{"id":123186,"date":"2008-06-01T12:00:00","date_gmt":"2008-06-01T12:00:00","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/2008\/06\/kuster-8\/"},"modified":"2023-08-23T23:41:09","modified_gmt":"2023-08-23T21:41:09","slug":"kuster-7","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/de\/2008\/06\/kuster-7\/","title":{"rendered":"Altpapiersammlung der Gemeinden: Statistische Benchmarking-Verfahren im Praxistest"},"content":{"rendered":"

\"\"
\n
\nIm Jahr 2006 wurden in der Schweiz 1,66 Mio. Tonnen Papier und Karton verbraucht. 77% dieses Volumens wurden separat gesammelt und der stofflichen Verwertung zugef\u00fchrt. Das gesammelte Altpapier und der gesammelte Altkarton lieferten rund 57% der Rohstoffe, welche f\u00fcr die Papier- und Kartonherstellung in der Schweiz ben\u00f6tigt wurden. Fallen in Betrieben gr\u00f6ssere Mengen von Altpapier an (z.B. Druckereien), so wird es in der Regel direkt oder \u00fcber Zwischenh\u00e4ndler an die Papierindustrie verkauft. Die Sammlung von Altpapier und Altkarton aus kleineren Betrieben und bei den privaten Haushalten ist hingegen Aufgabe der Gemeinden. Je nach Gemeinde werden Altpapier und Altkarton separat oder gemischt gesammelt. Die Sammlung erfolgt \u00ab vor der Haust\u00fcr \u00bb und\/oder an Sammelstellen der Gemeinde. <\/p>\n

\u00d6kologische, gesellschaftliche und \u00f6konomische Ziele der Altpapiersammlung<\/h2>\n


\nDas zentrale Ziel der Altpapiersammlung liegt im \u00f6kologischen Bereich. Ein m\u00f6glichst grosser Anteil des Altpapiers soll der stofflichen Verwertung zugef\u00fchrt werden, da die stoffliche Verwertung von Altpapier die Umwelt weniger belastet als eine andere Entsorgungsart und die Herstellung von neuem Papier aus neu gewonnenen Rohstoffen. Vgl. hierzu Artikel 30d Bundesgesetz \u00fcber den Umweltschutz. \u00a0 In 14 der 66 untersuchten Gemeinden Statistische Grundgesamtheit ist eine Befragung, welche der Schweizerische St\u00e4dteverband und der Schweizerische Gemeindeverband 2004 bei 128 Gemeinden mit mehr als 5000 Einwohnern durchf\u00fchrten, welche Altpapier separat sammeln. F\u00fcr das Benchmarking werden die Angaben derjenigen 66 Gemeinden verwendet, welche vollst\u00e4ndige Informationen lieferten. Da der vorliegende Artikel keine R\u00fcckschl\u00fcsse auf einzelne Gemeinden erm\u00f6glichen darf, werden die Gemeinden mit dem Kantonsk\u00fcrzel und einer nach dem Zufallsprinzip gebildeten Laufnummer innerhalb des Kantons gekennzeichnet (z.B. ZH17, BE3). erfolgt die Altpapiersammlung vor der Haust\u00fcr durch spezialisierte Unternehmen oder Gemeindedienste. Die \u00fcbrigen 52 Gemeinden setzen Vereine (z.B. den Fussballclub oder den Gesangsverein) ein. Hinter der Beauftragung von Vereinen stehen gesellschaftliche Zielsetzungen. Die Mitglieder der Vereine f\u00fchren die Altpapiersammlung in Fronarbeit durch und die Gemeinde leistet eine Entsch\u00e4digung in die Vereinskasse. Dadurch k\u00f6nnen Gesuche der Vereine f\u00fcr materielle Unterst\u00fctzungen ihrer Aktivit\u00e4ten durch die Standortgemeinde abgewendet bzw. reduziert werden. F\u00fcr die Gemeinde und die Vereine entsteht durch dieses Vorgehen bei der Altpapiersammlung eine Win-Win-Situation. Es ist in der Branche \u00fcblich, dass die Sammelt\u00e4tigkeit nicht nach Zeitaufwand oder pro Sammeltour, sondern pro Tonne gesammeltem Papier entsch\u00e4digt wird. Damit werden sowohl f\u00fcr kommerzielle Anbieter als auch f\u00fcr beauftragte Vereine wirksame Rahmenbedingungen f\u00fcr eine effiziente Durchf\u00fchrung der Sammlungen gesetzt. Wird die Papiersammlung durch private Unternehmen durchgef\u00fchrt, so wird der Auftrag gem\u00e4ss den Vorgaben des \u00f6ffentlichen Beschaffungswesens im Wettbewerb vergeben. \u00dcbernehmen hingegen Vereine die Sammelt\u00e4tigkeit, so wird der Preis pro Tonne in der Regel unter Ber\u00fccksichtigung der Sammelkosten kommerzieller Anbieter, aber auch unter Beachtung der angestrebten gesellschaftlichen Ziele festgelegt. So liegt der Preis spezialisierter Unternehmungen bei durchschnittlich 63 Franken pro Tonne, w\u00e4hrend Vereine im Mittel der untersuchten Gemeinden 91 Franken pro Tonne erhalten. Der Preis, welcher Vereinen bezahlt wird, basiert damit weder auf den tats\u00e4chlich entstehenden Kosten, noch ist er ein Marktpreis. Die \u00f6konomischen Ziele einer g\u00fcnstigen Abfallentsorgung werden bei der Sammlung von Altpapier durch die gesellschaftlichen Zielsetzungen relativiert. <\/p>\n

