stundengleichung noch eine Dummy-Variable für den Januar 2003, welche 

den Effekt einer Definitionsänderung der erfassten Stunden (vor 2003: Arbeiterstunden, ab 2003: Arbeiterund 

Angestelltenstunden) erfassen soll. 

22 So beträgt bei der 2SLS-Schätzung das Bestimmtheitsmaß nur noch 0,07, d.h. nur 7% der Varianz der 

Beschäftigtenentwicklung wird durch das 2SLS Modell erklärt. Das höhere Bestimmtheitsmaß für den WZ 28 

kann an der größeren Zahl der Betriebe im Vergleich zu WZ 27 liegen. Bei einer kleineren Anzahl von Betrieben 

ist eventuell das Ausmaß der Heterogenität der Beschäftigtenentwicklung zwischen den Betrieben zu groß. 

23 Die Studie von Badi et al. (2003) deutet auch auf eine gute Schätzperformance von Within-2SLS im Vergleich 

zu alternativen Schätzansätzen hin. 



Die Umsatzentwicklungen der Betriebe werden vor allem im WZ 28 durch die Exportquote 

positiv beeinflusst. Die Effekte von Veränderungen der Auftragslage und des Exportanteils 

sind für die Branche 27 relativ vergleichbar. 

Beurteilung der Prognosefähigkeit des Modells 

Um einen Eindruck zu erhalten, inwiefern das von uns formulierte Modell geeignet ist, zuverlässige 

Prognosen der Umsatz- und Beschäftigungsentwicklung zu erstellen führen wir 

sogenannte „In-sample“-Prognosen einmal für das Jahr 2006 (also für einen Zeitraum von 

12 Monaten) und weiterhin für die Jahre 2005 und 2006 durch (Zeitraum 24 Monate). Dabei 

werden die Werte der endogenen Variablen Umsatz, Stunden und Beschäftigte jeweils 

als unbekannt gesetzt, und nach Schätzung des Modells ohne die betreffenden Jahre basierend 

auf den als bekannt angenommenen Werten der exogenen Variablen Prognosen für 

die betreffenden Jahre erstellt. Da bei den In-sample-Prognosen die tatsächlichen Werte 

der endogenen Variablen bekannt sind, kann der Prognosefehler ermittelt werden. Dieser 

erlaubt einen Rückschluss auf die Unsicherheit der Prognose bzw. auf die Prognosegüte 

des Modells. 24 

Das Modell wird zuerst für den Gesamtzeitraum (ab Januar 1998 bis Dezember 2006) geschätzt 

und dann werden die ex-post vorhergesagten Werte für jeden Betrieb in jedem Monat 

ermittelt. Diese Einzelwerte werden zum monatlichen Aggregat für jede Branche aufsummiert. 

Im zweiten Schritt wird das Modell ohne Werte für 2006 geschätzt. Da aber die 

tatsächlichen Werte der abhängigen Variablen bekannt sind, lässt sich somit die prozentuale 

Abweichung des vorhergesagten aggregierten Monatswertes (über alle Betriebe) und 

mit dem tatsächlichen Wert aller Betriebe bestimmen. Im dritten Schritt wird wie im zweiten 

vorgegangen, wobei die Werte für die beiden Jahre 2005 und 2006 ausgelassen werden. 

In Tabelle 2 werden die Prognosen des Umsatzes und der Beschäftigung für WZ 27 auf 

der Quartalsebene dargestellt. Die prognostizierten Umsatzwerte weichen generell stärker 

von den tatsächlichen Werten ab als die prognostizierten Beschäftigungswerte. Die geringste 

Abweichung der vorhergesagten Umsatzwerte von den tatsächlichen ergibt sich im 

Schnitt bei Einbeziehung der kompletten Daten bis 2006. Werden die Daten für 2006 bzw. 

für 2005 und 2006 eliminiert, verschlechtert sich die Prognosekraft für das Jahr 2006 erheblich. 

Jedoch hat diese Vorgehensweise nahezu keinen Einfluss auf die Umsatzabweichungen 

im Jahr 2005. Diese Tatsache lässt sich vermutlich mit der positiven Umsatzentwicklung 

im Jahr 2006 erklären. Die Beschäftigung wird durch das Modell generell sehr 

gut erklärt, selbst nach dem Auslassen von Jahren bei den Schätzungen zeigen sich nur 

sehr geringe Abweichungen. 

