Kartelle klipp & klar [1. Aufl.] 9783658291389, 9783658291396

Table of contents :
Front Matter ....Pages I-XIV
Einführung in die Thematik und Konzeption des Lehrbuchs (Kai Hüschelrath)....Pages 1-6
Ökonomik der Kartelle und Kartellverfolgung (Kai Hüschelrath)....Pages 7-61
Kartelle in der Europäischen Union: Überblick und empirische Evidenz (Kai Hüschelrath)....Pages 63-102
Kartellverfolgung in der Europäischen Union: Überblick und empirische Evidenz (Kai Hüschelrath)....Pages 103-168
Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch (Kai Hüschelrath)....Pages 169-206
Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung (Kai Hüschelrath)....Pages 207-274
Back Matter ....Pages 275-277

Citation preview

WiWi klipp & klar

Kai Hüschelrath

Kartelle klipp & klar Inkl. SN Flashcards Lern-App

WiWi klipp & klar Reihe herausgegeben von Peter Schuster Fakultät Wirtschaftswissenschaften Hochschule Schmalkalden Schmalkalden, Deutschland

WiWi klipp & klar steht für verständliche Einführungen und prägnante Darstellungen aller wirtschaftswissenschaftlichen Bereiche. Jeder Band ist didaktisch aufbereitet und behandelt ein Teilgebiet der Betriebs- oder Volkswirtschaftslehre, indem alle wichtigen Kenntnisse aufgezeigt werden, die in Studium und Berufspraxis benötigt werden. Vertiefungsfragen und Verweise auf weiterführende Literatur helfen insbesondere bei der Prüfungsvorbereitung im Studium und zum Anregen und Auffinden weiterer Informationen. Alle Autoren der Reihe sind fundierte und akademisch geschulte Kenner ihres Gebietes und liefern innovative Darstellungen – WiWi klipp & klar. Weitere Bände in der Reihe http://www.springer.com/series/15236

Kai Hüschelrath

Kartelle klipp & klar

Kai Hüschelrath Hochschule Schmalkalden Schmalkalden, Deutschland

ISSN 2569-2194     ISSN 2569-2216  (electronic) WiWi klipp & klar ISBN 978-3-658-29138-9    ISBN 978-3-658-29139-6  (eBook) https://doi.org/10.1007/978-3-658-29139-6 Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar. Springer Gabler © Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020 Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mi­ kroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von allgemein beschreibenden Bezeichnungen, Marken, Unternehmensnamen etc. in diesem Werk bedeutet nicht, dass diese frei durch jedermann benutzt werden dürfen. Die Berechtigung zur Benutzung unterliegt, auch ohne gesonderten Hinweis hierzu, den Regeln des Markenrechts. Die Rechte des jeweiligen Zeicheninhabers sind zu beachten. Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag, noch die Autoren oder die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Äußerungen. Der Verlag bleibt im Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutionsadressen neutral. Springer Gabler ist ein Imprint der eingetragenen Gesellschaft Springer Fachmedien Wiesbaden GmbH und ist ein Teil von Springer Nature. Die Anschrift der Gesellschaft ist: Abraham-Lincoln-Str. 46, 65189 Wiesbaden, Germany

Vorwort

Das vorliegende Lehrbuch entstand im Rahmen meiner Lehr- und Forschungstätigkeiten an der Hochschule Schmalkalden, basiert allerdings in wesentlichen Teilen auf Forschungsarbeiten, die in meiner Zeit als wissenschaftlicher Mitarbeiter am Zentrum für Europäische Wirtschaftsforschung (ZEW) in Mannheim entstanden sind. Die Erstellung des Lehrbuchs wäre daher ohne die zahlreichen kooperativen Forschungsprojekte im Bereich der Kartellabsprachen nicht möglich gewesen, und ich möchte daher an dieser Stelle insbesondere (in alphabetischer Reihenfolge) Patrick Beschorner, Patrice Bougette, Eckart Bueren, Joe Harrington, Sven Heim, Michael Hellwig, Cung Truong Hoang, Matthias Hunold, Ulrich Laitenberger, Nina Leheyda, Georg Licht, Kathrin Müller, Johannes Muthers, Heike Schweitzer, Florian Smuda, Tobias Veith und Jürgen Weigand herzlich Dank sagen – nicht nur für die gleichermaßen produktiven wie inspirierenden Diskussionen und Projektarbeiten, sondern vor allem auch für die immer freundschaftliche Atmosphäre in der Zusammenarbeit. Darüber hinaus wären datenlastige Forschungsprojekte ohne die Unterstützung wissenschaftlicher Hilfskräfte kaum umsetzbar. In diesem Zu­ sammenhang möchte ich – stellvertretend für viele weitere – den folgenden ­ehemaligen wissenschaftlichen Hilfskräften bzw. Praktikantinnen und Praktikanten herzlich für ihre Unterstützung danken (wiederum in alphabetischer Reihenfolge): Bettina Chlond, Dominic Cucic, Shampa Ghosh, Amery Gülker, Cung Truong Hoang, Christine Laabsch, Dace Lauberte, Lukas Maier, Simon Reese, Moritz Rombach, Bastian Sattelberger und Anne Zirngiebl. Mein besonderer Dank gebührt weiterhin der Unternehmung Cartel Damage Claims (CDC) für die jahrelange erfolgreiche Kooperation im All­ gemeinen und für die Erlaubnis einer wissenschaftlichen Verwertung ihres ­umfangreichen Datensatzes aus Listen- und Transaktionspreisen für Zementlieferungen während und im Anschluss an den Zusammenbruch des deutschen Zementkartells im Besonderen. Ohne diese keineswegs selbstverständliche Offenheit und Bereitschaft zur Förderung der Wissenschaft wäre die Erstellung großer Teile des fünften und sechsten Kapitels unmöglich gewesen. Konkret möchte ich in diesem Zusammenhang dem Gründer und Geschäftsführer Ulrich Classen sowie – stellvertretend für weitere – seinen Mitarbeitern Carsten Krüger, Jakob Rüggeberg und Till Schreiber herzlich Dank sagen.

VII

VIII

Abschließend möchte ich meinem Kollegen Peter Schuster für die Kontaktanbahnung zum Springer Verlag und die Aufnahme des Lehrbuchs in die Reihe Wirtschaftswissenschaften klipp & klar ebenso danken wie aufseiten des Springer Verlags Isabella Hanser, Merle Kammann und Lisa Wötzel für die stets sehr angenehme Zusammenarbeit während der Entstehung des Lehrbuchs. Widmen möchte ich das Lehrbuch meinen Eltern Karin und Gerhard in großer Dankbarkeit für ihre jahrzehntelange Begleitung und Unterstützung meiner persönlichen wie wissenschaftlichen Entwicklung. SchmalkaldenKai Hüschelrath Januar 2020

Vorwort

Inhaltsverzeichnis

1 Einführung in die Thematik und Konzeption des Lehrbuchs ������   1 1.1 Thematik des Lehrbuchs ������������������������������������������������������������   1 1.2 Konzeption des Lehrbuchs����������������������������������������������������������   2 1.3 Zusammenfassung und Schlussfolgerungen ������������������������������   6 1.4 Wiederholungsfragen������������������������������������������������������������������   6 2 Ökonomik der Kartelle und Kartellverfolgung������������������������������   7 2.1 Charakterisierung������������������������������������������������������������������������   8 2.1.1 Definition des Kartellbegriffs������������������������������������������   8 2.1.2 Motivationen zur Kartellbildung������������������������������������  10 2.2 Wohlfahrtseffekte������������������������������������������������������������������������  12 2.2.1 Kartelle analysiert als Monopole������������������������������������  13 2.2.2 Kartelle analysiert als eigene Organisationsform ����������  15 2.3 Verfolgung����������������������������������������������������������������������������������  24 2.3.1 Öffentliche Durchsetzung des Kartellverbots ����������������  26 2.3.2 Private Durchsetzung des Kartellverbots������������������������  44 2.4 Evaluation ����������������������������������������������������������������������������������  48 2.4.1 Implementierung von optimalen Unternehmensbußgeldern ����������������������������������������������  49 2.4.2 Auswirkungen der Kartellverfolgung auf die jeweiligen Marktpreise����������������������������������������������������  54 2.4.3 Abschätzung der abschreckenden Wirkung der Durchsetzung des Kartellverbots������������������������������������  55 2.5 Zusammenfassung und Schlussfolgerungen ������������������������������  56 2.6 Wiederholungsfragen������������������������������������������������������������������  57 Literatur������������������������������������������������������������������������������������������������  58 3 Kartelle in der Europäischen Union: Überblick und empirische Evidenz������������������������������������������������������������������������������������������������  63 3.1 Einführung����������������������������������������������������������������������������������  64 3.2 Kartelle in der Europäischen Union von 2001 bis 2015 ������������   65 3.2.1 Anzahl der Fälle, Kartelle und beteiligten Firmengruppen����������������������������������������������������������������  65 3.2.2 Kartellmarktanteile und Marktanteilsasymmetrien��������  69 3.2.3 Beteiligte Branchen��������������������������������������������������������  71 3.2.4 Betroffene Länder ����������������������������������������������������������  72

IX

Inhaltsverzeichnis

X

3.2.5 Arten von Verstößen��������������������������������������������������������  76 3.2.6 Arten des Kartellendes����������������������������������������������������  77 3.2.7 Dauer des Kartells����������������������������������������������������������  78 3.3 Determinanten der Dauer von Kartellzugehörigkeiten und Kartellen in der Europäischen Union����������������������������������  81 3.3.1 Begriffsabgrenzung und praktische Relevanz����������������  82 3.3.2 Literaturüberblick ����������������������������������������������������������  84 3.3.3 Empirischer Ansatz ��������������������������������������������������������  85 3.3.4 Zentrale Ergebnisse��������������������������������������������������������  87 3.3.5 Zusammenfassung und Schlussfolgerungen ������������������  91 3.4 Kartellzusammenbrüche und nachfolgende Fusionsaktivitäten in der Europäischen Union ��������������������������  91 3.4.1 Begriffsabgrenzung und theoretische Überlegungen������  92 3.4.2 Empirische Analyse��������������������������������������������������������  95 3.4.3 Herausforderungen einer ökonometrischen Umsetzung����������������������������������������������������������������������  99 3.4.4 Zusammenfassung und Schlussfolgerungen ������������������ 100 3.5 Wiederholungsfragen������������������������������������������������������������������ 101 Literatur������������������������������������������������������������������������������������������������ 102 4 Kartellverfolgung in der Europäischen Union: Überblick und empirische Evidenz���������������������������������������������������������������������������� 103 4.1 Einführung�������������������������������������������������������������������������������� 104 4.1.1 Untersuchung und Entscheidung der Europäischen Kommission������������������������������������������������������������������ 105 4.1.2 Das Berufungsverfahren gegen Entscheidungen der Europäischen Kommission ������������������������������������������ 106 4.2 Kartellverfolgung in der Europäischen Union von 2001 bis 2015 �������������������������������������������������������������������� 106 4.2.1 Dauer der Kartellverfolgung ���������������������������������������� 107 4.2.2 Arten der Kartellaufdeckung���������������������������������������� 110 4.2.3 Kronzeugenprogramm�������������������������������������������������� 111 4.2.4 Verständigungsverfahren���������������������������������������������� 114 4.2.5 Von der Europäischen Kommission verhängte Bußgelder���������������������������������������������������������������������� 116 4.2.6 Berufungsverfahren������������������������������������������������������ 120 4.3 Evaluation des Kronzeugenprogramms bei Kartellverstößen in der Europäischen Union���������������������������� 123 4.3.1 Literaturüberblick �������������������������������������������������������� 124 4.3.2 Empirischer Ansatz und zentrale Ergebnisse���������������� 127 4.3.3 Zusammenfassung und Schlussfolgerungen ���������������� 131 4.4 Evaluation des Verständigungsverfahrens bei Kartellverstößen in der Europäischen Union���������������������������� 132 4.4.1 Literaturüberblick �������������������������������������������������������� 133