Getestete statistische Benchmarking-Verfahren<\/h2>\n


\nWird Benchmarking als \u00abLernen von den Besten \u00bb verstanden, so greift die Ermittlung der Gemeinde mit der h\u00f6chsten Sammelmenge oder mit den tiefsten Sammelkosten zu kurz. Gefordert sind statistische Verfahren, welche die einzelnen Gemeinden unter Ber\u00fccksichtigung ihrer spezifischen Ausgangslage beurteilen und vor diesem Hintergrund M\u00f6glichkeiten aufzeigen, wie zu den \u00abBesten \u00bb aufgeschlossen werden kann. Zu diesem Zweck wurde die Leistungsf\u00e4higkeit von drei verschiedenen statistischen Benchmarking-Verfahren am Beispiel der Altpapiersammlung getestet: \u00a0 – Benchmarking I: Vergleiche von Kennzahlen; \u00a0 – Benchmarking II: Regression mit Residualanalyse als parametrisches Verfahren; \u00a0 – Benchmarking III: Data Envelopment Analysis (DEA) als nichtparametrisches Verfahren. \u00a0 \u00a0 Um die Eigenschaften der eingesetzten Methoden transparent zu machen, werden die Ergebnisse der verschiedenen Benchmarking-Verfahren f\u00fcr die einzelnen Gemeinden direkt nebeneinander gestellt. Zur Erleichterung von Vergleichen werden in diesem zusammenfassenden Artikel zur durchgef\u00fchrten Untersuchung Kuster, J\u00fcrg und Meier, Hansrudolf (2008): Sammlung von Altpapier durch die Gemeinden, Statistische Benchmarking-Methoden im Test, Schriftenreihe Seco, Bern. stets dieselben 11 Gemeinden n\u00e4her betrachtet (vgl. Tabelle 1 ). Gest\u00fctzt auf die umweltpolitische Zielsetzung einer hohen Recyclingquote steht die erzielte Sammelmenge pro Einwohner und Jahr im Zentrum. Was ist diesbez\u00fcglich unter verschiedenen Pr\u00e4missen erreichbar ? Nicht betrachtet wird die M\u00f6glichkeit, dass Gemeinden durch unzweckm\u00e4ssige Auflagen an die Sammelorganisation den Sammelerfolg so dimensionieren, dass sie angesichts der Spanne zwischen dem Abgabepreis an die Recyclingbranche und dem bei Sammlungen durch Vereine meist politisch festgelegten Entgelt je Tonne Altpapier nicht zu viel einschiessen m\u00fcssen. <\/p>\n

