Research Collection. Digitale Investitionen und Produktivität: Die Rolle von Innovation, Unternehmensorganisation und IT-Sicherheit.

(1)

Journal Article

Digitale Investitionen und Produktivität: Die Rolle von Innovation, Unternehmensorganisation und IT-Sicherheit

Author(s):

Beck, Mathias; Lehmann, Selina; Wörter, Martin Publication Date:

2021-10

Permanent Link:

https://doi.org/10.3929/ethz-b-000508432

Rights / License:

In Copyright - Non-Commercial Use Permitted

This page was generated automatically upon download from the ETH Zurich Research Collection. For more

(2)

2021, Nr. 3, Herbst – SA1

Spezialanalysen:

Mathias Beck, Selina Lehmann und Martin Wörter

Digitale Investitionen und Produktivität: Die Rolle von Innovation,

Unternehmensorganisation und IT-Sicherheit

(3)

Website: www.kof.ethz.ch KOF Konjunkturforschungsstelle, ETH Zürich

Postadresse: LEE G 116, Leonhardstrasse 21, 8092 Zürich Telefon: +41 44 632 42 39 E-Mail: kof@kof.ethz.ch

Chefredaktion KOF Analysen

Michael Graff

Spezialanalyse

Autoren

Mathias Beck, Selina Lehmann und Martin Wörter:

Digitale Investitionen und Produktivität:

Die Rolle von Innovation, Unternehmensorganisation und IT-Sicherheit

Lektorat und Schlussredaktion

Günther Greulich

Layout

Vera Degonda, Nicole Koch

ISSN 1662-3517

Weiterveröffentlichung (auch auszugsweise) ist nur mit Bewilligung des Herausgebers und unter Quellenangabe gestattet.

(4)

Zusammenfassung: Mit Investitionen in digitale Technologien wollen Unternehmen ihre Produktivität steigern. Das gelingt allerdings nur, wenn die Unternehmen innovativ sind, ihre Organisationsprozes- se anpassen und in die IT-Sicherheit investieren. Das ist das Resultat einer Studie, welche die KOF und die Professur für Produktions- und Betriebsmanagement (POM) der ETH Zürich im Auftrag der Schweizerischen Vereinigung für Qualitäts- und Management-Systeme (SQS) durchgeführt haben.

Damit Investitionen in digitale Technologien die Produktivität steigern können, muss ein Unternehmen innovationsfähig sein. Die Studie zeigt auch, dass die Organisation von Unternehmensabläufen ent- scheidend für die Produktivität von digitalen Investitionen ist. Ausserdem spielt die IT-Sicherheit eine wichtige Rolle. Damit digitale Investitionen produktiv eingesetzt werden können, muss in den Einsatz von Sicherheitstechnologien investiert werden. Diese Sicherheitsanstrengungen der Unternehmen müssen jedoch ein gewisses Niveau übersteigen.

Abstract: Companies aim to increase their productivity by investing in digital technologies. However, this can only be achieved if companies are innovative, adapt their organizational processes and invest in IT security. This is the result of a study conducted by KOF and the Chair of Production and Operations Management (POM) at ETH Zurich on behalf of the Swiss Association for Quality and Management Systems (SQS).

For investments in digital technologies to increase productivity, a company must be capable of innovation. The study also shows that the organization of company processes is crucial for the productivity gains from digital investments. IT security also plays an important role. In order for digital investments to be used productively, investments must be made in the use of security technologies.

However, these security efforts by companies must exceed a certain level.

JEL Classification: C33; D24; O14; O30

Keywords: Productivity; Digitalization; Innovation; Organisational processes; Cyber security

DIGITALE INVESTITIONEN UND PRODUKTIVITÄT:

DIE ROLLE VON INNOVATION, UNTERNEHMENSORGANISATION UND IT-SICHERHEIT

Mathias Beck

Martin Wörter Selina

Lehmann

(5)

1 Einleitung

Die Geschäftsprozesse Schweizer Unternehmen werden immer mehr durch moderne Informa- tions- und Kommunikationstechnologien (IKT) unterstützt. Dies zeigt sich in den repräsentativen Umfrageergebnissen einer aktuellen Studie der KOF im Auftrag der Schweizerischen Stiftung für Forschung und Ausbildung «Qualität» (SFAQ) und der Schweizerischen Vereinigung für Qualitäts- und Management-Systeme (SQS), durchgeführt in Zusammenarbeit mit der Professur für Produktions- und Operationsmanagement (POM) der ETH Zürich. Die Studie befasst sich mit dem Fortschritt der Digitalisierung in der Schweizer Wirtschaft.

Dass Ausgaben für digitale Technologien nicht zwingend einen Einfluss auf die Wettbewerbsfähigkeit eines Unternehmens haben, ist in den Wirtschaftswissenschaften ein bekanntes Phänomen. Nobel- preisträger Robert M. Solow hat bereits 1987 beobachtet, dass die damals eingeführten Computer keinen Effekt auf Produktivitätsmessungen zu haben scheinen. Deshalb spricht man auch vom

«Solow-Paradox».

Zudem erhöht der Einsatz digitaler Technologien die potenziellen Sicherheitsrisiken für Firmen.

