Open Access

This cumulative dissertation examines the phenomenon of employee silence in professional service firms (PSFs). Although both research streams are independently well-established areas of organizational research, there has been a lack of research investigating the withholding of information, problems, or concerns in the knowledge-intensive context of PSFs. This thesis starts the academic and practitioner discourse about it and opens a multitude of further research opportunities. The first manuscript draws on a literature-based and conceptual approach to examine the intersections of PSF and silence research. It identifies characteristics of PSFs that lead to employee silence and derives research propositions about the links between PSFs and silence. By applying a multi-method research approach, the second manuscript empirically investigates the extent to which employee silence is prevalent in PSFs. It determines PSF-specific antecedents fostering the unfavorable phenomenon and professionals' motives to remain silent. The third manuscript takes a grounded-theory approach to examine how employee silence in PSFs can be prevented or reduced. It develops overarching fields of action and concrete measures that help practitioners overcome employee silence.

This cumulative dissertation examines an individual’s digital mindset including its theoretical foundations. While the construct receives growing attention from academics and practitioners, research is still in its infancy with limited and heterogeneous conceptualizations. The first manuscript conducts a systematic literature review on mindset definitions and conceptualizations prevalent in the management and business literature, contributing to the clarity of the mindset construct. The second manuscript follows a multi-grounded theory approach to systematically define and conceptualize an individual’s digital mindset, posing an essential competency in the context of digital transformation. The third manuscript builds on this definition and develops and validates a scale (DIMI-scale) to measure the construct throughout five phases.

Die Arbeitswelt der Wirtschaftsprüfer unterliegt einem dauerhaften Wandel von Regulatorik und Technik. Während der deutsche Gesetzgeber für die durchzuführende Abschlussprüfung als Hauptanker lediglich verlangt, dass diese „gewissenhaft“ zu erfolgen hat (§§ 317 Abs. 1 Satz 3, 323 Abs. 1 Satz 1 HGB, 43 Abs. 1 WPO), schildern die entwickelten berufsständischen Normapparate ein detailliertes Vorgehen. Als weitere und neue Kraft der Veränderung in der Arbeitswelt der Wirtschaftsprüfer wirkt die Digitalisierung. Mit ihr entstehen neue Anwendungen in Form informationstechnologischer (IT) Verfahren für die Durchführung von Abschlussprüfungen. Konfliktpotential bieten insbesondere Verfahren der regelsuchenden Systeme. Ihre Eigenschaft, Muster in unstrukturierten Datengrundlagen von selbst zu entdecken und aus diesen zu lernen, macht insbesondere die Anwendung von Künstlicher Intelligenz (KI) im Bereich der Entscheidungen des Abschlussprüfers über die Risiken wesentlicher falscher Angaben aufgrund von Verstößen („fraud“) bedeutsam (IDW PS 210/ISA [DE] 240). Sie stehen den noch häufig regelbasierten Suchverfahren von Manipulationen in den Buchungsdaten gegenüber, bei denen der Prüfer zunächst selbst auf Basis seiner Risikoeinschätzung dem System die zu analysierenden Risikobereiche vorgibt. Maschine und Mensch ergänzen sich hier bisher. Der technische Fortschritt deutet an, dass es nicht dabei bleiben muss. KI übernimmt anschaulich bedeutsame Arbeitsschritte auch auf einer persönlichen, subjektiv-bezogenen oder auch kognitiven Ebene. Konfliktär erscheinen vor diesem Hintergrund die personen-bezogenen, subjektiv-bezogenen Pflichten des Abschlussprüfers wie die Eigenverantwortlichkeit (§ 43 Abs. 1 Satz 1 WPO), das pflichtgemäße Ermessen und die Wahrung einer kritischen Grundhaltung (§ 43 Abs. 4 WPO). Der hier zu untersuchende Fragenkomplex mit Blick auf die fortschreitende Digitalisierung der Abschlussprüfung lautet daher: Welchen Einfluss hat der Wirtschaftsprüfer als persönlicher Pflichtenträger noch auf sein Prüfungsurteil? – und: Welchen Einfluss muss er zwingend behalten? Wann kann im digitalen Zeitalter noch von einer „gewissenhaften Abschlussprüfung“ gesprochen werden? Dass Künstliche Neuronale Netze – eine KI, die auf erlernten Daten und Dateninhalten fußt, welche dem Praktischen, dem entspringen, was war – eine Reflexion anhand eines davon unabhängigen Sollensanspruchs vornehmen, bleib zweifelhaft. Im Ergebnis wird hier für eine gewissenhafte Abschlussprüfung festgestellt, dass diese zwar keine Subjektivität bei der Bestimmung des rechtlich Erforderlichen zulässt. Doch aufgrund des nicht auflösbaren Verantwortungszusammenhangs von Handlung und Haftung bedarf es auch zukünftig einer natürlichen, intelligiblen Person mit der Fähigkeit, eine Überlegung über Getanes und dem, was getan werden soll (Sollensanspruch) vornehmen zu können.