Benchmarking I: Vergleich von Kennziffern<\/h2>\n


\nBez\u00fcglich der erzielten Sammelmenge pro Einwohner und Jahr setzen die Gemeinden SZ4 und SO3 mit 88 kg den Benchmark (vgl. Tabelle 2 ). Das ung\u00fcnstigste Sammelergebnis liegt bei 16 kg. Korrelationsanalysen zeigen, dass Gemeinden mit folgenden Charakteristika vergleichsweise hohe Sammelmengen pro Einwohner verzeichnen: ein hoher Anteil von Einwohnern mit terti\u00e4rer Bildung, eine hohe Anzahl von Arbeitspl\u00e4tzen im Vergleich zur Einwohnerzahl und ein geringer Anteil von Wohnungen mit Holzheizungen, in denen – obwohl \u00f6kologisch problematisch – Altpapier verbrannt werden kann. Die erreichte Sammelmenge wird auch von der kommunalen Abfallpolitik gepr\u00e4gt: \u00a0 – Von grosser Bedeutung sind Kehrichtsackgeb\u00fchren. Obwohl die Erhebung von Kehrichtsackgeb\u00fchren gem\u00e4ss Umweltschutzgesetz seit Jahren Pflicht ist, hatten 2004 noch nicht alle 66 untersuchten Gemeinden dieses Instrument eingef\u00fchrt. Die Analyse zeigt, dass Sackgeb\u00fchren einen namhaften Anreiz schaffen, das Altpapier separat zu sammeln und \u00fcber die kostenlosen Sammelsysteme dem Recycling zuzuf\u00fchren. \u00a0 – Die Anzahl der j\u00e4hrlich durchgef\u00fchrten Sammlungen in den Gemeinden mit hohen Sammelmengen ist zwar gr\u00f6sser als in den Gemeinden am Ende der Rangfolge. Dennoch ist die Zahl der j\u00e4hrlichen Sammlungen von vergleichsweise geringer Bedeutung f\u00fcr die erzielte Sammelmenge pro Einwohner. <\/p>\n

Benchmarking II: Regression mit Residualanalyse<\/h2>\n


\nAls zweites Benchmarking-Verfahren gelangt eine multiple lineare Regression zum Einsatz. Im Zentrum steht hier die Sch\u00e4tzung von Erkl\u00e4rungsmodellen, nicht von flexiblen Produktionsfunktionen. Dieses Verfahren erlaubt es, die gem\u00e4ss der Korrelationsanalyse bedeutsamen strukturellen Merkmale der Gemeinden (Anteil der Einwohner mit terti\u00e4rer Bildung, Anzahl der Arbeitspl\u00e4tze pro 100 Einwohner, Anteil der Wohnungen, welche nicht mit Holz geheizt werden) sowie Charakteristika der kommunalen Abfallpolitik (Sackgeb\u00fchr, Anzahl der Sammlungen) als erkl\u00e4rende Variablen direkt in der statistischen Analyse zu ber\u00fccksichtigen. Durch eine erg\u00e4nzende Residualanalyse kann f\u00fcr jede Gemeinde so statistisch ermittelt werden, welcher hypothetische Output (= Sammelmenge pro Einwohner) aufgrund der gemeindespezifischen Rahmenbedingungen an sich zu erwarten w\u00e4re. Als Benchmark ergibt sich die Gemeinde mit der gr\u00f6ssten positiven Differenz zwischen dem tats\u00e4chlichen und dem hypothetischen Output (vgl. Grafik 1 ). \u00a0 Die Residualanalyse erlaubt die Identifikation der \u00abBesten \u00bb unter Ber\u00fccksichtigung der gemeindespezifischen Randbedingungen f\u00fcr die Sammelt\u00e4tigkeit, was f\u00fcr ein faires Benchmarking wichtig ist. Dadurch ergibt sich eine teilweise andere Rangierung der Gemeinden als bei alleiniger Betrachtung der j\u00e4hrlichen Sammelmenge pro Einwohner (vg. Tabelle 2 ). So belegt die Gemeinde BE6 aufgrund der Gr\u00f6sse ihres Residuums den Rang 1, obwohl sie bez\u00fcglich der Sammelmenge pro Einwohner lediglich Position 29 belegt. Herausragend ist dieses Sammelergebnis, wenn man ber\u00fccksichtigt, dass diese Gemeinde keine Sackgeb\u00fchren erhebt Bei dieser Interpretation aus statistischer Sicht gilt es zu beachten, dass die Erhebung von Kehrichtsackgeb\u00fchren gem\u00e4ss Art. 32a Umweltschutzgesetz eine Pflicht darstellt. und ein vergleichsweise tiefes Bildungsniveau der Bev\u00f6lkerung aufweist. Den gegenteiligen Fall repr\u00e4sentieren die Gemeinden SO3 oder ZH25, welche im Benchmarking II auf tieferen R\u00e4ngen platziert sind als im Benchmarking I, da sie aufgrund ihrer gemeindespezifischen Rahmenbedingungen wesentlich h\u00f6here Sammelmengen erzielen m\u00fcssten. \u00a0 Die Regressionsanalyse liefert auch quantitative Hinweise zur Bedeutung der verschiedenen gepr\u00fcften Rahmenbedingungen f\u00fcr die H\u00f6he der erzielten Sammelmenge pro Einwohner. Von besonderem Interesse f\u00fcr das Benchmarking sind diejenigen Rahmenbedingungen, welche eine Gemeinde kurzfristig ver\u00e4ndern kann. So erlaubt die Einf\u00fchrung der gesetzlich vorgeschriebenen mengenabh\u00e4ngigen Kehrichtsackgeb\u00fchren gem\u00e4ss der Regressionsanalyse unter sonst gleichen Bedingungen (ceteris paribus) eine bedeutende Erh\u00f6hung der j\u00e4hrlichen Sammelmenge um rund 28 kg\/Einwohner. Die Durchf\u00fchrung einer zus\u00e4tzlichen Sammlung pro Jahr l\u00e4sst hingegen nur ein vergleichsweise geringes Wachstum der erreichbaren Sammelmenge um 0,6 kg\/Einwohner erwarten. <\/p>\n

