3. Vorarbeiten zur Durchführung der quantitativ-empirischen Studie

Bei den im Hypothesensystem in Beziehung gesetzten Größen handelt es sich um sogenannte hypothetische Konstrukte² oder latente Variablen, d. h. Größen, die nicht direkt auf der empirischen Ebene beobachtbar sind, weshalb die Bestimmung und Zuordnung von direkt beobachtbaren (manifesten) Indikatoren – eine Messmodellentwicklung³ – notwendig wird.⁴Es wurde daher nachfolgend eine Systematik erarbeitet, mit Hilfe derer eine transparente und valide Konzeptualisierung und Operationalisierung dieser hypothetischen Konstrukte möglich wird. Präziser formuliert, ergibt sich die Notwendigkeit für eine solch ausführliche Vorgehensweise aus den Erkenntnissen der Literaturanalyse im Rahmen der konzeptionellen und theoretischen Grundlagen. So wurde beobachtet, dass die zu untersuchenden Phänomene wahrgenommenes Risiko und Komplexität in mehreren Forschungsfeldern bereits adaptiert wurden und dies zu einer mannigfaltigen Konzeptualisierung und Operationalisierung geführt hat. Zudem wurde deutlich, dass mehrere Konstrukte existieren, die ein der Markensensibilität ähnliches Verständnis erkennen lassen.⁵ Allen voran aber fordern die methodische (MS 2) und konzeptionelle (KS 2, KS 4) Strenge die sorgfältige Abgrenzung der fokalen Konstrukte von anderen in Beziehung stehenden Konstrukten, die eindeutige Definition der Konstrukte und eine ebenso theoretisch, wie methodisch fundierte Operationalisierung.⁶

Die erarbeite Vorgehensweise orientiert sich an den klassischen Arbeiten zur Messmodellentwicklung von MacKenzie et al. (2011), Rossiter (2002), und Churchill (1979),⁷ der Grundlagenarbeit von Weiber und Sarstedt (2021), sowie an den von Podsakoff et al. (2016) hervorgebrachten Empfehlungen zur verbesserten Konzeptdefinition. Das Folgen eines bestimmten Ansatzes hat sich aus mehreren Gründen als unpraktikabel erwiesen. Zum einen vernachlässigen die ursprünglichen Ansätze die Gestaltung der Konstrukt-Definition,⁸ welche sich für das vorliegende Forschungsvorhaben als essenziell herausgestellt hat. Zum anderen können solch umfangreichen Ansätze, wie dem von Rossiter (2002) oder MacKenzie et al. (2011) nur bedingt gefolgt werden, da wie die Autoren selbst konstatieren: „practical limitations may prevent researchers from being able to follow all of the recommendations discussed in this paper in a single study, either because of a lack of time or resources, or both.”⁹

Weiterhin gilt die Güteprüfung der Messmodelle als ein „never-ending process“.¹¹ Daher wurde mit dem vorliegenden Vorgehen versucht einen Kompromiss aus Nutzen und Aufwand einer transparenten, sorgfältigen Konzeptualisierung und Operationalisierung der hypothetischen Konstrukte zu finden. In Referenz zu dem in Kapitelabschnitt 2.​1.​4 definierten Ablauf illustriert Abbildung 3.1 die drei Schritte der (a) Konstrukt-Konzeptualisierung, (b) Konstrukt-Operationalisierung sowie (c) Voruntersuchungen (ggf. Modifikation der Messmodelle) mit den ihnen unterliegenden Arbeitspaketen für die dritte Phase der quantitativ-empirischen Studie.¹²

Die Konstrukt-Konzeptualisierung umfasst die Definition der fokalen Konstrukte einer Untersuchung. Häufig wird dieser erste Schritt in der Methodenliteratur als zentrale und weitverbreitete Fehlerquelle der Messmodellentwicklung identifiziert.¹³ Deutlich wird dieser Sachverhalt vor allem nach Einschätzung erfahrener Reviewer. Allen voran Locke et al. (2012) gehen davon aus, dass circa 90 % der von ihnen erhaltenen Einreichungen Mängel in der Konzeptdefinition aufweisen.¹⁴ Um die Folgen einer unklaren Konstrukt-Definition, wie beispielsweise einer mangelhaften Operationalisierung,¹⁵ frühzeitig entgegenzuwirken, wird auf die Empfehlungen und Techniken verschiedener Autoren zur verbesserten Konstrukt-Konzeptualisierung zurückgegriffen. Diesbezüglich wird zunächst eine Literaturanalyse¹⁶ durchgeführt.¹⁷ Wichtig bei der Literaturanalyse ist ebenfalls die Identifikation und Berücksichtigung semantisch verwandter Konstrukte, um die fokalen Konstrukte in ihren Definitionen von diesen trennscharf abgrenzen zu können.¹⁸ Basierend auf dem durch die Literaturanalyse generierten repräsentativen Pool an Kurzbeschreibungen und deren abgeleiteten Attribute¹⁹ wird eine eindeutige, von anderen Konstrukten klar abgrenzbare, theoretisch und sachlogisch fundierte Definition vorgenommen.²⁰ In Übereinstimmung mit der Definition der Konstrukte sollte auch immer die Dimensionalität bestimmt werden.²¹ Von einem eindimensionalen Konstrukt wird dann gesprochen, wenn das Konstrukt aus einer Komponente besteht. Werden mehrere Komponenten oder Merkmale unterstellt, so handelt es sich um ein mehrdimensionales Konstrukt.²² Für die Konzeptualisierung der Dimensionen gelten dieselben Anforderungen, wie für die übergeordneten Konstrukte. Das bedeutet, dass insbesondere darauf geachtet wird, die Eigenschaften der individuellen Dimensionen herauszuarbeiten, sowie diese von verwandten Konzepten abzugrenzen.²³

Nach der Konstrukt-Definition und der Bestimmung der Dimensionalität erfolgt die Konstrukt-Operationalisierung. Diese basiert, wie auch die Konstrukt-Konzeptualisierung, zunächst auf einer Literaturanalyse. Denn entsprechend den Empfehlungen der einschlägigen Literatur ist bei einer Messmodellentwicklung, sofern möglich, auf bereits etablierte und erprobte Messmodelle zurückzugreifen.²⁴ So ist es das Ziel der Literaturanalyse prinzipiell adaptierbare Operationalisierungen der fokalen, wie auch deren verwandten Konstrukte zu identifizieren und ein Set an messbaren Indikatoren zu erarbeiten.²⁵ Darüber hinaus ermöglicht es dem Forschenden Änderungen in den Operationalisierungen von Autor zu Autor nachvollziehen und gegebenenfalls stark abweichende Operationalisierungen identifizieren und ausschließen zu können. Denn eine unreflektierte Übernahme²⁶ als auch Adaption²⁷ von Messmodellen kann später zu Problemen²⁸ in der statistischen Analyse führen. Im Anschluss findet die Festlegung der Messkonzeption statt. Dabei gilt es zunächst zu entscheiden, ob die Konstrukte formativ oder reflektiv zu messen sind. Insofern wird die Beziehung zwischen den fokalen Konstrukten und seinen messbaren Indikatoren spezifiziert. Handelt es sich um ein formatives Messmodell, so definieren die Indikatoren Merkmale eines Konstruktes und Veränderungen bei den Indikatoren führen zu Veränderungen des Konstruktes. Agieren die Indikatoren als Manifestationen des fokalen Konstruktes und sorgen Veränderungen der Indikatoren zu keinen Veränderungen auf Konstruktebene, so liegt ein reflektives Messmodell vor.²⁹ Jarvis et al. (2003) und MacKenzie et al. (2005) konnten in diesem Zusammenhang aufzeigen, dass Fehlspezifikationen von Messmodellen in veröffentlichten Studien durchaus nicht selten sind. Im häufigsten Fall werden formative Beziehungen zwischen Konstrukt und Indikatoren fälschlich reflektiv modelliert.³⁰ Letzten Endes können solche Fehlspezifikationen zu Verzerrungen in den Parameterschätzungen führen.³¹ Da in der Literatur bereits Operationalisierungen für die meisten fokalen Konstrukte vorliegen und eine Fehlspezifikation vermieden werden sollte, werden die identifizierten Messmodelle in ihrer Spezifikation anhand der von Jarvis et al. (2003) empfohlenen Entscheidungsregeln³² zunächst überprüft und mit den entwickelten Konstrukt-Definitionen abgeglichen³³, bevor eine solche Entscheidung für die vorliegende Untersuchung getroffen wird. Für den Fall mehrdimensionaler Konstrukte erwächst zudem die Notwendigkeit zur Argumentation einer formativen oder reflektiven Beziehung zwischen dem Konstrukt zweiter Ordnung und seinen Dimensionen erster Ordnung.³⁴ Damit ergeben sich nach Jarvis et al. (2003) vier Typen mehrdimensionaler Messmodelle zweiter Ordnung. Die Kombination aus reflektiv gemessenen Dimensionen erster Ordnung und reflektiv gemessenem Konstrukt zweiter Ordnung stellt dabei den häufigsten Fall mehrdimensionaler Messmodelle dar.³⁵ Im Anschluss an die Spezifikation der Messmodelle werden die Indikatoren formuliert und die Anzahl der Indikatoren festgelegt. Wiederum besteht bei den Indikatoren die Anforderung, dass diese stets mit Bezug zur Konstrukt-Definition und damit zum theoretischen Konzept ausgewählt, abgeändert oder neu formuliert werden. So ist sichergestellt, dass ein Indikator auch das misst, was er messen soll.³⁶ Ferner erfordert dies, dass die eingesetzten Indikatoren verständlich und präzise formuliert werden.³⁷ In der vorliegenden Untersuchung wird deshalb den Empfehlungen von Hague (2016) und Dillmann et al. (2014) Folge geleistet.³⁸ Bei der Anzahl der Indikatoren wird generell zwischen Single-Item und Muli-Item-Messungen unterschieden. Eine Single-Item-Messung liegt vor, sobald ein Konstrukt mittels nur eines Indikators bestimmt werden soll.³⁹ Im Gegensatz dazu wird im Falle einer Multi-Item-Messung das Konstrukt über mehrere Indikatoren erfasst. Die Tendenz zur Multi-Item-Messung in der wissenschaftlichen Praxis ist vor allem auf die Möglichkeit zur Identifikation und expliziten Berücksichtigung von Messfehlern zurückzuführen.⁴⁰ Für das vorliegende Forschungsvorhaben ist festzuhalten, dass es sich um komplexe Konstrukte handelt, die über mehrere Attribute gefasst werden. Zudem bedingt die Modellherleitung eine Konzeptualisierung und Operationalisierung der Konstrukte auf individueller Ebene, sowie insbesondere der Abfrage von Wahrnehmungen, was zu starken Abweichungen im Antwortverhalten zwischen den Probanden führen kann. Um also zum einen die Vielseitigkeit der Konstrukte erfassen⁴¹, und zum anderen die individuelle Wahrnehmung der Probanden möglichst genau differenzieren⁴² zu können, erscheint die Verwendung von Multi-Item-Messungen angebracht⁴³, weshalb fortfolgend, sofern möglich, auf diese zurückgegriffen wird. Hinsichtlich der Anzahl an Indikatoren bei Multi-Item-Messungen gibt es unterschiedliche Empfehlungen⁴⁴ und keine allgemeingültige „hard-and-fast rule“⁴⁵. Nicht an konkreten Zahlen festgemacht kann jedoch konstatiert werden, dass eine größere Anzahl zu bevorzugen ist.⁴⁶ An diesem Leitprinzip orientiert sich auch die vorliegende Untersuchung. Nach Spezifikation und Formulierung der Messvariablen wird die Messvorschrift⁴⁷ festgelegt. Dieser Schritt umfasst die Quantifizierung qualitativer Eigenschaften von Sachverhalten. Häufig in der empirischen Forschung eingesetzt werden Ratingskalierungen. Mit Hilfe dieser lassen sich Zustimmungen, Intensitäten oder Bewertungen der Probanden in Form von Zahlenwerten erfassen.⁴⁸ Neben weiteren Aspekten, müssen hierbei vor allem die Anzahl der Skalenpunkte festgelegt werden. In diesem Zusammenhang gilt es einen Trade-off zwischen ausreichend Differenzierungsmöglichkeit und Überschaubarkeit zu finden.⁴⁹ Eine Skalierung mit zehn Antwortpunkten könnte die Respondenten bereits überfordern⁵⁰, während eine Skalierung mit drei Antwortpunkten nur eine geringe Differenzierung bietet.⁵¹ Hinsichtlich der Gütekriterien Reliabilität und Validität wird eine Anzahl zwischen vier und sieben Skalenpunkten als optimal angesehen.⁵² Einen solchen Kompromiss aus Übersichtlichkeit und Differenzierung, sowie hohem Maß an Reliabilität und Validität liefern beispielsweise die 6- oder 7-Punkt Skala, wie sie auch von Weng (2004) empfohlen werden.⁵³ Zur endgültigen Entscheidung für eine der beiden Skalen, müssen die Vor- bzw. Nachteile von ungeraden und geraden Skalen geprüft werden. Gerade Skalen bieten keine mittlere Merkmalsausprägung, die als Ausflucht missbraucht werden könnte.⁵⁴ Somit sind die Probanden gezwungen sich für eine Richtung zu entscheiden, wodurch sich allerdings die Wahrscheinlichkeit eines Item-Non-Response erhöhen dürfte.⁵⁵ Schließlich fiel die Wahl auf eine endpunktbenannte 7er-Skala. Damit stimmt das Forschungsvorhaben in diesem Punkt mit den Studien zur Markensensibilität überein.⁵⁶ Des Weiteren wurden bei der Umsetzung einer Endpunktbenennung negative Nummerierungen der Skalen vermieden⁵⁷ und auf die Ausweisung einer „Weiß ich nicht“-Kategorie, sowie der Deklaration der mittleren Ausprägung als „neutral“ verzichtet.⁵⁸ Damit ist die Entwicklung der Messmodelle abgeschlossen.

Wie in Abbildung 3.1 illustriert, erfolgen im Anschluss Voruntersuchungen.⁵⁹ Auf Grundlage dessen können beispielsweise Modifikationen an den Messmodellen vorgenommen werden, bevor sie im Anschluss im Rahmen der Hauptuntersuchung final getestet werden.

Gemäß Forschungsbedarf FB 2a und FB 2b sollen für die Markensensibilität zwei Operationalisierungen entwickelt werden. Diesen wird in Kapitelabschnitt 3.1.2.1 und 3.1.2.2 nachgegangen. Die Markensensibilität wird entsprechend wissenschaftlichen Vorarbeiten als latentes Konstrukt behandelt.⁶⁰ Bevor allerdings die beiden Konstrukt-Operationalisierungen mithilfe manifester Indikatoren vorgestellt werden können, soll nachfolgend eine für beide gültige Konstrukt-Konzeptualisierung mit der Ableitung einer Konstrukt-Definition durchgeführt werden.

Die Markensensibilität wurde ursprünglich von Kapferer und Laurent (1988) zur Untersuchung des Konsumentenverhaltens eingeführt, bevor es dann von Hutton (1997) und später insbesondere von Brown (2007), sowie dessen Autorenkollektiv⁶¹ im Kontext der organisationalen Beschaffung erforscht wurde. Aufgrund der Notwendigkeit zur Berücksichtigung originärer Konzeptualisierungen im Sinne verbesserter Konzeptdefinitionen⁶², sowie aufgrund der individuellen Ebene als Untersuchungsobjekt in der vorliegenden Arbeit, sollten neben Untersuchungen aus der organisationalen Forschung, auch relevante Studien aus der Konsumentenforschung⁶³ für die Konzeptualisierung der Markensensibilität miteinbezogen werden.⁶⁴ Somit konnten als Ergebnis der Literaturrecherche mehrere Definitionen des fokalen Konstrukts identifiziert werden. Aus den Definitionen der Markensensibilität konnten wiederum zentrale Attribute abgeleitet werden (Tabelle 3.1).

Erstens handelt es sich bei der Markensensibilität um ein Konstrukt, welches anbieter- und produktunspezifisch verwendet werden kann.⁶⁶ Es ermöglicht somit eine produkt-/serviceübergreifende bzw. -kategorische Untersuchung.⁶⁷ Zweitens wird das Konstrukt als psychologische Variable konzeptualisiert.⁶⁸ Ursprünglich wurde die Markensensibilität auf der individuellen Ebene konzeptualisiert, um auszudrücken welche Rolle die Marke für einen Konsument in seiner individuellen Kaufentscheidung spielt.⁶⁹ Mit der Transition in die organisationale Forschung hat sich dann gegeben durch neue Forschungsziele das Untersuchungsobjekt entsprechend angepasst. So wird in den neueren Veröffentlichungen im Kontext der organisationalen Beschaffung eine Konzeptualisierung auf Buying-Center-Ebene implementiert.⁷⁰ Sharma und Sengupta (2020) sprechen folgerichtig als Erste von einer „Organizational Brand Sensitivity“.⁷¹ Da sich das vorliegende Forschungsprojekt zum Ziel gesetzt hat, entgegen des bisher etablierten Forschungsstands zur Markensensibilität, das individuelle Entscheidungsverhalten eines Beschaffungsmanagers zu untersuchen, erfolgt demgemäß auch eine Konzeptualisierung auf individueller Ebene.

Auf inhaltlicher Ebene werden indessen Unterschiede zwischen der organisationalen Forschung und der Konsumentenforschung deutlich. Recht allgemein definieren beispielsweise Lachance et al. (2003) und Beaudoin et al. (2003) die Markensensibilität im Kontext des Konsumentenverhaltens, indem sie von der Rolle der Marke im Entscheidungsprozess sprechen.⁷² In der organisationalen Forschung dagegen wird die Marke, wie beispielsweise bei Brown et al. (2011) als Markennamen⁷³ oder bei Brown et al. (2012) als Unternehmensassoziationen und markenbezogene Informationen⁷⁴ spezifiziert. Eine Verknüpfung von Markennamen und Unternehmensassoziationen unter dem Begriff Markeninformationen ist währenddessen bei Zablah et al. (2010) zu finden.⁷⁵ Um dieses zentrale Attribut der Markensensibilität für das vorliegende Forschungsprojekt hinreichend fassen und gleichzeitig die definitorische Divergenz beseitigen zu können, ist es zweckmäßig noch einmal auf die eingangs aufgestellte Marken-Definition Bezug zu nehmen.⁷⁶ Dieser entsprechend ist die Marke eine Dyade aus tangiblen und intangiblen Markenelementen, die für ein in der Psyche der Nachfrager verankertes und unverwechselbares Vorstellungsbild sorgen. Folglich wäre eine an Brown et al. (2011) ansetzende Definition der Markensensibilität über Markennamen definitorisch unzureichend, da lediglich auf einen bestimmten wahrnehmbaren Aspekt der Marke und damit nur auf einen Teil der dyadischen Marken-Definition referenziert wird.⁷⁷ Selbige Argumentation kann mit Blick auf die Definition von Brown et al. (2012) angeführt werden.⁷⁸ Eine Kombination aus beiden Markenelementen, wie sie bei Zablah et al. (2010) zu finden ist, wäre daher hinsichtlich der in Kapitel 2 aufgestellten Marken-Definition als geeigneter einzustufen. Für den vorliegenden Fall wird allerdings auf eine an den Studien des Konsumentenverhalten angelehnte Verwendung des Überbegriffs „Marke“ umgesetzt. Damit sollen Restriktionen bei den Respondenten bewusst vermieden werden – schließlich ist die Verankerung der Marke in den Köpfen der Respondenten individuell und unverwechselbar gestaltet. Ferner erscheint es unerlässlich „das Bewusstsein“ als ein weiteres abgeleitetes Attribut der Markensensibilität ausführlicher zu diskutieren.⁷⁹ Wie bereits in Kapitelabschnitt 2.​1.​1.​1.​2 aufgezeigt werden konnte, wird das Markenwissen explizit und implizit abgerufen.⁸⁰ Während in den Arbeiten⁸¹ zur Untersuchung der Markensensibilität auf Buying-Center-Ebene eine Eingrenzung auf das Bewusstsein aufgrund der Verbalisierung des Markenwissens unter den Mitgliedern eines Buying-Centers, argumentierbar scheint, bietet dies jedoch aktuell noch keine adäquate Grundlage für eine Eingrenzung für die vorliegende Arbeit und damit für die individuelle Untersuchungsebene. Damit wird auf inhaltlicher Ebene eine Eingrenzung auf das Bewusstsein zunächst als unangebracht angesehen. Aus forschungsmethodischer Sicht zeigt sich, dass im deklarativen Gedächtnis festgehaltenes Wissen meist auch in einer Umfrage verbalisierbar und damit reproduzierbar ist, allerdings im nondeklarativen Gedächtnis gespeichertes Wissen nicht explizit wiedergegeben werden kann.⁸² Weshalb die Abfrage des impliziten Markenwissens und deren Berücksichtigung in der Entscheidungssituation in einer Umfrage nur schwierig umsetzbar scheint. Eine Argumentation bei der die definitorische Eingrenzung aus den Limitationen der Forschungsmethode oder aus der Komplexität der Erhebung hervorgeht, wird aber als unzulässig angesehen.⁸³ Die Tatsache also, dass das Unbewusste nur schwierig zu erfassen ist, soll nicht als Argument dienen die Definition der Markensensibilität dahingehend einzugrenzen – ist es doch vielmehr ein forschungsmethodisches Problem.⁸⁴Aufgrund dessen und im Sinne einer definitorischen Konsistenz erscheint es daher zweckmäßig bei der Definition der Markensensibilität auf eine Fokussierung des expliziten Markenwissens zu verzichten. Dies entspricht auch eher dem Markensensibilitäts-Verständnis der originären Arbeit von Kapferer und Laurent (1988), die explizit darauf verweisen, dass es sich bei der Markensensibilität um eine „psychological (perhaps individual difference) variable“⁸⁵ handelt und somit ebenfalls keine definitorischen Eingrenzungen hinsichtlich des Bewusstseins vornehmen.

Neben den Definitionen des fokalen Konstruktes, sollten auch verwandte Konstrukte mit einem der Markensensibilität ähnlichem Verständnis als Ergebnis der Literaturrecherche identifiziert werden. Mit ihrer Untersuchung der Markenhierarchie, basierend auf den Ideen des Hierarchy-of-Effects Models⁸⁶, liefern Zablah et al. (2010) eine Abgrenzung zu den Konstrukten Markenwichtigkeit, Markenpräferenz und Markenbewusstsein. Dieser zur Folge kann das Markenbewusstsein als „belief“ und die Markenpräferenz als „attitude“ verstanden werden, während die Markensensibilität als „intention“ diesen in der Hierarchie nachgelagert ist. Das Verhalten („behavior“) wird von der Markenwichtigkeit erfasst und folgt hierarchisch der Markensensibilität. Diese Unterscheidung ist auch der Arbeit von Lachance et al. (2003), die explizit darauf verweisen, dass die Markensensibilität dem Kaufakt vorgelagert ist, zu entnehmen.⁸⁷ Zusätzlich definieren Zablah et al. (2010) die Markenwichtigkeit über die relative Wichtigkeit der Marke im Vergleich zu anderen Entscheidungskriterien.⁸⁸ Deutlichere inhaltliche Überschneidungen zeigen sich hingegen zwischen der Markenwichtigkeit und der Markenrelevanz. So bezeichnen Backhaus et al. (2011) die Markenrelevanz als „decision weight of a brand, in relation to other product benefits in a category“⁸⁹ und lässt sich daher ähnlich wie die Markenwichtigkeit von der Markensensibilität aufgrund ihrer Relation zu anderen Entscheidungskriterien und zusätzlich aufgrund der Spezifikation auf eine bestimmte Produktkategorie abgrenzen.⁹⁰ Eine hieran ansetzende Klassifikation liefert Donneverth (2009). Er unterscheidet die beiden Konzepte Markensensibilität und Markenrelevanz anhand der Konsumentenperspektive. Demnach ist bei der Markenrelevanz der Einfluss der Marke auf alle Konsumenten in einer Produktkategorie von Interesse, während bei der Markensensibilität lediglich der Einfluss auf einen spezifischen Nachfrager betrachtet wird.⁹¹ Zur Verifikation der erarbeiteten Attribute wurde ergänzend eine Stichprobenprüfung mit verwandten Sensibilitäts-Konstrukten durchgeführt. Für die Konstrukte Preis- und Mediensensibilität kann prinzipiell ein ähnliches Verständnis von -sensibilität unterstellt werden.⁹² Insbesondere aber verdeutlichen sie die Abgrenzung der Markensensibilität zu Markenwichtigkeit und Markenrelevanz, da weder Preis- noch Mediensensibilität in Relation zu anderen Kriterien definiert werden.⁹³ Dies zeigt sich auch in den jeweiligen Operationalisierungen.⁹⁴

Aus den abgeleiteten Attributen und unter Berücksichtigung der Abgrenzungen zu verwandten Konstrukten, sowie vor dem Hintergrund der individuellen Untersuchungsebene und der eingangs aufgestellten Marken-Definition, lässt sich die folgende Konstrukt-Definition der Markensensibilität für das vorliegende Forschungsprojekt formulieren:

Ausgehend von dieser Konstrukt-Definition wird eine Eindimensionalität zunächst unterstellt und folgend hinlänglich dieser argumentiert. So stellt die Berücksichtigung der Marke im individuellen Entscheidungsprozess die zentrale Dimension des Konstruktes dar. Entgegen der verbreiteten Annahme der Eindimensionalität⁹⁵, argumentieren Sharma et al. (2020) basierend auf der Informationsverarbeitungstheorie für eine Konzeptualisierung mit drei Dimensionen 1) „Brand-related Information Acquisition“ 2) „Brand-related Information Processing“ 3) „Buying center Memory“⁹⁶ und Korai (2017) für eine Konzeptualisierung mit zwei Dimensionen 1) „Brand Attachement“ 2) „Brand Strength“⁹⁷. An beiden Studien können gleichermaßen die fehlende Spezifikation und statistische Prüfung der Mehrdimensionalität kritisiert werden.⁹⁸ Somit konnte die Mehrdimensionalität in beiden Fällen lediglich theoretisch hergeleitet werden. Ferner stimmen die beiden mehrdimensionalen Konzeptualisierungen nicht mit der erarbeiteten Konstrukt-Definition überein. Damit lässt sich die Eindimensionalität der Markensensibilität für die vorliegende Untersuchung hinreichend begründen.

Im Sinne des Hypothesensystems und gemäß FB 1 soll die Markenwichtigkeit zunächst konzeptualisiert und anschließend kongruent operationalisiert werden.

Wie bereits bei der Messmodellentwicklung der Markensensibilität angeschnitten, wurde die Markenwichtigkeit im organisationalen Kontext zunächst von Hutton (1997) eingeführt und später auch von Mudambi (2002) sowie Zablah et al. (2010) angewendet. Ihrem Verständnis nach drückt sich die Markenwichtigkeit in Relation zu anderen Selektionskriterien/Attributen aus.¹³⁶ Sie ist damit, wie auch im Hypothesensystem modelliert, der Markensensibilität nachgelagert.¹³⁷ In der wissenschaftlichen Literatur konnten kaum definitorische Anomalien für das Konstrukt selbst identifiziert werden, weshalb auf eine detaillierte Analyse unter Ableitung von Attributen verzichtet wird. Die eindeutigen inhaltlichen Überschneidungen zwischen der Markenwichtigkeit und der Markenrelevanz, wie sie bei Backhaus et al. (2011) zu finden ist, wurden wahrgenommen. Backhaus et al. (2011) stellen fest, dass die Markenrelevanz weitreichend angewendet wird und daher wenig verwunderlich selbst diverse Definitionen aufweist.¹³⁸ Insofern muss der Markenrelevanz selber eine geringe Konsistenz unterstellt werden. Einen Ansatzpunkt zur Abgrenzung liefert wiederum Donnevert (2009). Ihm zufolge unterscheidet sich die Markenrelevanz von der Markenwichtigkeit hinsichtlich der Anspruchsgruppe – so gilt die Markenrelevanz für alle Konsumenten einer Produktgruppe, die Markenwichtigkeit nur für einen Konsumenten.¹³⁹ Markensensibilität und Markenwichtigkeit werden folglich auf dieselbe Ebene gestellt,¹⁴⁰ was eine gemeinsame Untersuchung der beiden Konstrukte unterstreicht. An dieser Stelle soll die in der organisationalen Forschung anerkannte Konstrukt-Definition der Markenwichtigkeit von Zablah et al. (2010) adaptiert werden:

Angesichts der Konstrukt-Definition wird eine Eindimensionalität des Konstruktes vertreten – die einzige Dimension bildet die relative Wichtigkeit der Marke. Sollten zur Bestimmung der relativen Wichtigkeit weitere Selektionskriterien in der Operationalisierung angeführt werden, so würden diese keine neue Dimension eröffnen, sondern lediglich zur Bestimmung des relativen Wertes der Marke beitragen. Ebenfalls wird die Eindimensionalität des Konstruktes in der einschlägigen Literatur unterstützt. Zwar wird beispielsweise bei Zablah et al. (2010) nicht explizit für eine Eindimensionalität argumentiert, jedoch wird diese durch die Konstrukt-Konzeptualisierung und – Operationalisierung impliziert.¹⁴¹

Überwiegend werden in der wissenschaftlichen Literatur Konstantsummenskalen eingesetzt, um das Konstrukt der Markenwichtigkeit zu messen.¹⁴² Alternativ bietet es sich auch an, die Markenwichtigkeit mittels einer Conjoint-Analyse indirekt zu bestimmen.¹⁴³ Beide Messungen eröffnen prinzipiell die Möglichkeit die Marke als Selektionskriterium, wie auch von der Konstrukt-Definition gefordert, im Vergleich zu anderen Kriterien zu beurteilen, was durch eine klassische Likert-Skala, wie sie zur Messung der Markensensibilität eingesetzt wird, nicht möglich wäre. Zwar scheint eine Anwendung einer Conjoint-Analyse aufgrund seiner impliziten Messung auf den ersten Blick zuverlässiger und präziser,¹⁴⁴ jedoch muss aus forschungsmethodischer und konzeptioneller Sicht gegen dieses Vorgehen argumentiert werden. Erstens ist der Aufwand zur Bestimmung der Markenwichtigkeit mittels Conjoint-Analyse bedeutend größer, zweitens war es ein ausformuliertes Ziel von FB 1 auf ein anderes Datenanalyseverfahren als die Conjoint-Analyse zurückzugreifen und drittens ist eine Einbindung von Conjoint-Messungen in ein multivariates Analyseverfahren, wie z. B. die Strukturgleichungsmodellierung, grundsätzlich diskutabel. Freilich konnten Studien identifiziert werden, die eine Conjoint-Messung in ein Strukturgleichungsmodell integriert haben,¹⁴⁵ allerdings würde eine Conjoint-Studie die Modellierung einer hypothetischen Auswahlentscheidung erfordern, was dem retrospektiven Charakter der vorliegenden Untersuchung¹⁴⁶ entgegenstehen würde. In Summe der Argumente ist die Conjoint-Analyse folglich abzulehnen und es wird weiterhin auf die Konstantsummenskala, welche als Messansatz ebenfalls etabliert ist, zurückgegriffen.

Bei der Konstantsummenskala also werden die Respondenten aufgefordert, 100 Punkte zwischen verschiedenen Kriterien – eines dieser Kriterien stellt die Marke dar – zu verteilen. Als Markenwichtigkeit gilt dann lediglich die Punktzahl, die der Marke zugeordnet wird. In gleicher Wiese ließe sich potenziell auch die Wichtigkeit für die anderen Kriterien berechnen. Bei den Operationalisierungen der Markenwichtigkeit mittels Konstantsummenskala werden meistens fünf bzw. sechs unterschiedliche Kriterien abgefragt.¹⁴⁷ Angesichts der Erkenntnisse von Miller (1956) zur kognitiven Belastung ist eine unverhältnismäßig hohe Anzahl an Selektionskriterien bei der Befragung zu vermeiden.¹⁴⁸ Insofern sollen neben der Marke, die fünf am häufigsten gewählten Selektionskriterien abgefragt werden. Im Rahmen der Literaturanalyse konnten mehrere Studien, die Kriterien bei der Auswahl von Logistikdienstleistern untersuchen, identifiziert werden.¹⁴⁹ Diese, aber insbesondere die Arbeit von Aguezzoul (2014), dienen folglich als Basis zur Ableitung alternativer Selektionskriterien für die komparative Messung der Markenwichtigkeit:¹⁵⁰

In der nachstehenden Tabelle 3.5 ist das Messmodell der Markenwichtigkeit – entsprechend der Anforderungen von Forschungsbedarf FB 1 – mit dem Begriffsverständnis und den Indikatorformulierungen¹⁵¹ zusammengefasst dargestellt.

Im Sinne des theoretisch hergeleiteten Hypothesensystems und unter Berücksichtigung vorangegangener Forschungsarbeiten, wird die „wahrgenommene Logistikdienstleistungskomplexität“ im Folgenden als latentes Konstrukt behandelt.¹⁵³ Nachfolgend soll das Konstrukt daher in einem ersten Schritt konzeptualisiert und in einem zweiten Schritt mithilfe manifester Indikatoren operationalisiert werden.

Bei einer Literaturrecherche im Bereich der Logistikforschung fällt auf, dass zwar auf den ersten Blick relevante Konzeptualisierungen für die wahrgenommene Logistikdienstleistungskomplexität existieren, diese jedoch nach einer detaillierten Analyse für ungeeignet befunden werden müssen (Tabelle 3.6). Beispielsweise entwickeln Rossiter Hofer und Knemeyer (2009) anknüpfend an der Arbeit von Rao und Young (1994) eine neue Skala zur Messung der Logistikkomplexität.¹⁵⁴ Ihnen zufolge baut die Logistikkomplexität auf der Netzwerkkomplexität, der Prozesskomplexität und der Produktkomplexität auf.¹⁵⁵ Kritisch für die vorliegende Untersuchung ist hierbei, dass die Logistikkomplexität durch die Inklusion der Netzwerkkomplexität und der Prozesskomplexität auf die Supply Chain ausgeweitet wird.¹⁵⁶ Damit liegt der Fokus nicht mehr nur auf der Dienstleistung per se, wie für die vorliegende Studie intendiert. Vielmehr soll bei Rossiter Hofer und Knemeyer (2009) die Komplexität des unternehmensinternen Logistiksystems beschrieben werden: […] „reflect managerial perspectives of their firm’s logistics system“.¹⁵⁷ Auch eine Verwendung der Logistikkomplexität-Definition von Wiedmer et al. (2021) scheint wenig zweckmäßig. Ihnen zufolge wird die Logistikkomplexität als „number of arcs in a supply network“ verstanden.¹⁵⁸ Erneut wird also nicht, wie durch den Ansatz von Andersson und Norrman (2002) impliziert, der Komplexitätsgrad der Logistikdienstleistung beschrieben.

Auch der Forschungsstrang zur Supply Chain Komplexität ist durch verschiedene Begriffsverständnisse, Operationalisierungen und Analyseebenen charakterisiert.¹⁵⁹ Schließlich lässt sich allein die Supply Chain Komplexität in drei Analyseebenen (internal, downstream, upstream) herunterbrechen, welche sich wiederum selbst in mehrere Dimensionen untergliedern lassen.¹⁶⁰ So definieren Ateş und Luzzini (2023) beispielsweise die Supply Network Complexity (upstream) über die strukturelle Komplexität, die Interaktionskomplexität und die dynamische Komplexität.¹⁶¹ Auch innerhalb dieses Forschungsstrangs wurden nur begrenzt relevante Definitionen für die vorliegende Verwendung des Konstrukts wahrgenommene Logistikdienstleistungskomplexität identifiziert. Ursächlich hierfür scheint die Perspektive zu sein, aus der die Komplexität analysiert wird. Gemäß der Kategorisierung von Braun und Hadwich (2016) erörtern die oben angeführten Arbeiten das Management von Komplexität in Organisationen, Supply Chains und Logistiksystemen, wohingegen die vorliegende Studie zum Ziel hat, die Komplexität einer Dienstleistung aus der externen Perspektive der Kunden zu erfassen.¹⁶² Damit scheinen vor allem Studien zur Produktkomplexität¹⁶³ aus der Beschaffungs- und Marketingforschung relevant zu sein, weshalb die Literaturanalyse sowohl um jene Beiträge als auch um grundlegende Arbeiten zur Komplexität erweitert wurde. Aus den gesammelten Begriffsverständnissen konnten zentrale Attribute für die Bestimmung der Konstrukt-Definition der wahrgenommenen Logistikdienstleistungskomplexität abgeleitet werden (Tabelle 3.6).

Erstens wird die Komplexität einer Dienstleistung (eines Produktes) dann wahrgenommen, wenn diese(s) schwierig zu verstehen ist¹⁶⁶ und Expertenwissen zur vollständigen Erfassung und Evaluation notwendig wird.¹⁶⁷ Zweitens entsteht die Komplexität Simon (1962) zufolge aus dem Vorhandensein mehrerer Teilaspekte und aus der Interaktion dieser.¹⁶⁸ Dies greifen auch Bode und Wagner (2015) auf und ergänzen als dritte Ursache der Komplexität, die Varietät der Teilaspekte.¹⁶⁹ Ebenfalls spiegeln sich in der Ableitung der Logistikdienstleistungskomplexität bei Kramer (2016) diese Ursachen wider. Während die Vielzahl und Unterschiedlichkeit der Teilleistungen die Leistungskomplexität beschreiben, eröffnet er mit der Managementkomplexität eine neue, zweite Dimension der Logistikkomplexität. Diese versteht er als das Ausmaß an Leistungen, die zum Management der Logistikdienstleistung notwendig sind.¹⁷⁰

Im Vergleich zu den vorherigen Arbeiten zur Logistikkomplexität oder Supply Chain Komplexität zeigt sich der Unterschied maßgeblich in der Beschreibung über die notwendige Expertise zum Verstehen der Dienstleistung (des Produktes). Andererseits aber werden Ähnlichkeiten bei den Bestandteilen der Komplexität zwischen den verschiedenen Forschungssträngen und -disziplinen deutlich. So werden wiederholt die Anzahl und Varietät von Teilaspekten als jene Bestandteile oder Dimensionen diskutiert.¹⁷¹

Daher soll primär aus den abgeleiteten Attributen zur Produktkomplexität die folgende Konstrukt-Definition der wahrgenommenen Logistikdienstleistungskomplexität für das vorliegende Forschungsprojekt formuliert werden:

Hinsichtlich der Dimensionalität der wahrgenommenen Logistikdienstleistungskomplexität sind beide Auffassungen vertretbar – sowohl eine Eindimensionalität als auch eine Mehrdimensionalität des Konstruktes. Die Mehrdimensionalität lässt sich über die Bestandteile/Ursachen der Komplexität argumentieren. Insofern können mit Bezug zur aufgestellten Konstrukt-Definition die zwei Dimensionen „Anzahl von Teilleistungen“ und „Varietät von Teilleistungen“ gebildet werden. Eine derartige mehrdimensionale Konzeptualisierung der Komplexität unterstützen beispielsweise Braun (2016), Braun und Hadwich (2016), Trattner et al. (2019) und Zou et al. (2019).¹⁷² Ebenso lässt sich aber auch für eine Eindimensionalität argumentieren. So stellt die Schwierigkeit zum Verstehen der Logistikdienstleistung die zentrale Dimension des Konstruktes dar. Das benötigte Expertenwissen eröffnet dagegen keine neue Dimension, sondern kann als alternative Ausdrucksform interpretiert werden. Eine eindimensionale Konzeptualisierung der Komplexität postulieren zum Beispiel Large (2008), Burnham et al. (2003), Heitmann et al. (2007) und Homburg et al. (2011).¹⁷³ Da die erarbeitete Konstrukt-Definition maßgeblich die Eindimensionalität über die Schwierigkeit zum Verstehen der Logistikdienstleistungen widergibt, wird diese auch im Folgenden angenommen.

Wie bereits im Rahmen der Konstrukt-Konzeptualisierung angedeutet, lassen sich kaum spezifische Konzeptualisierungen und Operationalisierung zur wahrgenommenen Logistikdienstleistungskomplexität finden. Daher sollen im Rahmen der Konstrukt-Operationalisierung auch jene der mit ihr verwandten Konstrukte aufgegriffen werden. Eine Übersicht der berücksichtigten Modelle zur Messung der wahrgenommenen Logistikdienstleistungskomplexität liefert Tabelle 3.7.

In der Vergangenheit wurden diverse Ansätze zur Messung der Komplexität in seinen verschiedenen Facetten vorgeschlagen – semantisches Differential, formative Multi-Item Messungen oder auch reflektive Multi-Item Messungen. Beispielsweise implementieren Cannon und Perreault (1999) als auch Cannon und Homburg (2001) für die Operationalisierung der „supply complexity“ ein semantisches Differenzial. Das heißt die Respondenten werden aufgefordert das zu betrachtende Produkt mit ihren üblichen zur Beschaffung stehenden Produkten anhand von vier Eigenschaftspaaren zu vergleichen.¹⁷⁴ Eine alternative Anwendung des semantischen Differenzials für den spezifischen Fall der Logistikdienstleistungskomplexität ergibt sich aus der Gegenüberstellung von einfachen und erweiterten Logistikdienstleistungen bei Andersson und Norrman (2002).¹⁷⁵ Mit Hilfe deren vorgeschlagenen fünf Charakteristiken hätte eine neue Operationalisierung der Logistikkomplexität mittels semantischen Differenzial umgesetzt werden können. Angesichts der Vielzahl an Operationalisierungen ist fraglich, inwiefern eine Neuentwicklung des Messmodells „wahrgenommene Logistikdienstleistungskomplexität“ über ein semantisches Differenzial gerechtfertigt ist. Darüber hinaus sieht sich der Forschende mit Unsicherheiten hinsichtlich der Validität und Reliabilität des neu-entwickelten Messmodells konfrontiert, weshalb ein solcher Ansatz für die vorliegende Arbeit nicht aufgegriffen wird.

Indessen misst Wallenburg (2009) die Logistikdienstleistungskomplexität über vordefinierte Logistikfunktionen (e.g. Reverse-Logistik oder Cross-Docking).¹⁷⁶ Hieraus bildet er schließlich zwei Gruppen. Die erste Gruppe mit geringer Komplexität setzt sich überwiegend aus Transportdienstleistungen zusammen, während die zweite Gruppe mit hoher Komplexität maßgeblich eine Kombination von Transport- und Lagerhausdienstleistungen umfasst.¹⁷⁷ Dieser Ansatz kann jedoch aus mehreren Aspekten kritisch gesehen werden. Zum einen erfolgt die Zuordnung der Logistikfunktionen zu den Komplexitäts-Gruppen ohne ausreichende Fundierung, zum anderen wird kein Grad der Logistikdienstleistungskomplexität erfasst. Ferner ist fraglich, ob bei der Abfrage der Logistikfunktionen tatsächlich alle potenziell nachzufragenden Logistikdienstleistungen aufgenommen werden können und inwiefern die Modellierung der Logistikdienstleistungskomplexität dann für nicht-abgefragte Logistikfunktionen generalisierbar ist.¹⁷⁸ Auch wäre eine derartige Operationalisierung über die Aufzählung verschiedener Logistikfunktionen inhaltlich nicht mit der vorliegenden Konstrukt-Konzeptualisierung zu vereinbaren. Demzufolge wird ein solcher Ansatz für die vorliegende Arbeit nicht weiterverfolgt.

In der Logistikforschung präsentiert Large (2008) stattdessen ein eindimensionales, reflektives Modell zur Messung der Dienstleistungskomplexität.¹⁷⁹ Hierin finden sich Ausdrucksformen zur Anzahl (B2) und Verschiedenartigkeit (B3) der Teilleistungen, zu den Koordinationskosten der Gesamt-Dienstleistung (B4) und zum Umfang der Dienstleistungsspezifikation (B5). Vervollständigt wird das Messmodell durch eine übergreifende Ausdrucksform der Komplexität (B1).¹⁸⁰

Ebenfalls eine eindimensionale reflektive Operationalisierung nehmen Heitmann et al. (2007) und Homburg et al. (2011) für die Produktkomplexität vor. Allerdings greifen sie stärker auf Ausdrucksformen zur notwendigen Expertise für das Verständnis des Produktes (D1, D3, D4; E1-E4) zurück, welche bei Large (2008) vermisst wird.¹⁸² Insofern scheinen insbesondere diese beiden Messmodelle mit der vorliegenden Konstrukt-Definition konsistent zu sein, weshalb einem solchen Ansatz für die vorliegende Arbeit nachgegangen werden soll. Interessanterweise aber zeigen sich Überschneidungen in den Ausdrucksformen zwischen den als reflektiv spezifizierten Messmodellen von Large (2008) und Heitmann et al. (2007), und dem als formativ spezifizierten Messmodell von Stock (2005). Auch sie formuliert Indikatoren zur Erfassung der notwendigen Expertise, der Anzahl und Heterogenität der Teilaspekte und der übergreifenden Komplexität.¹⁸³

Hinsichtlich der Messmodellspezifikation lässt sich also entsprechend der identifizierten Literatur prinzipiell für beide Ausprägungen – reflektiv und formativ – argumentieren. Im vorliegenden Fall wird allerdings den Arbeiten von Large (2008), Heitmann et al. (2007) und Homburg et al. (2011) gefolgt, wonach eine reflektive Konstruktauffassung vertreten wird. Dies ist auch im Einklang mit der vorher festgelegten Eindimensionalität des Konstruktes. Demnach erfolgt nun in einem nächsten Schritt die Formulierung der Indikatoren für das eindimensionale reflektive Messmodell der wahrgenommenen Logistikdienstleistungskomplexität in Übereinstimmung mit der erarbeiteten Konstrukt-Definition. Aus den Messmodellen von Heitmann et al. (2007) und Large (2008) werden insgesamt sieben Indikatoren entnommen und unter sprachlichen und kontextbedingten Anpassungen ins Deutsche übersetzt.¹⁸⁴ Von Heitmann et al. (2007) werden Indikatoren zum Ausdruck der notwendigen Expertise, dem spezifischen Fachwissen, der Schwierigkeit des Verständnisses, der Anzahl der Teilleistungen und der Kompliziertheit formuliert:

Ergänzt werden diese durch zwei Indikatoren von Large (2008). Zum einen wird die Anzahl der Teilleistungen, wie sie bei Heitmann et al. (2007) zu finden ist, gemäß der Konstrukt-Definition um einen Indikator zum Ausdruck der Varietät der Teilleistungen erweitert. Zum anderen wird ein übergreifender Indikator zum Ausdruck der Komplexität verwendet:

In der nachstehenden Tabelle 3.8 ist das Messmodell der wahrgenommenen Logistikdienstleistungskomplexität mit dem Begriffsverständnis, den Indikatorformulierungen und den Individualverweisen zu den Indikatoren zusammengefasst dargestellt.

Im Sinne des theoretisch hergeleiteten Hypothesensystems und unter Berücksichtigung vorangegangener Forschungsarbeiten wird die „wahrgenommene Informationsüberflutung“ im Folgenden als latentes Konstrukt behandelt.¹⁸⁶ Insofern soll das latente Konstrukt in einem ersten Schritt konzeptualisiert und in einem zweiten Schritt mithilfe manifester Indikatoren operationalisiert werden.

Seinen wissenschaftlichen Ursprung hat das Konzept der Informationsüberflutung in der Arbeit von Miller (1956).¹⁸⁷ Durch die Studien von Jacoby et al. (1974b), Jacoby et al. (1974a) nahm es später schließlich seinen Einzug in die Konsumentenforschung,¹⁸⁸ während parallel Galbraith (1974) und Tushman und Nadler (1978) die Grundlagen für die Organisationsforschung legten. Die Literatur zur Informationsüberflutung ist mittlerweile durch mehrere Forschungsdisziplinen (bspw. Accounting, Psychologie, Organisationsforschung, Konsumentenforschung)¹⁸⁹, einem uneinheitlichen Verständnis¹⁹⁰, alternativen Begriffen (bspw. infobesity, data smog, information axiety, cognitve overload)¹⁹¹ und diversen Analyseebenen (bspw. individuell, organisational) geprägt. Um also eine für die vorliegende Arbeit gültige Konstrukt-Definition der wahrgenommenen Informationsüberflutung erarbeiten zu können, werden aus den verschiedenen Begriffsverständnissen zentrale Attribute abgeleitet (Tabelle 3.9) und hinsichtlich Konsistenz und Abgrenzbarkeit überprüft.

Erstens soll die wahrgenommene Informationsüberflutung im Sinne der Konzeption der vorliegenden Studie auf der individuellen Ebene¹⁹³ und nicht wie bei Schneider (1987) oder Tushman und Nadler (1978) auf der organisationalen Ebene verortet werden. Dies wurde bereits mit der Ergänzung des Wortes „wahrgenommen“ in Kapitelabschnitt 2.​3.​1 initiiert. Inhaltlich wird die Informationsüberflutung häufig als ein Zustand, bei dem Individuen zu vielen Informationen ausgesetzt sind, beschrieben.¹⁹⁴ Andere, teils präzisere Ausdrucksformen hierfür liegen im Vergleich zwischen Anforderungen und Verarbeitungskapazität,¹⁹⁵ sowie im Hervorheben des Informationsverarbeitungslimits.¹⁹⁶ Des Weiteren verweisen einige der Definitionsansätze auf die Auswirkungen einer Informationsüberflutung. Diesbezüglich werden exemplarisch die Entscheidungs-¹⁹⁷, die Informationsverarbeitungsfähigkeit¹⁹⁸ sowie ein dysfunktionales, verwirrtes Verhalten¹⁹⁹ angeführt. Die Definitionen liefern darüber hinaus Hinweise dafür, in welchen Situationen eine subjektive Informationsüberflutung auftritt. In den meisten Fällen wird sie allgemeingültig in Entscheidungssituationen,²⁰⁰ teils spezifischer in Arbeitssituationen,²⁰¹ verankert. In Ergänzung des Wissens um die Einflussfaktoren der Informationsüberflutung,²⁰² kann daher davon ausgegangen werden, dass das Konstrukt situationsabhängig ist und von den Kontextfaktoren der Entscheidung beeinflusst wird.

Neben den Definitionen des fokalen Konstruktes, sollten auch verwandte Konstrukte mit einem ähnlichen Verständnis als Ergebnis der Literaturrecherche identifiziert und wenn möglich abgegrenzt werden. Nach Bawden und Robinson (2009) lässt sich die „information anxiety“ als Konsequenz der Informationsüberflutung einordnen, wodurch deren psychologische Folgen – ausgedrückt in Angst und Stress – erfasst werden.²⁰³ Jedoch ist es nicht unüblich, dass auch die Informationsüberflutung über Gefühlszustände definiert wird. Ersichtlich wird dies exemplarisch anhand der Studie von Hunter (2004). Hierin umfasst die Informationsüberflutung zwei Dimensionen. Zum einen die Affekt- und zum anderen die Fehler-Dimension. So werden im Rahmen der Affekt-Dimension eben jene psychologischen Folgen, wie Frustration, zum Ausdruck gebracht.²⁰⁴ Auch Gefühle der Überwältigung oder der kognitiven Überlastung werden häufig im Zusammenhang mit der Definition der Informationsüberflutung angeführt.²⁰⁵ Es muss also eingestanden werden, dass bei der Konzeptualisierung einer subjektiven Informationsüberflutung auch Gefühlszustände, wie Überwältigung oder Frustration, einen Sachverhalt des Konstruktes darstellen. Sie sind demnach als mit der Informationsüberflutung einhergehende Ausdrucksformen der Wahrnehmung zu verstehen. Konkrete, eigenständige psychologische Folgen, wie Stress oder Angst, sollen jedoch weiterhin Sachverhalte der information anxiety darstellen. Schwieriger gestaltet sich die Abgrenzung zu Konstrukten, wie „cognitive overload“. Denn auch die kognitive Überflutung wird inhaltlich über einen Vergleich zwischen Verarbeitungsanforderung und Verarbeitungskapazität definiert.²⁰⁶ Der Unterschied zur Informationsüberflutung besteht also einzig in der Spezifikation des Kriteriums hinsichtlich welchem die Individuen überflutet werden.

Aus der Analyse der Attribute und der verwandten Konstrukte, soll die folgende Konstrukt-Definition der wahrgenommenen Informationsüberflutung für das vorliegende Forschungsprojekt formuliert werden:

Bezüglich der Dimensionalität der wahrgenommenen Informationsüberflutung wird für eine eindimensionale Auffassung argumentiert. Im Rahmen dessen soll zunächst herausgearbeitet werden, warum eine Mehrdimensionalität des Konstruktes abgelehnt werden sollte. Nach Hunter (2004) und Hunter und Goebel (2008) bildet die Informationsüberflutung ein Second-Order Konstrukt mit den beiden Dimensionen „Affekt“ und „Fehler“.²⁰⁷ Allerdings spiegeln sich diese beiden Dimensionen nicht in der vorliegenden Konstrukt-Definition wieder – insbesondere die Dimension „Fehler“ ist nicht Bestandteil des Begriffsverständnisses. Hingegen modellieren Özkan und Tolon (2015) die Informationsüberflutung in ihrem Strukturgleichungsmodell über die vier Dimensionen: „information quality“, „information quantitiy“, information processing capacity“, „available time“.²⁰⁸ Wie aber die Autoren selbst festhalten handelt es sich bei den Dimensionen vielmehr um Ursachen der Informationsüberflutung.²⁰⁹ Demnach kann hinterfragt werden, ob die vier Dimensionen tatsächlich Bestandteile der Informationsüberflutung, oder doch eher vorgelagerte Einflussfaktoren widerspiegeln. Ferner konnten Chen et al. (2009) basierend auf einer explorativen Faktorenanalyse zwei Dimensionen der Informationsüberflutung bestimmen. Der erste Faktor reflektiert den Sachverhalt zu vieler Informationen. Der zweite Faktor dagegen erfasst die Angemessenheit der Informationen. Mit dem Fortschreiten ihrer Untersuchung gaben sie jedoch die Zweidimensionalität des Konstruktes auf und definierten den wahrgenommenen Informationsüberfluss fortan nur noch über die Dimension „too much information“. Der zweite Faktor wurde aufgrund der Erkenntnisse der konfirmatorischen Faktorenanalyse ausgeschlossen.²¹⁰ Schlussendlich kann festgehalten werden, dass sich die Informationsüberflutung zwar prinzipiell mehrdimensional konzeptualisieren lässt, dies aber stets zu kritisieren ist. Gleichzeitig muss die Mehrdimensionalität aufgrund der in der vorliegenden Konstrukt-Definition aufgegriffenen Sachverhalte abgelehnt werden. Weder durch die Überwältigung aufgrund der Anzahl der Informationen noch durch die begrenzte Informationsverarbeitungskapazität oder die vollständige Erfassung wird eine neue, eigenständige Dimension begründet. Stattdessen lässt sich argumentieren, dass diese drei Sachverhalte aufgrund ihrer inhaltlichen Dependenzen gemeinsam als Informationsüberflutung wirken. Auch sind in der Literatur mehrere eindimensionale Konzeptualisierungen zu finden,²¹¹ weshalb schließlich die Eindimensionalität der wahrgenommenen Informationsüberflutung für zweckmäßig befunden wird.

Dem interdisziplinären Charakter der wahrgenommenen Informationsüberflutung geschuldet, liegen verschiedene Messansätzen zur kritischen Beurteilung vor. Eine Übersicht verschiedener Operationalisierungen liefert Tabelle 3.10. Nach O'Reilly (1980) und Klausegger et al. (2007) kann grundsätzlich zwischen einer objektiven und subjektiven Informationsüberflutung differenziert werden.²¹² In Abhängigkeit davon sollten auch die Operationalisierungen gewählt werden. Gemäß dem vorliegenden Begriffsverständnis bzw. dessen Bezeichnung („wahrgenommene […]“) sind vorrangig subjektive Messungen der Informationsüberflutung relevant, weshalb einer Abwägung zwischen verschiedenen Single-Item und Multi-Item Messungen nachgegangen werden soll.

Eine Single-Item Messung setzen beispielsweise Roberts und O'Reilly (1974) ein. Mit dem globalen Indikator wird auf den Vergleich zwischen Informationsmenge und -verarbeitungskapazität referenziert (B1).²¹³ Eine vergleichbare Formulierung des Indikators findet sich Jahre später auch in der Multi-Item Messung von O'Reilly (1980) (C2). Zudem stellen die beiden anderen Indikatoren alternative Ausdrucksformen dieses Vergleiches dar (C1, C3).²¹⁴ Eine im Gesundheitsmanagement populäre Operationalisierung der Informationsüberflutung geht auf Jensen et al. (2014) zurück. Die sogenannte „cancer information overload“-Skala bezieht sich dabei nicht nur auf den Vergleich zwischen Informationsmenge/-anforderung und -verarbeitungskapazität, sondern verwendet beispielsweise Ausdrucksformen der zeitlichen Restriktion (D2), der Gleichgültigkeit gegenüber neuen Informationen (D3), oder des Vergessens von Informationen (D6). Darüber hinaus wird ein übergreifender Indikator formuliert (D8).²¹⁵ Adaptiert wurde die Skala auch bereits im Kontext der Corona-Pandemie, als „COVID-19 information overload“.²¹⁶ Eine weitere Multi-Item Messung präsentiert die Arbeit von Li (2017). Die Skala der Informationsüberflutung wurde hier ursprünglich für die Untersuchung des Online-Konsumentenverhaltens entwickelt und drückt sich durch die Schwierigkeit der Informationserfassung (E1), die Überwältigung aufgrund der Informationsmenge (E2), die Unsicherheit hinsichtlich der eigenen Informationsbedürfnisse (E3), die Ungewissheit über die Informationsbeschaffung (E4), sowie durch die Auswertungsprobleme aufgrund der Informationsmenge (E5) aus.²¹⁷ Hierin offenbaren sich deutliche Überschneidungen zum vorliegenden Konstrukt-Verständnis – insbesondere den Indikatoren E1, E2 und E5 ist eine angemessene Reflektion der in der Definition aufgeführten Sachverhalte zu bescheinigen. Vergleichbare Statements bietet auch Heitmann et al. (2007) für ihr Messmodell, allerdings mit der Einschränkung, dass hier eine Überflutung durch die Anzahl an verfügbaren Produkten und nicht Informationen thematisiert wird.²¹⁸ Schließlich soll aufgrund der grundsätzlichen Bevorzugung von Multi-Item Messungen gegenüber Single-Item Messungen im Falle latenter Konstrukte, im Folgenden die wahrgenommene Informationsüberflutung, nach dem Vorbild von Li (2017), mittels mehrerer Likert-skalierter Indikatoren operationalisiert werden.

Gemäß der Eindimensionalität des Konstruktes wird eine reflektive Spezifikation des Messmodells angenommen. Damit entspricht die vorliegende Spezifikation auch jener von Li (2017).²²⁰ Darüber hinaus hat sich insgesamt gezeigt, dass die Messmodelle zur Informationsüberflutung überwiegend reflektiv spezifiziert wurden.²²¹ Demnach erfolgt nun im nächsten Schritt die Formulierung der Indikatoren für das eindimensionale reflektive Messmodell der wahrgenommenen Informationsüberflutung.

