Beiträge von RobertM

Ich ergänze die Sicht aus dem Betrieb, weil man daran am besten sieht, warum Ökonomen so auf Preisinstrumenten beharren.

Bei uns hängt an jeder Vermeidungsmaßnahme eine Zahl: Euro pro eingesparter Tonne. Abwärmenutzung liegt vielleicht bei 30 €/t, ein Anlagentausch bei 90 €/t, die Umstellung eines Prozesses bei 400 €/t. Sobald es einen Preis pro Tonne gibt, ist die Reihenfolge automatisch klar: Alles, was billiger ist als dieser Preis, wird umgesetzt, alles Teurere nicht. Genau das ist der Vorteil gegenüber einer Vorschrift – die Vermeidung passiert dort, wo sie am günstigsten ist, und der Staat muss gar nicht wissen, wo das ist.

Der Vergleich, der in Klausuren gefragt wird, geht so:

• Ordnungsrecht (Auflage, Grenzwert): wirkt sicher und ist gut kontrollierbar, aber jeder Betrieb muss dasselbe tun, egal ob es ihn 30 oder 400 € je Tonne kostet. Volkswirtschaftlich ist das teurer als nötig – das Ziel wird nicht mit den geringstmöglichen Gesamtkosten erreicht.
• Preis- oder Mengeninstrument: erreicht dasselbe Ziel günstiger und wirkt zusätzlich dynamisch: Wer einen Grenzwert eingehalten hat, hat keinen Grund mehr, weiterzumachen. Wer für jede Tonne zahlt, hat auch darüber hinaus einen Anreiz, besser zu werden.

Zwei Punkte für die Bewertungsdiskussion, die man kennen sollte: Erstens wirken solche Abgaben regressiv – sie belasten kleine Einkommen anteilig stärker, weil Heizen und Fahren dort einen größeren Budgetanteil ausmachen. Deshalb wird eine Rückverteilung der Einnahmen (Pauschale pro Kopf, Senkung anderer Abgaben) immer mitdiskutiert; die Lenkungswirkung bleibt dabei erhalten, weil der Preis an der Zapfsäule unverändert ist. Zweitens gibt es das Carbon-Leakage-Problem: Wenn nur eine Region bepreist, kann Produktion abwandern, statt sauberer zu werden – das Instrument braucht also eine Antwort an der Grenze, sonst verschiebt es die Emissionen nur.

Merksatz für den Schluss einer Aufgabe: Nicht der Markt ist das Problem, sondern der fehlende Preis. Umweltpolitik heißt vor allem, diesen Preis herzustellen.

Ich ergänze die Form, die in der Aufzählung oft fehlt und in deiner Beispielaufgabe eigentlich schon steckt: die Projektorganisation. Die gibt es in drei Abstufungen, und die Unterscheidung ist ein klassischer Prüfungsinhalt:

1. Einfluss-Projektorganisation (Stabsprojektorganisation): Der Projektleiter hat keine Weisungsbefugnis, er koordiniert und informiert. Vorteil: kein Eingriff in die bestehende Struktur. Nachteil: Verantwortung ohne Kompetenz – der undankbarste Job im Unternehmen.
2. Matrix-Projektorganisation: Weisungsrechte geteilt, fachlich beim Projektleiter, disziplinarisch in der Linie. Der Kompromiss – und genau der Fall aus deiner Klausuraufgabe.
3. Reine Projektorganisation (Task Force): Die Mitarbeitenden werden vollständig aus der Linie herausgelöst und dem Projekt zugeordnet. Höchste Schlagkraft und klare Verantwortung, dafür teuer – bei Auslastungslücken laufen Kapazitäten leer, und am Projektende stellt sich die Frage der Wiedereingliederung.

Die Auswahl begründet man über Projektgröße, Dauer, Neuartigkeit und Risiko: Je größer, länger und riskanter das Vorhaben, desto weiter rutscht man in der Liste nach unten. Ein sechswöchiges Nebenprojekt in reiner Projektorganisation aufzuziehen ist genauso falsch wie eine zweijährige Werksverlagerung per Einflussorganisation.