Benchmarking III: Data Envelopment Analysis<\/h2>\n


\nIm Rahmen des Benchmarking III wird die Leistungsf\u00e4higkeit der Data Envelopment Analysis (DEA) als heute bedeutendstes nichtparametrisches Benchmarking-Verfahren gepr\u00fcft. Im Unterschied zur Regressionsanalyse wird die Randproduktionsfunktion implizit als Kombination der tats\u00e4chlich vorliegenden Best-Practice-Beobachtungen ermittelt. Dadurch ergeben sich im Vergleich zur Regressionsanalyse Vorteile: \u00a0 – Der Funktionsverlauf der Referenzfunktion muss nicht a priori bestimmt werden. Dies ist insbesondere bei komplexen Fragestellungen vorteilhaft, bei denen Anhaltspunkte \u00fcber die mathematische Form des Zusammenhangs zwischen den Inputfaktoren und den Outputs fehlen. Das folgende Beispiel illustriert diese Problematik der Regressionsanalyse: Spezifiziert man die Regressionsgleichung linear, argumentiert man, dass eine Erh\u00f6hung der Anzahl Arbeitspl\u00e4tze von 40 auf 50 je 100 Einwohner die gleiche Erh\u00f6hung der Sammelmenge bewirkt wie eine Erh\u00f6hung von 50 auf 60. Bei der Anzahl Sammlungen erscheint eine solche Proportionalit\u00e4t dagegen weit weniger plausibel, was jedoch eine heikler zu sch\u00e4tzende Regressionsgleichung n\u00f6tig machen w\u00fcrde. \u00a0 – Im Unterschied zur Regressionsanalyse wird in der DEA nicht f\u00fcr alle Gemeinden derselbe funktionale Zusammenhang zwischen den Inputgr\u00f6ssen und dem Output unterstellt. Faktisch bedeutet dies, dass verschiedene ebenb\u00fcrtige Strategien (hier: unterschiedliche gemeindespezifische Rahmenbedingungen) zum gesetzten Ziel f\u00fchren k\u00f6nnen. \u00a0 \u00a0 Betrachtet man Grafik 2 , gelten alle Gemeinden auf der Randfunktion aufgrund ihres Output-Input-Verh\u00e4ltnisses als in einem technischen Sinn effizient: V vermag das gleiche Ergebnis wie H mit weniger Sammlungen, J ein besseres Ergebnis als H bei gleich vielen Sammlungen zu erreichen. Ob V besser als J ist, bleibt offen. Zu pr\u00fcfen ist, ob eine Steigerung der Sammelmenge von knapp 7 0 kg auf rund 85 kg eine Steigerung von 4 auf 9 Sammlungen rechtfertigt. Dabei kann dieser Entscheid bei einer politischen Wertung auch von andern Gr\u00f6ssen abh\u00e4ngig gemacht werden als dem Verkaufserl\u00f6s von Altpapier (z.B. eine Bet\u00e4tigungsm\u00f6glichkeit f\u00fcr einen weiteren Verein). \u00a0 Gem\u00e4ss DEA erreichen 23 der 66 untersuchten Gemeinden eine technische Effizienz von 100%. Neben vielen Gemeinden, die bereits in der Residualanalyse des Benchmarking II vordere R\u00e4nge einnehmen, sind gem\u00e4ss DEA auch verschiedene Gemeinden technisch effizient, welche keine besonders grossen oder gar negative Residuen verzeichnen, so z.B. die Gemeinden NE3 und NE1 (vgl. Tabelle 2 ). Im Rahmen ihrer im Vergleich zur Mehrzahl der Gemeinden speziellen Inputkonstellation (keine Sackgeb\u00fchr, geringe Anzahl Sammlungen pro Jahr) erreichen diese Gemeinden einen Effizienzwert von 100%, obwohl sie Sammelmengen von maximal 30 kg\/Einwohner erzielen. Die Gemeinde ZH25 weist gem\u00e4ss DEA trotz einer mittelgrossen Sammelmenge von 61 kg pro Einwohner mit 32% die geringste technische Effizienz auf. Der Hauptgrund liegt bei der hohen Zahl von 24 Sammlungen pro Jahr. Wie bereits die Regressionsanalyse gezeigt hat, f\u00fchrt z.B. eine Verdoppelung der Zahl der j\u00e4hrlichen Sammlungen von 12 auf 24 bei Weitem nicht zu einer Verdoppelung der Sammelmenge, sondern ceteris paribus lediglich zu einem Zuwachs um rund 7 kg pro Einwohner. Durch eine massvolle Reduktion der Anzahl der j\u00e4hrlichen Sammlungen k\u00f6nnte somit die Gemeinde ZH25 ihre technische Effizienz deutlich verbessern. <\/p>\n

Fazit zu den drei getesteten Benchmarking-Methoden<\/h2>\n


\nJedes der drei getesteten Benchmarking-Verfahren weist St\u00e4rken und Schw\u00e4chen auf. Je nach Komplexit\u00e4t der Fragestellung, Benutzerrespektive Adressatenkreis und Anspruch an die wissenschaftliche Fundierung der Untersuchungen erscheint ein kennzahlenbasiertes Verfahren, eine Regressionsanalyse oder eine DEA als der jeweils geeignetste methodische Benchmarkingansatz (vgl. Tabelle 3 ): \u00a0 – Kennzahlenbasierte Verfahren eignen sich f\u00fcr einfache Fragestellungen, in welchen die \u00abKlassenbesten \u00bb eines Beobachtungssets hinsichtlich einer oder mehrerer Leistungsgr\u00f6ssen eruiert werden sollen, ohne n\u00e4her auf die Ursachen f\u00fcr die ermittelten Leistungsunterschiede einzugehen. Solche Rankings k\u00f6nnen als Grundlage f\u00fcr erste grobe Leistungsbeurteilungen dienen und allenfalls Anlass f\u00fcr vertiefte Analysen sein. Bei komplexen Fragestellungen – z.B. im Falle einer ganzheitlichen Beurteilung der Qualit\u00e4t \u00f6ffentlicher Dienstleistungen – stossen solche Verfahren allerdings rasch an Grenzen. \u00a0 – Regressionen mit Residualanalysen eignen sich auch f\u00fcr ganzheitliche Benchmarking-Analysen mit verschiedenen Outputs und unterschiedlichen, den Output bestimmenden Einflussfaktoren, sofern sich die Zusammenh\u00e4nge zwischen diesen Einflussfaktoren und den Outputs durch eine geeignete mathematische Formel (Erkl\u00e4rungsmodell) realit\u00e4tsnah abbilden lassen. In der Praxis ist dies nicht immer der Fall – insbesondere bei vergleichenden Qualit\u00e4tsbewertungen \u00f6ffentlicher Dienstleistungen, bei welchen nicht nur \u00f6konomische, sondern auch gesellschaftliche oder \u00f6kologische Ziele verfolgt werden, und bei welchen die Abtauschrate zwischen dem Erreichen von Zielen in der einen und der anderen Dimension politisch kontrovers betrachtet wird. Die Regressionsanalyse ermittelt zudem am Durchschnitt aller Beobachtungen, wie sich ein Input durch einen andern ersetzen l\u00e4sst; solche Trade-offs k\u00f6nnen sich im Umfeld der Best-Practice-Beobachtung aber anders darstellen. \u00a0 – Die DEA zeigt ihre methodische St\u00e4rke darin, dass die funktionalen Zusammenh\u00e4nge zwischen den verschiedenen Rahmenbedingungen und den Outputs nicht anhand statistisch-\u00f6konometrischer Verfahren abgebildet werden m\u00fcssen, da die Benchmarks direkt auf Basis realer Best-Practice-Beobachtungen bestimmt werden. Im Unterschied zur Regressionsanalyse gilt das Prinzip des \u00abLernens von den Besten \u00bb: Eine Mehrzahl von Input-Output-Konstellationen werden als potenzielle L\u00f6sungen zur Debatte gestellt. Wie die Teilaspekte dieser L\u00f6sungen gegeneinander aufgerechnet werden sollen, wird nicht bereits in die Identifikationsphase der besten L\u00f6sung eingebaut, sondern kann in einer zweiten Entscheidphase bestimmt werden. Als Nachteil der DEA ist hingegen der Umstand zu werten, dass bei Einbezug mehrerer Input- und\/oder Outputparameter verh\u00e4ltnism\u00e4ssig viele Einheiten als effizient eingestuft werden und die Benchmarking-Analyse dadurch an Aussagekraft verliert. Auch werden Beobachtungseinheiten, die in Bezug auf ihre Input- und\/oder Outputkonstellation eine extreme Auspr\u00e4gung aufweisen, mit der DEA relativ oft als \u00abeffizient \u00bb eingestuft. Beobachtungseinheiten, die sich n\u00e4her bei den g\u00e4ngigen Input-Output-Relationen bewegen, w\u00fcrden aufgrund der DEA dazu angehalten, die wenig gebr\u00e4uchlichen Input-Output-Konstellationen dieser \u00abOutlier \u00bb zu reproduzieren, obwohl das Gesamtergebnis unter Umst\u00e4nden als suboptimal einzustufen ist. Denn gerade extreme Input-Output-Konstellationen k\u00f6nnen ein Hinweis sein, dass allenfalls eine technische, wohl aber kaum eine wirtschaftliche Optimierung stattgefunden hat. An diesem Punkt setzen die Benchmarking-Techniken ein, die sich sog. flexibler Produktionsfunktionen bedienen, d.h. die aus dem Durchschnitt der vorhandenen Beobachtungen sch\u00e4tzen, wie sich bei gleichem Aufwand ein Output gegen einen andern abtauschen l\u00e4sst, respektive wie sich ein Inputfaktor durch einen andern ersetzen l\u00e4sst, ohne dass der Output \u00e4ndert. Da die Kostenoptiminierung bei der Sammlung von Altpapier nur zum Teil bei den hier untersuchten Gemeinden liegt, sondern vor allem bei den beauftragten Vereinen und Unternehmen, konnten diese Ans\u00e4tze beim vorliegenden Beispiel nicht zur Anwendung gebracht werden. Vgl. jedoch die Untersuchung von Filippini\/Fetz\/Farsi auf S. 24ff in diesem Heft.
\n
\nGrafik 1 \u00abBenchmarking II: Prinzipschema Residualanalyse\u00bb
\n
\nGrafik 2 \u00abBenchmarking III: Prinzipschema DEA\u00bb
\n
\nTabelle 1 \u00abMerkmale der 11 n\u00e4her betrachteten Gemeinden\u00bb
\n
\nTabelle 2 \u00abResultate der drei Benchmarking-Methoden in der \u00dcbersicht\u00bb
\n
\nTabelle 3 \u00abSt\u00e4rken und Schw\u00e4chen der getesteten Benchmarking-Methoden im Vergleich\u00bb<\/p>","protected":false},"excerpt":{"rendered":"