Deswegen müssen zu den Kosten von Beschaffung und Unterhalt digitaler Technologien auch noch die Ausgaben für die IT-Sicherheit dazugezählt werden. Dem stehen jedoch die potenziellen Erträge gegenüber, welche durch niedrigere Produktionskosten (Trantopoulos, von Krogh, Wallin,

& Woerter, 2017) und die Entwicklung neuer Produkte erreicht werden können (Kleis, Chwelos, Ramirez, & Cockburn, 2012). In einer Produktivitätsbetrachtung werden sich Kosten und Erträge gegenübergestellt. Überwiegen die Erträge, sind positive Produktivitätseffekte vorhanden.

Folglich ist nicht offensichtlich, wie sich der Zusammenhang zwischen Investitionen in digitale Technologien und der Produktivität einer Firma darstellt. Dieser vorliegende Artikel fasst den öko- nometrischen Teil der oben erwähnten KOF-Studie auf. Dort wird untersucht, über welche Kanäle die Wettbewerbsfähigkeit einer Firma durch die Digitalisierung gesteigert werden kann. Im nächsten Abschnitt werden die Datengrundlage und die Herleitung einiger relevanter Variablen beschrieben.

Danach wird die Bedeutung von Sicherheitstechnologien, der Unternehmensorganisation und der Innovationskraft eines Unternehmens für die Produktivitätseffekte digitaler Investitionen mittels ökonometrischer Methoden untersucht.

2 Ökonometrisches Verfahren

Um den Einfluss verschiedener Faktoren auf den Produktivitätsbeitrag digitaler Investitionen zu untersuchen, wird die erhobene Datengrundlage ausgewertet. Daraus werden Kennzahlen für ver- schiedene benötigte Faktoren konstruiert.

Die quantitative Analyse stützt sich auf repräsentative Querschnittserhebungen auf Basis des KOF- Unternehmenspanels für den Zeitraum 2002–2016. Daraus ergibt sich eine geschichtete Zufallsstich- probe, von circa 6500 Schweizer Firmen, welche repräsentativ für die gesamte Firmenpopulation sind.¹ Die Schichtung beinhaltet 34 Branchen und jeweils drei Grössenklassen. Die Daten stammen von Schweizer Unternehmen mit mindestens 20 Beschäftigten, welche an der KOF-Innovationsum- frage und/oder in der Digitalisierungsumfrage 2016 teilgenommen haben.² Zusätzlich werden diese Daten mit relevanten internationalen Datenrichtlinien zur Messung der digitalen Transformation har- monisiert, um eine internationale Vergleichbarkeit sowie eine hohe Aussagekraft zu gewährleisten.

1 Siehe https://kof.ethz.ch/umfragen/strukturumfragen/kof-unternehmenspanel.html

2 Fragebogen siehe https://kof.ethz.ch/umfragen/strukturumfragen/kof-innovationsumfrage.html

(6)

Die Multifaktorproduktivität eines Unternehmens wird nach Ackerberg et al., (2015) gemessen, das heisst die Produktivität wird aus der Produktionsfunktion einer Firma abgeleitet. Da diese Technik in der ökonomischen Literatur sehr komplex ist, werden hier nur die Grundzüge umrissen und auf die relevante Literatur verwiesen (Ackerberg et al., 2015; Doraszelski & Jaumandreu, 2013; Levinsohn &

Petrin, 2003; Loecker & Frederic, 2012). Dort wird die Produktivität als über den Beitrag der einzel- nen Produktionsverfahren hinausgehenden Wert bezeichnet. Demnach sind Kapital und Arbeit die wesentlichen Faktoren in einer abstrakten Produktionsfunktion und bestimmen hauptsächlich den Produktionsoutput. Dieser ist jedoch üblicherweise höher als aus der Gesamtheit der Inputfaktoren abgeleitet werden könnte. Der so zu beobachtende Mehrwert wird Multifaktorproduktivität oder Rate des technologischen Fortschritts genannt (Solow, 1957, 1987). Mithilfe der Multifaktorproduktivität kann somit die Effizienz der am Produktionsprozess beteiligten Faktoren gemessen werden. Die durchschnittliche Multifaktorproduktivität (Produktivität) der in der für die ökonometrische Analyse relevanten Stichprobe an beobachteten Unternehmen bleibt im zeitlichen Verlauf ziemlich konstant, wie Grafik 1 zeigt.

1010.110.210.310.410.5

2002 2004 2006 2008 2010 2012 2014 2016 2018

Jahre

Trendlinie Produktivität(log)

G 1: Entwicklung der Produktivität im Durchschnitt der beobachteten Unternehmen

Quelle: KOF-Innovationsumfragen und Digitalisierungsumfrage 2016

Grafik 1: Entwicklung der Produktivität im Durchschnitt der beobachteten Unternehmen

(7)

Zudem werden in dieser Studie die Investitionen in digitale Technologien gemessen, um die Produk- tivitätseffekte des Einsatzes von digitalen Technologien ökonometrisch zu bestimmen. Dafür werden die finanziellen Investitionen in digitale Technologien jeder Firma beigezogen und logarithmiert.

Für die Stichprobe der Unternehmen in der Studie ist zu beobachten, dass diese Investitionen im zeitlichen Verlauf rückläufig sind (vgl. Grafik 2). Dieser Trend stimmt mit der Beobachtung überein, dass die Investitionen in Forschung und Entwicklung generell abnehmen in der Schweiz und anderen Industrienationen wie z.B. Deutschland (siehe auch Spescha & Wörter, 2018). Dies weist darauf hin, dass es Unternehmen und insbesondere KMU zunehmend schwerfällt, in Innovation und Digitali- sierung zu investieren (Soluk et al., 2020). Des Weiteren befürchtet die OECD, dass ein Mangel an finanziellen Mitteln möglicherweise die Ausschöpfung des Digitalisierungspotenzials verhindert und somit die wirtschaftliche Entwicklung einschränken kann (Guellec & Paunov, 2018; OECD, 2019a;

Planes-Satorra & Paunov, 2019).