Inhaltsverzeichnis

XI

4.4.2 Empirischer Ansatz und zentrale Ergebnisse���������������� 134 4.4.3 Diskussion weiterer möglicher Auswirkungen des Verständigungsverfahrens �������������������������������������������� 138 4.4.4 Zusammenfassung und Schlussfolgerungen ���������������� 144 4.5 Evaluation des Berufungsverfahrens bei Kartellverstößen in der Europäischen Union�������������������������������������������������������� 145 4.5.1 Literaturüberblick �������������������������������������������������������� 146 4.5.2 Empirische Ansätze und zentrale Ergebnisse �������������� 148 4.5.3 Zusammenfassung und Schlussfolgerungen ���������������� 161 4.6 Wiederholungsfragen���������������������������������������������������������������� 165 Literatur���������������������������������������������������������������������������������������������� 166 5 Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch������������������������������������������������������������������������ 169 5.1 Einführung���������������������������������������������������������������������������������� 170 5.1.1 Die deutsche Zementindustrie���������������������������������������� 170 5.1.2 Das deutsche Zementkartell�������������������������������������������� 173 5.1.3 Beschreibung der verwendeten Datensätze�������������������� 174 5.2 Externe Kartellstabilität�������������������������������������������������������������� 177 5.2.1 Charakterisierung von Branchenentwicklungen ������������ 178 5.2.2 Ableitung von Hypothesen �������������������������������������������� 183 5.2.3 Empirische Analyse�������������������������������������������������������� 184 5.2.4 Zusammenfassung und Schlussfolgerungen ������������������ 185 5.3 Interne Kartellstabilität �������������������������������������������������������������� 186 5.3.1 Charakterisierung von Branchenentwicklungen ������������ 186 5.3.2 Ableitung von Hypothesen �������������������������������������������� 190 5.3.3 Empirische Analyse�������������������������������������������������������� 191 5.3.4 Zusammenfassung und Schlussfolgerungen ������������������ 196 5.4 Räumliche Implikationen von Kartellbildung und -zusammenbruch������������������������������������������������������������������ 197 5.4.1 Charakterisierung von Branchenentwicklungen ������������ 198 5.4.2 Ableitung von Hypothesen �������������������������������������������� 200 5.4.3 Empirische Analyse�������������������������������������������������������� 201 5.4.4 Zusammenfassung und Schlussfolgerungen ������������������ 203 5.5 Wiederholungsfragen������������������������������������������������������������������ 204 Literatur������������������������������������������������������������������������������������������������ 206 6 Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung���������������������������������������������������������������������������������� 207 6.1 Einführung�������������������������������������������������������������������������������� 208 6.1.1 Die öffentliche Verfolgung des Zementkartells������������ 208 6.1.2 Die private Verfolgung des Zementkartells������������������ 210 6.2 Kartellaufdeckung durch Kunden �������������������������������������������� 211 6.2.1 Die Aufdeckung von Kartellen ������������������������������������ 212 6.2.2 Empirischer Ansatz und zentrale Ergebnisse���������������� 216 6.2.3 Zusammenfassung und Schlussfolgerungen ���������������� 221

Inhaltsverzeichnis

XII

6.3 Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung�������������������������������������������������������� 222 6.3.1 Ökonomische Grundlagen der Schadensermittlung������ 222 6.3.2 Schadensermittlung für das deutsche Zementkartell auf Basis öffentlicher Preisindexdaten ������������������������������������������������������������ 246 6.3.3 Schadensermittlung für das deutsche Zementkartell auf Basis privater Transaktionsdaten �������������������������������������������������������� 257 6.3.4 Zusammenfassung und Schlussfolgerungen ���������������� 270 6.4 Wiederholungsfragen���������������������������������������������������������������� 271 Literatur������������������������������������������������������������������������������������������������ 273 Stichwortverzeichnis�������������������������������������������������������������������������������� 275

Abkürzungsverzeichnis

ABA American Bar Association (USA) AEUV Vertrag über die Arbeitsweise der Europäischen Union B Belgien BDZ Bundesverband der Deutschen Zementindustrie (D) BGH Bundesgerichtshof (D) BIP Bruttoinlandsprodukt BKartA Bundeskartellamt (D) CC Competition Commission (UK) CDC Cartel Damage Claims Consulting SCRL (B) CEPS Centre for European Policy Studies (B) CH Schweiz CMA Competition and Markets Authority (UK) COMP Competition D Deutschland DDR Deutsche Demokratische Republik DOJ Department of Justice (USA) ECN European Competition Network EK Europäische Kommission EU Europäische Union EuG Gericht der Europäischen Union EuGH Europäischer Gerichtshof EUR Euro EWR Europäischer Wirtschaftsraum FBI Federal Bureau of Investigation (USA) FE Fixed Effects F&E Forschung und Entwicklung GLS Generalized Least Squares GWB Gesetz gegen Wettbewerbsbeschränkungen (D) HHI Herfindahl-Hirschman-Index ICN International Competition Network IRR Internal Rate of Return KP Kronzeugenprogramm KU Kommissionsuntersuchung LG Landgericht (D) MTPA Millionen Tonnen pro Jahr NBS Nash Bargaining Solution NK Nachkartell XIII

Abkürzungsverzeichnis

XIV

NPSI NPV OECD OFT OLG OLS Oxera PH PSI RE RMX ROCE ROS RPW SO UK USA ZEW

Nichtpreissetzender Intermediär Net Present Value Organisation für wirtschaftliche Zusammenarbeit und Entwicklung Office of Fair Trading (UK) Oberlandesgericht (D) Ordinary Least Squares Oxford Economic Research Associates, Ltd. (UK) Proportional Hazard Preissetzender Intermediär Random Effects Readymix AG (D) Return on Capital Employed Return on Sales Recht und Politik des Wettbewerbs (CH) Mitteilung der Beschwerdepunkte (EU) Vereinigtes Königreich Vereinigte Staaten von Amerika Zentrum für Europäische Wirtschaftsforschung (D)

1

Einführung in die Thematik und Konzeption des Lehrbuchs

Lernziele dieses Kapitels

• Erkennen der volkswirtschaftlichen Bedeutung von Wettbewerb und Wettbewerbspolitik • Verstehen der Unterschiede zwischen Wettbewerbs- und Regulierungspolitik • Einordnen von Kartellabsprachen als eine Art von Wettbewerbsbeschränkung

In Kap.  1 wird einerseits kurz in die grundlegende Thematik des Lehrbuchs eingeführt, andererseits stehen einige Einordnungen im Hinblick auf die Konzeption des Lehrbuchs im Fokus.

1.1

Thematik des Lehrbuchs

Die zentrale Thematik des Lehrbuchs sind Kartellabsprachen als ein Teilgebiet der Wettbewerbspolitik. Zur Einführung in das Thema wird daher zunächst eine Einordnung innerhalb des übergeordneten Bereichs des Wettbewerbs vorgenommen. Wettbewerb kann allgemein charakterisiert werden als ein dynamisches Ausleseverfahren, bei dem die Wettbewerber das gleiche Ziel verfolgen, aber ein höherer Zielerreichungsgrad eines Wettbewerbers einen niedrigeren Zielerreichungsgrad der anderen Wettbewerber bedingt –

und außenstehende Dritte darüber entscheiden, wer das Ziel in welchem Umfang erreicht. Daher ist Wettbewerb durch Rivalität und ein gegenseitiges Abhängigkeitsverhältnis geprägt – und an sich nicht auf im engeren Sinne wirtschaftliche Phänomene beschränkt, sondern auch auf andere Gebiete wie beispielsweise den Sport oder die Kultur anwendbar. Wirtschaftlicher Wettbewerb auf Märkten ist aus volkswirtschaftlicher Sicht im Regelfall sowohl schützenswert als auch schutzbedürftig. Wettbewerb ist schützenswert aufgrund seiner vielfältigen Funktionen wie etwa der Angebotslenkung durch Konsumentenpräferenzen, der Erreichung einer optimalen Faktorallokation, der Gewährleistung eines effizienten Faktoreinsatzes sowie der Erzielung einer leistungsgerechten Einkommensverteilung und einer großen Anpassungsflexibilität – die letztlich auch dem technischen Fortschritt in Form von Innovationen zum Durchbruch verhelfen kann. Wirtschaftlicher Wettbewerb ist aber auch schutzbedürftig, sofern für einzelne Marktteilnehmer Anreize und Möglichkeiten bestehen, den herrschenden Wettbewerb einzuschränken. Solche Wettbewerbsbeschränkungen sind Handlungen bzw. Verhaltensweisen von Marktteilnehmern, die den Einsatz marktrelevanter Aktionsparameter freiwillig oder zwangsweise ein­ schrän­ken, beseitigen oder verhindern, um sich auf Kosten anderer Konkurrenten auf der gleichen oder der gegenüberliegenden Marktseite

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020 K. Hüschelrath, Kartelle klipp & klar, WiWi klipp & klar, https://doi.org/10.1007/978-3-658-29139-6_1

1

2

1  Einführung in die Thematik und Konzeption des Lehrbuchs

ökonomische Vorteile zu verschaffen. Hierbei lassen sich grob die folgenden vier Arten von Wettbewerbsbeschränkungen unterscheiden: 1. Unternehmenszusammenschlüsse, 2. Kartellabsprachen, 3. Missbrauch von Marktmacht sowie 4. unlauterer Wettbewerb. Aus diesen vier Arten von Wettbewerbsbeschränkungen ergeben sich unmittelbar vier zen­ trale Aktionsfelder für die Wettbewerbspolitik, definiert als alle staatlichen Maßnahmen, die der Aufrechterhaltung des Wettbewerbs dienen. Neben der Bekämpfung der genannten Wettbewerbsbeschränkungen zählt hierzu auch eine aktive Gestaltung der Wettbewerbsvoraussetzungen – beispielsweise durch die Offenhaltung der Märkte bzw. die Beseitigung bestehender Marktschranken. Wettbewerbs- vs. Regulierungspolitik In Abgrenzung zur Wettbewerbspolitik – deren Regeln auf allen Märkten Anwendung finden – spielt Regulierungspolitik immer dann eine Rolle, wenn in bestimmten Industrien die begründete Erwartung besteht, dass unregulierter Wettbewerb entweder gar nicht funktionieren oder zumindest strukturell nicht zu den gewünschten Ergebnissen führen würde. Ein zentrales Beispiel für eine solch „begründete Erwartung“ ist das Vorliegen sogenannter monopolistischer Bottlenecks wie etwa dem Schienennetz im Bahnverkehr. Aufgrund der hohen (versunkenen) Kosten bei der Errichtung solcher Netze ist Wettbewerb (auf dieser Ebene) volkswirtschaftlich nicht wünschenswert, und Regulierungsbehörden müssen in der Folge eine dauerhafte Aufsicht über diese monopolistischen Bottlenecks führen (um somit eine Ausnutzung der entsprechenden Marktmacht zu unterbinden). Wettbewerb bei der Durchführung der entsprechenden Dienstleistungen „auf“ diesen monopolistischen Netzen ist hingegen im Regelfall nicht nur möglich, sondern auch volkswirtschaftlich wünschenswert.

Dieses Lehrbuch widmet sich nun insbesondere den Kartellabsprachen als Art der Wettbewerbsbeschränkung. Dabei können Kartelle ganz allgemein als Vereinbarungen zwischen miteinander im Wettbewerb stehenden Unternehmen bezeichnet werden, die eine Verhinderung, Einschränkung oder Verfälschung des Wettbewerbs bezwecken oder bewirken. Solche Absprachen beziehen sich zumeist auf bestimmte wettbewerbliche Aktionsparameter, die im Interesse der beteiligten Unternehmen aus dem Rivalitätsverhält-

nis herausgenommen werden. Beispiele hierfür sind Preisabsprachen, Kundengruppenabsprachen oder Marktanteilsabsprachen. Als charakteristische Merkmale von Kartellen gelten neben diesen expliziten Beschränkungen der Entscheidungsund Handlungsfreiheit der Mitglieder – mit dem Ziel einer Erhöhung der gemeinsamen Gewinne auf Kosten der nachgelagerten Wertschöpfungsstufen bzw. der Endkonsumenten – auch die unveränderte Rechts-, Organisations- und Eigentumsform der jeweiligen Kartellmitglieder. Aufgrund der im Regelfall klar negativen Wohlfahrtswirkungen von Kartellabsprachen sieht die überwältigende Mehrzahl der weltweiten Kartellgesetze ein Verbot solcher Absprachen vor und verhängt im Falle der Missachtung Bußgelder beziehungsweise in manchen Jurisdiktionen sogar Gefängnisstrafen für die verantwortlichen Manager. Hieraus lässt sich einerseits ableiten, dass Unternehmen einen großen Anreiz haben, entsprechende Vereinbarungen geheim zu halten. Das Studium des Verhaltens von Kartellen ist folgerichtig alles andere als einfach und gleicht einer „detektivischen“ Suche nach Indizien und deren konsistenter Interpretation. Andererseits erwächst hieraus die Frage, wie die staatliche Wettbewerbspolitik konsequent der Bildung von Kartellen entgegentreten soll. Neben der aktiven Aufdeckung solcher Absprachen steht komplementär hierzu auch die „richterliche“ Frage im Raum, in welchen Formen und in welcher Stärke aufgedeckte Kartelle bestraft werden sollen. Die Darstellung, Analyse und Verbindung dieser beiden zentralen Perspektiven von Kartellabsprachen  – der detektivischen und der richterlichen – macht das Forschungsgebiet nicht nur zu einem der abwechslungsreichsten und interessantesten der gesamten Mikroökonomik, sondern spiegelt sich auch in der Konzeption des Lehrbuchs wider, die im Folgenden skizziert wird.