In WZ 28 weichen die prognostizierten Umsatzwerte von den tatsächlichen viel stärker als 

in WZ 27 ab (siehe Tabelle 3). Eine Eliminierung der Daten für 2006 bzw. für 2005 und 

2006 ergibt lediglich eine Veränderung der Umsatzabweichungen, führt jedoch zu keiner 

Verschlechterung/Verbesserung der Prognosegüte des Modells. Die Prognose der Beschäf- 

24 Werden Prognosen für die Zukunft erstellt (Projektionen) ist hierbei ein wichtiger Unterschied, dass bei Projektionen 

auch die Werte der exogenen Variablen nicht bekannt sind und ebenfalls ermittelt werden müssen, 

was natürlich die Unsicherheit der Prognose deutlich erhöht. 



tigung in WZ 28 zeigt insbesondere bei Verwendung aller Daten einen guten Fit. Das Auslassen 

der Daten für 2006 bzw. für 2005 und 2006 verursacht eine Verschlechterung der 

Prognosegüte vor allem für das dritte und vierte Quartal im Jahr 2006. 

Generell kann festgestellt werden, dass besonders die Beschäftigungsentwicklung durch 

das Modell relativ gut erklärt werden kann, d.h. der Prognosefehler ist nicht übermäßig 

groß, und somit erscheint das Modell insgesamt für eine kurzfristige Projektion über zwei 

Jahre grundsätzlich geeignet. 

Ermittlung von Projektionen anhand des Modells für die Jahre 2007 und 2008 

Um eine Projektion der endogenen Variablen bis Ende 2008 zu ermitteln, müssen auch die 

exogenen Variablen für diesen Zeitraum fortgeschrieben werden. In zukünftigen Anwendungen 

sollten die Projektionen basierend auf den Mikrodaten 25 erfolgen und anschließend 

aggregiert werden. Im Rahmen dieser Studie war es jedoch nur möglich, eine 

Prognose basierend auf Aggregatdaten durchzuführen, wobei die Parameter des Strukturmodells 

wie beschrieben mit den Mikrodaten geschätzt wurde. Die exogenen Variablen 

des Modells – Auftragseingänge, Exportquote, Lohnsätze wurden mithilfe von einfachen 

ARIMA Modellen 26 fortgeschrieben. Die Ergebnisse dieser Fortschreibungen wie auch die 

Resultate der Modellprojektion sind in den Tabellen 4 und 5 dargestellt, wobei die monatlichen 

Werte zu Quartalswerten zusammengefasst wurden. 

Für alle exogenen Variablen ergibt sich ein positiver Trend, d.h. insbesondere Auftragseingänge 

wie auch die Exportquote werden auch in 2007 und 2008 weiter zunehmen. 

Auch bei den endogenen Variablen Umsatz und Arbeitsvolumen in Stunden zeigen sich 

positive Entwicklungen, jedoch nicht bei der Beschäftigtennachfrage, die weitgehend auf 

dem Niveau von 2006 stabil bleibt. Der langfristige negative Trend der Beschäftigtenentwicklung 

in beiden Branchen wird durch die prognostizierte positive Umsatzentwicklung 

gerade kompensiert, so dass im Gesamteffekt von keinem signifikanten Anstieg der Beschäftigtenzahlen 

in den Branchen 27 und 28 bis Ende 2008 in Brandenburg auszugehen 

ist. 

8 Fazit und Ausblick 

Das von uns für die Vorhersage von sektoral resp. regional differenzierten Fachkräftebedarfen 

verwendete ökonometrische Prognosemodell stellt einen innovativen Ansatz der 

Nutzung von amtlichen Firmendaten (Mikrodaten) für regionale Beschäftigungsprognosen 

dar. Im Gegensatz zu den komplexen Makrodatenmodellen, die beispielsweise in den 

Niederlanden Anwendung finden, zeichnet sich unser Modell durch eine höhere Transparenz 

und leichtere Kommunizierbarkeit sowie einer umfangreicheren Datenlage und einem 

flexibleren Sampling bei relativ kurzen Beobachtungszeiträumen aus. Aus diesen 

Gründen ist das von uns entwickelte Prognosemodell für die handlungsorientierte Politikberatung 

in Brandenburg besser zu nutzen als Makrodatenmodelle. 

25 Dieses könnte beispielsweise über Mikrosimulation erfolgen. 

26 Für Auftragseingang wurde ein (1,0,0) ARIMA Modell, für die Exportquote ein (1,0,1), für die Lohnsätze 

jeweils (2,1,0) Modelle mit Zeittrend jeweils verwendet. 



Im Mittelpunkt einer künftigen Schärfung und Weiterentwicklung des Modells steht die 

Differenzierung der prognostizierten Beschäftigtennachfrage nach Qualifikationsniveaus 

bzw. Berufsgruppen. Die Fokussierung unserer Prognosen auf die Arbeitskräftenachfrage 

liegt primär darin begründet, dass das Arbeitskräfteangebot mithilfe der Statistiken des 

Amtes für Statistik und der Bundesagentur für Arbeit verhältnismäßig gut abbildbar ist. 