Die Messung der Bestimmungsfaktoren der Produktivität erfolgt mittels ökonometrischer Methoden.

Ziel ist es, die Relevanz der Investitionen in digitale Technologien für den Unternehmenserfolg zu bestimmen. Dabei werden die Rolle der Unternehmensorganisation, der Investitionen in Sicher- heitstechnologien («Cyber»-Security) und der Innovationsleistung des Unternehmens betrachtet. In der nachfolgenden Box 1 wird das angewendete Schätzverfahren und die Konstruktion der Variablen kurz erläutert.

1010.51111.51212.513

2002 2004 2006 2008 2010 2012 2014 2016 2018

Jahre

Investitionen in digitale Technologien (log) Trendlinie G 2: Entwicklung der Investitionen in digitale Technologien über die Zeit im Durchschnitt der beobachteten Unternehmen

Grafik 2: Entwicklung der Investitionen in digitale Technologien über die Zeit im Durchschnitt der beobachteten Unternehmen

(8)

Box 1:

Gleichung (1) zeigt die zu untersuchenden Zusammenhänge. Jedes Unternehmen wird mit i bezeichnet, der Zeitpunkt mit t. Wie oben erwähnt wird die Produktivität mit der Multifaktorproduktivität gemessen. «invest» misst die Investitionen in digitale Technologien und «sec» benennt den Einsatz von Sicherheitstechnologien (siehe unten). «invest*sec» bezeichnet einen sogenannten Interaktionsterm, welcher angibt, in welchem Umfang die Sicherheitstechnologien einen Effekt auf die Wirkung digitaler Investitionen bezüglich Produktivität einer Firma haben. Zudem wird in dieser Gleichung für andere Faktoren (C) kontrolliert, welche die Korrelation zwischen Investitionen und Produktivität beeinflussen könnten. Beispielsweise könnten dies die Qualifikationen der Beschäftigten eines Betriebs sein. Ohne diese Variable bestünde die Gefahr, den Effekt der IT-Investitionen auf die Wettbewerbsfähigkeit zu überschätzen.³ Weitere Kontrollfaktoren umfassen beispielsweise die Exportaktivitäten und die Besitzverhältnisse einer Firma. Zudem ist noch die bisherige Produktivität des Unternehmens in der Gleichung enthalten, welche mit «produktivitätt-1» bezeichnet wird. Die bisherige Produktivität eines Unternehmens hat mit hoher Wahrscheinlichkeit einen Effekt auf das Ausmass der digitalen Investitionen, auf den Einsatz von Sicherheitstechnologien sowie die aktuelle Produktivität der Firma.

In der Literatur wird dieses Phänomen als Persistenz der Produktivität bezeichnet (Doraszelski &

Jaumandreu, 2013).

Diese Persistenz ist auch ausschlaggebend für die Wahl des ökonometrischen Schätzverfahrens: Ein sogenannter dynamischer Panel-Schätzer wird benutzt, um die statistischen Probleme (z.B. Endo- genität) durch die Persistenz der Produktivität einer Firma zu adressieren. Blundell & Bond (1998) haben ein geeignetes Schätzverfahren entwickelt, welches hier in einer erweiterten Form verwendet wird (Kripfganz, 2019). Diese erweiterte Form erhöht die Effizienz und Robustheit der Schätzungen.

3 Am Beispiel der MitarbeiterInnen-Qualifikation zeigt sich der Überschätzungsmechanismus: Unternehmen mit sehr qualifizierten Beschäftigten investieren eher in Technologien, da die Beschäftigten diese eher nutzen können. Gleichzeitig wird die Produktivität der Firma durch ebensolche qualifizierten Beschäftigten unabhängig von den Investitionen erhöht, weil diese sowieso effizienter arbeiten. Ohne für die Qualifikationen zu kontrollieren, würden alle beobachteten Effekte den digitalen Investitionen zugeschrieben werden, obwohl der Effekt in Realität teilweise durch die MitarbeiterInnen-Qualifika- tion zu erklären ist. Deswegen braucht es eine Kontrollvariable in Gleichung (1).

𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ä𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖=𝛽𝛽𝛽𝛽0+𝛽𝛽𝛽𝛽1𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ä𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖−1+𝛽𝛽𝛽𝛽2𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖+𝛽𝛽𝛽𝛽3𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑠𝑠𝑠𝑠𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖

+𝛽𝛽𝛽𝛽4𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑝𝑝𝑝𝑝 ∗ 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑠𝑠𝑠𝑠𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖+𝛽𝛽𝛽𝛽5𝐶𝐶𝐶𝐶𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖+𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖+𝜀𝜀𝜀𝜀𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖

(1)

(9)

3 Zusammenhang zwischen Einsatz von Sicherheitstechnologien und Steigerung der Produktivität infolge digitaler Investitionen

Rund 40% der Schweizer Unternehmen mit mehr als fünf Beschäftigten waren laut der KOF-Inno- vationsumfrage zwischen 2014 und 2016 mit Sicherheitsproblemen konfrontiert. Solche Probleme ziehen nicht nur Erwerbsausfälle nach sich, sie können auch zu hohen Kosten für die Behebung der verursachten Schäden führen (Spescha & Wörter, 2018).