Falls du einen Bewertungssatz für den Schluss brauchst: „Structure follows strategy“ (Chandler). Es gibt keine generell beste Organisationsform, sondern nur eine, die zur Strategie, zur Programmbreite und zur Umweltdynamik passt. Damit kannst du jede „Welche Form ist besser?“-Frage sauber beantworten, ohne dich festzulegen, wo es nichts festzulegen gibt.

Aus dem Blickwinkel eines Industriebetriebs kann ich Lisas Punkt 3 nur unterstreichen: Kurzarbeit ist der Grund, warum man deutsche Rezessionen in der Arbeitslosenquote oft kaum wiederfindet.

Für die Klausur lohnt es sich, das als institutionellen Unterschied zu formulieren: Der Okun-Koeffizient ist keine universelle Zahl, sondern hängt vom Arbeitsmarkt ab. Wo Kündigungsschutz schwach und Kurzarbeit unüblich ist (klassisch: USA), reagiert die Beschäftigung schnell und stark – hoher Koeffizient. Wo es Kündigungsfristen, Sozialpläne und Kurzarbeitergeld gibt, reagiert stattdessen die Arbeitszeit, und der Koeffizient fällt niedriger aus. Das ist auch der Grund, warum man Okun-Schätzungen aus US-Lehrbüchern nicht ungeprüft auf Deutschland übertragen darf.

Kleiner Praxis-Nachtrag, der in Diskussionen gut ankommt: Der Puffer hat auch eine Kehrseite. Er hält Beschäftigung in Betrieben, deren Geschäftsmodell dauerhaft nicht mehr trägt, und verzögert damit den Strukturwandel. Bei einem vorübergehenden Nachfrageeinbruch ist das ökonomisch klug, bei einem strukturellen Bruch teuer. Genau an dieser Unterscheidung – temporärer Schock oder dauerhafte Verschiebung? – hängt die ganze wirtschaftspolitische Bewertung.

Was mir das Ganze erst wirklich verständlich gemacht hat, war das dahinterstehende betriebswirtschaftliche Beispiel – die Materialverflechtung. Danach vergisst man die Regel nicht mehr, weil man sieht, warum sie so sein muss.

Stell dir vor, aus Rohstoffen werden Zwischenprodukte, aus Zwischenprodukten Endprodukte:

• Matrix A: wie viele Einheiten jedes Rohstoffs stecken in jedem Zwischenprodukt (Format Rohstoffe × Zwischenprodukte)
• Matrix B: wie viele Zwischenprodukte stecken in jedem Endprodukt (Format Zwischenprodukte × Endprodukte)
• Produkt A·B: wie viele Rohstoffe stecken direkt in jedem Endprodukt (Format Rohstoffe × Endprodukte)

Jetzt ist sofort klar, warum die inneren Formate übereinstimmen müssen: Die Zwischenprodukte sind das Bindeglied, und es müssen auf beiden Seiten dieselben sein. Und ebenso klar ist, warum B·A Unsinn wäre – man kann Endprodukte nicht in Zwischenprodukte einsetzen. Die Reihenfolge ist hier keine Konvention, sondern Fachlogik.

Wenn du dann noch einen Bedarfsvektor der Endprodukte dranmultiplizierst (Format Endprodukte × 1), bekommst du direkt den Gesamtrohstoffbedarf als Vektor (Rohstoffe × 1). Das ist eine der beliebtesten Klausuraufgaben in Wirtschaftsmathe überhaupt, oft eingekleidet als Gozintograph.

Zwei Kleinigkeiten für die Klausur:

• Die Einheitsmatrix E spielt die Rolle der Zahl 1: A·E = E·A = A. Sie ist eine der wenigen Matrizen, mit der die Multiplikation doch vertauschbar ist.
• Eine Division gibt es nicht. Was man stattdessen macht, ist die Multiplikation mit der inversen Matrix A⁻¹, und die existiert nur für quadratische Matrizen mit Determinante ungleich null. Das ist der übliche nächste Abschnitt im Skript.

Eine Sache noch, die die Standardabweichung erst richtig greifbar macht: Solange die Daten halbwegs normalverteilt sind, gilt die 68-95-99,7-Regel. Rund 68 % der Werte liegen innerhalb einer Standardabweichung um den Mittelwert, rund 95 % innerhalb von zwei, rund 99,7 % innerhalb von drei.

Damit wird aus einer abstrakten Zahl eine Aussage: Bei einer durchschnittlichen Lieferzeit von 5 Tagen mit s = 1,2 Tagen liegen etwa 95 % der Lieferungen zwischen 2,6 und 7,4 Tagen. Genau so argumentiert man in einer Klausuraufgabe, wenn nach der Interpretation gefragt ist – und genau daher kommen auch die Toleranzgrenzen in der Qualitätssicherung.

Zum Verschiebungssatz noch eine Warnung aus der Praxis: Er ist für die Handrechnung super, wird aber numerisch unzuverlässig, wenn Mittelwert und Streuung weit auseinanderliegen (große Zahlen, kleine Unterschiede). Da subtrahiert man zwei fast gleich große Werte und verliert massiv Genauigkeit. Auf dem Papier egal, in einer selbstgeschriebenen Auswertung nicht – dort rechnet man die Abweichungen direkt.

Moin, ich hänge bei der Datenmodellierung. Das ER-Diagramm zu zeichnen bekomme ich hin: Entitäten als Rechtecke, Beziehungen als Rauten, Attribute dran. Die Umsetzung ins relationale Modell wirft mich aber jedes Mal raus.

Mein Beispiel: Kunde – bestellt – Artikel. Ein Kunde kann viele Artikel bestellen, ein Artikel wird von vielen Kunden bestellt, also n:m. In der Musterlösung stehen plötzlich drei Tabellen statt zwei, und die Bestellmenge steht in der mittleren. Warum kann ich die Menge nicht einfach in die Artikeltabelle schreiben?

Und die zweite Baustelle: Bei 1:n weiß ich nie, auf welcher Seite der Fremdschlüssel hingehört. Ich rate das inzwischen und liege in etwa der Hälfte der Fälle daneben. 😅 Gibt es dafür eine Regel, die man sich merken kann?

Zwei praktische Ergänzungen, die mir viel Rechenzeit gespart haben:

1. Vereinfachen schlägt Regel anwenden. Viele Aufgaben sehen nur nach Quotienten- oder Produktregel aus. Bei f(x) = (6x³ + 4x) ÷ (2x) kürzt du einfach zu 3x² + 2 und leitest in einer Zeile ab. Und Potenzen im Nenner schreibt man besser um: 1 ÷ x² ist x^(−2), das leitet sich mit der Potenzregel viel schneller ab als mit der Quotientenregel. Faustregel: Erst hinschauen, ob sich der Term umformen lässt, dann erst eine Regel zücken.

2. Regeln werden verschachtelt. In Klausuraufgaben steht oft beides gleichzeitig, etwa f(x) = x² · e^(3x). Dann arbeitest du von außen nach innen: äußerste Operation ist die Multiplikation → Produktregel, und beim Ableiten von v = e^(3x) brauchst du innerhalb davon die Kettenregel (v′ = 3e^(3x)). Ergebnis: f′(x) = 2x · e^(3x) + x² · 3e^(3x) = x · e^(3x) · (2 + 3x). Wer versucht, das in einem Rutsch zu sehen, verrechnet sich – Schritt für Schritt von außen nach innen klappt fast immer.

Und weil wir in Wirtschaftsmathe sind, noch der Punkt, warum das nicht nur Formelakrobatik ist: Wenn der Preis von der Menge abhängt, ist der Erlös E(x) = p(x) · x ein Produkt – für den Grenzerlös brauchst du also zwingend die Produktregel. Genau daher kommt das Ergebnis, dass der Grenzerlös unter dem Preis liegt. Wer hier die Regel verfehlt, hat nicht nur einen Rechenfehler, sondern bekommt eine ökonomisch falsche Aussage heraus.