Um Qualifikations- und Weiterbildungsmaßnahmen zielgenauer ausrichten zu können, ist 

eine Erweiterung der Beschäftigungsprognosen um die Spezifizierung der vorhergesagten 

Nachfrage nach bestimmten Qualifikationsniveaus bzw. Berufsbildern notwendig. Darüber 

hinaus böte die Differenzierung der prognostizierten Arbeitskräftebedarfe nach bestimmten 

Qualifikationsniveaus oder Berufsbildern Rückschlüsse auf brancheninterne 

Substitutionsprozesse zwischen verschiedenen Qualifikationsstufen und Berufen. In diesem 

Zusammenhang sollte geprüft werden, inwieweit die Verknüpfung der Daten des Betriebspanels 

der Forschungsdatenzentren mit den Daten der sozialversicherungspflichtig 

Beschäftigten der Bundesagentur für Arbeit möglich ist. 

Ein weiterer Aspekt, der bei unserem Modell zukünftig Berücksichtigung finden muss, ist 

die Trennung der Beschäftigungsentwicklung in Ersatz- und Erweiterungsbedarf. Diese 

Trennung ermöglicht neben der quantitativen Bewertung der Beschäftigungsentwicklung 

einer Branche auch weitere qualitative Aussagen. Unser Modell schätzt zunächst nur die 

künftige Gesamtnachfrage einer Branche. Die Gegenüberstellung des derzeitigen Ist-Zustandes 

mit dem prognostizierten Wert lässt dann Aussagen über einen künftigen positiven 

oder negativen Erweiterungsbedarf zu. Um Aussagen über einen möglichen zusätzlichen 

Ersatzbedarf treffen zu können, müssen die Altersstruktur einer Branche resp. eines Berufes 

sowie branchenspezifische Renteneintritte ermittelt werden. Durch die Gegenüberstellung 

des errechneten potenziellen Ersatzbedarfs mit der prognostizierten Gesamtbeschäftigung 

können dann Aussagen darüber getroffen werden, ob die anstehenden Verrentungswellen 

tatsächlich zu einem zusätzlichen betrieblichen Ersatzbedarf führen oder wie 

bisher überwiegend zum Abbau der Beschäftigung genutzt werden. 


Arellano, Manuel und Stephen Bond (1991): Some Tests of Specification for Panel Data: 

Monte Carlo Evidence and an Application to Employment Equations. Review of Economic 

Studies, 58 (2), 277–297. 

Bade, Franz-Josef (2004): Die regionale Entwicklung der Erwerbstätigen bis 2010. Informationen 

zur Raumentwicklung, Heft 3/4, 2004, 69–186. 

Baltagi, Badi H., Georges Bresson, James M. Griffin und Alain Pirotte (2003): Homogeneous, 

heterogeneous or shrinkage estimators? Some empirical evidence from French 

regional gasoline consumption. Empirical Economics, 28 (4), 795–811. 

Bamming, Ruth (2006): Beschäftigungsanalyse Brandenburg 1998–2005 (unveröffentlicht). 

Bamming, Ruth (2007): Unternehmensnahe Dienstleistungen. Beschäftigungsanalyse 

Brandenburg 1998–2006 (unveröffentlicht). 

Behr, Michael, Anja Walter und Andreas Hinz (2006): Berufsaussichten von Schülerinnen 

und Schülern in Brandenburg. Download unter: www.brandenburg.de/media/1330 / 

schueler.pdf (Stand: 03.07.2006). 

Behr, Michael, Anja Walter, Andreas Hinz, Jürgen Riedek und Thomas Ketzmerick 

(2005): Brandenburger Fachkräftestudie. Entwicklung der Fachkräftesituation und 



zusätzlicher Fachkräftebedarf. Ergebnisse einer Untersuchung im Verarbeitenden 

Gewerbe, in der Gesundheits- und Sozialwirtschaft sowie im Tourismus. Potsdam. 

Berliner Zeitung (2007): Job-Chancen für Ältere sinken. Berliner Zeitung vom 

25.07.2007. 

Bundesagentur für Arbeit (Hrsg.) (2005): Erwerbspersonenpotenzial, Erwerbstätigkeit, 

sozialversicherungspflichtige und geringfügige Beschäftigung. Entwicklung und Struktur 

2000–2005. Nürnberg. 

Cörvers, Frank (2003): Labour market forecasting in the Netherlands: a top-down 

approach, Research Centre for Education and the Labour Market (ROA). Maastricht 

University. 

Cörvers, Frank und Hans Heijke (2004): Forecasting the labour market by occupation and 

education: Some key issues, ROA-W-2004/4. Research Centre for Education and the 

Labour Market (ROA), Maastricht University. 

Doyle, Nicola, Pete Lunn und Jerry Sexton (2006): Current Trends in Occupational 

Employment and Forecasts for 2010 and 2020 – Final Report to The Expert Group on 

Future Skill Needs. The Economic and Social Research Institute. Dublin. 

Forschungsdatenzentrum der Statistischen Landesämter (Hrsg.) (2006): Amtliche Mikrodaten 

für die wissenschaftliche Forschung. Aktuelles Datenangebot. Düsseldorf. 

Kaiser, Urlich, Wagner, Joachim (2007): Neue Möglichkeiten zur Nutzung vertraulicher 

amtlicher Personen- und Firmendaten. FDZ-Arbeitspapier NR 20. Download unter: 

www.forschungsdatenzentrum.de/publikationen/veroeffentlichungen/fdz_arbeitspapier- 

20.pdf (Stand: 25.07.2007). 

Kistler, Ernst (2004): Demographischer Wandel und Arbeitsmarkt – Die Debatte muss 

ehrlicher werden. WSI-Mitteilungen 02/2004. Düsseldorf. 

Kistler, Ernst (2006): Neun Irrtümer über den demografischen Wandel. Personalmagazin 

1/2006. Download unter: www.esf-brandenburg.de/downloads/PAP3_9irrtuemer_ kistler.pdf 

(Stand: 03.07.2006). 

Kistler, Ernst und Andreas Huber (2002): Entlastet die demographische Entwicklung den 

Arbeitsmarkt nachhaltig? – Kein Licht am Ende des Tunnels. Stadtbergen. 

Kriechel, Ben, Frank Cörvers und Hans Heijke (2005): Regional labour market forecasts 

in the Netherlands. Mimeo. Maastricht. 

Ministerium für Wirtschaft Brandenburg (2007): Stärken stärken – für Wachstum und 

mehr Beschäftigung. Download unter: www.wirtschaft.brandenburg.de/sixcms/ 

detail.php?id=214939&_siteid=20 (Stand: 13.07.2007). 

Papies, Udo (2005a): Alt wie ein Baum? Altersstrukturen Brandenburger Unternehmen 

vor dem Hintergrund demografischer Entwicklungen. LASA-Studie Nr. 43. Teltow. 

Papies, Udo (2005b): Regionales Berichtssystem zur Früherkennung des Fachkräftebedarfs. 

In: Christa Larsen, Susanne Dera, Claudia Knobel und Alfons Schmid (Hrsg.): 

Regionales Arbeitsmarktmonitoring. Frankfurt a.M., 91–106. 

Vromans, Martin (1998): Athena The multi-sector model. CPB Report 98/3. 

Wilson, Rob (2005): Skills Forecasting in the Uk. Vortrag präsentiert im Rahmen des Feasibility 

Workshops on European Skill Needs Forecasting in Pafos, Zypern. 

Wilson, R., K. Homenidou und A. Dickerson (2006): Working Futures 2004–2014: Technical 

Report on Sources and Methods. Institute for Employment Research, University 

of Warwick. Warwick. 



Anhang A 



Tabelle A1 Schätzresultate 

27: Metallerzeugung und -bearbeitung 28: Herstellung von Metallerzeugnissen 

Schätzmethode OLS 2SLS 3SLS OLS 2SLS 3SLS 


Parameter der Variable Schätzwert t-Wert Schätzwert t-Wert Schätzwert t-Wert Schätzwert t-Wert Schätzwert t-Wert Schätzwert t-Wert 

1. Gleichung, abh. Variable: Umsatz 

t 0,003 13,85 0,003 13,85 0,003 14,94 0,002 11,19 0,002 11,19 0,002 12,20 

Umsatz der Vorperiode 0,046 4,40 0,046 4,40 0,036 3,50 0,226 34,62 0,226 34,62 0,199 32,10 

Auftragslage 0,347 24,55 0,347 24,55 0,332 23,67 0,212 39,79 0,212 39,79 0,209 40,50 

Export 0,374 4,33 0,374 4,33 0,280 3,53 0,649 12,57 0,649 12,57 0,557 11,54 

Dummy für Januar –0,032 –1,79 -0,032 –1,79 –0,032 –1,79 –0,267 –17,35 –0,267 –17,35 –0,268 –17,41 

R 2 -Wert 0,460 0,460 0,459 0,203 0,203 0,202 

2, Gleichung, abh. Variable: Stunden 

t 0,003 27,17 0,002 11,49 0,002 12,64 0,002 40,14 0,001 9,61 0,001 11,35 

Stunden der Vorperiode 0,061 8,28 0,150 11,67 0,165 15,53 0,254 57,13 0,430 57,55 0,386 67,11 

Umsatz 0,126 13,43 0,347 14,32 0,395 16,45 0,030 16,05 0,193 24,37 0,188 24,32 

Lohnsatz pro Stunde –0,018 –37,00 –0,013 –17,33 –0,013 –17,72 –0,019 –95,31 –0,017 –64,16 –0,019 –85,58 

Beschäftigung 0,801 28,39 –0,497 –4,55 –1,366 –18,38 0,679 103,01 0,074 4,66 0,199 14,47 