Da das Messmodell von Li (2017) deutliche inhaltliche Überschneidungen zu der vorliegenden Konstrukt-Definition offenbart, ebenfalls als „wahrgenommene Informationsüberflutung“ betitelt und darüber hinaus insgesamt gute Reliabilitätswerte aufweist,²²² werden hieraus fünf Indikatoren entnommen und unter sprachlichen und kontextbedingten Anpassungen ins Deutsche übersetzt.

In der nachstehenden Tabelle 3.11 ist das Messmodell der wahrgenommenen Informationsüberflutung mit dem Begriffsverständnis, den Indikatorformulierungen und den Individualverweisen zu den Indikatoren zusammengefasst dargestellt.

Im Sinne des theoretisch hergeleiteten Hypothesensystems und unter Berücksichtigung vorangegangener Forschungsarbeiten wird das „wahrgenommene Risiko“ im Folgenden als latentes Konstrukt behandelt.²²⁴ Insofern soll das latente Konstrukt in einem ersten Schritt konzeptualisiert und in einem zweiten Schritt mithilfe manifester Indikatoren operationalisiert werden.

Das wahrgenommene Risiko hat in der Konsumentenforschung²²⁵ eine lange Tradition.²²⁶ Aufmerksamkeit erlangte das Konzept ursprünglich durch die Arbeiten von Bauer (1960), Cox und Rich (1964), Cox (1967a) und Bettman (1973). Im Zeitverlauf wurde das Konzept dann von mehreren Fachbereichen der betriebswirtschaftlichen Forschung – hierunter Beschaffungsmanagement,²²⁷ strategisches Management²²⁸ und Finance²²⁹ – adaptiert. Nicht nur aufgrund seiner mannigfaltigen Berücksichtigung, sondern insbesondere aufgrund seiner Latenz („risk means different things to different people“²³⁰) und dem daraus resultierenden Mangel an definitorischem Konsens, wird das wahrgenommene Risiko in der Literatur auch als „fuzzy concept“ umschrieben.²³¹ Um also eine für die vorliegende Arbeit gültige Konstrukt-Definition des wahrgenommenen Risikos festlegen zu können, werden aus den verschiedenen Begriffsverständnissen zunächst zentrale Attribute abgeleitet (Tabelle 3.12) und anschließend hinsichtlich Konsistenz und Abgrenzbarkeit überprüft.

Erstens wird das wahrgenommene Risiko sowohl in der Konsumenten- als auch in der organisationalen Forschung auf individueller Ebene konzeptualisiert. Das Risiko wird also beispielsweise vom Entscheider, Konsument oder Beschaffungsmanager wahrgenommen und ist daher stets subjektiv.²³³ Zweitens entsteht das wahrgenommene Risiko typischerweise in Entscheidungssituationen, wie in Konsumentscheidungen, Beschaffungs- oder Lieferantenauswahlentscheidungen.²³⁴ Drittens wird dem wahrgenommenen Risiko eine Situationsabhängigkeit unterstellt. Demnach verändert sich das Ausmaß des wahrgenommenen Risikos mit den Kontextfaktoren der jeweiligen Entscheidungssituation.²³⁵ Während sich die Literatur bei diesen Attributen des wahrgenommenen Risikos weitestgehend einig zeigt, herrscht indessen eine Kontroverse um den eigentlichen Inhalt des Konstruktes. Häufig wird angeführt, dass sich das wahrgenommene Risiko aus den beiden Komponenten „Konsequenzen“ und „Unsicherheit“ zusammensetzt. Ein Individuum nimmt also dann Risiko wahr, wenn die Wahrscheinlichkeit für negative Konsequenzen (Unsicherheit) und die Wichtigkeit eines Verlustes (Konsequenzen) hoch sind.²³⁶ Insofern wird das wahrgenommene Risiko maßgeblich über die subjektive Einschätzung der der Entscheidungssituation inhärenten Bedingungen (i.e. Konsequenzen, Unsicherheit) determiniert. Allerdings gibt es unterschiedliche Auffassungen für die beiden Komponenten – vor allem für die Komponente der Konsequenzen.²³⁷ Aus der Kritik an der Zwei-Komponenten Konzeptualisierung definieren schließlich Stone und Grønhaug (1993) und daraufhin Sweeney et al. (1999) das wahrgenommene Risiko lediglich als „subjective expectation of loss“.²³⁸ Mithilfe dieser Definition soll der „Expactancy Value“ Aspekt des Risikos betont werden.²³⁹ Aus der Definition leiten die Autoren verschiedene Verlustarten ab, die bereits zuvor und fortwährend als Dimensionen des Risikos bekannt sind.²⁴⁰ So unterscheiden Stone und Grønhaug (1993) zwischen dem finanziellen, sozialen, zeitlichen, leistungsbezogenen, physischen und psychologischen Risiko.²⁴¹ Allerdings finden sich auch Abwandlungen hiervon, wie exemplarisch bei Mitchell et al. (2003), die nur drei Dimensionen²⁴² bestimmen²⁴³ – hierunter die von Newall (1977) eingeführte psychosoziale Dimension des Risikos.²⁴⁴ Einen anderen Ansatz der Definition wählen Hawes und Barnhouse (1987) im Kontext der organisationalen Beschaffung. Sie bestimmen das wahrgenommene Risiko über die Angst und den Stress, den die Individuen bei der Wahrnehmung des Risikos erfahren²⁴⁵ – es werden also subjektiv empfundene Ausdrucksformen des wahrgenommenen Risikos in den Vordergrund gestellt. Für die vorliegende Arbeit beschreibt das wahrgenommene Risiko demnach das Ausmaß, in dem Beschaffungsmanager in ihrem individuellen Entscheidungsprozess im Rahmen der (organisationalen) strategischen Logistikdienstleisterauswahl Angst oder Stress erfahren.

Neben den Definitionen des fokalen Konstruktes, sollten auch verwandte Konstrukte mit einem dem wahrgenommenen Risiko ähnlichen Verständnis als Ergebnis der Literaturrecherche identifiziert werden. Obwohl die Unsicherheit eigentlich als Komponente des wahrgenommenen Risikos verstanden wird, ist es in der Konsumentenforschung nicht unüblich, dass Risiko und Unsicherheit auch synonym verwendet werden.²⁴⁶ Dies ist darauf zurückzuführen, dass eine klare Abgrenzung zwischen den beiden Konstrukten oftmals schwerfällt. Dies wird beispielsweise anhand der Definition von Kohli (1989) offenkundig. Demnach entsteht Unsicherheit aus einem Mangel an Informationen und Wissen.²⁴⁷ Zwar ist dieses Attribut nicht direkt aus den Definitionen des wahrgenommenen Risikos zu entnehmen, jedoch argumentiert die Risikoforschung ebenfalls anhand der Informationsversorgung, nämlich derart, dass das wahrgenommene Risiko durch Informationssuche reduziert werden kann.²⁴⁸ Gemäß der Definition von Kohli (1989) allerdings ist dies eine vereinfachte Argumentation und lässt außer Acht, dass durch die Informationsversorgung primär die Unsicherheit reduziert wird²⁴⁹ und darüber, da die Unsicherheit eine Komponente des wahrgenommenen Risikos bildet, letztlich auch das wahrgenommene Risiko.²⁵⁰ In anderen Worten: „Handling risk means handling of uncertainty, that is, information.“²⁵¹ Knight (1921) sowie Stone und Grønhaug (1993) dagegen identifizieren als Differenzierungsmerkmal zwischen Unsicherheit und wahrgenommenen Risiko die Zuordnung von Wahrscheinlichkeiten. Ihnen zufolge wird dann von Unsicherheit gesprochen, wenn den möglichen Konsequenzen keine Wahrscheinlichkeiten zugeordnet werden können. Sobald diesen aber Wahrscheinlichkeiten beigemessen werden können, handelt es sich um das wahrgenommene Risiko.²⁵² Allerdings ist auch diese Abgrenzung unbefriedigend. Angesichts der kognitiven Limitationen von Individuen ist eine Erfassung aller möglichen Konsequenzen, die der Entscheidungssituation folgen können, realitätsfern. Wenn der Entscheider also die Gesamtheit der Konsequenzen nicht überblicken kann, ist es für ihn auch nur schwer möglich, den wenigen von ihm berücksichtigten Konsequenzen adäquate Wahrscheinlichkeiten zuzuordnen. Im Umkehrschluss bedeutet dies, dass bei Beschaffungsentscheidungen zwar häufig eine Untersuchung des wahrgenommenen Risikos bekundet wird, aber eigentlich aufgrund der kognitiven Beschränkungen des Individuums definitorisch nur die Unsicherheit untersucht werden kann.²⁵³ Es bestätigt sich also, dass die beiden Konstrukte nicht eindeutig voneinander trennbar sind, weshalb die Unsicherheit in der vorliegenden Arbeit als Sachverhalt des wahrgenommenen Risikos gesehen werden soll. Demnach wird Risiko dann wahrgenommen, wenn Unsicherheiten vorhanden und negative Konsequenzen bevorstehen.

Des Weiteren finden sich in der Risikoforschung angrenzende Konzepte, wie Risikoneigung, Risikopräferenz oder Risikoeinstellung. Diese Konstrukte vereint, dass sie grundsätzlich versuchen eine Person zu beschreiben. Insofern wird darunter verstanden, wie Personen gegenüber Risiken eingestellt sind, inwiefern Personen dazu neigen risikoreiche Situationen zu meiden oder wie wahrscheinlich es ist, dass sie Risiken eingehen.²⁵⁴ Sie unterschieden sich vom wahrgenommenen Risiko also maßgeblich darin, dass sie nicht primär auf die Wahrnehmung einer Situation abzielen. Ein weiteres Unterscheidungsmerkmal zwischen diesen Konzepten und dem wahrgenommenen Risiko scheint offensichtlich – die Situationsabhängigkeit. Ließen sich die Risikoneigung, Risikoeinstellung und Risikopräferenz allesamt als unveränderliche Persönlichkeitsmerkmale klassifizieren, könnte ihnen eine situationsunabhängige Gültigkeit bescheinigt werden, wohingegen das wahrgenommene Risko situationsabhängig ist. Allerdings gestaltet sich eine solche Verallgemeinerung schwierig, da verschiedene Autoren anmerken, dass sich eine Risikoneigung mit der Situation und durch persönliche Erfahrungen im Laufe der Zeit verändern kann.²⁵⁵ Insofern ist eine solch pauschalisierte Differenzierung anhand der Situationsabhängigkeit schwierig. Dennoch zeigt dieser Diskurs, wie wichtig es ist offenzulegen, inwiefern Kontextfaktoren potenziell Einfluss auf das zu definierende Risiko-Konstrukt nehmen können. So heben beispielsweise Zhang et al. (2019) hervor, dass unter ihrer generellen Risikoneigung eine situationsübergreifende Tendenz verstanden werden soll.²⁵⁶ In diesem Sinne wird auch für die vorliegende Arbeit mit Bezug zu Attribut 3 explizit festgehalten, dass das wahrgenommene Risiko situationsgebunden ist und sich mit den Kontextfaktoren der (organisationalen) strategischen Logistikdienstleisterauswahl ändert.

Aus der Analyse der Attribute und der verwandten Konstrukte, kann die folgende Konstrukt-Definition des wahrgenommenen Risikos für das vorliegende Forschungsprojekt formuliert werden:

Hinsichtlich der Dimensionalität des wahrgenommenen Risikos sind beide Auffassungen vertretbar – sowohl eine Eindimensionalität als auch eine Mehrdimensionalität des Konstruktes. Die Mehrdimensionalität lässt sich vorwiegend aus den verschiedenen Facetten negativer Konsequenzen argumentieren. Denkbar wäre also, dass sich das wahrgenommene Risiko in Referenz zu Stone und Grønhaug (1993) aus dem finanziellen, leistungsbezogenen, zeitlichen, sozialen, physischen und psychologischen Risiko zusammensetzt. Allerdings sind die Dimensionen nicht direkt aus der vorliegenden Konstrukt-Definition abzuleiten, weshalb auf eine Konzeptualisierung über die sechs Risikodimensionen verzichtet wird. Folgt man der Zwei-Komponenten-Definition so ließen sich hieraus ebenfalls zwei Dimensionen ableiten – die Unsicherheit und die Konsequenzen. Da diese beiden Aspekte in der vorliegenden Definition nicht ausschließlich den Inhalt des Konstruktes bilden sondern primär der Definition von Hawes und Barnhouse (1987) gefolgt wird, soll einer solchen mehrdimensionalen Konzeptualisierung ebenfalls nicht nachgegangen werden. Darüber hinaus scheinen die beiden Komponenten miteinander verbunden zu sein. So kritisiert auch Ross (1975): „In some cases it is difficult to distinguish whether uncertainty or consequences is being measured.“²⁵⁷ Ferner kann auch angenommen werden, dass Unsicherheiten und negative Konsequenzen zu Angst und Stress in einer Entscheidungssituation führen. Dies manifestiert sich beispielsweise anhand der Definition von Angst nach Carleton et al. (2012): „Anxiety is believed to require a sense of uncontrollability focused on the possibility of future threat, danger, or other potentially negative events.”²⁵⁸ Insofern werden Unsicherheiten, negative Konsequenzen sowie Angst und Stress als zusammenwirkende Sachverhalte des wahrgenommenen Risikos angesehen. Folglich wird von einer Eindimensionalität des Konstruktes ausgegangen.

Wenig verwunderlich führten die umfangreichen Forschungsbestrebungen um das wahrgenommene Risiko zu verschiedenen Messansätzen.²⁵⁹ Unter anderem werden Indexe, semantische Differenziale, Single-Item oder auch reflektive Multi-Item Messungen angewendet. Eine Übersicht der berücksichtigten Modelle zur Messung des wahrgenommenen Risikos liefert Tabelle 3.13.

Aus der Definition des wahrgenommenen Risikos über die beiden Komponenten „Unsicherheit“ und „Konsequenzen“ lassen sich auch die ersten Messungen ableiten. So wird die Unsicherheit über die Wahrscheinlichkeit der negativen Konsequenzen und die Konsequenzen über die Wichtigkeit dieser abgefragt. Durch Multiplikation der beiden Komponenten kann dann der Index des wahrgenommenen Risikos errechnet werden. Allerdings wurde der Multiplikationsansatz in der Vergangenheit in mehreren Punkten kritisiert. Erstens bestehen Zweifel darin, ob der Zusammenhang der beiden Komponenten tatsächlich multiplikativ oder vielleicht doch additiv ist.²⁶⁰ Zweitens gilt es zu hinterfragen, inwiefern Individuen tatsächlich eine Multiplikation der beiden Komponenten vornehmen, um ihr Ausmaß des wahrgenommenen Risikos zu bestimmen.²⁶¹ Drittens kann, wie schon bei der Abgrenzung zwischen Unsicherheit und Risiko aufgegriffen, eine Bestimmung der Wahrscheinlichkeiten aller negativen Konsequenzen als realitätsfern angesehen werden.²⁶² Aufgrund der Kritik, als auch in Abwägung der vorliegenden Konstrukt-Definition, wird ein solcher Messansatz nicht weiterverfolgt.

In Analogie zu Cannon und Perreault (1999) Messung der Komplexität, verwenden Sitkin und Weingart (1995) ein semantisches Differenzial zur Messung des wahrgenommenen Risikos. Die Eigenschaftspaare beschrieben zum einen die Entscheidung (F1-F3) und zum anderen die Wahrscheinlichkeit des Erfolgs (F4).²⁶³ Jedoch kann an diesem Modell angezweifelt werden, ob tatsächlich das wahrgenommene Risiko gemessen wird. In ihrem ausführlichen Review zur Messung von Sitkin und Weingart (1995), konnten Ganzach et al. (2008) aufzeigen, dass diese Operationalisierung mit dem Konstrukt-Verständnis nicht konform ist. Ihnen zufolge messen die Indikatoren des semantischen Differenzials eher die Konstrukte „wahrgenommene Rendite“ oder „globale Bewertung“.²⁶⁴ Zur Überprüfung des Modells von Sitkin und Weingart (1995) setzten Ganzach et al. (2008) dann eine Single-Item Messung ein. Im Ergebnis konnten sie dieser schließlich eine bessere Validität bescheinigen.²⁶⁵ Darüber hinaus werden die Indikatoren von Sitkin und Weingart (1995) beispielsweise zur Messung der Problemauslegung oder des Framingeffekts eingesetzt²⁶⁶ – folglich nicht zur Messung des wahrgenommenen Risikos. Aufgrund dessen wird einem solchen Ansatz im vorliegenden Fall ebenfalls nicht nachgegangen.

Eine Multi-Item Messung hingegen präsentieren Brown et al. (2011) mit Referenz zu Mudambi (2002). Die verwendeten Indikatoren spiegeln hierbei die leistungsbezogene (A1), finanzielle (A2) und soziale (A3) Risikodimensionen wider. Ergänzend wird ein Indikator für das übergreifende Risiko formuliert (A4).²⁶⁷ Angesichts der eingesetzten Gütekriterien zur Überprüfung des Messmodells kann auf eine reflektive Spezifikation geschlossen werden.²⁶⁸ Diese ist jedoch insofern zu kritisieren, als dass die einzelnen Indikatoren nicht gegenseitig austauschbar sind und jeweils eigenständige Facetten des Konstrukts darstellen, wie die Autoren selber bemerken: „[…] our measure of purchase risk is composed of four items, each of which taps a potentially different dimension of risk“.²⁶⁹ Dies wird auch in der Follow-up Analyse der Studie noch einmal offenkundig. Die Autoren untersuchen hierin die Effekte der einzelnen Risikodimensionen – losgelöst vom eigentlichen Messmodell.²⁷⁰ Demnach muss bei diesem Messmodell vielmehr von einer formativen als von einer reflektiven Spezifikation ausgegangen werden. Ferner wäre eine formative Multi-Item Messung nicht nur über die allgemeinen Risikodimensionen, sondern auch über eine Auflistung spezifischer, vordefinierter Beschaffungsrisiken (e.g. zusätzliche Kosten für den Transport aufgrund fehlender Planung) denkbar gewesen. Solche Auflistungen finden sich beispielsweise bei Zsidisin (2003), Zsidisin et al. (2004) oder Kremic et al. (2006).²⁷¹ Jedoch wurde ein solcher Ansatz für die vorliegende Untersuchung verworfen, da fraglich ist, ob bei der Vordefinition der Beschaffungsrisiken tatsächlich alle potenziellen Beschaffungsrisiken aufgenommen werden können und inwiefern die Modellierung des wahrgenommenen Risikos dann für nicht-abgefragte Beschaffungsrisiken generalisierbar ist.²⁷²

Weitere, in diesem Fall als reflektiv zu spezifizierende Multi-Item Messungen finden sich hingegen bei Davis (2003), Stone und Grønhaug (1993) oder Cox und Cox (2001). Insbesondere letztere weist Parallelen zur vorliegenden Konstrukt-Definition auf. So wird das wahrgenommene Risko über die Erwartung negative Konsequenzen (B2), Unsicherheit der Konsequenzen (B3) und Angst (B4, B5) reflektiert. Auch Sie ergänzen das Messmodell um einen Indikator zur direkten Abfrage des Risikos (B1). Angesichts der Kritik an den vorherigen Ansätzen und der grundsätzlichen Bevorzugung von Multi-Item Messungen gegenüber Single-Item Messungen, soll auch in der vorliegenden Arbeit das wahrgenommene Risiko mittels mehrerer Likert-skalierter Indikatoren, ähnlich wie bei Brown et al. (2011), Davis (2003) und Cox und Cox (2001), operationalisiert werden.

Vor dem Hintergrund der Eindimensionalität des Konstruktes und des hierin argumentierten Wirkungszusammenhangs der einzelnen Sachverhalte der Konstrukt-Definition, wird eine reflektive Spezifikation des Messmodells angesetzt. Dies ist beispielsweise auch im Einklang mit dem Messmodell von Cox und Cox (2001). Zwar führen die Autoren nicht explizit an, dass es sich um eine reflektive Spezifikation handelt, jedoch wird dies anhand der Gütekriterien und der einsetzten Methode impliziert. So führen sie keine „latent variable analysis“ durch, sondern setzen aufgrund ihres experimentellen Designs und der Berechnung mittels ANOVA das „alpha and sum“ – Prinzip²⁷⁴ um. Das Cronbach alpha (0,77) signalisiert dabei eine angemessene interne Konsistenz des Messmodells.²⁷⁵ Demnach erfolgt nun in einem nächsten Schritt die Formulierung der Indikatoren für das eindimensionale reflektive Messmodell des wahrgenommenen Risikos in Übereinstimmung mit der erarbeiteten Konstrukt-Definition.

Aufgrund der eindeutigen Überschneidungen zur vorliegenden Konstrukt-Definition, werden aus dem Messmodell von Cox und Cox (2001), welches unter anderem von Kirchoff et al. (2019) angewendet wurde,²⁷⁶ insgesamt fünf Indikatoren entnommen und unter sprachlichen und kontextbedingten Anpassungen ins Deutsche übersetzt.²⁷⁷ Demgemäß wird zunächst ein übergreifender Indikator zum Ausdruck des wahrgenommenen Risikos formuliert:

Des Weiteren werden zwei Indikatoren mit Referenz zur Konstrukt-Definition als Manifestationen der Unsicherheit und negativen Konsequenzen formuliert:

Schließlich folgen zwei weitere Indikatoren zur Verdeutlichung der Angst und des Stresses, den der Beschaffungsmanager in seinem individuellen Entscheidungsprozess im Rahmen der (organisationalen) strategischen Logistikdienstleisterauswahl erfahren hat:

In der nachstehenden Tabelle 3.14 ist das Messmodell des wahrgenommenen Risikos mit dem Begriffsverständnis, den Indikatorformulierungen und den Individualverweisen zu den Indikatoren zusammengefasst dargestellt.

Im Sinne des theoretisch hergeleiteten Hypothesensystems und unter Berücksichtigung vorangegangener Forschungsarbeiten wird die „individuelle Risikoneigung“ im Folgenden als latentes Konstrukt behandelt. Insofern soll das latente Konstrukt in einem ersten Schritt konzeptualisiert und in einem zweiten Schritt mithilfe manifester Indikatoren operationalisiert werden.

Parallel zur Literatur des wahrgenommenen Risikos hat sich auch die Forschung zur Risikoneigung von Individuen entwickelt. Diese wird sowohl in psychologischen²⁷⁹als auch Managementstudien – beispielsweise im Bereich der Entrepreneur-²⁸⁰ und Finance-Forschung²⁸¹ – untersucht. Nicht zuletzt ist die Risikoneigung auch Teil der deutschen sozioökonomischen Panelstudie des DIW Berlins.²⁸² Die vielfältigen Untersuchungen im Bereich der Risikoneigung führten unter anderem zu vermeintlich ähnlichen, allerdings unterschiedlichen Verständnissen.²⁸³ Um demnach eine für die vorliegende Arbeit gültige Konstrukt-Definition der individuellen Risikoneigung festlegen zu können, werden aus den verschiedenen Begriffen und deren Verständnisse zentrale Attribute abgeleitet (Tabelle 3.15) und analysiert.

Erstens wird die Risikoneigung, wenig verwunderlich, auf der individuellen Ebene definiert.²⁸⁴ Zweitens drückt sie eine Tendenz aus.²⁸⁵ Diese ist in den meisten Fällen auf das Eingehen oder Vermeiden von Risiken ausgerichtet. Diesbezüglich sind aber auch Abweichungen beobachtbar. Während exemplarisch Sitkin und Pablo (1992) Risken nicht weiter spezifizieren,²⁸⁶ benutzen Meertens und Lion (2008) den Begriff „persönliche Risiken“,²⁸⁷ vermeiden Zhang et al. (2019) den Risikobegriff gänzlich und umschreiben die Risiken stattdessen mit negativen Konsequenzen.²⁸⁸Angesichts des zuvor erarbeitenden Verständnisses des wahrgenommenen Risikos, soll an dieser Stelle auf eine Präzisierung des Begriffs „Risiko“, wie bei Zhang et al. (2019) vorzufinden, bewusst verzichtet werden. Hinsichtlich einer möglichen Restriktion des Begriffsverständnisses durch die Festlegung auf persönliche Risiken wie bei Meertens und Lion (2008), kann angemerkt werden, dass hier vielmehr versucht wird die individuelle Ebene des Konstruktes hervorzuheben anstatt eine Abgrenzung zwischen persönlichen und organisationalen Risiken im Sinne von Newall (1977) zu etablieren.²⁸⁹ Nichtsdestotrotz wird im vorliegenden Fall, um Missverständnisse zu vermeiden, eine Formulierung wie bei Sitkin und Pablo (1992) gewählt. Insofern beschreibt die individuelle Risikoneigung die Tendenz einer Person Risiken einzugehen oder zu vermeiden.

Eine langjährige Kontroverse in der Risikoforschung wird hingegen mit dem vierten Attribut adressiert – die Veränderlichkeit bzw. Stabilität des Konstruktes. Hierbei lassen sich drei Auffassungen identifizieren. Die erste Gruppe von Forschern unterstützt demnach die Annahme einer veränderlichen, von Kontextfaktoren abhängigen, individuellen Risikoneigung. Die Risikoneigung einer Person verändert sich also mit der Entscheidungssituation.²⁹¹ Beispielsweise kann ein Beschaffungsmanager in einer organisationalen Beschaffungsentscheidung eher eine risikoaverse, in einer privaten Konsumentscheidung eher eine risikoreiche Neigung aufweisen – natürlich kann die Risikoneigung des Weiteren zwischen den verschiedenen organisationalen Beschaffungsentscheidungen unterschiedlich ausgeprägt sein. Unterstützung für ihre Annahme finden die Vertreter unter anderem in der Prospect Theorie, wonach Individuen bei Gewinnen risikoavers, bei Verlusten risikoreich agieren.²⁹² In diesem Sinne bezeichnen beispielsweise Weber et al. (2002) ihr Konstrukt als „domain-specific risk-attitude“.²⁹³ Auf der anderen Seite unterstellt die zweite Forschergruppe eine stabile Risikoneigung. Sie ist insofern als beständiges Persönlichkeitsmerkmal zu verstehen und bestimmt unabhängig von der Entscheidungssituation das Verhalten von Individuen.²⁹⁴ Zur Klarstellung dieses Sachverhalts bezeichnen die Forscher ihre Konstrukte exemplarisch als „general risk taking propensity“ oder heben dies in ihrer Definition als „cross-situational tendency“ hervor.²⁹⁵ Anstatt eine klare Trennung – entweder veränderliche oder stabile Risikoneigung – vorzunehmen, argumentiert eine dritte Gruppe für eine Koexistenz dieser. Ihnen zufolge setzt sich die Risikoneigung also aus einer stabilen und einer veränderlichen Komponente zusammen.²⁹⁶ Jedoch führen die meisten Autoren die veränderliche Komponente auf Aspekte wie Alter oder Erfahrungen und weniger auf die Entscheidungssituation zurück.²⁹⁷ Tatsächlich vertritt auch die Persönlichkeitsforschung ein solches Verständnis: „Personality trait development is not a continuity-versus-change proposition. Rather, continuity and change coexist due to the corresponsive principle […]“.²⁹⁸ Die Psychologie geht davon aus, dass Individuen dazu neigen sich soziale Cluster oder Umgebungen zu suchen, die mit ihrer Persönlichkeit korrelieren („social selection“), weshalb kaum weitreichende Persönlichkeitsveränderungen zu erwarten sind. Stattdessen werden die bereits vorhandenen persönlichen Merkmale („continuity) durch eigenschaftsbezogene Erfahrungen, die innerhalb dieser sozialen Cluster oder Umgebungen gesammelt werden („social influence“), vertieft („change“). Auf den Fall der individuellen Risikoneigung übertragen bedeutet dies exemplarisch: Eine risikoreiche Person wird sich eher risikoreiche Sportarten suchen und ausüben, wodurch sich schließlich die individuelle Risikoneigung durch die sportlichen Erfahrungen und den Umgang mit ähnlich eingestellten Personen neu abstimmt (e.g. verstärkt).²⁹⁹ In Anlehnung an die dritte Forschergruppe versteht die vorliegende Arbeit die individuelle Risikoneigung als weitestgehend stabiles Persönlichkeitsmerkmal, erkennt aber an, dass sich diese, wie für die meisten Persönlichkeitsmerkmale üblich, mit dem Alter, wie auch mit Erfahrungen verändern kann, sich jedoch über verschiedene Entscheidungssituationen und deren Kontextfaktoren hinweg konstant verhält. Basierend auf diesem Verständnis kann das Konstrukt auch als „situationsübergreifende, individuelle Risikoneigung“ konkretisiert werden.

