Jahresabschlüsse als Grundlage für eine Insolvenzprognose

Diplomarbeit von Gerald Wegner

Einleitung:

In den Jahren nach der Jahrtausendwende hat die Zahl der Insolvenzen in der Bundesrepublik Deutschland immer neue Rekordwerte erreicht. Die vom statistischen Bundesamt gemeldeten Zahlen stiegen von 32278 im Jahre 2001 auf 39213 im Jahre 2004. Erst 2005 scheint sich mit geschätzten 37900 Firmenpleiten eine leichte Trendwende abzuzeichnen.

Auch Unternehmensexterne, wie Anteilseigner ohne Geschäftsführungskompetenz, Aktionäre und Schuldner, die Unternehmensanleihen oder andere Finanztitel halten, sind finanziell unmittelbar von einer Bestandsgefährdung betroffen. Vor allem ist an Kreditinstitute zu denken, die die künftige Entwicklung der Bonität von Unternehmen einschätzen wollen, um über die Einrichtung, Kündigung oder Verlängerung von Kreditlinien zu entscheiden. Eine frühzeitige Erkennung der Insolvenzgefahr kann Wertberichtigungen im Bankbereich vermeiden. Gerade für Außenstehende, die sich bei der Einschätzung der künftigen Unternehmenslage meist nur auf die in den Jahresabschlüssen publizierten Daten und andere allgemein zugängliche Informationen stützen können, bedeutet dies eine schwierige Situation.

Bilanzen und Erfolgsrechnungen sind stichtagsbezogen und enthalten Vergangenheitsdaten, die naturgemäß eine schlechte Ausgangsbasis für Prognosen sind. In die Zukunft weisen nur wenige Informationen, wie z. B. Restlaufzeiten von Forderungen und Verbindlichkeiten. Erschwerend kommt hinzu, dass die Jahresabschlusspositionen im Rahmen der gesetzlichen Möglichkeiten durch bilanzpolitische Maßnahmen oder Sachverhaltsgestaltung manipuliert werden können. Die klassische Jahresabschlussanalyse bewertet Unternehmen auf logisch-deduktive Art und Weise an Hand einer Vielzahl von Kennzahlen. Dies erfordert sehr viel Erfahrung und weist je nach Analysten subjektive Züge auf.

Die praktische Erfahrung zeigt dann auch, dass eine zuverlässige Insolvenzprognose im Rahmen der klassischen Bilanzanalyse besonders problematisch ist. Auf die traditionelle Jahresabschlussanalyse soll daher in dieser Arbeit nur am Rande eingegangen werden. Neuere Methoden der Bilanzanalyse beurteilen Unternehmen auf empirisch-induktive Art an Hand statistischer Merkmale. Durch Verbreitung von PCs haben moderne, multivariate statistische Analyseverfahren auch in der betriebswirtschaftlichen Praxis Einzug gehalten. Unter den rechnergestützten Analysemethoden hat sich besonders die auf solche Klassifikationsleistungen zugeschnittene multivariate Diskriminanzanalyse bei der Insolvenzprognose etabliert.

Seit einem halben Jahrhundert knüpfen sich auch hohe Erwartungen an die „Künstliche Intelligenz“, kurz KI genannt. Erklärtes Ziel der KI-Forschung ist es, mit technischen Mitteln so viel wie möglich von den Fähigkeiten des menschlichen Geistes zu imitieren und ihn womöglich sogar eines Tages zu übertreffen. Während sich die klassischen KI-Verfahren mit der Informationsverarbeitung durch Manipulation von Symbolen sowie mit Bildverarbeitung und Robotik befassen, versucht der Konnektionismus mit Künstlichen Neuronalen Netzen (KNN) Intelligenzleistungen zu simulieren.

Auch komplexe wirtschaftliche Problemstellungen werden erfolgreich mit KNN bearbeitet. Es gibt inzwischen eine Anzahl von Publikationen, die sich speziell mit der Anwendung von KNN bei der Insolvenzprognose befassen. Die ersten Ergebnisse sind vielversprechend und verdienen daher Beachtung.

Die vorliegende Arbeit soll zunächst den Begriff Insolvenzprognose definieren bevor sie einen bewertenden Überblick über moderne Verfahren der Insolvenzprognose aus Jahresabschlussdaten gibt. Dabei finden Frühwarnsysteme Berücksichtigung, die im deutschsprachigen Raum publiziert wurden. Der Schwerpunkt soll auf Studien liegen, die sich statistischer Trennverfahren wie der multivariaten Diskriminanzanalyse (MDA) und Künstlicher Neuronaler Netzanalyse (KNNA) bedienen. Die ausführliche Darstellung zweier entsprechender Verfahren des Instituts für Revisionswesen der Westfälischen Wilhelms-Universität Münster will demonstrieren, welch hohen Stand die Insolvenzprognose durch externe Analysten heute erreicht hat. Ein Vergleich von MDA und KNNA rundet den Überblick ab. Dabei dienen insbesondere die Klassifikationsleistung, der Aufwand bei der Entwicklung und Anwendung, sowie die ökonomische Interpretierbarkeit als Kriterien.

Inhaltsverzeichnis: