Die Anschaffungskosten von Werkzeugmaschinen stellen eine finanzielle Herausforderung für Unternehmen dar. Das Leasing als alternative Finanzierung zum kreditfinanzierten Kauf verspricht Vorteile. Durch die Fortschritte der Digitalisierung können neuartige Pay-per-X Modelle angeboten werden, welche eine höhere Flexibilität der Zahlungen in volatilen Märkten versprechen. Die aktuellen Modelle sind jedoch dem Prinzipal-Agenten-Problem ausgesetzt. Der Leasingnehmer ist an einer hohen Auslastung der Maschine interessiert, der Leasinggeber an deren Werterhalt. Die Nutzung der Maschine ist dem Leasinggeber nicht bekannt und eine übermäßige Belastung führt zu erhöhtem Verschleiß und Wertverlust. Folglich wird dieses Restwertrisiko in die Leasingrate eingepreist. Das belastungsbasierte Leasing verspricht die Auflösung die-ses Problems, indem die durch den Leasingnehmer verursachte Belastung in die Leasingrate integriert wird. Inwiefern sich ein solches Modell für den Leasingnehmer lohnt, ist durch die ungewisse Abnutzung der Maschine aktuell nicht im Vorfeld bestimmbar. In der vorliegenden Dissertation wird die monetäre Bewertung eines entwickelten belastungsbasierten Leasings für Werkzeugmaschinen als Grundlage einer Investitionsentscheidung des Leasingnehmers untersucht.

Dazu wird das belastungsbasierte Leasing konzeptionell und mathematisch auf Basis des Leasingvertrags mit Teilamortisation entwickelt. Der Amortisationsanteil der Leasingrate wird durch die Abnutzung der Werkzeugmaschine auf Baugruppenebene bestimmt. Durch die Verrechnung der Belastung verändern sich die Anreize und damit das Nutzungsverhalten des Leasingnehmers. Diese Veränderung führt zu einem höheren erwarteten Restwert und niedrigeren Lebenszykluskosten in Form der Instandhaltungskosten. Darauf aufbauend wird die Bewer-tungsmethode zur Investitionsentscheidung als computerausführbares Simulationsmodell entwickelt. Die Unsicherheit bezüglich der Maschinenbelastung und der Leasingraten ist hierbei ein zentrales Element. Die Unsicherheit wird durch eine Monte-Carlo-Simulation modelliert, wobei n-fache Grundmietzeiten simuliert und anhand des Kapitalwerts aller entscheidungsrelevanten Kosten in mehreren Szenarien bewertet werden. Die Entscheidung erfolgt zweistufig. Nach einer Vorauswahl der Investitionsalternativen anhand der stochastischen Dominanz der alternativen Risikoprofile, werden diese anhand einer Risikonutzenfunktionen nach dem μ-σ-Prinzip bewertet und die beste Alternative ausgewählt. Die unsichere Maschinenbelastung während der Grundmietzeit wird über ein Simulationsmodell auf Basis historischer Instandhaltungs- und Betriebsdaten beschrieben. Dieser Simulationskern besteht zum einen aus der Ereignissimulation auf Basis statistischer, parametrischer Zuverlässigkeitsmodelle. Zum anderen besteht er aus der Abnutzungssimulation durch einen Gamma-Prozess als Approximation der Belastung. Die veränderte Nutzung der Maschine wird durch Manipulation der Datenbasen beschrieben. Der Bewertungsansatz wird am Beispiel einer Investitionsentscheidung eines mittelständischen Unternehmens validiert. Es wird gezeigt, dass sowohl in Bezug auf die Leasingraten als auch die Lebenszykluskosten das belastungsbasierte dem klassischen Leasing vorzuziehen ist, da es zu geringeren erwarteten Kosten und einem höheren Maschinenrestwert führt. Das neue Modell besitzt durch das gesunkene Restwertrisiko und die gesteigerte erwartete Gewinnmarge auch Vorteile für den Leasinggeber gegenüber dem klassischen Leasing.