Neben den Definitionen des fokalen Konstruktes, sollten auch verwandte Konstrukte mit einem der individuellen Risikoneigung („risk propensity“) ähnlichen Verständnis als Ergebnis der Literaturrecherche identifiziert und wenn möglich abgegrenzt werden. Dies betrifft insbesondere die Konstrukte „risk taking“, „risk preference“ „risk affinity“ als auch „risk attitude“. Auf der einen Seite lassen sich vereinzelt Unterschiede zwischen den verschiedenen Konstrukten identifizieren. So verstehen beispielsweise Sitkin und Pablo (1992) die Risikopräferenz als Determinante der Risikoneigung³⁰⁰ oder Conchar (2004) die Risikoaffinität als stabilen Teil der Persönlichkeit, woraus schließlich die Risikoneigung bestimmt wird.³⁰¹ Auf der anderen Seite aber werden auch deutliche Überschneidungen zwischen den Begriffen sichtbar. Vergleicht man nämlich die Definitionen, so muss festgestellt werden, dass in vielen Fällen eine Tendenz angegeben wird, die beschreiben soll, inwiefern Individuen Risiken suchen oder vermeiden, bzw. von diesen angezogen oder abgestoßen werden.³⁰² Ferner ist zu beobachten, dass sich die Autoren zu „risk preference“, „risk taking“ oder „risk propensity“ häufig wechselseitig zitieren, die Erkenntnisse jeweils in ihre Untersuchungen einfließen lassen und die Begriffe in ihren Arbeiten synonym verwenden³⁰³ – eine klare Trennung wird selten erarbeitet. Des Weiteren sind die Zusammenhänge, die zwischen den Konstrukten aufgestellt werden, widersprüchlich. So gehen beispielsweise Dyer und Sarin (1982) von einem Einfluss der Risikopräferenz auf die Risikoeinstellung aus und nicht, wie im Modell von Sitkin und Pablo (1992) präsentiert, auf die Risikoneigung.³⁰⁴ Angesichts dieser Begriffsvielfalt und der hieraus entstandenen Intransparenz ist eine eindeutige Abgrenzung zwischen den verschiedenen Konstrukten nicht zu leisten. Stattdessen wird darauf geachtet, dass das vorliegende Verständnis für die individuelle Risikoneigung möglichst präzise offengelegt wird. Aus der Analyse der Attribute wird demnach die folgende Konstrukt-Definition der individuellen Risikoneigung für das vorliegende Forschungsprojekt formuliert:

Hinsichtlich der Dimensionalität der individuellen Risikoneigung wird eine eindimensionale Auffassung vertreten. Zwar ließe sich prinzipiell auch eine Mehrdimensionalität über die Koexistenz einer stabilen und veränderlichen Komponente argumentieren, jedoch sind diese nicht direkt aus der vorliegenden Konstrukt-Definition abzuleiten. Die Konstrukt-Definition selbst bietet ebenfalls nicht ausreichend unterschiedliche Sachverhalte, um eine Mehrdimensionalität annehmen zu können. Zudem zeigen vergleichbare Studien eine Eindimensionalität der Risikoneigung auf.³⁰⁵

In der Literatur konnten verschiedene Operationalisierungen der individuelle Risikoneigung als auch der mit ihr verwandten Konstrukte identifiziert werden. Eine Übersicht der berücksichtigten Modelle zur Messung der individuellen Risikoneigung liefert Tabelle 3.16.

Einen ersten Messansatz liefern Forlani et al. (2002). Sie verwenden eine dichotome Messung, bei der der Respondent zwischen zwei Ausprägungen wählen muss. Hieraus kann dann geschlussfolgert werden, ob es sich um eine risikoaverse oder risikosuchende Person handelt.³⁰⁶ Kritisiert werden kann an diesem Ansatz, dass, wie die Autoren selber anmerken, eine Fokussierung auf den finanziellen Kontext vorgenommen wird: „it deals with pesonal propensities toward financial risk taking […]“.³⁰⁷ Ferner deutet die Faktorenanalyse auf eine Zwei-Dimensionalität (A2, A4 und A1, A3, A5) des Konstruktes hin,³⁰⁸ was erneut im Widerspruch zur vorliegenden Konzeptualisierung steht. Insofern wurde ein solcher Messansatz für ungeeignet befunden.

Im Rahmen des sozioökonomischen Panels wird die Risikoneigung als Single-Item abgefragt.³⁰⁹ In einer Prüfung der globalen Messung konnten Dohmen et al. (2011) dieser schließlich eine gute Performance nachweisen und bescheinigen ihr insgesamt eine zufriedenstellende Validität.³¹⁰ In Anbetracht dessen scheint eine solche globale Abfrage durchaus zweckmäßig. Im Gegensatz dazu präsentieren beispielsweise Kull et al. (2014), Meertens und Lion (2008) und Zhang et al. (2019) unterschiedliche Multi-Item Messungen. Insbesondere bei Kull et al. (2014) kann allerdings kritisch angemerkt werden, dass eine situationsbezogene Risikoneigung gemessen wird. Dies wird dadurch deutlich, dass er bei der Abfrage der Indikatoren einführend auf eine bestimmte Lieferantenauswahlentscheidung Bezug nimmt. Insofern ist dieses Multi-Item Messmodell mit dem vorliegenden Konstrukt-Verständnis nicht konform. Anders verhält sich dies bei den Messmodellen von Meertens und Lion (2008), sowie Zhang et al. (2019). Bei ihnen ist jeweils eindeutig eine situationsunabhängige Operationalisierung zu erkennen. Dies wird durch die allgemein formulierten Indikatoren (bspw. C1-C7; D1-D8) deutlich. Beispielsweise nutzen sie die Regelmäßigkeit risikobehafteter Entscheidungen als eine Reflektion der individuellen Risikoneigung (CC4, E6). Angesichts der Kritik an den vorherigen Ansätzen und der grundsätzlichen Bevorzugung von Multi-Item Messungen gegenüber Single-Item Messungen, soll auch in der vorliegenden Arbeit die individuelle Risikoneigung mittels mehrerer Likert-skalierter Indikatoren, wie exemplarisch bei Meertens und Lion (2008) und Zhang et al. (2019) zu finden, operationalisiert werden.

Vor dem Hintergrund der Eindimensionalität der individuellen Risikoneigung, wird eine reflektive Spezifikation des Messmodells für angebracht angesehen. Dies ist auch im Einklang mit den zuvor als relevant eingestuften Messmodellen von Meertens und Lion (2008) sowie Zhang et al. (2019). Demnach erfolgt nun in einem nächsten Schritt die Ableitung der Indikatorformulierungen für das eindimensionale reflektive Messmodell der individuellen Risikoneigung in Übereinstimmung mit der erarbeiteten Konstrukt-Definition.

Für die vorliegende Arbeit werden die Indikatorformulierungen von Meertens und Lion (2008) übernommen, da diese mit dem eigenen Konstrukt-Verständnis konform sind und insbesondere situationsunabhängig formuliert wurden. Die zuvor eingeräumte Veränderlichkeit der Risikoneigung mit dem Alter bzw. mit den Erfahrungen sorgt jedoch in Kombination mit der retrospektiven Konzeption der Untersuchung prinzipiell für ein Dilemma. So besteht einerseits die Möglichkeit, die Risikoneigung ebenfalls retrospektiv zu messen, d. h. zum Zeitpunkt der Auswahlentscheidung abzufragen. Fraglich ist hierbei, inwiefern Individuen überhaupt in der Lage sind ihre Persönlichkeit zu einem vergangenen Zeitpunkt widerzugeben – somit potenzielle Persönlichkeitsveränderungen wahrnehmen bzw. eingestehen zu können.

Andererseits besteht die Möglichkeit, die Risikoneigung auf den Zeitpunkt der Erhebung festzusetzen und eine mögliche Veränderung der Risikoneigung im Zeitraum zwischen Auswahlentscheidung und Befragung bewusst zu vernachlässigen. Eine dritte Möglichkeit ergibt sich, indem die Risikoneigung generell abgefragt wird, d. h. kein bestimmter Zeitpunkt der Messung festgelegt wird. Da dem Konstrukt gemäß Definition weitestgehend Stabilität unterstellt wird, soll an dieser Stelle eine generelle Messung der individuellen Risikoneigung umgesetzt werden. Demnach werden die Respondenten aufgefordert einzuschätzen „inwieweit die nachfolgenden Aussagen auf Sie persönlich zutreffen“.

Ferner bescheinigt die Güteprüfung von Meertens und Lion (2008) dem gesamten Messmodell eine angemessene Reliabilität.³¹² Demzufolge werden insgesamt sieben Indikatoren³¹³ von Meertens und Lion (2008) entnommen und unter sprachlichen Anpassungen ins Deutsche übersetzt.³¹⁴

In der nachstehenden Tabelle 3.17 ist das Messmodell der individuellen Risikoneigung mit dem Begriffsverständnis, den Indikatorformulierungen und den Individualverweisen zu den Indikatoren zusammengefasst dargestellt.

Im Sinne des theoretisch hergeleiteten Hypothesensystems und unter Berücksichtigung vorangegangener Forschungsarbeiten zum REI werden Need for Cognition und Faith in Intuition im Folgenden als latente Konstrukte behandelt. Insofern sollen die beiden latenten Konstrukte in einem ersten Schritt konzeptualisiert und in einem zweiten Schritt mithilfe manifester Indikatoren operationalisiert werden.

Das Rational Experiential Inventory mit den beiden Konstrukten Need for Cognition und Faith in Intuition geht maßgeblich auf die Arbeit von Epstein et al. (1996) zurück.³¹⁷ Alleinstehend erfuhr das Konstrukt Need for Cognition jedoch bereits zuvor durch die Studie von Cohen et al. (1955) und dann einige Zeit später wieder durch die Psychologen John T. Cacioppo und Richard E. Petty wissenschaftliche Aufmerksamkeit.³¹⁸ Seitdem wurden die beiden Konstrukte in einer Vielzahl von Forschungsbeiträgen untersucht.³¹⁹ Auffällig ist hierbei, dass sich das Verständnis für die Konstrukte seit den ersten Arbeiten kaum verändert hat – es gelten weitestgehend die ursprünglichen Konstrukt-Definitionen. Dies wird auch aus den abgeleiteten Attributen (siehe Tabelle 3.18), sowie durch Nachverfolgung der Zitationen³²⁰ ersichtlich. In Anbetracht dessen scheint es im vorliegenden Fall – anders als bei den Messmodellen zuvor – nicht nötig zu sein, den Schwerpunkt der Konstrukt-Konzeptualisierung auf die Analyse der Attribute zu legen.

In Anlehnungen an die CEST wird Need for Cognition als Neigung beschrieben, eine deliberative kognitive Informationsverarbeitung zu nutzen.³²¹ Zur Umschreibung der Nutzung verwenden die Autoren unterschiedliche Ausdrucksformen, wie Motivation, Verlassen, Genuss oder Vertrauen.³²² Ergänzend werden Personen mit einer hohen Ausprägung der Need for Cognition auch darüber charakterisiert, dass sie Freude am Denken haben und sich gerne auf kognitive Anstrengungen einlassen.³²³ Der Terminus „Need“ soll nach Cohen et al. (1955) nicht als Reaktion auf einen Zustand der Entbehrung verstanden werden. Vielmehr soll dadurch zum Ausdruck gebracht werden, dass es zu Spannungen kommen kann, wenn ein Ziel nicht erreicht wird. Aus diesen Spannungen erwächst schließlich der Need for Cognition.³²⁴ Faith in Intuition dagegen bezieht sich auf die erfahrungsbasierte, automatische Form der Informationsverarbeitung und beschreibt Personen über ihre Tendenz diese zu nutzen.³²⁵ Wiederum werden hier die Begriffe Vertrauen oder Verlassen eingesetzt, um die Nutzung zu umschreiben.³²⁶

Wichtig für die Konzeptualisierung der beiden Konstrukte im Rahmen des Rational Experiential Inventory ist, dass die beiden Konstrukte keine Gegensätze darstellen, wodurch auch den Annahmen der CEST³²⁸ entsprochen wird. In anderen Worten gilt eine Person mit geringem Need for Cognition nicht notwendigerweise gleichzeitig als Person mit hoher Faith in Intuition. Die Ausprägungen des einen Konstruktes lassen also keine unmittelbaren Schlussfolgerungen auf die Ausprägungen des anderen Konstruktes zu.³²⁹ Die Studienergebnisse von Epstein et al. (1996) unterstreichen eine solche Unabhängigkeit der beiden Konstrukte.³³⁰ Jedes Konstrukt ist also für sich eigenständig. Des Weiteren gilt für beide Konstrukte gleichermaßen, dass sie auf der individuellen Ebene definiert sind und als Persönlichkeitsmerkmale klassifiziert werden. Hinsichtlich der Stabilität bzw. Veränderlichkeit der Konstrukte geben die Definitionen kaum Hinweise. Daher wird analog zur individuellen Risikoneigung und für Persönlichkeitsmerkmale üblich,³³¹ grundsätzlich von einer Stabilität der beiden Konstrukte ausgegangen, wobei eine Veränderung mit dem Alter und mit Erfahrungen eingeräumt wird. Eine durch die Entscheidungssituation bedingte Veränderlichkeit wird hingegen erneut ausgeschlossen.

Zudem sollen auch verwandte Konstrukte mit einem ähnlichen Verständnis analysiert und abgegrenzt werden. Dies betrifft im vorliegenden Fall speziell das Konstrukt Need for Cognition. So führen beispielsweise Kelman und Cohler (1959) und später auch Cox (1967c) die beiden Konstrukte Need for Cognitive Clarity und Cognitive Style ein. Das Bedürfnis einer Person nach kognitiver Klarheit wird ausgelöst, wenn eine Person einen Zustand der Ambiguität³³² oder Inkonsistenz erfährt und diesen aufheben möchte. In anderen Worten beschreibt das Konstrukt, in welchem Ausmaß Personen geneigt sind, inkonsistente, dissonante, mehrdeutige Sachverhalte zu beseitigen und inwiefern sie die Fähigkeit dazu besitzen.³³³ Darauf aufbauend wird unter Cognitive Style die Art und Weise verstanden, wie der Zustand der kognitiven Klarheit typischerweise erreicht wird. Die Literatur unterscheidet hierbei zwei Typen – die „simplifiers“ und die „clarifiers“.³³⁴ Zwar lassen sich in den beiden Typen des Cognitive Styles Parallelen zu den Dual-Processing Modellen ziehen, allerdings entspringen die beiden Persönlichkeitsmerkmale grundsätzlich der kognitiven Dissonanztheorie.³³⁵ Insofern sind beide Konstrukte, wie auch Need for Cognition im Kontext der Informationssuche einzusetzen und tragen demnach zur Erklärung des individuellen Informationssuchverhaltens bei, jedoch beschreiben sie inhaltlich zwei unterschiedliche Aspekte – auf der einen Seite die Art der Informationsverarbeitung und auf der anderen Seite die Fähigkeit (Art) zum (des) Umgang(s) mit kognitiver Dissonanz.³³⁶

Andererseits werden in der Beschaffungsforschung zunehmend die Konstrukte prozedurale Rationalität, sowie automatische/emotionale und erfahrungsbasierte Verarbeitung untersucht. Sie spiegeln, wie das Rational-Experiential Inventory, die zwei Formen der Informationsverarbeitung wider. Ein wesentlicher Unterschied liegt jedoch in der Stabilität bzw. Situationsabhängigkeit. So sind die prozedurale Rationalität, sowie automatische und erfahrungsbasierte Verarbeitung stets an die Situation gebunden und damit nicht als individuelle Charakteristiken zu verstehen.³³⁷