1.2

Konzeption des Lehrbuchs

Kartellabsprachen im Rahmen eines ganzen Lehrbuchs zu betrachten, mag auf den ersten Blick ungewöhnlich anmuten  – denn üblicherweise werden solche Themen im Rahmen breite-

1.2  Konzeption des Lehrbuchs

rer industrieökonomischer oder wettbewerbsökonomischer Lehrbücher behandelt. Die Ent­scheidung dafür, ein solches Projekt dennoch zu verfolgen, war von zwei zentralen Beobachtungen geleitet. Erstens ließ sich in den vergangenen Jahrzehnten ein deutlicher Anstieg in der kartellbezogenen Forschung  – aus theoretischer wie empirischer Perspektive  – beobachten, und thematisch breitere Lehrbücher können diese Entwicklungen aus Platzgründen im Regelfall nur unvollkommen nachzeichnen. Aus wissenschaftlicher Perspektive lässt sich folglich ein Bedarf für ein Lehrbuch zu Kartellabsprachen ableiten. Zweitens ließen sich in den vergangenen Jahren zunehmende Aktivitäten der Wettbewerbs­ behörden im Bereich der Kartellverfolgung feststellen  – beispielsweise dokumentiert in der Einführung bzw. Reformierung von Kronzeugenprogrammen oder deutlichen Bemühungen einer Stärkung der privaten Durchsetzung des Kartellverbots. Hieraus lässt sich einerseits die all­ gemeine Notwendigkeit einer Evaluation der entsprechenden Politikmaßnahmen ableiten. Andererseits erfordert gerade die Ableitung tragfähiger Politikschlussfolgerungen in diesem Zusammenhang eine möglichst detaillierte Erfassung der institutionellen Details der zur An­wendung kommenden Instrumente und Verfahren. Hierbei spielt auch die interdisziplinäre Kooperation zwischen Rechts- und Wirtschaftswissenschaften eine zentrale Rolle. Somit lässt sich auch aus praktischer bzw. interdisziplinärer Perspektive ein Bedarf für ein Lehrbuch zu Kartellabsprachen ableiten. Unter Erfassung möglichst vieler institutioneller Details verfolgt das Lehrbuch sowohl das Ziel einer „detektivischen“ Charakterisierung des Verhaltens von Kartellen als auch einer konsistenten Darstellung – und wenn möglich Evaluation  – zentraler „richterlicher“ (bzw. „behörd­ licher“) Instrumente und Maßnahmen der Kartellverfolgung in der Europäischen Union und der Bundesrepublik Deutschland mithilfe ausgewählter Methoden der (qualitativen und quantitativen) empirischen Wirtschaftsforschung. Strukturell wird der Untersuchungsvorgang dabei geleitet von dem in der Praxis implementierten Prozess der Kartellverfolgung, der sich grob

3

unterteilen lässt in die Charakterisierung und Bestimmung der Wohlfahrtseffekte von Kartellabsprachen, deren wettbewerbspolitische Verfolgung  – unterteilt in Aufdeckung und Inter­ vention – sowie im Nachgang die Evaluation der entsprechenden Instrumente und Verfahren. Empirische Wirtschaftsforschung Der Begriff der empirischen Wirtschaftsforschung steht in der Volkswirtschaftslehre für die Entwicklung und Anwendung von Methoden zur empirischen Überprüfung ökonomischer Hypothesen sowie zur Analyse der Effizienz wirtschaftspolitischer Instrumente. Die Hauptziele liegen insbesondere in einer Unterscheidung von empirisch tragfähigen Theorien und nichttragfähigen Theorien sowie der Durchführung von Prognosen. Hierfür steht eine Reihe von Methoden wie Befragungen, Experimenten sowie die Aufstellung und Auswertung formaler (ökonometrischer) Modelle zur Verfügung.

Um diese Ziele zu erreichen, ist das Lehrbuch in sechs Kapitel gegliedert. Während das nachfolgende Kap. 2 eine „detektivisch-richterliche“ Einführung in die Ökonomik der Kartelle und der Kartellverfolgung bietet, nutzen die nachfolgenden Kap.  3 und  4 einen detaillierten Datensatz von zwischen 2001 und 2015 durch die Europä­ ische Kommission entschiedenen Kartellfällen einerseits für eine summarische qualitativ-empirische Betrachtung stilisierter Fakten der betreffenden Kartelle und der Kartellverfolgung. Andererseits erfolgen sowohl detailliertere quantitativ-­empirische Analysen spezifischerer „detektivischer“ Themen wie beispielsweise Determinanten der Dauer von Kartellzugehörigkeiten als auch Evaluationen ausgewählter „richterlicher“ Instrumente und Verfahren wie beispiels­weise des Kronzeugenprogramms oder des Berufungsverfahrens. Die nachfolgenden Kap. 5 und 6 komplementieren dann die branchenübergreifende Analyse auf EU-Ebene mit einer detaillierten quantitativ-­ empirischen Betrachtung eines spezifischen Kartells: des jüngsten deutschen Zementkartells. Mithilfe eines umfangreichen Datensatzes von Listen- und Transaktionspreisen sowohl aus der Zeit des Kartells als auch nach dessen Zusammenbruch stehen neben ausgewählten „detektivischen“ Analysen der Kartellstabilität und des Kartellzusammenbruchs dabei auch „richterli-

4

1  Einführung in die Thematik und Konzeption des Lehrbuchs

che“ Fragen der Kartellaufdeckung und der Kartellverfolgung im Mittelpunkt der Betrachtung. Zum Abschluss von Kap. 1 soll ein detaillierterer Überblick über die einzelnen Themenfelder des Lehrbuchs in Form von genaueren Inhaltsbeschreibungen der einzelnen Kapitel gegeben werden. Auf diese Weise können nicht nur die ­Erwartungen der Leserin bzw. des Lesers kanalisiert werden, sondern es kann auch bereits ein erster Eindruck davon vermittelt werden, wie reichhaltig das Thema Kartellabsprachen aus sowohl „detektivischer“ als auch aus „richterlicher“ Perspektive ist. Kap. 2 Das Kap. 2 des Lehrbuchs ist von dem Ziel einer allgemeinen theoretischen und empirischen Einführung in die Ökonomik der Kartelle und der Kartellverfolgung geleitet. In Abschn. 2.1 erfolgt zunächst eine Charakterisierung des Begriffs des Kartells, wie er im Rahmen des Lehrbuchs Anwendung findet. Angesichts der verschiedenen Formen von Vereinbarungen zwischen Wettbewerbern erweist sich eine solche Abgrenzung als alles andere als trivial. Abschn. 2.2 widmet sich dann einer Beurteilung der Wohlfahrtseffekte von Kartellen. Besonderes Augenmerk wird dabei auf die Stabilität von Kartellen und damit die implizite Frage gelegt, wie schwerwiegend die im Regelfall negativen Wohlfahrtseffekte von Kartellen sein können. Ausgehend von der zentralen Erkenntnis, dass Kartelle Kunden und Verbrauchern oftmals dauerhaften und erheblichen Schaden zufügen, geht Abschn. 2.3 auf die sich anschließende Frage ein, wie ein Kartellverbot von einer Wettbewerbsbehörde, kartellgeschädigten Parteien sowie dem jeweiligen Gerichtssystem durchgesetzt werden kann und soll. Im Bereich der öffentlichen Durchsetzung ist dabei die Bewertung von sowohl Ex-ante-Instrumenten zur Verringerung der Anreize zur Bildung von Kartellen als auch von Ex-post-Instrumenten zur Aufdeckung und Intervention gegen bestehende Kartelle von entscheidender Bedeutung. In Abgrenzung dazu erfolgt bei der Bewertung der privaten Durchsetzung eine Konzentration auf die Identifizierung und

Quantifizierung der durch Kartelle verursachten Schäden. Da der langfristige Erfolg wettbewerbspolitischer Maßnahmen gegen Kartelle von einer kontinuierlichen Verbesserung und Feinabstimmung der Durchsetzungsinstrumente abhängt, werden in Abschn. 2.4 abschließend einige Optionen zur Bewertung der Wirksamkeit von wettbewerbspolitischen Maßnahmen gegen Kartelle diskutiert. Kap. 3 In Kap.  3 des Lehrbuchs stehen konkret EU-­ Kartelle im Mittelpunkt der Betrachtung  – also (im Regelfall) international operierende Kartelle, die von der Europäischen Kommission aufgedeckt und mit einem Bußgeld belegt wurden. Im Anschluss an eine einführende Beschreibung des zur Anwendung kommenden Datensatzes in Abschn.  3.1 gibt der nachfolgende Abschn.  3.2 einen Überblick über alle von der Europäischen Kommission zwischen 2001 und 2015 entschiedenen Kartellfälle. Im Rahmen der qualitativ-­ empirischen Analyse erfolgt insbesondere eine Betrachtung der folgenden sieben Dimensionen von Kartellen: (1) Anzahl der Fälle, Kartelle und beteiligten Firmengruppen, (2) Kartellmarktanteile und Marktanteilsasymmetrien, (3) beteiligte Branchen, (4) betroffene Länder, (5) Arten von Verstößen, (6) Arten von Kartellzusammenbrüchen sowie (7) Kartelldauer. Im nachfolgenden Abschn.  3.3 rückt dann eine Dimension von Kartellen besonders in den Fokus, nämlich die Kartelldauer im Allgemeinen sowie die Determinanten der Dauer der Beteiligung einzelner Unternehmen an Kartellen im Besonderen. Neben einer grundlegenden Diskussion der Unterschiede und der Relevanz beider Analyseebenen stehen dabei insbesondere die Beschreibung des empirischen Ansatzes sowie die Diskussion und Interpretation der erzielten Ergebnisse im Mittelpunkt der Betrachtung. Im abschließenden Abschn.  3.4 erfolgt dann ein Blick über den Tellerrand der Kartellab­ sprachen hinaus im Rahmen einer wiederum qualitativ-­empirischen Analyse des Zusammenhangs zwischen Kartellabsprachen und Fusionsaktivitäten. Im Anschluss an eine einführende Be-

1.2  Konzeption des Lehrbuchs

griffsabgrenzung sowie allgemeine theoretische Überlegungen wird eine empirische Analyse des Zusammenhangs zwischen Kartellzusammenbrüchen und Fusionsaktivität für eine Auswahl von EU-Kartellen vorgenommen. Nach einer kurzen Diskussion ausgewählter Herausforderungen einer ökonometrischen Umsetzung schließt der Abschn.  3.4 mit der ­Ableitung einiger wettbewerbspolitischer Implikationen. Kap. 4 In Kap. 4 des Lehrbuchs erfolgt eine Erweiterung der Analyse von EU-Kartellen um den Prozess der EU-Kartellverfolgung. Dieser schließt – wie im Rahmen einer einführenden Charakterisierung in Abschn. 4.1 dargestellt – neben der Analyse und Entscheidung durch die Europäische Kommission auch (etwaige) gerichtliche Untersuchungen und Urteile des Gerichts der Europä­ ischen Union (EuG, erstinstanzlich) beziehungsweise des Europäischen Gerichtshofs (EuGH, höchstrichterlich) mit ein. Der sich anschließende Abschn. 4.2 gibt dann einen ersten qualitativ-empirischen Überblick über den Kartellverfolgungsprozess in der Europäischen Union. Hierbei erfolgt eine Unterteilung in die folgenden sechs Dimensionen: (1) Dauer der Kartellverfolgung, (2) Arten der Kartellaufdeckung, (3) das Kronzeugenprogramm, (4) das Verständigungsverfahren, (5) die von der Europäischen Kommission verhängten Bußgelder und (6) das (mögliche) Berufungsverfahren vor dem EuG beziehungsweise dem EuGH. Abschn. 4.3 widmet sich dann der Motivation, dem Aufbau und den Ergebnissen einer ökonometrischen Analyse der Wirksamkeit des Kronzeugenprogramms der Europäischen Kommission. Dem schließt sich in Abschn.  4.4 eine entsprechend korrespondierende ökonometrische Betrachtung des im Jahre 2008 eingeführten Verständigungsverfahrens sowie in Abschn. 4.5 eine Analyse des Berufungsverfahrens an. Im letztgenannten Fall erfolgt dann eine Zweiteilung der Betrachtung in Determinanten der Nutzung des Verfahrens einerseits sowie Determinanten der Dauer der entsprechenden gerichtlichen Untersuchungen andererseits.

5

Kap. 5 In Kap. 5 des Lehrbuchs findet ein grundlegender Wechsel in der Analyseebene statt, und zwar von der branchenübergreifenden und aggregierten Betrachtung von EU-Kartellen sowie der EUKar­tellverfolgung in den vorangegangenen beiden Kapiteln hin zu einer sehr viel detaillierteren Betrachtung eines spezifischen Kartells: des jüngsten deutschen Zementkartells. Für dieses Kartell liegt – neben umfangreichen Informationen über die Industrie an sich – insbesondere ein umfangreicher Datensatz von Listen- und Transaktionspreisen sowohl aus der Zeit des Kartells als auch nach dessen Zusammenbruch vor, auf Basis dessen dann deutlich fokussiertere Einblicke in ausgewählte Perspektiven der Kartellstabilität und des Kartellzusammenbruchs gegeben werden können. Konkret führt Abschn.  5.1 zunächst in die deutsche Zementindustrie sowie das deutsche Zementkartell ein und beschreibt im Anschluss die zur Anwendung kommenden Datensätze genauer. Dem schließen sich in Abschn. 5.2 und 5.3 spezifischere Analysen der externen bzw. internen Stabilität des deutschen Zementkartells an. Abgeschlossen wird das Kap.  5 dann mit einer Untersuchung ausgewählter räumlicher Implikationen von Kartellbildung und -zusammenbruch in Abschn. 5.4. In allen drei Abschnitten erfolgt zunächst eine Darstellung der jeweils relevanten Branchenentwicklungen, gefolgt von der theoretischen Ableitung entsprechender Hypothesen, die dann im Anschluss empirisch getestet werden und in die Ableitung wettbewerbspolitischer Schlussfolgerungen münden. Kap. 6 Im abschließenden Kap.  6 des Lehrbuchs steht die Aufdeckung und Verfolgung des deutschen Zementkartells im Mittelpunkt der Betrachtung. Zu Beginn erfolgt dabei in Abschn. 6.1 eine Beschreibung der Prozesse und der Ergebnisse der öffentlichen wie privaten Verfolgung der Mitglieder des deutschen Zementkartells. Während im Fokus der Betrachtung des öffentlichen Verfahrens die Untersuchung und Entscheidung des Falles durch das Bundeskartellamt (BKartA) – in Verbindung mit dem nachgelagerten Urteil des 2.

