Die Volkswirtschaft

Plattform für Wirtschaftspolitik

Wie man Kartellen mittels Statistik das Handwerk legt

Die Bekämpfung von Preisabsprachen im Beschaffungswesen ist seit mehreren Jahren ein Schwerpunktthema der Wettbewerbskommission. Dabei werden immer öfter auch statistische Methoden eingesetzt. Mit Erfolg.

Mehrere im Tessin tätige Strassenbelagsfirmen haben zwischen 1999 und 2005 illegale Preisabsprachen getroffen. (Bild: Keystone)

Abstract lesen...

Um Kartelle im Beschaffungswesen aufzudecken, sind die Wettbewerbsbehörden in der Regel auf Insiderinformationen angewiesen. So wurden in der Schweiz in den letzten Jahren mehrere solcher Submissionskartelle dank Hinweisen von Beschaffungsstellen und Whistleblowern aufgedeckt. Neuerdings sind die Wettbewerbshüter aber auch in der Lage, die Abhängigkeit von externen Hinweisen zu reduzieren und Kartelle selber zu entdecken. Konkret ziehen sie in der Literatur etablierte statistische Methoden heran und prüfen die Märkte auf Merkmale, die Absprachen anzeigen. In der Schweiz konnte die Wettbewerbskommission (Weko) damit bereits erste Erfolge erzielen. Diese neuen Methoden führen zu einem höheren Abschreckungseffekt und destabilisieren dadurch bestehende Kartelle. Deshalb sind diese statistischen Methoden für die Wettbewerbsbehörden und für Firmen mit grossem Beschaffungsvolumen von enormer Bedeutung.

Dass Submissionskartelle aus volkswirtschaftlicher Sicht schädlich sind, ist unbestritten.[1] Das ist auch der Grund, warum sie in der Schweiz verboten sind. Im Gegensatz zu anderen Kartellen, bei denen selbstständige Unternehmen den Wettbewerb beschränken, um beispielsweise überhöhte Preise durchzusetzen, sprechen die Firmen in Submissionskartellen ihre Angebote bei öffentlichen und privaten Ausschreibungen ab. So können sie bestimmen, wer den Zuschlag zu welchem Preis erhalten soll. Jüngst wurde ein solches Kartell im Unterengadin und im Münstertal aufgedeckt, wo Baufirmen jahrelang Aufträge und Preise abgesprochen haben.[2] In der Regel führen Kartelle zu ungerechtfertigten höheren Preisen, Effizienzverlusten und geringeren Innovationsanreizen. In der ökonomischen Fachliteratur wird geschätzt, dass die Konsumenten wegen dieser Kartelle Preise zahlen, die 10 bis 50 Prozent höher liegen als in einer Wettbewerbssituation.[3] Die Wettbewerbskommission des Bundes (Weko) deckte in ihrem Entscheid zum Tessiner Strassenbaukartell auf, dass die Kartellmitglieder durch Absprachen überhöhte Preise von durchschnittlich 30 Prozent durchsetzen konnten.[4]

Aufgrund des grossen volkswirtschaftlichen Schadenpotenzials ist die Bekämpfung von Submissionskartellen von grosser Bedeutung. So veröffentlichen etwa die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) sowie das International Competition Network (ICN) verschiedene Leitlinien zur Bekämpfung von solchen Kartellen und organisieren regelmässig Workshops zum Thema.[5] Noch stärker gehen die nationalen Wettbewerbsbehörden gegen die Submissionskartelle vor. Die englische Wettbewerbsbehörde Competition & Markets Authority (CMA) etwa stellt den Beschaffungsstellen ein statistisches Tool zur Verfügung,[6] mit dem sie die eingereichten Angebote auf allfällige Absprachen prüfen können.

Auch für die Weko bildet die Bekämpfung von Submissionskartellen ein Schwerpunktthema. Sie bietet den Beschaffungsstellen deshalb Ausbildungsmodule an. Zudem hat sie 2008 ein Pilotprojekt gestartet mit dem Ziel, durch empirische Datenanalysen Hinweise auf Kartelle zu gewinnen.[7] In der ökonomischen Fachliteratur wird dieses Vorgehen als «Screening» bezeichnet. Im Rahmen dieses Pilotprojektes konnte die Weko ein sogenanntes Screening-Tool[8] entwickeln, welches  Hinweise auf ein Strassenbaukartell im Zürichseegebiet, in den Kantonen St. Gallen und Schwyz ergab. Die anschliessende Untersuchung bestätigte diese Hinweise und deckte ein Kartell auf. Die beteiligten acht Unternehmen wurden 2016 von der Weko verurteilt und sanktioniert.[9]