Aus der Analyse der Attribute und nach erfolgter Abgrenzung von verwandten Konstrukten werden demnach die folgenden Definitionen Need for Cognition und Faith in Intuition abgeleitet:

Aufgrund der Tatsache, dass das Rational Experiential Inventory kein eigenständiges Konstrukt darstellt, sondern lediglich ein Überbegriff für die beiden unabhängigen Konstrukte Need for Cognition und Faith in Intuition, kann an dieser Stelle für beide jeweils eine eindimensionale Auffassung argumentiert werden. Bei Faith in Intuition bildet die Tendenz zur Nutzung des erfahrungs-, emotionsbasierten und automatischen Systems der Informationsverarbeitung den zentralen Inhalt des Konstruktes. In Anlehnung an die ursprünglichen Dual-Processing Modelle, wie auch die Cognitive-Experiential Self-Theory, beschreiben die Adjektive „erfahrungsbasiert“, „emotionsbasiert“ und „automatisch“ einen gemeinsamen Sachverhalt, weshalb prinzipiell von einer Eindimensionalität ausgegangen werden kann. Jedoch nehmen Kaufmann et al. (2017) jene Beschreibungen, sowie neue Erkenntnisse in der SCM-Forschung³³⁸ zum Anlass die intuitive Form der Informationsverarbeitung zweidimensional zu konzeptualisieren. Die erste Dimension bildet somit die emotionsbasierte Informationsverarbeitung, wohingegen die zweite Dimension die erfahrungsbasierte Informationsverarbeitung darstellt.³³⁹ Trotz der empirischen Substanz ihrer Zweidimensionalität soll an dieser Stelle der Konzeptualisierung des Rational-Experiential Inventory gefolgt werden und der Faith in Intuition eine Eindimensionalität unterstellt werden.³⁴⁰ Bei Need for Cognition stellt die Tendenz zur Nutzung des deliberativen kognitiven Systems der Informationsverarbeitung den zentralen Inhalt dar und begründet gleichzeitig die Abgrenzung zu Faith in Intuition. Der Genuss kognitiver Anstrengungen, wie das Denken, bildet indessen keine neue Dimension des Konstruktes, sondern präzisiert lediglich die Nutzung des rationalen Systems der Informationsverarbeitung. Insofern findet eine Mehrdimensionalität in diesem Fall keine Unterstützung. Darüber hinaus konnten keine vorangegangenen Forschungsarbeiten identifiziert werden, die Need for Cognition mehrdimensional konzeptualisieren.³⁴¹

In der Literatur konnten verschiedene Operationalisierungen für die beiden Konstrukte des Rational Experiential Inventory identifiziert werden. Allerdings weichen diese in den meisten Fällen lediglich hinlänglich der Anzahl der Indikatoren voneinander ab. Grundlegend verschiedene Messansätze konnten nicht registriert werden. Eine Übersicht zu den Messmodellen liefert Tabelle 3.19.

Die erste Operationalisierung des Konstrukts Need for Cognition stammt von Cacioppo und Petty (1982) mit 34 Indikatoren. Die hierin verwendeten Indikatoren reflektieren dabei die Tendenz eines Individuums nachzudenken und dieses zu genießen (bspw. A4: „I would prefer complex to simple problems“).³⁴³ In einer späteren Fassung reduzieren sie das Messmodell dann bewusst auf 18 Indikatoren, um eine bessere interne Konsistenz zu erzielen.³⁴⁴ Ebenfalls greifen Epstein et al. (1996) auf das originale Messmodell von Cacioppo und Petty (1982) zurück und entnehmen 19 Indikatoren. Gleichzeitig entwickeln sie das Messmodell zu Faith in Intuition. Die 12 Indikatoren reflektieren dabei das Vertrauen in die eigene Intuition (bspw; B1: „I trust my initial feelings about people“).³⁴⁵ In einem zweiten Schritt ihrer Untersuchung verkürzen sie das Rational Experiential Inventory von ursprünglich 31 Indikatoren auf insgesamt 10 Indikatoren. Die Kurzskala umfasst also jeweils 5 Indikatoren für die beiden Messmodelle. Diese ist ebenfalls reliabel und valide, weist allerdings leicht geringere Cronbach Alpha Werte im Vergleich zum ursprünglichen Rational Experiential Inventory auf.³⁴⁶ In einer Überarbeitung der Messmodelle werden schließlich jeweils 20 Indikatoren formuliert.³⁴⁷ Im Ergebnis zeichnen sich insgesamt bessere Reliabilitäten sowie eine stärkere Balance zwischen den beiden Messmodellen ab.³⁴⁸ Eine deutsche Version des Rational Experiential Inventory ist der Arbeit von Keller et al. (2000) zu entnehmen. Hierbei orientieren sich die Autoren für Faith in Intuition an der Arbeit von Epstein et al. (1996) und für Need for Cognition an der Arbeit von Bless et al. (1994).³⁴⁹ Eine deutschsprachige Kurzskala für Need for Cognition wurde darüber hinaus vom Leibniz Institut für Sozialwissenschaften (GESIS) vorgestellt und umfasst vier Indikatoren.³⁵⁰ Die verschiedenen Abwandlungen der Messmodelle der Rational-Experiential Inventory sind in Tabelle 3.20 zusammengefasst. In den bisher analysierten Operationalisierungen des Rational-Experiential Inventory werden die beiden Konstrukte jeweils separat gemessen. Denkbar wäre allerdings auch gewesen, die beiden Konstrukte mittels einer gemeinsamen bipolaren Skala zu messen. Demnach ist eine hohe Ausprägung bei Need for Cognition gleichbedeutend mit einer geringen Ausprägung bei Faith in Intuition (bspw. „I am more of a "thinking-type' person than a 'feeling-type' person“).³⁵¹ Da dies aber in der Konstrukt-Konzeptualisierung bereits abgelehnt wurde und eine Unabhängigkeit der beiden Messmodelle festgestellt werden konnte, werden die Messmodelle, wie auch in den vorherigen Arbeiten, jeweils mittels unipolarer Skalen abgefragt.

Alternative Operationalisierungen der beiden Konstrukte lassen sich den Arbeiten von Kaufmann et al. (2014) und Kaufmann et al. (2017) entnehmen, wobei hier erneut die Einschränkung der Situationsabhängigkeit anzuführen ist. Dies wird insbesondere anhand der Operationalisierung der erfahrungsbasierten Informationsverarbeitung und deren Vergleich zwischen vergangener und aktueller Entscheidungssituationen offenkundig (D2, D4). Angesichts des vorliegenden Konstrukt-Verständnisses werden die Messmodelle demnach abgelehnt und nicht weiter berücksichtigt.

In Anbetracht vorherrschender Multi-Item Messungen, soll also auch in der vorliegenden Arbeit Need for Cognition wie auch Faith in Intuition unabhängig voneinander mittels mehrerer Likert-skalierter Indikatoren operationalisiert werden. Hierzu bieten sich dem Forscher ein Pool an Indikatoren und möglicher Zusammensetzungen an. Eine begründete Auswahl dieser soll im Rahmen der Indikatorformulierung erfolgen.

In Anbetracht der Eindimensionalität der beiden Konstrukte Need for Cognition und Faith in Intuition, wird in beiden Fällen eine reflektive Spezifikation der Messmodelle für angebracht angesehen. Dies ist auch im Einklang mit den zuvor vorgestellten Messmodellen. Zwar wird eine ausführliche Argumentation hinsichtlich der Spezifikation vermisst, jedoch lässt sich dieser Schluss aus den für die Messmodellprüfung angewandten Gütekriterien ziehen.³⁵⁴ Auf inhaltlicher Ebene reflektieren die verschiedensten Indikatoren entweder das Vertrauen auf die eigene Intuition und damit das erfahrungsbasierte, automatische System oder auf das Nachdenken und der Genuss, der dabei empfunden wird, und damit das deliberative kognitive System der Informationsverarbeitung. Insofern erklären die Indikatoren der jeweiligen Messmodelle einen gemeinsamen Sachverhalt. Demnach erfolgt nun in einem nächsten Schritt die Ableitung der Indikatorformulierungen für die beiden eindimensionalen reflektiven Messmodelle in Übereinstimmung mit der erarbeiteten Konstrukt-Definition.

In Referenz zur Methodenliteratur wurde zuvor die Maxime abgeleitet, bei Multi-Item Messungen möglichst viele Indikatoren zu nutzen.³⁵⁵ Im vorliegenden Fall wäre es demnach möglich die Konstrukte mit 34 Indikatoren bzw. 15 Indikatoren zu messen. Auf der anderen Seite müssen allerdings auch die Auswirkungen einer solch umfangreichen Abfrage beleuchtet werden. Es ist anzunehmen, dass umfangreichere Skalen umso mehr zu Abbrüchen und einem verzerrt konsistenten Antwortverhalten führen.³⁵⁶ Insofern scheint eine Kurzskala für die vorliegende Arbeit zweckmäßiger zu sein. Letztendlich wurden die Indikatoren für beide Konstrukte von Epstein et al. (1996) adaptiert.³⁵⁷ Wie bei der Messmodellentwicklung der individuellen Risikoneigung erörtert, werden auch die beiden, gemäß Konstrukt-Konzeptualisierung weitestgehend als stabil geltende Persönlichkeitsmerkmale Need for Cognition und Faith in Intuition mit folgendem einleitenden Satz abgefragt: „inwieweit treffen die nachfolgenden Aussagen auf Sie persönlich zu“.

Demzufolge werden insgesamt fünf Indikatoren³⁵⁸ von Epstein et al. (1996) zur Messung der Need for Cognition entnommen und unter sprachlichen Anpassungen ins Deutsche übersetzt.³⁵⁹

Ebenfalls werden insgesamt fünf Indikatoren³⁶³ von Epstein et al. (1996) zur Messung der Faith in Intuition entnommen und unter sprachlichen Anpassungen ins Deutsche übersetzt.³⁶⁴

Tabelle 3.21 fasst die Messmodelle Need for Cognition und Faith in Intuition mit den Begriffsverständnissen, den Indikatorformulierungen und den Individualverweisen zu den Indikatoren zusammen.

Zur Messung der Kontrollvariablen wurde soweit möglich auf bestehende Operationalisierungen zurückgegriffen.³⁶⁶ Da bei der Entwicklung des Hypothesensystems zahlreiche potenzielle alternative Einflussfaktoren ermittelt wurden, die als Multi-Item Messungen den Fragebogen maßgeblich verlängern und gleichzeitig die Wahrscheinlichkeit von Abbrüchen erhöhen würden, wurde der Einsatz von Single-Item bzw. Global Item Messungen als zweckmäßiger befunden.³⁶⁷ Auch in publizierten internationalen Zeitschriften ist es üblich bei Kontrollvariablen Single-Item Messung zu verwenden. Gemäß einer Literaturanalyse von Boyd et al. (2005) beträgt der Anteil an Single Item Messungen bei Kontrollvariablen ca. 80 %.³⁶⁸ So wurden beispielsweise für die Messung der Verfahrenskontrolle nicht die reflektiven Multi-Item Messungen von Bunn (1993) mit 10 Indikatoren³⁶⁹ oder von Munnukka und Järvi (2015), Moon und Tikoo (2002) und Hunter et al. (2006) mit jeweils 4 Indikatoren übernommen,³⁷⁰ sondern jene Global-Item Messung von Zablah et al. (2010).³⁷¹ Auch bei der Operationalisierung der Kontrollvariable „Umfang der Wahlmöglichkeiten“ wurde statt auf die Multi-Item Messungen von Bunn (1993) oder Hunter et al. (2006) zurückzugreifen,³⁷² ein globales Item aus diesen abgeleitet. Die Definitionen sowie die Operationalisierungen der zehn Kontrollvariablen³⁷³ sind in Tabelle 3.22 zusammengefasst.

Im Rahmen quantitativer Umfragestudien ist es nicht immer möglich alle Einheiten der Grundgesamtheit (Vollerhebungen) zu befragen. Forschende sehen sich dabei Problemen der Quantifizierung und Erfassung von Grundgesamtheiten, sowie potenziell hohen Kosten konfrontiert.⁴⁰² Aus diesem Grund sind häufiger Studien anzutreffen bei denen eine Teilmenge der Grundgesamtheit, die sogenannte Stichprobe, gebildet und befragt wird.⁴⁰³ Unabhängig davon, ob es sich um Voll- oder Teilerhebungen handelt, ist nicht sichergestellt, dass auch alle kontaktierten Einheiten tatsächlich an der Umfrage teilnehmen. Insofern bezeichnet die effektive Stichprobe diejenige Anzahl an Einheiten, von denen tatsächlich Informationen eingeholt werden konnten.⁴⁰⁴ Da angestrebt wird auf Basis der Datenauswertung einer effektiven Stichprobe Schlussfolgerungen für die Grundgesamtheit ziehen zu können, sollten diese beiden auch in zentralen Merkmalen (e.g. Berufserfahrung, Einkaufvolumen, Umsatz) übereinstimmen; im Idealfall sich exakt entsprechen. Anders ausgedrückt sollte die effektive Stichprobe für die Grundgesamtheit repräsentativ sein.⁴⁰⁵

Damit ergeben sich aufgrund der Diskrepanzen zwischen Grundgesamtheit, Stichprobe und effektiver Stichprobe mögliche Fehlerquellen für die Repräsentativität der effektiven Stichprobe (siehe Abbildung 3.2). Zum einen kann der sogenannte Non-Sampling Bias (Stichprobenfehler) zwischen der Grundgesamtheit und der Stichprobe (Kapitelabschnitt 3.2.1.1), und zum anderen der Non-Response Bias (Fehler durch ungleichmäßige Antwortverweigerung) zwischen der Stichprobe und der effektiven Stichprobe auftreten und die Repräsentativität gefährden (Kapitelabschnitt 3.2.1.2).⁴⁰⁷ Daher sollen nachfolgend die Maßnahmen zur Reduktion, sowie Kontrollmöglichkeiten dieser beiden Fehler diskutiert werden.

Neben den Fehlern der Repräsentativität, können auch Fehler der Messung auftreten. Diese bedingen Unterschiede zwischen den wahren Werten der Teilnehmer und den erfassten Werten im Datensatz. So können beispielsweise die Teilnehmer selbst, Kontextfaktoren, wie Zeitdruck, oder die eingesetzte Methodik und deren Umsetzung dafür sorgen, dass die Probanden nicht den wahren Wert, sondern einen zufälligen oder systematisch verzerrten Wert angeben.⁴⁴⁶ Im Folgenden werden daher der Informant Bias (Kapitelabschnitt 3.2.2.1), der Common Method Bias (Kapitelabschnitt 3.2.2.2), der Social Desirability Bias (Kapitelabschnitt 3.2.2.3), die Antworttendenzen (Kapitelabschnitt 3.2.2.4) und der Recall Bias (Kapitelabschnitt 3.2.2.5) als solche Fehler der Messung definiert und erläutert, bevor im Anschluss für jeden dieser Fehler generelle Maßnahmen, ex-ante und ex-post Checks diskutiert werden.