Um den Einsatz von Sicherheitstechnologien eines Unternehmens zu messen, muss die Sicherheit des gesamten «Cyber»-Raumes der Firma einbezogen werden (Bertschek & Janßen, 2020). Deshalb wird ein breites Spektrum an Sicherheitskonzepten und -massnahmen betrachtet, welche zum Schutz der Firma sowie der externen Partner und Kunden eingesetzt werden. Datensicherung, sichere IT-Server-Infrastruktur, Verschlüsselungs-, Authentifikations- und Angriffserkennungssysteme sind Beispiele für diese Technologien. Aus dem normalisierten Wert der Verwendung einzelner Sicherheitstechnologien pro Umfragewelle wird so die Variable «IT-Sicherheit» konstruiert.

Die Bedeutung der IT-Sicherheitstechnologien nimmt im Verlauf der Zeit leicht zu, wie Grafik 3 zeigt.

Das Potenzial an Sicherheitstechnologien wird von den Unternehmen in der Studie jedoch nur mässig ausgenutzt: Im Jahr 2017 wurden von einer durchschnittlichen Firma nur 61% der verfügbaren Sicherheitstechnologien verwendet.

.45.47.49.51.53.55.57.59.61.63.65.67.69

2002 2004 2006 2008 2010 2012 2014 2016 2018

Jahre

Sicherheitstechnologien (standardisierte Werte) Trendlinie G 3: Entwicklung des Einsatzes von Sicherheitstechnologien im Durchschnitt der beobachteten Unternehmen

Grafik 3: Entwicklung des Einsatzes von Sicherheitstechnologien im Durchschnitt der beobachteten Unternehmen

(10)

Die IT-Sicherheit hat einen positiven Einfluss auf den Produktivitätsbeitrag von digitalen Investitionen.

Ob für alle in der Stichprobe beobachteten Unternehmen oder nur für die Industrieunternehmen, der Einsatz von Sicherheitstechnologien korreliert positiv mit der Produktivität eines Unternehmens, wobei dieser Zusammenhang signifikant ist. Die Resultate sind in Tabelle 1 abgebildet und in Grafik 4 illustriert.

Tabelle 1: Produktivität (TFP) – IT-Sicherheit

Quelle: KOF-Innovationsumfragen und Digitalisierungsumfrage 2016.

Anmerkungen: Die abhängige Variable (TFP) wird nach Ackerberg, Caves, Frazer (2015) geschätzt. Instrumente für die Level- Gleichung sind «lagged»-Differenzen. Heteroskedastizitäts-robuste Standardfehler mit Windmeijer-Finit-Sample-Korrektur

TFP Alle Firmen Industrie Investment IT-Invest/IT-

Sicherheit >0.7 Technologie Typen

IT-Sicherheit 0.201*** 0.155** 0.190 -2.824* 0.027

(0.074) (0.071) (0.287) (1.491) (0.218)

IT-Invest (log) -0.003 0.004 -0.002 -0.168* -0.015

(0.011) (0.016) (0.019) (0.089) (0.017)

Infoaustausch 0.172

(0.154) Infoaustausch *

IT-Sicherheit -0.447*

(0.263) Digitales

Management -0.278

(0.174) Digitales

Management * IT-

Sicherheit 0.565**

(0.250)

Konnektivität 0.017

(0.145) Konnektivität * IT-

Sicherheit 0.060

(0.264) IT-Sicherheit * IT-

Invest 0.001 0.190*

(0.026) (0.101)

«Year fixed

effect» Ja Ja Ja Ja Ja

Anzahl

Beobachtungen N 1683 1116 1683 715 1095

Anzahl Firmen 1064 685 1064 519 776

Moment

conditions 73 73 82 82 48

Tabelle 1: Produktivität (TFP) – IT-Sicherheit

(11)

Die Gesamtinvestitionen in digitale Technologien haben jedoch im Durchschnitt der beobachteten Unternehmen keinen signifikanten Einfluss auf die Wettbewerbsfähigkeit einer Firma. Obwohl auf den ersten Blick erstaunlich, ist dies wie in der Einleitung erwähnt ein bekanntes Phänomen in den Wirtschaftswissenschaften. Ein Grund dafür ist, dass positive Produktivitätseffekte von Charakte- ristiken der Firma abhängen (Goldfarb & Tucker, 2019), dafür ist die Unternehmensorganisation ein Beispiel (Bloom et al., 2012).

Überraschenderweise blieb der Nutzen des Einsatzes von IT-Sicherheit für die Produktivitäts- effekte digitaler Investitionen bisher in der wissenschaftlichen Literatur eher unbeachtet. Die KOF- Umfrageergebnisse illustrieren, dass rund 40% der Schweizer Unternehmen mit mehr als fünf Beschäftigten bereits Sicherheitsprobleme erfuhren. Dies führte zu Erwerbsausfällen oder dem Verlust von Kundendaten. Dieser Erwerbsausfall wurde von rund 10% der betroffenen Unternehmen als mittel bis stark bezeichnet, und bei rund 17% der Unternehmen war ein mittelgrosser bis sehr grosser Aufwand zur Schadensbehebung nötig. Der Einsatz von IT-Sicherheitstechnologien zur Schadensbegrenzung und -vermeidung ist daher ein relevanter Faktor für die Produktivitätseffekte digitaler Investitionen. Grafik 5 macht den Zusammenhang deutlich.

Diese Vermutung wird durch die ökonometrische Schätzung bestätigt. Cyber-Security hat einen wesentlichen Einfluss auf die Produktivität, wobei das Ausmass des Einsatzes von Bedeutung ist (siehe auch Tabelle 1). Um die digitalen Investitionen eines Unternehmens genügend zu schützen, reichen einfache Anti-Virenprogramme jedoch nicht aus. In den Daten dieser Studie zeigt sich ein Schwellenwert von 0.7, welcher knapp oberhalb des Werts für Sicherheitstechnologien der Median- firma liegt.⁴ Der positive Beitrag von IT-Sicherheit zeigt sich durch den signifikanten und positiven Koeffizienten (IT-Investitionen*IT-Sicherheit) in Tabelle 2.

4 Wenn wir alle Unternehmen nach dem Ausmass des Einsatzes von Sicherheitstechnologien sortieren, dann bezeichnen wir als Medianfirma, jene Firma, die genau am 50%-Punkt liegt. Angenommen, wir haben 100 Unternehmen, dann ist die Medianfirma die 50. Firma in dieser Reihung.

10.1 10.2 10.3 10.4

Lineare Vorhersage von TFP

0 .2 .4 .6 .8 1

IT-Sicherheit (normiert)

Anmerkung: Die Grafik zeigt den durchschnittlichen marginalen Effekt von unterschiedlichen Niveaus von IT-Sicherheit auf TFP. Die gestrichelte Linie gibt das 90%-Konfidenzintervall an.

G 4: IT-Sicherheit und Produktivität: alle Branchen Grafik 4: IT-Sicherheit und Produktivität: alle Branchen

(12)

10.1 10.2 10.3 10.4

0 .2 .4 .6 .8 1

IT-Sicherheit (normiert) G 5: IT-Sicherheit und Produktivität: Industrie

Anmerkung: Die Grafik zeigt den durchschnittlichen marginalen Effekt von unterschiedlichen Niveaus von IT-Sicherheit auf TFP für Industriebranchen. Die gestrichelte Linie gibt das 90%-Konfidenzintervall an.

Grafik 5: IT-Sicherheit und Produktivität: Industrie

Tabelle 2: IT-Sicherheit und Produktivität: Höhe der IT-Investitionen

TFP IT-Invest/IT-Sicherheit >0.7

IT-Sicherheit -2.824*

(1.491)

IT-Invest (log) -0.168*

(0.089) IT-Sicherheit * IT-Invest 0.190*

(0.101)

«Year fixed effect» Ja

Anzahl Beobachtungen N 715

Anzahl Firmen 519

Anmerkungen: Die abhängige Variable (TFP) wird nach Ackerberg, Caves, Frazer (2015) geschätzt. Dynamische Panel- Schätzung. Instrumente für die Level-Gleichung sind „lagged"-Differenzen. Heteroskedastizitäts-robuste Standardfehler mit Windmeijer-Finit-Sample-Korrektur (Windmeijer 2005) stehen in Klammern. Die Kontrollvariablen umfassen IT-Investitionen, Exportaktivitäten, ausländische Beteiligungen, Anteil der Beschäftigten mit tertiärer Bildung, technologisches Potenzial und FuE- Tabelle 2: IT-Sicherheit und Produktivität: Höhe der IT-Investitionen

(13)

4 Unternehmensorganisation

Neben dem Einsatz von IT-Sicherheit spielt die Unternehmensorganisation eine wesentliche Rolle für den Produktivitätseffekt digitaler Investitionen (Arvanitis & Loukis, 2009; Bertschek & Kaiser, 2004; Brynjolfsson & Hitt, 2000b). Zwei Variablen werden im ökonometrischen Modell dieser Studie eingesetzt, welche die Unternehmensorganisation widerspiegeln.

Um den Zentralisierungsgrad der Entscheidungsprozesse und Kompetenzen in einem Unternehmen zu messen, wird die Variable «Zentrale Entscheidungen» konstruiert. Dazu werden in der Daten- grundlage die Zuständigkeiten und Kompetenzfestlegungen zwischen Vorgesetzten und Beschäftigten untersucht, zum Beispiel bezüglich Festlegung des Arbeitstempos, der Arbeitsabläufe und der Problembewältigung in der Produktion. Aus diesen Angaben wird dann eine binäre Variable gebildet.

Sie nimmt den Wert «1» an, falls der Zentralisierungsgrad über dem 75. Verteilungsperzentil liegt, und ansonsten «0».

Die Entwicklung des Masses an Zentralisierung der Entscheidungen ist in Grafik 6 dargestellt. Dort ist zu erkennen, dass der Zentralisierungsgrad für die beobachteten Unternehmen kontinuierlich abnimmt. Die Entscheidungsbefugnisse werden demnach zunehmend von den Vorgesetzten zu den Beschäftigten transferiert. Dieser Trend wird vermutlich im Zuge der digitalen Transformation vermehrt an Bedeutung gewinnen, auch dadurch, dass die technologische Transformation durch organisatorische Transformationsprozesse begleitet werden muss, um das Potenzial der Digitali- sierung für Innovation und Produktivität abzurufen (Bresnahan & Brynjolfsson, 2002; Brynjolfsson

& Hitt, 2000a; Brynjolfsson & McAfee, 2011).

Als zweite Variable für die Charakterisierung der Unternehmensorganisation wird die «Arbeitszeit- flexibilisierung» benutzt. Diese misst die Bedeutung verschiedener Modelle der Teilzeit- und Tem- porärbeschäftigung sowie der Flexibilisierung auf Monats- und Jahresbasis in einem Unternehmen.