Dummy für Januar 0,025 2,93 0,042 3,30 0,050 4,07 0,024 5,62 0,080 13,80 0,076 13,47 

Dummy für Januar 2003 0,083 3,56 0,128 3,69 0,090 4,23 0,154 13,51 0,204 13,72 0,179 17,08 

R 2 -Wert 0,805 0,582 0,201 0,783 0,633 0,664 

3. Gleichung, abh. Variable: Beschäftigung 

t –0,0008 –10,28 0,0005 4,63 0,001 13,96 –0,0010 –31,92 –0,0004 –9,29 –0,0002 –5,11 

Beschäftigung der Vorperiode 0,064 12,29 0,079 12,93 0,085 15,70 0,433 115,40 0,559 93,81 0,544 96,82 

Umsatz 0,043 5,93 0,052 3,29 0,150 10,12 0,027 19,26 0,113 20,63 0,159 30,08 

Lohnsatz pro Beschäftigten –0,000007 –1,61 –0,000004 –0,87 –0,000050 –12,61 –0,000080 –32,10 –0,000060 –18,94 –0,000140 –56,35 

Stunden 0,218 18,81 –0,062 –3,50 –0,281 –20,00 0,309 90,22 0,011 1,77 –0,011 –1,84 

Dummy für Januar –0,017 –2,86 0,004 0,52 0,017 2,41 –0,015 –5,25 0,011 2,87 0,019 4,95 

R 2 -Wert 0,313 0,076 –0,395 0,750 0,622 0,538 

Anzahl der Beobachtungen 1946 18444 

Quelle: Eigene Berechnungen anhand der Mikrodaten FDZ für Brandenburg.


Tabelle A2 

Umsatz- und Beschäftigungsprognosen für WZ 27: Metallerzeugung und -bearbeitung 

Tatsächlicher 

Wert 

Umsatz in 1000 Euro Beschäftigung 

Vorhergesagter 

Wert 

Modellprognosen anhand der Werte 1998 bis 2006 

Abweichung 

in % 

Quelle: Eigene Berechnungen anhand der Mikrodaten FDZ für Brandenburg. 



Wert 


Wert 

Abweichung 

in % 

1. Quartal 2005 415517 405971 –2,30 5674 5655 –0,34 

2. Quartal 2005 442569 395653 –10,60 5647 5682 0,61 

3. Quartal 2005 388444 403801 3,95 5633 5673 0,71 

4. Quartal 2005 395063 405412 2,62 5639 5680 0,73 

1. Quartal 2006 442881 445043 0,49 5576 5723 2,65 

2. Quartal 2006 474360 451472 –4,83 5566 5771 3,69 

3. Quartal 2006 463481 451603 –2,56 5564 5776 3,83 

4. Quartal 2006 497377 481139 –3,26 5605 5804 3,54 


1. Quartal 2005 415517 402898 –3,04 5674 5692 0,31 

2. Quartal 2005 442569 392462 –11,32 5647 5729 1,45 

3. Quartal 2005 388444 400214 3,03 5633 5730 1,72 

4. Quartal 2005 395063 401422 1,61 5639 5742 1,83 

1. Quartal 2006 442881 348361 –21,34 5576 5735 2,85 

2. Quartal 2006 474360 349457 –26,33 5566 5743 3,18 

3. Quartal 2006 463481 349457 –24,60 5564 5743 3,22 

4. Quartal 2006 497377 349457 –29,74 5605 5743 2,45 


1. Quartal 2005 415517 393080 –5,40 5674 5697 0,41 

2. Quartal 2005 442569 393080 –11,18 5647 5697 0,89 

3. Quartal 2005 388444 393080 1,19 5633 5697 1,14 

4. Quartal 2005 395063 393080 –0,50 5639 5697 1,04 

1. Quartal 2006 442881 395379 –10,73 5576 5714 2,48 

2. Quartal 2006 474360 396529 –16,41 5566 5722 2,81 

3. Quartal 2006 463481 396529 –14,45 5564 5722 2,84 

4. Quartal 2006 497377 396529 –20,28 5605 5722 2,08 



Tabelle A3 

Umsatz- und Beschäftigungsprognosen für WZ 28: Herstellung von Metallerzeugnissen 