Marcos Weg ist Standard. Zwei Dinge, die in der Klausur Punkte retten:

• Immer die Probe machen mit dem anderen Punkt: K(300) = 30 · 300 + 4.000 = 9.000 + 4.000 = 13.000 ✓. Passt – also stimmt die Funktion. Kostet 20 Sekunden und deckt einen Vorzeichen- oder Rechenfehler sofort auf.
• Interpretation dazuschreiben, wenn danach gefragt ist: 30 €/Stück = variable (mengenabhängige) Kosten, 4.000 € = fixe (mengenunabhängige) Kosten. Und Vorsicht bei der Denkfalle: die variablen Stückkosten (30 €) sind konstant, aber die fixen Stückkosten (4.000/x) sinken mit steigender Menge – das ist die Fixkostendegression, die gern als Anschlussfrage kommt.

Genau, und aus der Ingenieurs-Ecke der wichtigste Praxistipp: am Ende immer die Probe machen – beide Ergebnisse in beide Ausgangsgleichungen einsetzen. Kostet 30 Sekunden und rettet dich vor dem Folgefehler.

Zwei Randfälle, die in Klausuren gern kommen: Wenn beim Rechnen etwas wie 0 = 5 rauskommt, hat das System keine Lösung (parallele Geraden). Kommt 0 = 0 raus, gibt es unendlich viele Lösungen (identische Geraden). Das ist kein Rechenfehler, sondern die Antwort – ruhig so hinschreiben.

Marcos Erklärung ist der Kern – dazu drei Warnhinweise, die in Klausuren und in der Praxis gern geprüft werden:

• Ein hohes R² beweist keine Kausalität und nicht einmal, dass das Modell passt. Immer zusätzlich die Residuen anschauen: liegt ein Muster drin, ist der lineare Ansatz falsch, egal wie hoch R² ist.
• Bei mehreren erklärenden Variablen steigt R² automatisch, sobald du irgendeine Variable hinzunimmst – auch unsinnige. Deshalb nimmt man dort das korrigierte (adjustierte) R², das für die Zahl der Variablen bestraft.
• Ob 0,83 „gut“ ist, hängt vom Fach ab: in der Technik oft mau, in wirtschafts- oder sozialwissenschaftlichen Daten mit viel Rauschen ein starker Wert.

Ergänzend zur Frage „wann welchen“: In der Praxis dominiert der Laspeyres-Index, u. a. beim Verbraucherpreisindex. Der Grund ist rein praktisch – du brauchst die Mengen nur einmal (aus dem Basisjahr) zu erheben und der Warenkorb bleibt eine Weile fest. Paasche müsste jedes Jahr neu die aktuellen Mengen erfassen, das ist teuer.

Inhaltlich neigt Laspeyres dazu, die Inflation leicht zu überschätzen (er ignoriert, dass Leute bei Preisanstiegen auf günstigere Güter ausweichen – Substitution), Paasche eher zu unterschätzen. Deshalb gibt es als Kompromiss noch den Fisher-Index (geometrisches Mittel der beiden).

Konkretes Mini-Beispiel, schon sortiert: 2, 4, 5, 6, 8, 9, 12, 15 (acht Werte).

• Median: Mittel der beiden mittleren Werte (6 und = 7.
• Untere Hälfte 2, 4, 5, 6 → Q1 = (4 + 5) / 2 = 4,5.
• Obere Hälfte 8, 9, 12, 15 → Q3 = (9 + 12) / 2 = 10,5.
• IQR = 10,5 − 4,5 = 6.