Wiederum eine binäre Variable, nimmt die «Arbeitszeitflexibilisierung» den Wert «1» an, wenn die Arbeitszeit in hohem Mass flexibel ausgestaltet werden kann, ansonsten «0».

.2.21.22.23.24.25.26.27.28.29.3

2002 2004 2006 2008 2010 2012

Jahre

Zentralisierte Entscheidungen (Anteil Unternehmen) Trendlinie G 6: Entwicklung der Zentralisierung von Entscheidungsprozessen im Durchschnitt der beobachteten Unternehmen

Grafik 6: Entwicklung der Zentralisierung von Entscheidungsprozessen im Durchschnitt der beobachteten Unternehmen

(14)

Für den produktiven Einsatz digitaler Technologien spielt die Unternehmensorganisation eine wesentliche Rolle. Tabelle 3 zeigt diesen Zusammenhang auf.

Die Schätzungsergebnisse zeigen, dass die Flexibilität in der Arbeitszeitgestaltung keinen Einfluss auf den Produktivitätsbeitrag digitaler Innovationen zu scheinen hat. Die Verteilung der Entscheidungs- kompetenzen hingegen schon: Die Autoren finden, dass sich IT-Investitionen nur dann positiv auf die Wettbewerbsfähigkeit einer Firma auswirken, wenn eine eher zentrale Struktur vorherrscht und Ent- Tabelle 3: Produktivität (TFP) – Unternehmensorganisation

Anmerkungen: Die abhängige Variable (TFP) wird nach Ackerberg, Caves, Frazer (2015) geschätzt. Instrumente für die Level- Gleichung sind „lagged"-Differenzen. Heteroskedastizitäts-robuste Standardfehler mit Windmeijer-Finit-Sample-Korrektur (Windmeijer 2005) stehen in Klammern. Die Kontrollvariablen umfassen IT-Investitionen, Exportaktivitäten, ausländische Beteiligungen, Anteil der Beschäftigten mit tertiärer Bildung, technologisches Potenzial und FuE-Ausgaben. Der Arellano-Bond- Test weist die Nullhypothese einer fehlenden seriellen Korrelation der zweiten Ordnung nicht zurück. Daher sind die Momentenbedingungen gültig. Der Hansen-Test für „Overid"-Restriktionen bestätigt die Gültigkeit der Instrumente in jeder Gleichung. * p < 0.10, ** p < 0.05, *** p < 0.01.

TFP Orga. IT und Orga. Unterhalb des

Medians Oberhalb des

Medians

IT-Sicherheit 0.187** 0.224*** 0.225* 0.072

(0.074) (0.075) (0.117) (0.138)

IT-Invest (log) -0.011 -0.035* -0.059*** 0.057

(0.017) (0.019) (0.020) (0.056)

Numerische

Flexibilität 0.006 0.196 0.114 -1.481

(0.081) (0.484) (0.484) (1.140)

Zentrale

Entscheidungsprozes se

-0.020 -0.419* -0.707*** 1.543**

(0.053) (0.215) (0.210) (0.728)

Numerische Flexibilität * IT- Invest(log)

-0.016 -0.019 0.116

(0.040) (0.052) (0.087)

Zentrale

Entscheidungsprozes se * IT-Invest(log)

0.035* 0.072*** -0.123**

(0.019) (0.022) (0.057)

«Year fixed effect» Ja Ja Ja Ja

Anzahl

Beobachtungen N 700 700 349 351

Anzahl Firmen 491 491 289 277

Moment conditions 51 59 55 59

Tabelle 3: Produktivität (TFP) – Unternehmensorganisation

(15)

-2 -1 0 1 2 3

Effekt auf die lineare Vorhersage von TFP

0 5 10 15 20

IT-Investitionen G 8: Zentralisierte Entscheidungsprozesse und Produktivität (ii):

Unternehmen mit hohen digitalen Investitionen (pro Beschäftigten)

Anmerkung: Die Grafik zeigt den durchschnittlichen marginalen Effekt von zentralen Entscheidungsprozes- sen auf TFP für alle Werte von Investitionen in digitale Technologien. Im Sample sind alle Firmen, die mehr als die Median-Firma in IT-Technologien investieren (pro Beschäftigten). Die gestrichelte Linie gibt das 90%-Konfidenzintervall an.

Grafik 8: Zentralisierte Entscheidungsprozesse und Produktivität (ii):

Unternehmen mit hohen digitalen Investitionen (pro Beschäftigten) -1

-.5 0 .5 1 1.5

Effekt auf die lineare Vorhersage von TFP

0 5 10 15 20

IT-Investitionen G 7: Zentrale Entscheidungsprozesse und Produktivität (i):

Unternehmen mit niedrigen digitalen Investitionen (pro Beschäftigten)

Anmerkung: Die Grafik zeigt den durchschnittlichen marginalen Effekt von zentralen Entscheidungsprozes- sen auf TFP für alle Werte von Investitionen in digitale Technologien. Im Sample sind alle Firmen, die weniger als die Median-Firma in IT-Technologien (pro Beschäftigten) investieren. Die gestrichelte Linie gibt das 90%-Konfidenzintervall an.