Wert 

Umsatz in 1000 Euro Beschäftigung 


Wert 


Abweichung 

in % 


Wert 


Wert 

Abweichung 

in % 

1. Quartal 2005 206354 179341 –13,09 7819 7819 –0,01 

2. Quartal 2005 224262 209254 –6,69 7801 7793 –0,09 

3. Quartal 2005 259706 223239 –14,04 7904 7941 0,47 

4. Quartal 2005 244719 216563 –11,51 7764 7719 –0,58 

1. Quartal 2006 256557 207022 –19,31 7398 7441 0,58 

2. Quartal 2006 251923 232327 –7,78 7623 7509 –1,49 

3. Quartal 2006 290979 243090 –16,46 7941 7770 –2,15 

4. Quartal 2006 312707 245197 –21,59 8085 7865 –2,73 


1. Quartal 2005 206354 176424 –14,50 7819 7795 –0,31 

2. Quartal 2005 224262 206072 –8,11 7801 7761 –0,51 

3. Quartal 2005 259706 219482 –15,49 7904 7900 –0,04 

4. Quartal 2005 244719 212512 –13,16 7764 7674 –1,17 

1. Quartal 2006 256557 205126 –20,05 7398 7407 0,12 

2. Quartal 2006 251923 206820 –17,90 7623 7444 –2,35 

3. Quartal 2006 290979 207992 –28,52 7941 7464 –6,00 

4. Quartal 2006 312707 208364 –33,37 8085 7504 –7,19 


1. Quartal 2005 206354 211034 2,27 7819 7962 1,82 

2. Quartal 2005 224262 211836 –5,54 7801 7866 0,84 

3. Quartal 2005 259706 214510 –17,40 7904 7851 –0,66 

4. Quartal 2005 244719 211925 –13,40 7764 7659 –1,36 

1. Quartal 2006 256557 209330 –18,41 7398 7432 0,46 

2. Quartal 2006 251923 211792 –15,93 7623 7463 –2,09 

3. Quartal 2006 290979 213381 –26,67 7941 7471 –5,92 

4, Quartal 2006. 312707 221316 –29,23 8085 7557 –6,53


Tabelle A4 

Projektionen der Variablen für die Jahre 2007-2008, WZ 27: Metallerzeugung 

und -bearbeitung 

Auftragslage 

in 1000 

Euro 


Exogene Variablen Endogene Variablen 

Exportanteil 

in % 

Lohnsatz 

pro Stunde 

in Euro 

Lohnsatz 

pro 

Beschäftigten 

in Euro 

Umsatz in 

1000 Euro 

Stunden 

Beschäftigung 

1. Quartal 2005 405999 16,55 15,50 2097 374935 639667 5519 

2. Quartal 2005 371348 15,55 15,81 2227 368753 630390 5517 

3. Quartal 2005 383186 18,41 16,12 2157 379593 635647 5533 

4. Quartal 2005 381467 18,47 17,96 2466 379179 626128 5538 

1. Quartal 2006 490418 17,64 15,19 2234 414295 682263 5556 

2. Quartal 2006 452643 15,65 16,97 2429 409671 662046 5561 

3. Quartal 2006 446718 16,49 16,39 2275 412474 669662 5571 

4. Quartal 2006 495086 17,37 19,20 2508 432896 662764 5593 

1. Quartal 2007 430319 17,21 16,74 2334 410539 681968 5587 

2. Quartal 2007 436425 17,26 18,03 2487 420676 672463 5597 

3. Quartal 2007 442349 17,37 17,68 2368 426398 681315 5608 

4. Quartal 2007 448352 17,51 19,69 2554 432265 671491 5621 

1. Quartal 2008 454438 17,69 18,02 2419 433418 699754 5627 

2. Quartal 2008 460606 17,88 18,97 2543 444367 692723 5636 

3. Quartal 2008 466857 18,08 18,77 2450 450582 700995 5647 

4. Quartal 2008 473194 18,29 20,22 2600 456897 695811 5659 



Tabelle A5 

Projektionen der Variablen für die Jahre 2007 und 2008, WZ 28: Herstellung von 

Metallerzeugnissen 



Auftragslage 

in 1000 

Euro 

Exogene Variablen Endogene Variablen 

Exportanteil 

in % 

Lohnsatz 

pro Stunde 

in Euro 

Lohnsatz 

pro Umsatz 

Beschäftigten in 1000 Euro 

in Euro 

Stunden 

Beschäftigung 

1. Quartal 2005 192584 4,30 13,18 1873 248448 986065 7817 

2. Quartal 2005 233674 4,,61 13.19 1938 290978 995442 7916 

3. Quartal 2005 248266 5,28 13,26 1940 301541 1010216 7982 

4. Quartal 2005 249865 4,82 14,39 2039 303598 999716 7942 

1. Quartal 2006 319067 6,32 12,90 1880 294440 1049817 7979 

2. Quartal 2006 271354 6,03 13,63 1963 317882 1040134 8053 

3. Quartal 2006 308300 5,71 13,23 1932 328794 1056623 8090 

4. Quartal 2006 305351 6,07 14,68 2064 332062 1035443 8016 

1. Quartal 2007 268641 5,92 13,77 1912 290637 1045781 7930 

2. Quartal 2007 269195 5,86 14,12 1984 324521 1038367 7974 

3. Quartal 2007 272192 5,88 14,04 1959 328082 1045286 7987 

4. Quartal 2007 275275 5,92 14,68 2070 331425 1038128 7919 

1. Quartal 2008 278394 5,99 14,41 1945 300808 1052613 7862 

2. Quartal 2008 281549 6,08 14,62 2007 337934 1048033 7939 

3. Quartal 2008 284739 6,17 14,66 1988 341938 1053828 7960 

4. Quartal 2008 287965 6,26 14,99 2082 345565 1052815 7905


Anhang B 

Abbildung B1 

Umsatzindices in WZ 27: Metallerzeugung und -bearbeitung 

Umsatzindex (2000 = 100) 