Verdächtiges Verhalten aufdecken

Durch statistische Screening-Methoden können die vorhandenen Marktdaten auf Muster hin überprüft werden, die eine mögliche geheime Absprache anzeigen. Mittels Datenanalysen können also kartelltypische Verhaltensmuster erkannt werden. Screening-Methoden kommen deshalb in der Praxis immer öfter zum Einsatz, denn die Behörden sind dadurch weniger abhängig von externen Hinweisen und Anzeigen und sind in der Lage, Kartelle aus eigener Kraft zu entdecken. So müssen die Kartellmitglieder befürchten, dass sie die Behörden selbst dann belangen können, wenn sie einzig über (weitgehend) öffentlich zugängliche Marktdaten wie etwa Angebotspreise verfügen. Nicht zuletzt aufgrund dieses Abschreckungseffektes haben die Wettbewerbsbehörden ein grosses Interesse daran, solche Screening-Methoden anzuwenden und weiterzuentwickeln.

Das Vorbeugen und das Aufspüren von Kartellen durch systematische Datenanalyse erfordern gute Kenntnisse der Marktstruktur. Deshalb werden beim Screening in einer ersten Phase kartellgefährdete Märkte identifiziert. Dabei können beispielsweise die OECD-Richtlinien herangezogen werden.[10] In diesen Richtlinien sind Strukturmerkmale aufgeführt, welche für Absprachen förderlich sind. So ist etwa die Wahrscheinlichkeit für Preisabreden umso grösser, je weniger Firmen im Markt vorhanden sind (hoher Konzentrationsgrad). Auch Märkte mit standardisierten oder homogenen Gütern sind gefährdet oder auch Märkte mit hohen Markteintrittsschranken.

Eine wichtige Grundlage für das Screening in den Beschaffungsmärkten ist das Gebotsverhalten der Firmen bei Ausschreibungen. Deshalb wird in einer zweiten Phase des Screenings das konkrete Verhalten der Firmen in den identifizierten Märkten analysiert. Zum Beispiel kann es sein, dass die Mitglieder eines Submissionskartells der Reihe nach den Zuschlag erhalten – dann spricht man von einem sogenannten Rotationskartell. Oder: Bestimmte Firmen gewinnen nur Ausschreibungen mit einem bestimmten Auftragsvolumen oder nur in bestimmten geografischen Regionen, weil die Kartellmitglieder das Gebiet unter sich aufgeteilt haben. Ungewöhnlich hohe Angebotspreise können genauso auf Abrede zurückzuführen sein wie eine tiefe Preisvarianz – denn in beiden Fällen korrespondieren die Kartellpreise nicht mit den tatsächlichen Kosten.

Wenn die erforderlichen Daten zur Verfügung stehen, können die aufgeführten Verhaltensweisen von Firmen mittels statistischer Methoden überprüft werden. Fundierte wissenschaftliche Erkenntnisse und Erfahrungen der Behörden in diesem Bereich dienen als Grundlage für Ideen und Ansätze zur Entwicklung von geeigneten statistischen Methoden.[11]

Das Tessiner Strassenbaukartell

Bei der Analyse von Submissionsdaten spielt vor allem die Varianz der Angebotspreise bei Ausschreibungen eine zentrale Rolle. Analysiert man die Streuung der Angebotspreise (sog. Varianz-Screen) mithilfe geeigneter Hypothesen über die Funktionsweise allfälliger Kartelle, können wertvolle Hinweise gewonnen werden. Eine solche Analyse hat die Weko in ihrer Untersuchung zum Tessiner Strassenbaukartell durchgeführt (siehe Abbildung 1).[12] Dabei wird deutlich, dass die Varianzen in der Kartellperiode 1999–2005 signifikant und systematisch tiefer waren als vor und nach der Kartellphase. Wie aus der Untersuchung der Weko hervorgeht, kann dieser Unterschied nicht durch andere Faktoren erklärt werden und ist allein auf Submissionsabsprachen zurückzuführen.[13]

Abb. 1: Varianz-Screen im Tessiner Strassenbaukartell

Anmerkung: Die Varianzen in der Kartellperiode 1999–2005 waren signifikant und systematisch tiefer als vor und nach der Kartellphase.

Quelle: Imhof D. (2017) und Recht und Politik des Wettbewerbs (RPW), 2008/1, S. 103.