Im Jahr 2006 wurden in der Schweiz 1,66 Mio. Tonnen Papier und Karton verbraucht. 77% dieses Volumens wurden separat gesammelt und der stofflichen Verwertung zugef\u00fchrt. Das gesammelte Altpapier und der gesammelte Altkarton lieferten rund 57% der Rohstoffe, welche f\u00fcr die Papier- und Kartonherstellung in der Schweiz ben\u00f6tigt wurden. Fallen in Betrieben gr\u00f6ssere Mengen […]<\/p>","protected":false},"author":3162,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[66],"post_opinion":[],"post_serie":[],"post_content_category":[154],"post_content_subject":[],"acf":{"seco_author":3162,"seco_co_author":[3163,0],"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Dr. phil. nat., Projektleiter Hanser Consulting, Z\u00fcrich","seco_author_post_occupation_fr":"Chef de projet, Hanser Consulting, Zurich","seco_co_authors_post_ocupation":[{"seco_co_author":3163,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"Berater, BHP-Hanser und Partner AG, Z\u00fcrich","seco_co_author_post_occupation_fr":"Conseiller, BHP-Hanser & Partner AG, Zurich"}],"short_title":"","post_lead":"Welche Gemeinde ist bei der Sammlung von Altpapier die beste? Ist es einfach die Gemeinde, welche im Vergleich zu ihrer Gr\u00f6sse am meisten Altpapier sammelt? Oder ist es die Gemeinde, welche trotz fehlender Sackgeb\u00fchr ein gutes Mengenergebnis erzielt? Die Anwendung verschiedener statistischer Benchmarking-Methoden zeigt die Leistungsf\u00e4higkeit der einzelnen Methoden am Beispiel der Sammlung von Altpapier.","post_hero_image_description":"","post_hero_image_description_copyright_de":"","post_hero_image_description_copyright_fr":"","post_references_literature":"","post_kasten":null,"post_notes_for_print":"","first_teaser_header_de":"","first_teaser_header_fr":"","first_teaser_text_de":"","first_teaser_text_fr":"","second_teaser_header_de":"","second_teaser_header_fr":"","second_teaser_text_de":"","second_teaser_text_fr":"","kseason_de":"","kseason_fr":"","post_in_pdf":123189,"main_focus":null,"serie_email":null,"frontpage_slider_bild":"","artikel_bild-slider":null,"legacy_id":"8807","post_abstract":"","magazine_issue":null,"seco_author_reccomended_post":null,"redaktoren":null,"korrektor":null,"planned_publication_date":null,"original_files":null,"external_release_for_author":"19700101","external_release_for_author_time":"00:00:00","link_for_external_authors":"https:\/\/dievolkswirtschaft.ch\/exedit\/55b5f5e636874"},"_links":{"self":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/123186"}],"collection":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/3162"}],"replies":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/comments?post=123186"}],"version-history":[{"count":1,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/123186\/revisions"}],"predecessor-version":[{"id":128096,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/123186\/revisions\/128096"}],"acf:user":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/0"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/3163"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/3162"}],"wp:attachment":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/media?parent=123186"}],"wp:term":[{"taxonomy":"post__type","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post__type?post=123186"},{"taxonomy":"post_opinion","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_opinion?post=123186"},{"taxonomy":"post_serie","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_serie?post=123186"},{"taxonomy":"post_content_category","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_category?post=123186"},{"taxonomy":"post_content_subject","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_subject?post=123186"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}