Grafik 7: Zentrale Entscheidungsprozesse und Produktivität (i):

Unternehmen mit niedrigen digitalen Investitionen (pro Beschäftigten)

(16)

5 Innovationsleistung

Als Innovationskraft einer Firma wird die Fähigkeit bezeichnet, neue Produkte zu generieren und sie erfolgreich zu vermarkten. Diese wird durch den Umsatzanteil innovativer Produkte, eingeführt in den letzten drei Jahren, gemessen. Im Fragebogen werden Produktinnovationen als technisch neue oder erheblich verbesserte Güter oder Dienstleistungen definiert. Keine Produktinnovationen hingegen sind rein ästhetische Änderungen von Produkten. Zusätzlich wird zwischen neuen und erheblich verbesserten Produkten und Dienstleistungen unterschieden. In Grafik 9 ist die durchschnittliche Entwicklung der Umsätze mit neuen Produkten für die beobachteten Unternehmen in der Stichprobe dargestellt. In den Schätzungsergebnissen in Tabelle 4 wird deutlich, dass erwartungsgemäss die Innovationskraft positiv mit der Produktivität eines Unternehmens korreliert. Dies gilt sowohl für innovative als auch insbesondere für neue Produkte und Dienstleistungen.

Die Studie beleuchtet nun differenziert die Effekte von Investitionen in digitale Technologien. Keine produktivitätssteigernden Effekte digitaler Investitionen sind in den Schätzergebnissen ersichtlich bei Firmen, welche nur erheblich verbesserte oder modifizierte Produkte vermarkten, und somit

12.813.313.814.314.815.315.8

2002 2004 2006 2008 2010 2012 2014 2016 2018

Jahre

Umsatz neue Produkte (log) Trendlinie G 9: Entwicklung der Umsätze mit neuen Produkten über die Zeit im Durchschnitt der beobachteten Unternehmen (in % des Gesamtumsatzes)

Quelle: KOF-Innovationsumfragen und Digitalisierungsumfrage 2016 Grafik 9: Entwicklung der Umsätze mit neuen Produkten über die Zeit im Durchschnitt

der beobachteten Unternehmen (in % des Gesamtumsatzes)

(17)

Eine Erklärung dafür lautet, dass es diesen innovativen Unternehmen gelingt, die hohen Kosten digitaler Investitionen über ihre Produktinnovationen zu kompensieren. Dabei hilft, dass sich Pro- dukte mit modernen digitalen Komponenten, wie z.B. Sensoren, besser vermarkten lassen. Somit ist auch die erfolgreiche Vermarktung eines neuen Produkts eine wesentliche Komponente der Innovationskraft.

Die Ergebnisse der Studie deuten darauf hin, dass eine hoher Innovationsgrad eine wichtige Vor- aussetzung für den produktivitätssteigernden Einsatz digitaler Technologien ist. Bei Unternehmen, denen es gelungen ist, die Produktionskosten durch Prozessinnovationen zu senken, sehen wir keine Produktivitätszuwächse durch digitale Investitionen. Hier scheinen sich die Kosten des Einsatzes und der Beschaffung von digitalen Technologien und die Erträge aus den Produktionskosteneinsparungen vorerst zu neutralisieren.

6 8 10 12

0 5 10 15 20 25

Neue innovative Produkte

G 10: Innovationskraft und Produktivität: Neue Produkte und Dienstleistungen

Anmerkung: Die Grafik zeigt den durchschnittlichen marginalen Wert von TFP für alle Werte von neuen Produkten bei gleichbleibender Verteilung der anderen erklärenden Variablen. Die gestrichelte Linie gibt das 90%-Konfidenzintervall an.

Grafik 10: Innovationskraft und Produktivität: Neue Produkte und Dienstleistungen

(18)

6 Fazit

Die produktive Verwendung von IT-Investitionen ist nicht selbstverständlich, sondern wird von ver- schiedenen Faktoren beeinflusst. In dieser Studie wurden drei mögliche komplementäre Faktoren Tabelle 4: Produktivität (TFP) – Innovation

Anmerkungen: Die abhängige Variable (TFP) wird nach Ackerberg, Caves, Frazer (2015) geschätzt. Instrumente für die Level- Gleichung sind „lagged"-Differenzen. Heteroskedastizitäts-robuste Standardfehler mit Windmeijer-Finit-Sample-Korrektur (Windmeijer 2005) stehen in Klammern. Die Kontrollvariablen umfassen IT-Investitionen, Exportaktivitäten, ausländische Beteiligungen, Anteil der Beschäftigten mit tertiärer Bildung, technologisches Potenzial und F&E-Ausgaben. Der Arellano-Bond- Test weist die Nullhypothese einer fehlenden seriellen Korrelation der zweiten Ordnung nicht zurück. Daher sind die Momentenbedingungen gültig. Der Hansen-Test für „Overid"-Restriktionen bestätigt die Gültigkeit der Instrumente in jeder Gleichung. * p < 0.10, ** p < 0.05, *** p < 0.01.