6

1  Einführung in die Thematik und Konzeption des Lehrbuchs

Kartellsenats am Oberlandesgericht (OLG) Düsseldorf – steht, konzentriert sich die Analyse der komplementären privaten Verfolgung auf die Aktivitäten der Unternehmung Cartel Damage Claims (CDC) im Rahmen verschiedener Zivilprozesse. Der sich anschließende Abschn.  6.2 widmet sich dann der proaktiven Aufdeckung von Kartellen. Hierbei wird das Argument entwickelt, dass neben Wettbewerbsbehörden oder direkten Wettbewerbern auch die Kunden von an Kartellen beteiligten Unternehmen Möglichkeiten zur proaktiven Aufdeckung solcher verbotenen Absprachen haben. Konkret wird  – unter Nutzung des umfangreichen Datensatzes von Listen- und Transaktionspreisen aus der deutschen Zementindustrie  – die Anwendung eines einfachen Strukturbruchtests in Kombination mit einer anschließenden multivariaten Regressionsanalyse vorgeschlagen, um kartellverdächtige Preisentwicklungen als Kunde aufzuspüren und so möglicherweise an der Aufdeckung eines Kartells aktiv mitzuwirken. Der abschließende längere Abschn. 6.3 widmet sich dann der Verfolgung des deutschen Zementkartells mit einem Fokus auf den privaten Aktivitäten. Da im Rahmen solcher Verfahren der Quantifizierung des kartellbedingten Schadens eine Schlüsselrolle zukommt, erfolgt in Abschn. 6.3.1 zunächst eine genauere Beschreibung dieses Ermittlungsprozesses im Allgemeinen und der zur Verfügung stehenden empirischen Methoden im Besonderen. Dem schließt sich dann in den folgenden beiden Abschnitten eine konkrete Anwendung ausgewählter empirischer Methoden für den Fall des deutschen Zementkartells an. Während dabei in Abschn. 6.3.2 lediglich öffentlich verfügbare Preisindexdaten genutzt werden, kommt im nachfolgenden Abschn.  6.3.3 wiederum der umfangreiche Datensatz aus Listen- und Transaktionspreisen zur Anwendung. Ein Vergleich der erzielten Ergebnisse unter Verwendung der beiden unterschiedlichen Datensätze schließt dann das Kap. 6 wie auch das gesamte Lehrbuch ab.

1.3

Zusammenfassung und Schlussfolgerungen

In Kap.  1 wurde zunächst in die grundlegende Thematik des Lehrbuchs eingeführt. Dabei stand neben der volkswirtschaftlichen Bedeutung von Wettbewerb und Wettbewerbspolitik und den Unterschieden zwischen Wettbewerbs- und Regulierungspolitik insbesondere die Einordnung von Kartellabsprachen als eine Art von Wettbewerbsbeschränkung im Mittelpunkt der Betrachtung. Anschließend wurde die Konzeption des Lehrbuchs vorgestellt, die  – unter Erfassung möglichst vieler institutioneller Details – geleitet wird sowohl von den Zielen einer „detektivischen“ Charakterisierung des Verhaltens von Kartellen als auch einer konsistenten Darstellung – und wenn möglich Evaluation – zentraler „richterlicher“ bzw. „behördlicher“ Instrumente und Maßnahmen der Kartellverfolgung in der Europäischen Union und der Bundesrepublik Deutschland mithilfe ausgewählter Methoden der (qualitativen und quantitativen) empirischen Wirt­ schaftsforschung.

1.4

Wiederholungsfragen

1. Was versteht man allgemein unter Wettbe werb? Lösung Abschn. 1.1 2. Warum wird Wettbewerb im Regelfall  – aus gesellschaftlicher Sicht  – als schützenswert angesehen? Lösung Abschn. 1.1 3. Warum ist Wettbewerb mitunter – aus gesellschaftlicher Sicht  – schutzbedürftig? Lösung Abschn. 1.1 4. Welche vier Arten von Wettbewerbsbeschränkungen lassen sich unterscheiden? Lösung Abschn. 1.1 5. Was versteht man allgemein unter Wettbe werbspolitik? Lösung Abschn. 1.1 6. Wie unterscheiden sich Wettbewerbspolitik und Regulierungspolitik voneinander? Lösung Abschn. 1.1

2

Ökonomik der Kartelle und Kartellverfolgung

Lernziele dieses Kapitels

• Verstehen des Kartellbegriffs • Erkennen der volks- und betriebswirtschaftlichen Wirkungen von Kartellabsprachen • Verstehen zentraler theoretischer und empirischer Erkenntnisse zu Kartellbildung und -stabilität • Einordnen der wettbewerbspolitischen Möglichkeiten zur Kartellverfolgung • Erkennen der Unterschiede zwischen öffentlicher und privater Durchsetzung des Kartellverbots • Systematisieren von Ex-ante- und Expost-Durchsetzungsinstrumenten • Unterscheiden zwischen reaktiven und proaktiven Methoden der Kartellaufdeckung • Ermitteln optimaler Unternehmensbußgelder • Erkennen der Funktionsweise von Kron­ zeugenprogrammen • Unterscheiden zwischen Identifizierung und Quantifizierung von Kartellschäden • Einordnen verschiedener Methoden zur Evaluation von wettbewerbspolitischen Maßnahmen

Mit dem Ziel einer allgemeinen Einführung in die Ökonomik der Kartelle und der Kartellverfolgung ist Kap. 2 – in Anlehnung an Hüschelrath und Weigand (2013)  – wie folgt aufgebaut. In Abschn. 2.1 erfolgt zunächst eine Charakterisierung des Begriffs des Kartells, wie er im Rahmen des Lehrbuchs Anwendung findet. Angesichts der verschiedenen Formen von Vereinbarungen zwischen Wettbewerbern erweist sich eine sol­ che Abgrenzung als alles andere als trivial. Abschn. 2.2 widmet sich dann einer Beurteilung der Wohlfahrtseffekte von Kartellen. Besonderes Augenmerk wird dabei auf die Stabilität von Kartellen und damit die implizite Frage gelegt, wie schwerwiegend die im Regelfall negativen Wohlfahrtseffekte von Kartellen sein können. Ausgehend von der zentralen Erkenntnis, dass Kartelle Kunden und Verbrauchern oftmals dauerhaften und erheblichen Schaden zufügen, geht Abschn.  2.3 auf die sich anschließende Frage ein, wie ein Kartellverbot von einer Wettbewerbsbehörde, kartellgeschädigten Parteien sowie dem jeweiligen Gerichtssystem durchgesetzt werden kann und soll. Im Bereich der öffentlichen Durchsetzung ist dabei die Bewertung von sowohl Ex-ante-Instrumenten zur Verringerung der Anreize zur Bildung von Kartellen als auch von Ex-post-Instrumenten zur Aufdeckung und Intervention gegen bestehende Kartelle von

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020 K. Hüschelrath, Kartelle klipp & klar, WiWi klipp & klar, https://doi.org/10.1007/978-3-658-29139-6_2

7

2  Ökonomik der Kartelle und Kartellverfolgung

8

entscheidender Bedeutung. In Abgrenzung dazu erfolgt bei der Bewertung der privaten Durchsetzung eine Konzentration auf die Identifizierung und Quantifizierung der durch Kartelle verursachten Schäden. Da der langfristige Erfolg wettbewerbspolitischer Maßnahmen gegen Kartelle von einer kontinuierlichen Verbesserung und Feinabstimmung der Durchsetzungsinstrumente abhängt, werden in Abschn.  2.4 einige Optionen zur Bewertung der Wirksamkeit von wettbewerbspolitischen Maßnahmen gegen Kartelle diskutiert.

2.1

Charakterisierung

Jede wirtschaftswissenschaftliche Untersuchung von Kartellen erfordert einführend eine möglichst klare Definition des Untersuchungsgegenstandes. Neben einer allgemeinen Definition des Begriffs des Hardcorekartells – im weiteren Verlauf des Lehrbuchs einfach Kartell genannt  – muss insbesondere ein Verständnis der Motive der beteiligten Unternehmen für ein Engagement in solche – heutzutage im Regelfall verbotenen – Absprachen entwickelt werden.

2.1.1 Definition des Kartellbegriffs Dieses Ziel vor Augen ist es zu Beginn hilfreich, einige alternative Definitionen des Kartellbegriffs aus anerkannten Lehrbüchern der Indus­ trieökonomik gegenüberzustellen: cc Definition 1: „Ein Unternehmensverbund, der sich ausdrücklich verpflichtet, seine Aktivitäten zu koordinieren, wird als Kartell bezeichnet“ (Carlton und Perloff 2004, S.  121; übersetzt durch den Autor). cc Definition 2: „Kartelle sind Verbünde un­ abhängiger Unternehmen derselben Branche, die gegründet werden, um ihre gemeinsamen Ge­ winne durch Einschränkung des herrschen­ den Wettbewerbs zu steigern“ (Lipczynski und Wilson 2001, S. 59; übersetzt durch den Autor).

cc Definition 3: „Ein Kartell ist eine Gruppe von Unternehmen, die sich ausdrücklich darauf ge­ einigt hat, ihre wirtschaftlichen Aktivitäten zu koordinieren, um den Marktpreis zu erhöhen, d. h., sie haben eine Art Preisabsprache getroffen“ (Pepall et  al. 2001, S.  345; übersetzt durch den Autor). Ein Vergleich der drei Definitionen zeigt sowohl signifikante Unterschiede als auch wichtige Gemeinsamkeiten. Die erste Definition ist sicherlich die breiteste, da sie das Kartell als jede explizite Koordinierung der Aktivitäten durch einen Unternehmensverbund bezeichnet. Für kartellrechtliche Zwecke ist diese Definition zu weit gefasst und zu unspezifisch, da sie beispielsweise auch die Gründung eines gemeinsamen Fußballvereins durch mehrere konkurrierende Unternehmen als Kartell definieren würde. Die bereits in der Definition erwähnte Ausdrücklichkeit einer Kartellvereinbarung  – typischerweise erfüllt durch das Vorhandensein eines schriftlichen oder mündlichen Vertrages – ist allerdings ein wesentliches Merkmal von Kartellen und grenzt diese von verschiedenen Formen der sogenannten stillschweigenden Absprachen (im Englischen: „tacit collusion“) ab. Stillschweigende Absprachen Stillschweigende Absprachen („tacit collusion“) unterscheiden sich insofern von expliziten Absprachen, als sie keine direkte Kommunikation zwischen den Parteien in schriftlicher oder mündlicher Form beinhalten. Obwohl daher ein Begriff wie „stillschweigende Koordination“ geeigneter erscheint, so bringt die Namensgebung klar zum Ausdruck, dass das Marktergebnis in Bezug auf die beobachtbaren Preise und produzierten Mengen durchaus einer expliziten Absprache nahekommen kann. Erwähnenswert ist in diesem Zusammenhang ferner, dass die industrieökonomische Theorie bislang kaum zwischen beiden Formen der Absprache unterschieden hat, aus rechtlicher Sicht allerdings explizite Absprachen klar verboten sind, während gegen stillschweigende Absprachen/ Koordination im Regelfall keine rechtliche Handhabe besteht.

Die zweite Definition ist eng mit der ersten verbunden, betont aber zusätzlich eine Grundmotivation von Kartellen  – nämlich die Erhöhung der gemeinsamen Gewinne  – und legt auch die

2.1 Charakterisierung

Methode – nämlich die Einschränkung des herrschenden Wettbewerbs – präziser fest. Beide Kriterien tragen beispielsweise dazu bei, die oben angesprochene Gründung eines gemeinsamen Fußballvereins zwischen in direktem Wettbewerb stehenden Unternehmen als Kartell auszuschließen; insofern kann dieser Definitionsversuch als ein Schritt nach vorne auf der Suche nach einer geeigneten Arbeitsdefinition des Kartellbegriffs für die Zwecke dieses Lehrbuchs angesehen werden. Die zweite Definition ist jedoch noch dahin gehend als zu unkonkret zu klassifizieren, dass sie keine Differenzierung in der Koordinierung von Aktivitäten von im Wettbewerb stehenden Unternehmen vornimmt. Unternehmen können sich auf die Koordinierung vieler unterschiedlicher (möglicherweise) wettbewerbsrelevanter Ak­ tivitäten einigen  – wie z.  B.  Preise, Mengen, Kunden, Gebiete, Marketingpläne, Beschaffung von Vorprodukten, Investitionen in Forschung und Entwicklung (F&E), allgemeine Geschäftsbedingungen, Rabatte, Normungspläne usw. – es ist jedoch nicht davon auszugehen, dass eine Kartellierung jeder dieser Aktivitäten aus wettbewerbspolitischer Sicht von gleichhohem Inte­ resse sein sollte. So ist beispielsweise anzunehmen, dass Kooperationen zwischen Wettbewerbern im Bereich der F&E eher zu positiven volkswirtschaftlichen Wirkungen – beispielsweise in Form von günstigeren und qualitativ höherwertigen Produkten und Dienstleistungen – führen als Kooperationen in der Preissetzung für bereits bestehende Güter. Die dritte Definition ist in dieser Hinsicht recht präzise, da sie ein Kartell als eine ausdrückliche Vereinbarung zwischen im Wettbewerb stehenden Unternehmen zur Erhöhung des Marktpreises bezeichnet. Da die Erhöhung des Marktpreises für die Wettbewerbspolitik von zentraler Bedeutung ist, kann diese dritte Defi­ nition als angemessene Arbeitsdefinition des Kartellbegriffs für die Zwecke dieses (wirtschaftswissenschaftlichen) Lehrbuchs gelten. Dies schließt freilich weder aus, dass zukünftige Forschungsergebnisse eine weitere Konkretisierung des Kartellbegriffs erfordern, noch dass in

9

angrenzenden Wissenschaften  – wie insbesondere den Rechtswissenschaften  – abweichende bzw. noch deutlich konkretere Definitionen zur Anwendung kommen. Hub-and-Spoke-Kartelle Obwohl die direkte Kommunikation zwischen den Kartellmitgliedern  – auf der gleichen horizontalen Wertschöpfungsstufe  – zwar zweifellos als die Standardmethode zur Einrichtung eines Kartells bezeichnet werden kann, so diskutiert Harrington (2018) die alternative Möglichkeit der Bildung sogenannter Hub-and-Spoke-Kartelle. Hierbei finden die entsprechenden koordinativen Aktivitäten nicht direkt zwischen den direkten Wettbewerbern („spokes“) statt, sondern unter Zwischenschaltung der vor- bzw. nachgelagerten Wertschöpfungsstufe („hub“). Die Kartellabsprache bekommt somit eine vertikale Komponente. Ohne an dieser Stelle der rechtlichen Frage nachgehen zu wollen, ob und unter welchen Umständen solche Absprachen als bebußungswürdiges Kartell zu klassifizieren sind, so stellen sich aus ökonomischer Sicht insbesondere die Fragen, weshalb einerseits vor- bzw. nachgelagerte Stufen überhaupt ein Interesse an der Bildung eines solchen Kartells haben sollten und andererseits die Unternehmen der gleichen horizontalen Wertschöpfungsstufe eine solche Form der Kartellorganisation einer „konventionellen“ direkten Absprache vorziehen sollten. Harrington (2018) kommt diesbezüglich unter anderem zu dem Schluss, dass konkrete Hub-and-SpokeKartelle zumeist von dem jeweiligen (vorgelagerten) Hub initiiert wurden, um auf diese Weise den Wettbewerb auf den (nachgelagerten) Absatzmärkten zu beschränken.

Bevor im nachfolgenden Abschnitt die (unternehmerischen) Motivationen zur Kartellbildung im Mittelpunkt der Betrachtung stehen, muss abschließend noch konkretisiert werden, welche Arten von expliziten Vereinbarungen das Potenzial haben, den Marktpreis zu erhöhen und somit als Kartellabsprache klassifiziert zu werden. Die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) sowie Crampton (2003, S. 5) bezeichnen solche Kartelle als Hardcorekartelle und subsumieren darunter insbesondere folgende Vereinbarungen: Preisabsprachen, Angebotsabsprachen („bid rigging“), Produktionsbeschränkungen und -quoten sowie die Aufteilung von Kunden, Lieferanten, Liefergebieten und Vertriebskanälen. Die konkrete Wahl zwischen diesen verschiedenen Arten der Kartellbildung hängt aus Unternehmenssicht stark von den Bedingungen des zu

10

kartellierenden Marktes ab. Während sich in relativ überschaubaren Märkten mit einfachen, standardisierten Produkten Vereinbarungen lediglich auf den Preis konzentrieren können, machen es komplexere Märkte oft notwendig, andere Arten von Vereinbarungen anzuwenden, wie beispielsweise die Abgrenzung von exklusiven Gebieten oder Kundengruppen (siehe dazu genauer Hay 1993). In Abschn. 3.2 des Lehrbuchs wird sich – für einen Datensatz von EU-Kartellen  – diesen verschiedenen Arten der Kartellbildung noch genauer zugewendet und dabei unter anderem festgestellt, dass im Rahmen realer Kartellabsprachen oftmals mehrere Arten kombiniert zur Anwendung kommen.

2.1.2 Motivationen zur Kartellbildung Während sich der nachfolgende Abschn. 2.2 noch genauer mit der Frage der Wohlfahrtswirkungen von Kartellabsprachen aus Sicht der Wirtschaftstheorie beschäftigen wird, soll in diesem Abschnitt vorab auf die Motivationen zur Kartell­ bildung aus Unternehmenssicht eingegangen werden. Hierbei lässt sich – wie bereits im vorangegangenen Abschnitt angedeutet  – zunächst feststellen, dass aus Unternehmenssicht grundsätzlich ein Anreiz zur Kartellbildung besteht, da die Koordination der jeweiligen Wettbewerbsaktivitäten höhere Gewinne erwarten lässt als unabhängiges (wettbewerbliches) Handeln in dem entsprechenden Markt. Aus wirtschaftstheoretischer Sicht lässt sich diese Aussage begründen mit der Internalisierung einer Externalität durch die Kartellabsprache: In einem wettbewerblichen Markt ist ein Unternehmen nur an der Beantwortung der Frage interessiert, ob und in welchem Ausmaß eine Verringerung seiner eigenen Produktion ihm selbst nützt, während es den (positiven) Effekt ignoriert, den eine Verringerung der eigenen Produktion (und des damit korrespondierenden Preisanstiegs) auf die Gewinne der anderen Unternehmen im Markt hat. Ein Kartell internalisiert diesen externen Effekt, indem es berücksichtigt, wie sich Änderungen des Produktionsniveaus der einzelnen Unter-

2  Ökonomik der Kartelle und Kartellverfolgung

nehmen auf die gemeinsamen Kartellgewinne auswirken. Das Kartell senkt also die gesamte Produktion unter das Wettbewerbsniveau und steigert damit die gemeinsamen Gewinne (siehe dazu Carlton und Perloff 2004). Obwohl die empirische Wirtschaftsforschung zahlreiche Fälle identifiziert hat, in denen Kartelle darauf abzielten, Gewinne durch die Ausbeutung von Kunden zu erhöhen  – siehe dazu insbesondere die ausführlichen Darstellungen zum deutschen Zementkartell in Kap. 5 und 6 des Lehrbuchs  – stützen frühe empirische Studien diese Annahme überraschenderweise nicht vollumfänglich. So untersuchen beispielsweise Asch und Seneca (1976) in einer viel zitierten Forschungsarbeit, ob sich, erstens, die Gewinnraten von kolludierenden Unternehmen von denen nichtkolludierender Unternehmen unterscheiden, und, zweitens, ob die Häufigkeit von Kollusionen selbst anhand der Struktur und der Transaktionsmuster der betroffenen Unternehmen und Märkte erklärt werden kann. Die Ergebnisse von Asch und Seneca (1976) zeigen, dass kolludierende Unternehmen weniger profitabel sind als nichtkolludierende Unternehmen und dass zwischen den beiden Gruppen erhebliche strukturelle Unterschiede bestehen. Die beiden Autoren bezweifeln jedoch, dass Absprachen wirklich konsequent zu einer geringeren Rentabilität führen, und erklären ihre Ergebnisse unter anderem damit, dass sich die Kartellbekämpfung weitgehend auf die erfolglosen bzw. weniger erfolgreichen Kartelle konzentriert – da die wirklich erfolgreichen Kartelle bislang unentdeckt geblieben sind und daher nicht Teil der Studie sein können. Eine weitere von Asch und Seneca (1976) diskutierte Erklärung ist die Möglichkeit, dass unbefriedigende Marktergebnisse Unternehmen zu Kartellabsprachen motivieren können  – allerdings unter Bedingungen, die zur Schaffung solcher Absprachen nicht günstig sind. Ein solches Argument basiert unter anderem auf der Hypothese, dass Kartelle „Kinder der Not“ sein könnten, also Kartelle innerhalb einer Branche (oder einer ganzen Volkswirtschaft) in wirtschaftlich schwierigen Zeiten gebildet werden – die durch unbefriedigende Wirtschaftsleistung sowie hohes

2.1 Charakterisierung

Risiko und Unsicherheit gekennzeichnet sind  – und dann das Ziel verfolgen, den herrschen­ den Verdrängungswettbewerb (beispielsweise in Form von Preiskriegen) abzuschwächen. Wie von Lipczynski und Wilson (2001, S.  50; übersetzt durch den Autor) ausgeführt, werden Kartellabsprachen als eine Möglichkeit angesehen, den Wettbewerbsdruck durch vereinheitlichtes Handeln zu verringern, und nicht nur als eine Strategie zur Maximierung gemeinsamer Gewinne … Belege zeigen, dass Unternehmen kartellartige Vereinbarungen eingehen, um sich selbst zu schützen, und nicht aufgrund des Wunsches, die Abnehmer auszubeuten. Solche Vereinbarungen neigen dazu, potenzielle Marktteilnehmer und neue Produkte, die die Stabilität bestehender Unternehmen gefährden könnten, fern- oder [zumindest] unter Kontrolle zu halten.

Aus historischer Sicht argumentiert Neumann (2001, S. 24), dass grundlegende Veränderungen in der Produktionstechnologie in der zweiten Hälfte des 19. Jahrhunderts – zum Teil über die korrespondierenden Veränderungen in den Kostenstrukturen der Unternehmen – zu Großunternehmen führten, die aufgrund des typischerweise hohen Fixkostenanteils besonders anfällig für Konjunkturabschwünge waren. Nach Bittlingmayer (1992) kann insbesondere die Kombination aus hohen Fixkosten und volatiler Nachfrage tatsächlich wirtschaftliche Situationen verursacht haben, in denen der Marktpreis unter die Durchschnittskosten fiel. Aus dieser Perspektive könnten die damaligen Kartelle als Instrument zur Verhinderung eines „übermäßigen“ Preisverfalls angesehen werden und daher durchaus im öffentlichen Interesse gewesen sein. Obwohl einige dieser Argumente eine wichtige Rolle bei der Duldung von Kartellen in mehreren europäischen Ländern im 19. und frühen 20.  Jahrhundert spielten (siehe Resch 2005 für einen wirtschaftshistorischen Überblick), unterstützt die zeitgenössische Wirtschaftsforschung überwiegend nicht die Ansicht, dass moderne Kartelle nur als Reaktionen auf „harte Zeiten“ in den jeweiligen Branchen bzw. Volkswirtschaften zu werten sind. Neben allgemeinen Einwänden gegen solche Argumente – die beispielsweise daran erinnern könnten, dass der Wettbewerbsdruck in jeder Marktwirtschaft eine unverzichtbare

11

Rolle spielt (und typischerweise im gesellschaftlichen Interesse liegt) – deuten sowohl theoretische Analysen (siehe beispielsweise Haltiwanger und Harrington 1991) als auch empirische Untersuchungen (siehe beispielsweise Dick 1996 oder Bagwell und Staiger 1997 sowie insbesondere Abschn. 3.3) darauf hin, dass Kartelle in Rezessionen mit einer größeren Wahrscheinlichkeit auseinanderbrechen. Diese Ergebnisse stehen somit im klaren Widerspruch zur Auslegung der Kartellbildung als „Kinder der Not“. Legale Kartelle Im Gegensatz zu dem heutzutage in den meisten Ländern der Welt geltenden Kartellverbot waren Regierungen in früheren Dekaden solchen Absprachen gegenüber nicht immer so kritisch eingestellt. So wurde die Bildung von Kartellen in den USA in der Zeit von 1933 bis 1935 ausdrücklich gefördert, um die Weltwirtschaftskrise zu überwinden. Auch in Großbritannien wurden Kartelle vom Zweiten Weltkrieg bis 1956 legalisiert, um das nationale Wachstum zu fördern. In Deutschland existierten sogar vom Inkrafttreten des Gesetzes gegen Wettbewerbsbeschränkungen im Jahr 1958 bis zur siebten Novelle des Gesetzes im Jahr 2005 verschiedene Ausnahmetatbestände vom allgemeinen Kartellverbot in Form von (1) Anmeldekartellen, die allein mit der Anmeldung bei der Wettbewerbsbehörde wirksam wurden, (2) Widerspruchskartellen, die wirksam wurden, wenn die Wettbewerbs­ behörde nicht innerhalb einer Frist von drei Monaten widersprach, sowie (3) Erlaubniskartellen, die zu ihrer Wirksamkeit einer ausdrücklichen Erlaubnis durch die Wettbewerbsbehörde bedurften.

