Messung der Effizienz in Banken mittels der Data Envelopment Analysis (DEA)

Inhaltsangabe:Zusammenfassung: Durch die knapper werdenden Margen und kontinuierlich steigenden Kosten im Bankensektor hat die Verbesserung der Performance für Banken zunehmend an Bedeutung gewonnen. Dabei spielt die Produktivität/Effizienz neben monetären Größen wie Gewinn, Umsatz, Bilanzsumme oder Return on Investment (ROI) eine immer größere Rolle. Doch die häufig in der Praxis zur Messung der Produktivität genutzten Kennzahlen, wie bspw. Girokonten je Mitarbeiter, erlauben keine Gesamtbetrachtung der Realität und können leicht zu Fehlentscheidungen führen. Zur umfassenden Effizienzanalyse bedarf es deshalb einer Methode, die sämtliche Inputs (Ressourcen z. B. Personal) und Outputs (Produkte und Dienstleistungen) umfasst. In dieser Arbeit wird die Data Envelopment Analysis (DEA) vorgestellt, die eine solche umfassende Analyse der Effizienz ermöglicht. Dieses mathematische Verfahren basiert auf produktionstheoretischen Überlegungen und nutzt die lineare Programmierung zur Berechnung von Effizienzwerten. Ein großer Vorteil der DEA ist, dass es problemlos mehrere Inputs und Outputs in die Effizienzanalyse einbeziehen kann und vorab keine Gewichtung der einzelnen Input- und Outputfaktoren erfolgen muss, da diese im Rahmen des Verfahrens objektiv ermittelt werden. Die DEA hat sich in den letzten Jahren immer mehr etabliert und wurde bereits erfolgreich für zahlreiche Effizienzanalysen in den unterschiedlichsten Branchen eingesetzt. Die Arbeit wurde in Zusammenarbeit mit einer mittelgroßen Sparkasse geschrieben und geht auf die Messung der Effizienz in Banken mittels der DEA ein. In der Praxisstudie wird speziell auf die Effizienzmessung der Sparkassenfilialen der betrachteten Sparkasse eingegangen. Die Arbeit ist für Praktiker (nicht für Mathematiker!) geschrieben und soll den Controllern und Entscheidungsträgern einer Bank einen einfachen Einstieg in die DEA ermöglichen. Aus diesem Grund werden die grundlegenden mathematischen Modelle und Annahmen nur so tiefgehend erklärt, wie es für das Verständnis und die Akzeptanz des Verfahrens erforderlich scheint. Auf mathematische Beweise und Weiterentwicklungen der grundlegenden DEA-Modelle wird ganz verzichtet. Neben dem theoretischen Verständnis sollen Anhaltspunkte für die Interpretation der ermittelten Effizienzwerte gegeben werden. Die in der Arbeit dargestellten Grundlagen, Eigenschaften und Schwächen des Verfahrens, lassen sich aber auch problemlos auf andere Branchen übertragen. Daher eignet sich [¿]