180 

160 

140 

120 

100 

80 

60 

40 

20 

0 

1998 1999 2000 2001 2002 2003 2004 2005 2006 

Brandenburg 

Deutschland 

Quelle: Brandenburg Mikrodaten FDZ, Werte für Deutschland aus Reihe Monatsbericht, Statistisches 

Bundesamt. 

Abbildung B2 

Umsatzindices in WZ 28: Herstellung von Metallerzeugnissen 


140 

120 

100 

80 

60 

40 

20 

0 

1998 1999 2000 2001 2002 2003 2004 2005 2006 

Brandenburg 

Deutschland 


Bundesamt. 



Abbildung B3 

Beschäftigungsindices in WZ 27: Metallerzeugung und -bearbeitung 


106 

104 

102 

100 


Bundesamt. 


98 

96 

94 

92 

90 

Abbildung B4 

1998 1999 2000 2001 2002 2003 2004 2005 2006 

Beschäftigungsindices in WZ 28: Herstellung von Metallerzeugnissen 


105 

100 

95 

90 

85 

80 

75 

1998 1999 2000 2001 2002 2003 2004 2005 2006 

Brandenburg 

Deutschland 

Brandenburg 

Deutschland 


Bundesamt.


Abbildung 5 

Beschäftigungsanteil in Brandenburg an Deutschland 

Beschäftigungsanteil in % 

2,5 

2,0 

1,5 

1,0 

0,5 

0,0 

1998 1999 2000 2001 2002 2003 2004 2005 2006 


Bundesamt. 

Abbildung 6 

Differenz von monatlichen Prognosen und tatsächlichen Werten des Umsatzes 

(2SLS-Schätzmethode, Daten 1998 bis 2006) 

Umsatzresiduenl in % 

60 

50 

40 

30 

20 

10 

0 

-10 

-20 

-30 

-40 

1998 1999 2000 2001 2002 2003 2004 2005 2006 


27: Metallerzeugung 


28: Herstellung von 




28: Herstellung 

von Metallerzeugnissen 



Abbildung 7 

Differenz von monatlichen Prognosen und tatsächlichen Werten von Stunden 

(2SLS-Schätzmethode, Daten von 1998 bis 2006) 

Stundenresiduen in % 

60 

50 

40 

30 

20 

10 

-10 

-20 

-30 

-40 



0 

Abbildung 8 

1998 1999 2000 2001 2002 2003 2004 2005 2006 





Differenz von monatlichen Prognosen und tatsächlichen Werten der Beschäftigten 

(2SLS-Schätzmethode, Daten von 1998 bis Ende 2006) 

Beschäftigungsresiduen in % 

60 

50 

40 

30 

20 

10 

0 

-10 

-20 

-30 

-40 

1998 1999 2000 2001 2002 2003 2004 2005 2006 





Metallerzeugnissen

Hinweise für Autoren der Vierteljahrshefte 

Die Vierteljahrshefte zur Wirtschaftsforschung werden seit 1927 vom DIW Berlin herausgegeben. 

Sie veröffentlichen Aufsätze zu aktuellen wirtschaftspolitischen Fragestellungen 

und wenden sich an Wissenschaft, Politik und Wirtschaft. 

Zwischen Abgabetermin des Manuskripts und Erscheinen des Beitrags in den Vierteljahrsheften 

liegen im Allgemeinen weniger als drei Monate. Alle Beiträge werden begutachtet. 

Die Themen der nächsten Schwerpunkthefte und ausführliche Hinweise für Autoren können 

der DIW-Internetseite entnommen werden (www.diw.de). 

Beiträge sind an die Redaktion, an das jeweils zuständige Redaktionsmitglied oder z.H. 

Ellen Müller-Gödtel einzusenden. Berücksichtigt werden nur Originalbeiträge, die im Falle 

der Annahme auch tatsächlich zur Veröffentlichung in den Vierteljahrsheften zur Verfügung 

stehen. 

Die Beiträge sollten in deutscher (ausnahmsweise in englischer) Sprache verfasst sein. Es 

gilt die neue deutsche Rechtschreibung. Eine Zusammenfassung des Beitrags ist in deutscher 

und in englischer Sprache gesondert zu erstellen. Diese soll jeweils nicht mehr als 

150 Wörter umfassen. Außerdem müssen dem Manuskript mindestens vier Begriffe der 

JEL-Klassifikation (www.aeaweb.org/journal/jel_class_system.html) und mindestens fünf 

englischsprachige Keywords beigefügt werden. 