Neben den wirtschaftstheoretischen bzw. wirtschaftshistorischen Argumenten der „gemeinsamen Gewinnmaximierung“ bzw. der „Kinder in der Not“ als Erklärungen für die Bildung von Kartellen soll abschließend ein Blick auf Argumente geworfen werden, die die Kartelle selbst zur Rechtfertigung ihrer Absprachen vorgebracht haben. Obwohl ziemlich offensichtlich ist, dass solche Argumente nicht unbedingt die wahren Beweggründe für die Kartellbildung widerspiegeln müssen – sondern vielmehr ex post im Rahmen einer Verteidigungsstrategie vor der Wett­ bewerbsbehörde bzw. den entsprechenden Gerichten entwickelt worden sein könnten  – so sollten sie dennoch auf einer nachvollziehbaren wirtschaftswissenschaftlichen Argumentation auf­ bauen und somit hier auch kurz Erwähnung finden. Im Rahmen einer umfassenden Analyse

2  Ökonomik der Kartelle und Kartellverfolgung

12

identifizierte beispielsweise die World Bank (1999, S.  24) die folgenden vier Argumente für Kartellabsprachen, wie sie von den jeweiligen Kartellanten häufig vorgebracht wurden: 1. Die Branche kann im Wettbewerb nicht funktionieren. 2. Die Branche steht im Wettbewerb um Service und Qualität. 3. Sicherheit und Qualität der Produkte der Branche sinken ohne eine Kartellabsprache. 4. Die Kartellabsprache ist notwendig, um unlauteren und unethischen Wettbewerb zu unterbinden. Allen diesen Argumenten ist gemein, dass sie auf der Überzeugung aufbauen, dass der Wettbewerb in der jeweiligen Branche  – aus Sicht der Kartellanten  – zu suboptimalen Ergebnissen führt oder gar destruktiv wirken kann. Daher wird ein konzertiertes Vorgehen der Industrie als gerechtfertigt angesehen; dieses kann zwar zu höheren Preisen führen, ist aber auch verbunden mit Vorteilen für die Verbraucher wie beispielsweise der Aufrechterhaltung eines hohen Service- oder Qualitätsniveaus. Managerbeteiligung an Kartellabsprachen In direktem Zusammenhang mit den erörterten Gründen für einzelne Kartellanten, sich an einer Kartellvereinbarung zu beteiligen, lässt sich die entsprechende strategisch-betriebswirtschaftliche Entscheidung noch weiter nach unten verfolgen – und zwar in die jeweiligen Unternehmen hinein. Diesbezüglich lässt sich beispielsweise vermuten, dass Kartellabsprachen nicht zwingend von den jeweiligen Geschäftsführern bzw. Vorständen eingegangen werden, sondern vielmehr von im mittleren Management tätigen Produkt-, Marketing- oder Vertriebsmanagern  – die sich beispielsweise durch entsprechende Zielvorgaben seitens der Geschäftsführung so sehr unter Druck gesetzt fühlen, dass eine Kartellvereinbarung als „letzter Ausweg“ in Erwägung gezogen werden könnte. Für eine Umsetzung von Kartellabsprachen auf solchen Ebenen des mittleren Managements spricht ferner, dass dort im Regelfall die notwendigen Markt- und Detailkenntnisse vorliegen, die für eine erfolgreiche Kartellbildung und -stabilisierung notwendig sind. Vor diesem Hintergrund untersuchen Ashton und Pressey (2012) unter anderem die Rolle von Marketing- und Vertriebsmanagern innerhalb von 56 internationalen Kartellen über zwei Jahrzehnte (1990–2009). Sie zeigen, dass hochrangige Marketing- und Vertriebsmanager nachweislich an rund 43 % aller internationalen Kartelle beteiligt

waren, auch wenn sie oftmals von höherrangigen Führungskräften aus anderen Unternehmensbereichen und -funktionen dabei begleitet bzw. unterstützt wurden. Besonders häufig waren Marketing- und Vertriebsmanager federführend in weltweit operierenden Kartellen der verarbeitenden Industrie tätig, die auf Markt- oder Kundenaufteilungen basierten.

Ohne an dieser Stelle eine detaillierte Diskussion der einzelnen Argumente anzustreben, so kann ein einfaches, aber sehr entwaffnendes Gegenargument hierzu angeführt werden: Es ist in marktwirtschaftlichen Systemen mit entsprechenden Wettbewerbs- und Regulierungsgesetzen eben nicht an der jeweiligen Industrie, darüber zu entscheiden, ob der Wettbewerb aus ihrer Sicht „funktionsfähig“ ist. Die theoretische wie empirische Wirtschaftsforschung sowie eine Vielzahl von praktischen Erfahrungen zeigen, dass Wettbewerb in der Regel sozial wünschenswert ist, und es obliegt den jeweiligen Regierungen bzw. den zuständigen Wettbewerbs- und Regulierungsbehörden, darüber zu entscheiden, ob (temporäre oder dauerhafte) regulatorische Eingriffe in Märkte bzw. Branchen aus wohlfahrtsökonomischer Sicht erforderlich erscheinen.

2.2

Wohlfahrtseffekte

Auf Basis eines Grundverständnisses für die Motive der Unternehmen hinter Kartellabsprachen scheint auf den ersten Blick eine Bewertung der Wohlfahrtseffekte von Kartellabsprachen eine einfache Übung zu sein: Ein perfekt funktionierendes Kartell  – an dem alle Unternehmen aus dem entsprechenden Markt beteiligt sind und das sich auf enge Substitute bezieht – führt zu dem gleichen Marktergebnis wie ein Monopol und steht daher im Verdacht, die gleichen allokativen, produktiven und dynamischen Ineffizienzen zu verursachen (siehe dazu den nachfolgenden Abschn.  2.2.1). Die unterstellte Analogie zwischen Kartellen und Monopolen muss allerdings als unvollkommen angesehen werden, denn im Unterschied zur Situation eines Monopolisten haben die Kartellmitglieder ihre Selbstständigkeit und ihre wirtschaftlichen Eigeninteressen nur partiell aufgegeben. In Abschn. 2.2.2 erfolgt

2.2 Wohlfahrtseffekte

daher eine komplementäre Analyse der Wohlfahrtseffekte von Kartellen als eigener Organisationsform. Dort wird insbesondere auch der Frage nach der Stabilität von Kartellabsprachen nachzugehen sein.

13 Preis

PM

2.2.1 K  artelle analysiert als Monopole Ein aus wirtschaftstheoretischer Sicht naheliegender Beginn einer Analyse der Wohlfahrtswirkungen von Kartellabsprachen basiert auf der Annahme, dass Kartelle letztlich als künstlich geschaffene Monopole charakterisiert werden können. Demzufolge würden Kartelle zu identischen Wohlfahrtseffekten führen wie Monopole. Folgt man diesem Ansatz, so lässt sich eine Analyse der Wohlfahrtswirkungen insgesamt unterscheiden in eine allokative Komponente, eine produktive Komponente und eine dynamische Komponente. Alle drei Wirkungen werden im Folgenden kurz beschrieben.

2.2.1.1 Allokative Ineffizienz Ein fundamentales Ergebnis der wirtschaftstheoretischen Forschung ist die Erkenntnis, dass sich in einem Wettbewerbsmarkt im Gleichgewicht ein Marktpreis einstellt, der den Grenzkosten entspricht. Unter den Grenzkosten sind dabei die Kosten zu verstehen, die – ausgehend von einem gewissen Produktionsniveau – zusätzlich entstehen, wenn eine weitere Einheit des betreffenden Gutes produziert wird. Ein solches Gleichgewicht ist volkswirtschaftlich effizient, da alle Konsumenten, die mindestens bereit sind, die Produktionskosten des entsprechenden Gutes zu decken, das Gut erwerben können. In einem monopolistischen Markt hingegen hat das betreffende Unternehmen Anreize, seinen Gewinn durch eine Verknappung der Ausbringungsmenge und den damit korrespondierenden Anstieg des Marktpreises zu erhöhen. Dies lässt sich durch Abb. 2.1 verdeutlichen. Abb.  2.1 zeigt ein einfaches Preis-Mengen-Diagramm, in das eine lineare Nachfragefunktion eingezeichnet ist. Die Nachfragefunktion beschreibt den Zusammenhang zwischen

PC

Grenzerlös QM

QC

Grenzkosten Nachfrage Menge

Abb. 2.1  Allokativer Wohlfahrtsverlust durch monopolistische Preissetzung. (Quelle: eigene Darstellung)

nachgefragter Menge und Preis. Sie ist in der Regel negativ geneigt, da die nachgefragte Menge mit sinkendem Preis zunimmt. Abb.  2.1 zeigt ebenso die Grenzkosten (c) des betreffenden Gutes, die der Einfachheit halber als konstant angenommen werden. Dies impliziert, dass – unabhängig von der bislang produzierten Menge – die Kosten der Produktion einer weiteren Einheit identisch sind. Das Wettbewerbsgleichgewicht befindet sich dann an der Schnittstelle von Nachfragefunktion und Grenzkostenfunktion. Dies bedeutet, dass in einem wettbewerblich organisierten Markt mit den angenommenen Nachfrage- und Kostenfunktionen eine Menge QC ausgebracht wird, die zu einem Preis von PC  =  c verkauft wird. Wird anstelle eines Wettbewerbsmarkts hingegen ein monopolistischer Markt angenommen, so zeigt die wirtschaftstheoretische Forschung, dass das entsprechende Unternehmen die Anreize und die Möglichkeiten besitzt, die ausgebrachte Menge zu verknappen und dadurch den Marktpreis zu erhöhen. Auf diese Weise kann es den Gewinn so lange erhöhen, bis eine weitere Verknappung der Ausbringungsmenge den positiven Preiseffekt gerade überkompensiert. Diese aus Unternehmenssicht gewinnoptimale Preis-Mengen-Kombination wird in Abb.  2.1 durch den Preis PM und die Ausbringungsmenge QM an der Schnittstelle von Grenzkosten- und Grenzerlösfunktion dargestellt. Ein Vergleich der Ausbrin-

2  Ökonomik der Kartelle und Kartellverfolgung

14

gungsmengen im wettbewerblichen und im monopolistischen Zustand zeigt, dass in Letzterem nicht alle Konsumenten, die mindestens eine Zahlungsbereitschaft in Höhe der Grenzkosten aufweisen, mit dem entsprechenden Produkt (in den gewünschten Mengen) versorgt werden. Aus wohlfahrtsökonomischer Sicht wird durch das Monopol somit ein allokativ ineffizienter Zustand in Größe des grauen Dreiecks in Abb. 2.1 – des sogenannten Harberger-Dreiecks – herbeigeführt. In diesem Zusammenhang ist allerdings abschließend der Hinweis wichtig, dass sich diese Ineffizienz bei der Verfolgung eines Gesamtwohlfahrtsstandards nicht an den Konsumenten manifestiert, die das Produkt zu einem erhöhten Preis erwerben müssen, sondern nur an denjenigen, die es aufgrund der Preiserhöhung überhaupt nicht mehr erwerben können bzw. wollen. Erst die Einführung eines Konsumentenwohlfahrtsstandards berücksichtigt auch die Umwidmung von Teilen der Konsumentenrente in Produzentenrente und führt demnach zu einem Wohlfahrtsverlust in Größe des grauen Dreiecks und des schraffierten Rechtecks in Abb. 2.1.

2.2.1.2 Produktive und dynamische Ineffizienz Komplementär zu den im vorangegangenen Abschnitt beschriebenen allokativen Ineffizienzen eines monopolistischen Marktes müssen auch produktive Ineffizienzen Berücksichtigung finden. Ein Zustand produktiver Ineffizienz und der daraus implizierten Wohlfahrtseffekte ist in Abb. 2.2 dargestellt. Abb. 2.2 übernimmt die wesentlichen Grundannahmen aus Abb.  2.1, interpretiert die Grenzkostenfunktion aber als veränderlich. So wird angenommen, dass ein Monopolist aufgrund der Abwesenheit von Wettbewerb ein höheres Kostenniveau aufweist bzw. entwickelt, als in einem Wettbewerbsmarkt zu beobachten wäre. In Abb.  2.2 wird konkret angenommen, dass die Grenzkosten von c auf c’ steigen und somit ein produktiver Wohlfahrtsverlust in Höhe der schraffierten Fläche im Vergleich zum Wettbewerbsniveau verursacht wird.