Die Whisker enden übrigens nicht automatisch am Minimum bzw. Maximum, sondern am letzten Wert innerhalb von 1,5 · IQR ab der Box. Alles darüber oder darunter wird als einzelner Punkt = Ausreißer eingezeichnet. Danach wird oft gefragt: Ein Wert über Q3 + 1,5 · IQR = 10,5 + 9 = 19,5 wäre hier ein Ausreißer. Unsere 15 liegt drunter, ist also keiner.

Guter Thread, die Vier-Felder-Matrix oben ist genau der Schlüssel. Ich hänge noch den Aspekt an, der mich als Wirtschaftsingenieur am meisten fasziniert: Die Kategorie eines Guts ist nicht in Stein gemeißelt – Technik kann sie verschieben.

Nichtausschließbarkeit ist nämlich selten eine Naturkonstante, sondern meist eine Kostenfrage. Beispiele, an denen man das gut sieht:

• Straßen: Jahrzehntelang das Musterbeispiel für ein öffentliches Gut, weil man an jeder Auffahrt kein Kassenhäuschen bauen konnte. Mit automatischer Kennzeichenerfassung und Mautbrücken ist der Ausschluss plötzlich billig – die Autobahn wird zum Klubgut (bei Stau sogar zum Allmendegut, weil dann Rivalität dazukommt).
• Fernsehen: Frei empfangbar = öffentliches Gut. Verschlüsselung + Decoder = Klubgut. Physisch hat sich am Signal nichts geändert, nur die Ausschlusstechnik.

Für die Klausur heißt das: Der Deich bleibt trotzdem das saubere Beispiel für ein echtes öffentliches Gut, weil man niemanden hinter dem Deich gezielt „nicht schützen“ kann – da ist der Ausschluss nicht teuer, sondern technisch unmöglich. Aber wenn in der Aufgabe steht „durch neue Technologie X ist es nun möglich, Nutzer zu identifizieren“, dann ist das ein Signalsatz: Du sollst die Neu-Einordnung in der Matrix begründen, und damit fällt auch die Rechtfertigung für die staatliche Bereitstellung weg.

Der Rest bleibt aber: Nichtrivalität heißt, die Grenzkosten einer zusätzlichen Nutzung sind ~0. Und wenn man dann trotzdem per Technik ausschließt, verschenkt man Wohlfahrt – deshalb ist ein Klubgut ökonomisch auch nicht automatisch die bessere Lösung. 😉

Und genau für „lohnt sich das Spiel?“ ist der Erwartungswert das Werkzeug. Beispiel: Los kostet 2 €, mit P = 0,1 gewinnst du 15 €, sonst nichts.

• Erwarteter Gewinn (Auszahlung): 0,1 · 15 + 0,9 · 0 = 1,50 €.
• Abzüglich Einsatz: 1,50 − 2,00 = −0,50 € pro Los.

Im Schnitt verlierst du also 50 Cent pro Los → auf Dauer ein Minusgeschäft (genau davon leben Lotterien 😄). Ist der erwartete Netto-Gewinn positiv, ist das Spiel „fair zu deinen Gunsten“, bei null spricht man von einem fairen Spiel. Kleiner Hinweis fürs Weiterlernen: Der Erwartungswert sagt nichts über das Risiko – dafür kommt später die Varianz dazu.

Zur Erkennungsfrage – der Aufgabentext verrät es fast immer über Signalwörter:

• Ohne Zurücklegen: „gleichzeitig ziehen“, „eine Stichprobe entnehmen“, „auf einen Griff“, „verschiedene Personen auswählen“. Sobald ein Objekt nicht doppelt vorkommen kann, ist es ohne Zurücklegen.
• Mit Zurücklegen: „Würfeln“, „mehrmals drehen“, „mit Wiederholung“, oder wenn die Grundgesamtheit riesig ist (dann macht ein fehlendes Stück praktisch keinen Unterschied).

Und für später der Anschluss an die Verteilungen: mit Zurücklegen (feste Wahrscheinlichkeit pro Versuch) führt auf die Binomialverteilung, ohne Zurücklegen auf die hypergeometrische Verteilung. Bei großer Grundgesamtheit darf man die hypergeometrische näherungsweise durch die Binomialverteilung ersetzen – dann ist der Unterschied vernachlässigbar.