Eine weitere Möglichkeit, um mittels Screening Hinweise auf Absprachen zu erhalten, ist es, die Interaktion zwischen den Unternehmen zu untersuchen. Dazu vergleicht man zunächst das Bieterverhalten von jeweils zwei Unternehmen. Konkret wird geprüft, ob das analysierte Firmenpaar für gleiche Ausschreibungen echte Konkurrenzangebote oder doch nur Scheinangebote einreicht. Dies wird anhand des Abstandes zwischen dem jeweiligen Verliererangebotspreis und dem Gewinnerangebotspreis gemessen. Ein systematisch grosser Abstand zwischen den Angebotspreisen kann ein Hinweis auf ein Scheinangebotsverhalten sein.[14]

Im Tessiner Strassenbaukartell hat es solche Scheinangebote gegeben, wie sich grafisch zeigen lässt (siehe Abbildung 2).[15] Das Bieterverhalten der Kartellmitglieder hat sich nach der Kartellphase komplett geändert. Während der Kartellperiode lagen die Punkte in den meisten Fällen weit weg vom Gewinnerangebotspreis, welcher durch den Ursprung des jeweiligen Koordinatensystems repräsentiert ist. Das bedeutet, dass die unterlegenen Firmen vermeiden wollten, dass sie mit ihrem Angebot den abgesprochenen Sieger tatsächlich konkurrenzieren. Nach der Kartellperiode sind die Angebote über die ganze Grafik verteilt und sind somit ein Indiz für eine echte Konkurrenzsituation.

Abb. 2: Scheinangebote im Tessiner Strassenbaukartell

Anmerkung: Die Punkte in den Abbildungen zeigen jeweils exemplarisch das Bieterverhalten eines Kartellmitglieds (Firma A) gegenüber einem der übrigen Mitglieder. Der Abstand zum Gewinnerangebotspreis ist durch den Abstand zum Nullpunkt des Koordinatensystems dargestellt. Im Gegensatz zu Abbildung b) deutet in Abbildung a) das Fehlen von Punkten um den Nullpunkt und die Häufung von Punkten auf der Diagonale rechts oben darauf hin, dass sich die Bietenden abgesprochen haben. Die auf den Achsen aufgeführten Angebotspreise sind normiert.

Quelle: Vgl. Imhof D. (2017), a. a. O., s. 34 f. / Die Volkswirtschaft

Selbstlernende Screening-Programme

Durch intensive Forschung zur Kartellaufdeckung werden in der ökonomischen Literatur fortwährend neue Methoden entwickelt. Die Wettbewerbsbehörden selber leisten mit Erfolg einen grossen Effort, um die bestehenden Methoden anzuwenden, weiterzuentwickeln und sie an ihre eigenen Bedürfnisse anzupassen.[16] Auf internationaler Ebene kooperieren sie dazu beispielsweise in Workshops der OECD miteinander. Die Bekämpfung von Submissionsabreden erfolgt allerdings nicht nur durch Screening-Methoden. Parallel dazu werden auch die öffentlichen Beschaffungsstellen von Wettbewerbsbehörden ausgebildet und sensibilisiert.[17] Zudem werden ihnen Auswertungstools zur Verfügung gestellt. Zurzeit sind auch die ersten privaten Unternehmen mit hohem Beschaffungsvolumen daran, ihr eigenes Screening-Team auf die Beine zu stellen, um sich gegen Kartelle zu schützen.

Mit zunehmender Digitalisierung der Wirtschaft steigt auch die zur Verfügung stehende Datenmenge. Diese grossen Datensätze erfordern den Einsatz spezieller Algorithmen und besonderer Software. Sie bieten aber auch neue Möglichkeiten: Beispielsweise werden schon jetzt mathematische Techniken bei der Betrugsbekämpfung eingesetzt.[18] Erste Gedanken, wie man die Techniken des maschinellen Lernens («machine learning») bei der Aufdeckung von Kartellen nutzen könnte, werden auf internationaler Ebene bereits diskutiert.[19] Maschinelles Lernen bedeutet, dass die Software aus den Daten selber lernt, um so die Aufdeckungswahrscheinlichkeit von Kartellen zu erhöhen.