Preis

A

PM

B

PM P C PC

D

Grenzkosten c‘ C Grenzerlös QMQM

Grenzkosten c Nachfrage

QC

Menge

Abb. 2.2  Produktiver Wohlfahrtsverlust durch monopolistische Preissetzung. (Quelle: Hüschelrath et al. 2012)

Das erhöhte Kostenniveau infolge des „ruhigen Lebens“ als Monopolist lässt sich unmittelbar mit dem Begriff der dynamischen Ineffizienz verbinden. Dieser besagt, dass Monopolisten im Regelfall eine geringere Innovationskraft aufweisen als Unternehmen in Wettbewerbsmärkten. Obwohl umfangreiche unterstützende empirische Evidenz zu dieser Aussage vorliegt, ist die Existenz von Marktmacht in Verbindung mit der dynamischen Entwicklung von Industrien allerdings nicht so eindeutig negativ wie in den Fällen allokativer und produktiver Effizienz. Dies hat vor allem damit zu tun, dass für die Durchführung von Forschungs- und Entwicklungsprojekten ein Kapitalstock notwendig ist, der unter anderem mit Monopolgewinnen gefüttert werden könnte. Diesem Argument steht jedoch entgegen, dass ein Monopolist oftmals nur beschränkte Anreize hat, überhaupt innovativ tätig zu werden. Produktive Ineffizienzen realer Kartelle In direktem Zusammenhang mit den vermuteten produktiven Ineffizienzen von Kartellen bemerkt Whinston (2006), dass Kartelle eigentlich einen Anreiz hätten, die Produktion auf das Unternehmen mit den niedrigsten Produktionskosten zu verlagern und ineffiziente Werke zu schließen – denn dies würde den gemeinsamen Kartellgewinn weiter erhöhen. Obwohl theoretisch korrekt, so gibt es allerdings kaum Belege dafür, dass eine solche Praxis durch real existierende Kartelle tatsächlich angewendet wurde. Ganz im Gegenteil ist bei realen Kartellen oftmals zu beobachten, dass Quotensysteme die effizienteren Kartellmitglieder daran hindern, ihre Produktion auszuweiten. Daher erscheint es auch unter Berücksichtigung solcher grundsätzlich existierenden Anreize als sehr wahr-

2.2 Wohlfahrtseffekte scheinlich, dass ein reales Kartell produktive Ineffizienzen verursacht. Infolgedessen ist auch mit dynamischen Ineffizienzen zu rechnen, die sich aus Unterinvestitionen in neue, effizienzsteigernde Technologien ergeben.

Zusammenfassend kann festgehalten werden, dass Kartelle  – analysiert als Monopole  – zu Mengenverknappungen und Preiserhöhungen führen und somit sowohl die Gesamtwohlfahrt als auch insbesondere die Konsumentenwohlfahrt schädigen. Vor diesem Hintergrund erscheint nicht nur das in den meisten Ländern der Welt bestehende Kartellverbot als ökonomisch fundiert, sondern es legitimiert auch eine aktive Verfolgung von Kartellabsprachen durch den Staat. Dies gilt auch deshalb für Kartelle in besonderem Maße, da diese in der Regel – und im Gegensatz zu beispielsweise Unternehmenszusammenschlüssen – keine nennenswerten Potenziale zur Schaffung eines gesellschaftlichen Nutzens haben, der gegen die wahrscheinlichen wohlfahrtssenkenden Wirkungen abgewogen werden könnte.

2.2.2 K  artelle analysiert als eigene Organisationsform Obwohl ein Vergleich der Wohlfahrtswirkungen von Kartellen und Monopolen naheliegend ist, so lassen sich bei genauerer Betrachtung durchaus wichtige Unterschiede zwischen beiden Formen der Marktorganisation feststellen. So haben – in Abgrenzung zur Monopolsituation – die Kartellmitglieder ihre Selbstständigkeit und ihre wirtschaftlichen Eigeninteressen nur partiell aufgegeben. Hieraus folgt zunächst, dass zu den gesamtwirtschaftlichen Schäden einer Kartellabsprache auch diejenigen Kosten hinzuzurechnen sind, die im Rahmen der Bildung und Stabilisierung eines Kartells entstehen. Dies sind beispielsweise die Kosten der Festlegung und Überwachung des Verhaltens der einzelnen Kartellmitglieder oder die Kosten, die mit Maßnahmen gegen abweichende Kartellmitglieder bzw. Kartellaußenseiter verbunden sind. Während der nachfolgende Abschn.  2.2.2.1 diese von wirtschaftstheoretischer Perspektive beleuchtet, gibt

15

Abschn.  2.2.2.2 dann einen Überblick über die komplementäre empirische Forschung.

2.2.2.1 Theoretische Analyse von Kartellbildung und -stabilität Obwohl die einfachen wirtschaftstheoretischen Analysen in Abschn. 2.2.1 die Schlussfolgerung nahelegen, dass Kartelle (wie Monopole) den entsprechenden Volkswirtschaften großen Schaden zufügen, so lässt sich daraus nur dann ein wirtschaftspolitisches Handlungsgebot ableiten, wenn solche Absprachen auch als hinreichend stabil und somit nachhaltig schädigend klassifiziert werden können. Denn im Gegensatz zu Monopolen hängt die Stabilität von Kartellabsprachen – wie im Folgenden zu zeigen sein wird – vom Vorliegen bestimmter kollusionsfördernder Faktoren ab. Statische Analyse Im Zuge einer einfachen statischen Analyse von Kartellabsprachen wird ein einfaches Cournot-Duopolmodell angenommen mit der inversen Marktnachfragefunktion p = a − b(q1 + q2), wobei p für den Marktpreis, q1 und q2 für die jeweiligen Ausbringungsmengen der beiden Unternehmen und a und b für die üblichen beiden Parameter – a für den Achsenabschnitt und b für die Steigung  – der (inversen) Marktnachfragefunktion stehen. Um insbesondere die (interne) Stabilität solcher Absprachen zu untersuchen, müssen im Folgenden drei verschiedene Strategiekombinationen spieltheoretisch analysiert und anschließend miteinander verglichen werden: die gemeinsame Gewinnmaximierung in einem Kartell sowie die jeweiligen Unternehmensgewinne unter normalem Cournot-Wettbewerb bzw. im Falle des Abweichens eines Unternehmens. Gemeinsame Gewinnmaximierung in einem Kartell Die gemeinsamen Gewinne der Duopolisten sind gegeben durch max p ( q1 + q2 ) q1 + q2

= ëé a - b ( q1 + q2 ) - c ùû ( q1 + q2 ) ,

(Gl. 2.1)

2  Ökonomik der Kartelle und Kartellverfolgung

16

die durch die optimale Wahl der Ausbringungsmengen maximiert werden. c repräsentiert die (identischen) Grenzkosten der beiden Unternehmen. Die Bedingungen erster Ordnung sind ¶p 1 ¶p 2 = ¶q1 ¶q2 = a - c - 2b ( q1 + q2 ) = 0,

(Gl. 2.2) sodass sich für die Gesamtausbringungsmenge (Q) des Kartells Q Kartell =

a-c = Q Monopol 2b 

(Gl. 2.3)

ergibt und daraus der folgende Marktpreis resultiert: a+c = P Monopol . (Gl. 2.4) 2  Wie erwartet findet sich hier, dass der Marktpreis im Fall der Kartellabsprache exakt derselbe ist wie im Fall des Monopols. Unter der Annahme, dass die kolludierenden Unternehmen den Kartellgewinn gleichmäßig aufteilen, gilt somit für die Unternehmensgewinne: P Kartell =

QM 2 2 1 (a - c)

p 1Kartell = p 2Kartell = ( p - c ) éa + c ù éa - cù - cú ê =ê ú= ë 2 û ë 4b û 8

b

. 

(Gl. 2.5)

Gewinne bei Cournot-Wettbewerb Wenn die beiden Duopolisten anstelle eines Kartells sich dafür entscheiden, in normalen Cournot-Wettbewerb zu treten, so ergeben sich jeweils die folgenden Gewinne für die beiden Unternehmen:

Gewinne im Falle des Abweichens eines Unternehmens Nimmt man nun an, dass Unternehmen 1 glaubt, dass Unternehmen 2 sich an die Absprache hält, so ist es in einem solchen Fall für das Unternehmen 1 gewinnmaximierend, sich nicht an die Absprache zu halten. Stattdessen sollte Unternehmen 1 die Menge produzieren, die die beste Antwort auf die Menge ist, die von Unternehmung 2 bereitstellt wird, also q2Kartell =

(Gl. 2.7) Wenn diese Menge in der Reaktionsfunktion von Unternehmen 1 berücksichtigt wird, dann erhält man die folgende Mengenausbringung für Unternehmen 1 für den Fall der Abweichung von der Kartellabsprache: Kartell ö æ a - c ö æ q2 -ç q1Abweichung = ç ÷ ÷ è 2b ø è 2 ø æ a - c ö æ a - c ö 3(a - c) (Gl. 2.8) =ç ÷-ç ÷ = 8b . è 2b ø è 8b ø  Die gesamte Ausbringungsmenge (Q) ergibt sich dann wie folgt: Q = q2Kartell + q1Abweichung a - c 3(a - c) 5(a - c) + = = 4b 8b 8b  und führt zu einem Preis von 3a + 5c 8b  und individuellen Gewinnen von p Abweichung =



p 1Cournot = p 2Cournot = ( p - c ) q c é a + 2c ù é a - c ù 1 ( a - c ) - cú ê =ê . (Gl. 2.6) ú= b ë 3 û ë 3b û 9  2

Der Vergleich von Gl.  2.5 und  2.6 zeigt unmittelbar, dass die individuellen Anteile am Kartellgewinn größer sind als die individuellen Gewinne bei Cournot-Wettbewerb. Folglich haben die beiden Unternehmen einen Anreiz, eine Kartellabsprache einzugehen.

a-c . 4b 

p1 = p2 =

9(a - c)

(Gl. 2.9)

(Gl. 2.10)

2

64b 3(a - c)



(Gl. 2.11)

2

(Gl. 2.12) . 32b  Tab.  2.1 fasst die Auszahlungen (d.  h. Gewinne) für die jeweiligen Strategiekombinationen im obigen Cournot-Duopolspiel zusammen. Ein Vergleich der jeweiligen Auszahlungen in den vier möglichen Strategiekombinationen zeigt, dass in der vorliegenden statischen Form des Spiels „Wettbewerb“ die dominante Strategie für beide Unternehmen darstellt. Obwohl beide

2.2 Wohlfahrtseffekte

17

Tab. 2.1  Auszahlungen für Kartellabsprache und Wettbewerb in einem Cournot-Duopolspiel. (Quelle: Hüschelrath und Weigand 2013; übersetzt durch den Autor)

Strategie von Firma 1

Kartellabsprache

Strategie von Firma 2 Kartellabsprache

Wettbewerb

( a - c) , ( a - c)

3 ( a - c)

2

8b

Wettbewerb

8b

9 ( a - c) 64 b

Unternehmen erkennen, dass sie im Falle einer Kartellbildung einen höheren Gewinn erzielen würden, erkennen sie auch, dass das jeweils konkurrierende Unternehmen einen Anreiz hat, von dieser Absprache abzuweichen und eine größere Menge auf den Markt zu bringen. Da beide Unternehmen diese Möglichkeit (sowie die negativen Folgen für ihren eigenen Gewinn) antizipieren, ist es die dominante Strate­ gie für beide Unternehmen  – im sogenannten Nash-Gleichgewicht  – nicht zu kooperieren. Die sich daraus ergebende wirtschaftspolitische Schlussfolgerung wäre folglich, dass Kartellvereinbarungen zwar theoretisch wohlfahrtsschädigend sind, aber Kartellverbote oder gar Kartellverfolgung deshalb nicht notwendig sind, weil es Unternehmen ohnehin nicht gelingen wird, solche Absprachen dauerhaft zu stabilisieren. Diese diagnostizierte „chronische“ Instabilität von Kartellen ergibt sich letztlich aus einem Mangel an Vertrauen zwischen den grundsätzlich kartellierungswilligen Unternehmen. Obwohl es zugegebenermaßen schwer ist, Vertrauen in One-Shot-Spielen wie dem obigen abzubilden, so ist es auch schwer zu akzeptieren, One-Shot-Spiele als eine geeignete Beschreibung realer Märkte anzusehen. Denn typischerweise treffen sich dort Unternehmen regelmäßig, und diese wiederholte („dynamische“) Interaktion schafft dann auch Möglichkeiten zur Stabilisierung von Kartellvereinbarungen. Dies wird im nachfolgenden Abschnitt verdeutlicht. Dynamische Analyse In einer einfachen Form der dynamischen Analyse kartellbezogener Interaktion geht man davon aus, dass das obige One-Shot-Cournot-Spiel un-

2

2

,

32 b

3 ( a - c)

2

32 b

2

,

9 ( a - c) 64 b

( a - c) , ( a - c) 2

9b

2

2

9b

endlich oft wiederholt wird. Dann lässt sich  – durch die Anwendung eines sogenannten Supergameansatzes  – zeigen, dass der Anreiz zum Abweichen von der Kartellabsprache vom Diskontfaktor δ abhängt. Hierbei ist allerdings die Annahme eines unendlichen Zeithorizonts (oder eines unbekannten Endes des betreffenden Marktes) entscheidend, da die Überlegungen ansonsten – von Neumanns und Morgensterns Konzept der Rückwärtsinduktion folgend – erneut zu dem obigen Schluss führen würden, dass Kartellabsprachen chronisch instabil sind. Rückwärtsinduktion Mithilfe des von von Neumann und Morgenstern (1944) entwickelten Konzepts der Rückwärtsinduktion lässt sich ein Nash-Gleichgewicht in extensiven Spielen ermitteln. Hierzu ermittelt man zuerst das optimale Verhalten der Spieler an den letzten Entscheidungsknoten. Gegeben dieses Verhaltens, lassen sich die optimalen Aktionen der betreffenden Spieler an den vorletzten Entscheidungsknoten ableiten. Setzt man dies bis zum Anfangsknoten des Spiels fort, so hat man für jeden Entscheidungsknoten eine optimale Aktionswahl der einzelnen Spieler bestimmt.