Im Zuge der fortschreitenden Globalisierung ist mit einer Zunahme der internationalen Verflechtung der Märkte zu rechnen, die in Zukunft potenziell zu einer Umverteilung der internationalen Bedeutung der Emerging Markets führt. Um international wettbewerbsfähig zu bleiben und den Shareholder Value mittel bis langfristig zu erhöhen, sind diese Märkte für Investoren und Unternehmen aus Industrieländern nicht vernachlässigbar. Anstatt selbstständig eine (Tochter-)Gesellschaft in den Emerging Markets aufzubauen, bietet sich die Übernahme eines bereits existierenden Unternehmens in dem Markt an. Insbesondere distressed Unternehmen, die sich in finanzieller Schieflage befinden, können eine interessante Einstiegs- oder Erweiterungsoption in die Emerging Markets darstellen. Es resultiert jedoch die Fragestellung, wie distressed Unternehmen in Emerging Markets adäquat zu bewerten sind. In der Bewertungspraxis werden dabei oftmals die klassischen Bewertungsverfahren in Distress- sowie Emerging-Market-Situationen angewandt, ohne die Annahmen der Verfahren zu überprüfen. Die vorliegende Arbeit untersucht, inwiefern die zugrundeliegenden Annahmen partiell oder gesamtheitlich nicht erfüllt werden und zeigt situativ Lösungswege auf. Die Anwendung der Bewertungsverfahren ohne Berücksichtigung der verletzten Annahmen führt zu einem nicht repräsentativen Unternehmenswert. Der Unternehmenswert spiegelt weder die Finanzsituation des Unternehmens im Distress noch die volkswirtschaftliche Situation des Emerging Markets wider. Die nicht adäquate Berücksichtigung der verletzten Annahmen in der Bewertungspraxis ist jedoch teilweise nachvollziehbar, da kein Ansatz existiert, der sich simultan mit dem Distress- und Emerging-Market-Sachverhalt auseinandersetzt. Diese Lücke konnte im Zuge dieser Arbeit geschlossen werden. Zudem liegt der Fokus dieser Arbeit insbesondere auf der Voruntersuchung sowie der Verknüpfung der Voruntersuchung mit der eigentlichen Unternehmensbewertung. Abschließend wird in der vorliegenden Arbeit die gängige Praxis der binären Einteilung in ein Emerging-Market- oder Developed-Market-Unternehmen sowie in ein distressed und finanziell gesundes Unternehmen hinterfragt. Stattdessen werden die Höhe der Insolvenzwahrscheinlichkeit und der Grad der Finanzmarktintegration als Alternativen zur binären Einteilung der Unternehmen bzw. Märkte herangezogen.

In forecast combination, multiple predictions are linearly combined through the assignment of weights to individual forecast models or forecasters. Various approaches exist for defining the weights, which typically involve determining the number of models to be used for combination (selection), choosing an appropriate weighting function for the forecast scenario (weighting), and using regularization techniques to adjust the calculated weights (shrinkage). The papers listed address the integration of the three approaches into holistic data analytical models. The first paper develops a two-stage model in which weights are first calculated based on the in-sample error covariances to minimize the error on the available data by combining the individual models. Based on the selection status of a model, the weight of an individual model is then linearly shrunk either toward the mean or toward zero. The selection status is thereby derived apriori from information criteria, where Contribution 1 introduces the selection based on the model’s in-sample accuracy and performance robustness under uncertainty. Contribution 2 modifies the two-stage model to shrink the forecasters’ weights non-proportionally to the mean or zero. Further, a new information criterion based on forward feature selection is proposed that iteratively selects the forecaster that is expected to achieve the largest increase in accuracy when combined. Contribution 3 extends the iteration-based information criterion presented in the second contribution to consider diversity gains in addition to accuracy gains when selecting and combining forecasters. A one-stage model for simultaneous weighting, shrinking, and selection is finally built and evaluated on simulated data in Contribution 4. Instead of requiring a prior selection criterion, the model itself learns which forecasters to shrink to the mean or to zero, while relying on a new sampling procedure to tune the model.