  1. Dieser Beitrag gibt die persönliche Meinung der Autoren wieder und verpflichtet weder die Weko noch deren Sekretariat. []
  2. Siehe dazu die Entscheide auf Weko.admin.ch. Gegen den Entscheid Unterengadin hat ein Teil der Verfahrensparteien Beschwerde bei Bundesverwaltungsgericht eingelegt. Die Beschwerden sind derzeit dort noch hängig (Stand: 21. Juni 2018). []
  3. Für einen Literaturüberblick siehe Buneckienè et al. (2015), Boyer und Kotchoni (2015) sowie online auf Oecd.org.  []
  4. Entscheid der Weko, Strassenbeläge Tessin, RPW 2008/1, S. 85 ff. []
  5. Mehr Informationen auf Oecd.org und Internationalcompetitionnetwork.org[]
  6. Vgl. dazu Gov.uk[]
  7. Jahresbericht Weko (2014), S. 25 f. []
  8. Überblick von Screening-Methoden: M. J. Doane, L. M. Froeb, D. S. Sibley, B. P. Pinto (2015). Screening for Collusion as a Problem of Inference, in: The Oxford Handbook of International Antitrust Economics, vol. 2, Chapter 21, Oxford University Press. []
  9. Siehe Weko.admin.ch. Bauleistungen See-Gaster: Verfügung vom 8. Juli 2016. Gegen den Entscheid hat ein Teil der Verfahrensparteien Beschwerde bei Bundesverwaltungsgericht eingelegt. Die Beschwerden sind derzeit dort noch hängig (Stand: 21. Juni 2018). []
  10. Vgl. OECD (2009). Leitfaden zur Bekämpfung von Angebotsabsprachen im öffentlichen Beschaffungswesen[]
  11. Für eine Übersicht siehe Harrington (2007). []
  12. Das Tessiner Strassenbaukartell wurde von der Weko im Jahr 2007 aufgedeckt und verboten. Am Kartell waren mit einer Ausnahme alle im Kanton Tessin tätigen Strassenbaufirmen beteiligt. Vgl. dazu Entscheid der Weko, Strassenbeläge Tessin, RPW 2008/1, S. 85 ff. []
  13. Für eine Anwendung des Konzeptes auf andere Märkte siehe Abrantes-Metz et al. (2012). []
  14. Für eine vertiefte Beschreibung der Methode siehe Imhof, Karagök und Rutz (2018). []
  15. Siehe Imhof (2017). []
  16. Vgl. Jahresbericht Weko 2014, S. 25 f. []
  17. Vgl. Jahresbericht Weko 2014, S. 22 f. []
  18. Eine der am häufigsten verwendeten mathematischen Techniken ist das Benfordsche Gesetz, das allgemein bei der Aufdeckung von Datenbetrug Verwendung findet. Vgl. dazu Nigrini (2012). []
  19. Siehe Martin und Imhof (2018). []

Dr. rer. pol., Bereichsleiter Empirie, Wettbewerbskommission (Weko), Bern

Literatur

  • Abrantes-Metz, R., M. Kraten, A. D. Metz, G. Seow (2012). Libor Manipulation?, in: Journal of Banking and Finance, Vol. 36, pp. 136–150.
  • Bruneckienė, J., I. Pekarskienė, A. Guzavicius, O. Palekienė, J. Šovienė (2015). The Impact of Cartels on National Economy and Competitiveness, A Lithuanian Case Study, Springer Verlag, S. 24ff.
  • Boyer, M., R. Kotchoni (2015). How Much Do Cartel Overcharge?, in: Review of Industrial Organization, Vol. 47(2).
  • Harrington, J. E. (2007). Behavioral Screening and the Detection of Cartels, European Competition Law Annual 2006: Enforcement of Prohibition of Cartels, Claus-Dieter Ehlermann und Isabela Atanasiu (eds.), Hart Publishing.
  • Imhof, D. (2017). Simple Statistical Screens to Detect Bid Rigging, Working Papers SES 484, Faculty of Economics and Social Sciences. University of Fribourg (Switzerland).
  • Imhof, D., Y. Karagök, S. Rutz, (2018). Screening for Bid Rigging: Does It Work?, in: Journal of Competition Law & Economics, im Erscheinen.
  • Martin, H. und D. Imhof (2018). Machine Learning with Screens for Detecting Bid-Rigging Cartels. Working Papers SES 494, Faculty of Economics and Social Sciences, University of Fribourg (Switzerland).
  • Nigrini, N. J. (2012). Benford’s Law: Applications for Forensic Accounting, Auditing, and Fraud Detection. John Willey & Sons, Hoboken, NJ.

Dr. rer. pol., Bereichsleiter Empirie, Wettbewerbskommission (Weko), Bern