Das Manuskript ist in Schriftgröße 12 pt im Zeilenabstand von 1,5 zu erstellen und mit einem 

linken und rechten Rand von 2,5 cm zu versehen. Der Umfang des Manuskripts sollte 

15 Seiten (ca. 30000 Zeichen, ohne Tabellen und Abbildungen) nicht überschreiten. Die 

Zitierweise ist den Aufsätzen des Vierteljahrsheftes bzw. der o.g. Internetseite zu entnehmen. 

Den Textteil ist in MS Word zu liefern. Tabellen und Abbildungen sind als separate Dateien 

(Tabellen in MS Excel, Abbildungen zusammen mit den zugrunde liegenden Daten – 

entweder ebenfalls in Excel oder einem anderen gängigen Grafikprogramm) zu liefern. 

Die Stellen, an denen sie im Text erscheinen sollen, müssen im Manuskript markiert werden. 

Die maximale Breite von Tabellen und Abbildungen beträgt 12,6 cm. Bei Tabellen 

die Zeilen- und Spaltenmerkmale bitte übersichtlich aufteilen. Anmerkungen und Fußnoten 

sowie Quellenangabe(n) bitte unter dem Tabellenfeld bzw. der Graphik positionieren. 

Wichtiger Hinweis: Falls Sie Abbildungen o.Ä. aus dem Internet entnehmen, bitten wir 

um Mitlieferung einer Kopie der Druckgenehmigung.

Vierteljahrshefte zur Wirtschaftsforschung 

Erscheinen zurzeit im 76. Jahrgang. Format DIN B 5. Die Hefte werden einzeln berechnet. 

Unverbindliche Preisempfehlung. 

Heft 2-2007. 117 Seiten. Euro 64,– 

Reform der Unternehmensbesteuerung 2008 

Reform der Unternehmensbesteuerung 2008. Von Stefan Bach • Sollen multinationale Unternehmen 

weniger Steuern bezahlen? Von Andreas Haufler • Unternehmensbesteuerung 

in der Europäischen Union – Aktuelle Entwicklungen und Implikationen für die deutsche 

Steuerpolitik. Von Margit Schratzenstaller • Steuerpolitische Perspektiven der Unternehmensteuerreform 

2008. Von Johannes Becker und Clemens Fuest • Unternehmensteuerreform 

2008 – Mogelpackung statt großer Wurf. Von Ralf Maiterth und Heiko Müller • 

Aufkommens- und Verteilungseffekte der Unternehmensteuerreform 2008. Von Stefan 

Bach, Hermann Buslei, Nadja Dwenger und Frank Fossen • Einfluss der Unternehmensteuerreform 

2008 auf die effektive Steuerbelastung. Von Christoph Spengel, Christina Elschner, 

Michael Grünewald und Timo Reister • Fundamentale Steuerreformen für Deutschland: Die 

Unternehmensteuerreform 2008, die Duale Einkommensteuer und die Einheitssteuer im 

Vergleich. Von Doina Maria Radulescu und Michael Stimmelmayr 

Wochenbericht 

Erscheint zurzeit im 74. Jahrgang. Umfang jeder Nummer 10 bis 16 Seiten. Format DIN A 4. 

Der Bezugspreis für die Druckausgabe beträgt jährlich Euro 180,–, die Einzelnummer kostet 

Euro 7,–. Unverbindliche Preisempfehlung. 

Diskussionspapiere 

Erscheinen mehrmals monatlich seit 1989. Jede Ausgabe der Diskussionspapiere wird als 

kostenlose Volltextversion online angeboten. Der Bezugspreis als Print beträgt Euro 5,–. 

Nr. 732 A Complementarity Model for the European Natural Gas Market. Von Ruud 

Egging, Steven A. Gabriel, Franziska Holz und Jifang Zhuang. Oktober 2007. 

Nr. 731 Access Price Regulation and Price Discrimination in Intermediate Goods Markets. 

Von Claudia Salim. Oktober 2007. 

Nr. 730 Price Convergence in the Enlarged Internal Market. Von Christian Dreger, Konstantin 

Kholodilin, Kirsten Lommatzsch, Jiri Slacalek und Przemyslaw Wozniak. 

Oktober 2007. 

Nr. 729 The "Bali Convention": Flexibility of Targets and Instruments Inevitable. Von 

Claudia Kemfert. September 2007. 

Nr. 728 Mergers & Acquisitions and Innovation Performance in the Telecommunications 

Equipment Industry. Von Tseveen Gantumur und Andreas Stephan. September 

2007. 

Alle Online-Publikationen sind abrufbar von unserer Homepage www.diw.de

Pdf-Document - DIW Berlin

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?