TFP Innovative

Produkte Innovative Produkte * IT- Invest

Neue Produkte Neue Produkte *

IT-Invest >0 Neue Produkte * IT-Invest >5000

IT-Sicherheit 0.144 0.113 0.143 0.138 0.159*

(0.093) (0.088) (0.094) (0.085) (0.094)

IT-Invest (log) -0.015 -0.188 -0.018 -0.422* -0.512*

(0.015) (0.298) (0.015) (0.245) (0.290)

Neue/signifikant verbesserte Produkte (log)

0.128** -0.024

(0.063) (0.239)

Neue/signifikant verbesserte Produkte (log)

0.128* -0.250 -0.299

(0.074) (0.184) (0.220)

Neue/signifikant verbesserte Produkte (log) * IT-Invest(log)

0.011

(0.018) Neue/signifikant

verbesserte Produkte (log) * IT-Invest(log)

0.028* 0.033*

(0.016) (0.018)

«Year fixed

effect» Ja Ja Ja Ja Ja

Anzahl

Beobachtungen N 1547 1422 1419 1384 1331

Anzahl Firmen 960 901 898 875 846

Moment

conditions 46 51 46 51 51

Tabelle 4: Produktivität (TFP) – Innovation

(19)

Zudem spielt die Unternehmensorganisation eine zentrale Rolle. Digitale Investitionen wirken sich nur dann positiv auf die Wettbewerbsfähigkeit eines Betriebs aus, wenn Entscheidungskompetenzen zentralisiert sind. Dies gilt allerdings nur für Unternehmen, welche relativ geringe IT-Investitionen pro Beschäftigten aufweisen. Genau das Gegenteil ist der Fall für Firmen mit hohen IT-Investitionen:

Hier sind dezentrale Strukturen förderlich für eine produktivitätssteigernde Verwendung dieser Investitionen. Somit zeigt sich, dass bezüglich digitaler Transformation kein allgemeingültiges Erfolgsmodell existiert.

Die Innovationskraft weist einen positiven Zusammenhang mit der Wettbewerbsfähigkeit einer Firma auf. Neben diesem direkten Zusammenhang ist die Innovationskraft eine wesentliche Voraussetzung für eine erfolgreiche digitale Transformation des Unternehmens, und hat somit auch indirekt einen positiven Effekt auf dessen Produktivität. Vermutlich fällt es innovativen Firmen leichter, die hohen Kosten der Digitalisierung durch den zusätzlichen Umsatz auf neuen Produkten und Dienstleistungen zu kompensieren.

Literaturverzeichnis

Ackerberg, D. A., Caves, K., & Frazer, G. (2015). Identification properties of recent production function estimators. Econometrica, 83(6), 2411–2451.

Arvanitis, S., & Loukis, E. N. (2009). Information and communication technologies, human capital, workplace organization and labour productivity: A comparative study based on firm-level data for Greece and Switzerland. Information Economics and Policy, 21(1), 43–61.

Bertschek, I., & Janßen, R. (2020). Cybersicherheit und Innovationen. Retrieved from https://www.zew.de/publikationen/cybersicherheit-und-innovationen/

Bertschek, I., & Kaiser, U. (2004). Productivity Effects of Organizational Change: Microeconometric Evidence. Management Science, 50(3), 394–404.

Bloom, N., Garicano, L., Sadun, R., & Van Reenen, J. (2014). The distinct effects of information technology and communication technology on firm Organization. Management Science, 60(12), 2859–2885.

Bloom, N., Sadun, R., & Van Reenen, J. (2012). Americans Do I.T. Better: US Multinationals and the Productivity Miracle. American Economic Review, 102(1), 167–201.

Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1), 115–143.

Brynjolfsson, E., & Hitt, L. M. (2000b). Beyond computation: Information technology, organizational transformation and business performance. Journal of Economic Perspectives, 14(4), 23–48.

Doraszelski, U., & Jaumandreu, J. (2013). R and D and productivity: Estimating endogenous productivity. Review of Economic Studies, 80(4), 1338–1383.

Goldfarb, A., & Tucker, C. (2019). Digital economics. Journal of Economic Literature, 57(1), 3–43.

Guellec, D., & Paunov, C. (2018). Innovation Policies in the Digital Age. OECD Science, Technology and Industry Policy Papers, No. 59(November).

Kleis, L., Chwelos, P., Ramirez, R. V., & Cockburn, I. (2012). Information Technology and Intangi- ble Output : The Impact of IT Investment on Innovation Productivity. Information Systems Research, 23(1), 42–59.

Kripfganz, S. (2019). Generalized method of moments estimation of linear dynamic panel data models.

London Stata Conference 2019 17, Stata Users Group.

Levinsohn, J., & Petrin, A. (2003). Estimating Production Functions Using Inputs to Control for Unobservables. Review of Economic Studies, 70(2), 317–341.

Loecker, D., & Frederic, J.-W. (2012). Markups and Firm-Level Export Status. American Economic Review, 102(6), 2437–2471.

(20)

OECD. (2019a). Digital Innovation: Seizing Policy Opportunities. OECD Publishing, Paris.

Planes-Satorra, S., & Paunov, C. (2019). The digital innovation policy landscape in 2019, (71).

Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of Eco- nomics and Statistics.

Solow, R. M. (1987). Robert M. Solow - Prize Lecture: Growth Theory and After - NobelPrize.org.

Retrieved May 24, 2020, from https://www.nobelprize.org/prizes/economic-sciences/1987/

solow/lecture/

Spescha, A., & Wörter, M. (2018). Innovation in der Schweizer Privatwirtschaft, «Ergebnisse der Innovationserhebung 2016» der Konjunkturforschungsstelle der ETHZ (KOF) im Auftrag des Staatssekretariats für Bildung, Forschung und Innovation (SBFI). Bern, Oktober 2018.

Trantopoulos, K., von Krogh, G., Wallin, W. M., & Woerter, M. (2017). External Knowledge and Infor- mation Technology: Implications for Process Innovation Performance. MIS Quarterly, 41(1), 287–300.