Und zum vor- vs. nachschüssig: nachschüssig = Zahlung am Ende der Periode, vorschüssig = am Anfang. Bei vorschüssig liegt jede Rate ein Jahr länger auf dem Konto und wird einmal mehr verzinst.

Deshalb musst du nichts neu herleiten – du multiplizierst den nachschüssigen Endwert einfach mit q:

Endwert(vor) = Endwert(nach) · q

Bei deinem Beispiel also 11.464 · 1,03 ≈ 11.808 €. Faustregel für die Klausur: „vorschüssig = nachschüssig, aber ein Jahr mehr Zins“. Und wenn du wissen willst, was die Sparreihe heute wert ist statt am Ende, ist es der Rentenbarwert – dann teilst du den Endwert noch durch q^n.

Genau, und es gibt noch den Grenzfall, der die zwei verbindet: Wenn n groß ist, wird die Binomialverteilung mühsam zu rechnen (viele Summanden). Dann darf man sie durch die Normalverteilung annähern – Daumenregel dafür ist die Laplace-Bedingung σ = √(n·p·(1−p)) > 3.

Für die Aufgabenwahl heißt das aber: Wenn µ und σ direkt gegeben sind und es um eine gemessene Größe geht, ist es von vornherein eine Normalverteilungs-Aufgabe. Die Näherung ist nur der Sonderfall „eigentlich binomial, aber n zu groß zum Ausrechnen“.

Marcos Erklärung ist genau richtig – und es gibt noch eine schöne ökonomische Lesart dazu. Der Gewinn ist Erlös minus Kosten: G(x) = E(x) − K(x). Wenn du ableitest, steht da G'(x) = E'(x) − K'(x), und G'(x)=0 bedeutet E'(x) = K'(x) – also Grenzerlös = Grenzkosten.

Intuitiv: Solange dir eine zusätzlich produzierte Einheit mehr Erlös bringt als sie kostet, lohnt sich Ausweiten. Sobald die nächste Einheit mehr kostet als sie einbringt, hast du zu viel produziert. Das Optimum liegt genau dort, wo beide gleich sind – und das ist rechnerisch dein G'(x)=0. Dann weißt du auch, warum die Formel Sinn ergibt und nicht nur ein Rezept ist.

Ergänzend zu Marco: Achte auch aufs Skalenniveau. Das arithmetische Mittel ist nur bei metrischen Daten sinnvoll (Beträge, Längen, Gewichte). Bei ordinalen Daten – etwa Schulnoten oder Zufriedenheit von 1 bis 5 – ist der Median sauberer, weil die Abstände zwischen den Stufen nicht garantiert gleich groß sind.

Kleiner Merksatz aus meiner Klausurvorbereitung: „Mittelwert für Messwerte, Median für Rangwerte und schiefe Verteilungen.“ Und wenn Mittelwert und Median weit auseinanderliegen, ist das schon ein Signal, dass die Verteilung schief ist – dann lohnt sich ein Blick ins Histogramm.

Marcos Häufigkeitstabelle ist der beste Einstieg. Für die Klausur würde ich es zusätzlich mit einem Baumdiagramm verknüpfen, dann siehst du, woher die Bayes-Formel kommt:

• Erste Verzweigung: krank / gesund (die Vortest-Wahrscheinlichkeit).
• Zweite Verzweigung je Ast: Test positiv / negativ.

Der Nenner der Bayes-Formel ist nichts anderes als die Summe aller Pfade, die zu „positiv“ führen (Satz von der totalen Wahrscheinlichkeit). Wenn du mit natürlichen Häufigkeiten rechnest, ist dieser Nenner automatisch deine Gesamtzahl der Positiven – du musst dir die Formel dann gar nicht merken, sie fällt aus dem Baum heraus. Zeichne den Baum einmal selbst mit deinen Zahlen, dann klickt es.