Unter der Annahme eines unendlichen Zeithorizonts – und der Einführung eines (zeitkonstanten) Diskontfaktors δ  – kann der Gewinn einer Kartellabsprache wie folgt beschrieben werden:

Õ Kartell = p Kartell [1 + d +¼]. (Gl. 2.13)

Weicht ein Unternehmen in der ersten Periode von der Kartellabsprache ab, dann erhält es den höheren Abweichungsgewinn für eine Periode, in allen Folgeperioden allerdings den niedrigeren Gewinn unter Wettbewerbsbedingungen. In einem intertemporalen Kontext führt dies zum folgenden Ergebnis für den Abweichungsgewinn:

2  Ökonomik der Kartelle und Kartellverfolgung

18

Õ Abweichung = p Abweichung + p Wettbewerb ëéd + d 2 +¼ùû .



(Gl. 2.14)

Eine Kartellabsprache ist daher stabil, wenn die folgende Bedingung erfüllt ist:

p Kartell [1 + d +¼] ³ p Abweichung +p Wettbewerb ëéd + d 2 +¼ùû

(Gl. 2.15)



oder T

T

t =0

t =1

p Kartell åd t ³ p Abweichung + p Wettbewerb åd t .

(Gl. 2.16) 

Hieraus ergibt sich p Kartell

1 d (Gl. 2.17) ³ p Abweichung + p Wettbewerb 1-d 1-d 

und schließlich

d³

p Abweichung - p Kartell . p Abweichung - p Wettbewerb

(Gl. 2.18)

Das Einfügen der Auszahlungen aus dem obigen One-Shot-Spiel führt dann zu dem folgenden allgemeinen Ausdruck für den kritischen Diskontfaktor δ:

( n + 1) ( a - c ) - 1 ( a - c ) 2 4n b b ( 4n ) d³ 2 2 2 ( n + 1) ( a - c ) - 1 ( a - c ) 2 2 b ( n + 1) b ( 4n ) 2 ( n + 1) - 1 2 ( 4n ) 4n (Gl. 2.19) = 2 ( n + 1) - 1 2 2 ( 4n ) ( n + 1) 2

2

2

Für das Beispiel n = 2 (also zwei aktiven Unternehmen im betreffenden Markt) berechnet sich dann der kritische Diskontierungsfaktor wie folgt: 9 (a - c) 1 (a - c) b b 8 d ³ 64 » 0, 53. (Gl. 2.20) 2 2 a c a ) - 1 ( c) 9 ( 64 b 9 b  2

2

Gl.  2.20 ergibt einen kritischen Diskontierungsfaktor von 0,53, der zur Stabilisierung einer Kartellabsprache erforderlich ist. In der Interpretation bedeutet dies, dass ein Kartell stabil ist, solange der Diskontierungsfaktor ausreichend hoch ist  – also die Unternehmen hinreichend geduldig sind und zukünftige Gewinne in ausreichendem Maße schätzen. Darüber hinaus gibt die wiederholte Interaktion den Kartellmitgliedern auch die Möglichkeit, effektive Strafmaßnahmen gegen abweichende Unternehmen zu ergreifen. Diese verringern ebenso die Anreize zur Abweichung und stabilisieren somit das Kartell. Zur Einordnung der Ergebnisse ist abschließend noch darauf hinzuweisen, dass sich der Fokus in diesem Abschnitt auf die sogenannte interne Kartellstabilität richtete. Diese ist immer dann gegeben, wenn jedes Kartellmitglied sich durch kooperatives Verhalten besser stellt als im Falle der Abweichung. Der Begriff der externen Kartellstabilität bezieht sich hingegen auf Unternehmen außerhalb des Kartells und allgemein deren Anreize, dem Kartell beizutreten, dessen Entscheidungen zu imitieren oder in direkten Wettbewerb zu treten. Ein Kartell weist nur dann einen Zustand externer Stabilität auf, wenn alle Unternehmen außerhalb des Kartells ihren Gewinn durch den Zutritt zum Kartell nicht steigern können (siehe dazu allgemein d’Aspremont et  al. 1983 und Schulz 2003 sowie insbesondere Abschn. 5.2 und 5.3). Kartellbildung und -stabilität mit Außenseitern Selten (1973) zeigt mithilfe eines spieltheoretischen Modells, dass sich die Kartellbildung für die beteiligten Unternehmen nur lohnt, solange diese Zahl hinreichend klein ist. Überschreitet die Zahl der Unternehmen jedoch einen Schwellenwert – fünf Unternehmen in Seltens Modell –, dann wird es profitabler, Kartellaußenseiter zu werden (mit entsprechend negativen Konsequenzen für den Gewinn des Kartells). Schulz (2003) nutzt ein verwandtes Modell, um die Auswirkungen solcher Kartellaußenseiter auf die (externe) Stabilität der Kartellabsprache zu untersuchen. Er zeigt, dass Kartellaußenseiter keineswegs den Zusammenbruch des Kartells verursachen müssen, sondern sogar einen stabilisierenden Einfluss haben können.

2.2 Wohlfahrtseffekte

Weiterführende theoretische Aspekte Folgt man den grundlegenden Überlegungen von Stigler (1964), so müssen Kartelle zur Erhaltung ihrer Stabilität für adäquate Preis-, Verteilungsund Durchsetzungsstrukturen sorgen. Preisstrukturen meinen hierbei nicht nur direkte Maß­ nahmen zur Erhöhung der Marktpreise und Reduktion der Ausbringungsmengen, sondern durchaus auch die Berücksichtigung und gegebenenfalls Veränderung der Anreizstrukturen einzelner Kartellanten. Verteilungsstrukturen erfordern Mechanismen, die nicht nur die Aufteilung der Kartellgewinne regeln, sondern beispielsweise auch Anpassungen im Falle unabsichtlicher Abweichungen von den Absprachen durch einzelne Kartellanten vorsehen. Durchsetzungsstrukturen konzentrieren sich schließlich einerseits auf die Installation von Monitoringmechanismen zur Aufdeckung von Abweichungen sowie andererseits die Schaffung und Aufrechterhaltung einer glaubwürdigen Drohung über im Abweichungsfall zu ergreifende Bestrafungsmaßnahmen. Obwohl die im vorangegangenen Abschnitt identifizierten Anreize für die Kartellbildung als allgegenwärtig angesehen werden können, unterscheiden sich die jeweiligen Kosten und Nutzen beim Abschluss solcher Vereinbarungen teilweise erheblich zwischen den Märkten. Whinston (2006) folgend hängt einerseits die Gewinndifferenz zwischen dem Kartellgewinn und dem Wettbewerbsgewinn  – also zwischen den aus Unternehmenssicht besten und schlechtesten Marktergebnissen – von den Besonderheiten des Marktes und der Marktinteraktion ab. Andererseits gilt auch für die Kosten von Kartellabsprachen – also beispielsweise die Kosten der Erzielung und Überwachung der entsprechenden Absprache sowie mögliche zu zahlende Bußgelder  – dass diese in bestimmten Konstellationen so hoch werden können, dass es rational ist, von einer Kartellbildung abzusehen. Der Beantwortung der sich anschließenden Frage, wie sich solche Konstellationen von „zu kleinen Nutzengewinnen“ bzw. „zu hohen Kostenbelastungen“ grundsätzlich charakterisieren lassen, hat sich die theoretische industrieökonomische Forschung durch die Identifikation und

19

Analyse einer Vielzahl von sogenannten Kollusionsfaktoren genähert. Rey (2006) beispielsweise untergliedert diese „Treiber der Rationalität und Stabilität von Kartellabsprachen“ in strukturelle, nachfragebezogene und angebotsbezogene Faktoren. Zu den strukturellen Faktoren, die Kollusion erleichtern, gehören beispielsweise eine geringe Anzahl von Wettbewerbern, hohe Eintrittsbarrieren, häufige Interaktion zwischen Unternehmen, eine hohe Markttransparenz sowie eine bestehende Kartellgeschichte in der jeweiligen Indus­ trie. Zu den nachfragebezogenen Faktoren sind unter anderem das Marktwachstum, das Fehlen erheblicher Nachfrageschwankungen oder Konjunkturzyklen, eine geringe Nachfrageelastizität sowie das Fehlen von Club- und Netzwerkeffekten zu zählen. Zu den angebotsbezogenen Faktoren, die Kollusionsvereinbarungen erleichtern, gehören schließlich alteingesessene Industrien (mit stabilen Technologien), symmetrische Kosten, symmetrische Kapazitäten, Produkthomogenität, Industrien mit Mehrmarktkontakten sowie verschiedene Arten von vertraglichen Vereinbarungen. Ohne an dieser Stelle eine vollumfängliche Diskussion aller genannten Faktoren anzustreben – von denen einige noch in Abschn. 3.3 des Lehrbuchs im Rahmen einer empirischen Betrachtung von EU-Kartellen eine Rolle spielen werden  – so soll nachfolgend eine kleine Auswahl etwas näher betrachtet werden: • Anzahl von Wettbewerbern: Ceteris paribus – also „unter sonst gleichen Bedingungen“  – sind Kartelle in Industrien wahrscheinlicher, in denen es nur wenige Unternehmen gibt. Dies kann beispielsweise damit begründet werden, dass die Kosten für die Bildung eines Kartells und die Koordinierung und Überwachung der Aktionen der Kartellanten dann geringer sind. Dieser Effekt wird noch verstärkt, wenn die betreffenden (wenigen) Unternehmen über ähnliche Marktanteile sowie Kostenstrukturen verfügen, denn dann ist es we­ niger wahrscheinlich, dass ihre jeweiligen Interessen divergieren und die Absprache sich somit als stabiler erweist.

20

Algorithmen und Kartellstabilität Algorithmen  – also Programme zur automatischen Ausführung komplexer sich wiederholender Aufgaben – können Unternehmen die explizite oder stillschweigende Koordination wettbewerbsrelevanter Parameter erlauben bzw. erleichtern. Denn Algorithmen führen über eine massive Zunahme an Interaktion zu einer erhöhten Markttransparenz und können auf diese Weise auch die Koordination von Absprachen mit einer größeren Anzahl an Unternehmen ermöglichen. Algorithmen spielen aktuell eine besondere Rolle auf Onlinemarktplätzen, Vergleichsportalen oder sozialen Netzwerken und legen somit eine entsprechende kartellrechtliche Untersuchung nahe. Eine besondere Herausforderung dabei liegt im Nachweis digital abgestimmten Verhaltens der bereits aktuell durch einfache Formen des maschinellen Lernens im Rahmen von Maschine-Maschine-Kommunikation erschwert wird. Miklos-Thal und Tucker (2019) untersuchen mithilfe eines spieltheoretischen Modells, wie bessere Nachfrageprognosen durch Algorithmen die Stabilität von Absprachen beeinflussen. Sie zeigen, dass eine bessere Prognose zwar einerseits den kolludierenden Unternehmen dabei hilft, die Marktpreise an die Nachfragebedingungen anzupassen. Andererseits erhöhen sie aber auch die Anreize zum Abweichen im Falle der Erwartung einer hohen Nachfrage. Insgesamt können Algorithmen also durchaus  – über bessere Prognosen  – zu niedrigeren Preisen und einer besseren Konsumentenversorgung führen.

• Eintrittsbarrieren: Ceteris paribus wächst die Wahrscheinlichkeit von Kartellabsprachen mit der Höhe der Eintrittsbarrieren, da es zunehmend schwerer wird für Unternehmen außerhalb der Industrie, in diese einzutreten und den Kartellpreis zu unterbieten. Im Umkehrschluss gelten Kartellabsprachen im Falle niedriger Eintrittsbarrieren als schwerer zu stabilisieren – nicht nur, weil der Eintritt neuer Wettbewerber die Kartellgewinne zu reduzieren droht, sondern auch, weil die Möglichkeiten eines solchen Markteintritts die Wirksamkeit von Drohungen im Falle eines Abweichens von der Kartellabsprache durch ein Mitglied reduziert. • Bestehende Kartellgeschichte: Ceteris paribus sind Kartelle in Industrien wahrscheinlicher, die bereits im Laufe ihrer Geschichte Fälle von Kartellabsprachen aufwiesen. Neben der dann anzunehmenden Präsenz einer Reihe von kollusionsbegünstigenden Faktoren können solche Industrien möglicherweise auch von alten Erfahrungen in der Kartellorganisation profitieren. Hierbei können gegebenen-

2  Ökonomik der Kartelle und Kartellverfolgung

falls auch Industrieverbände eine (koordinierende) Funktion übernehmen. • Nachfrageschwankungen und Marktwachs­ tum: Ceteris paribus gelten Kartellabsprachen in Industrien mit stabiler oder rückläufiger Nachfrage als wahrscheinlicher, da es in einem solchen Umfeld leichter ist, abweichende Unternehmen zu erkennen (u. a. da Veränderungen in den Marktanteilen nicht von vo­ rübergehenden oder zyklischen Nachfrageschwankungen überdeckt werden können). • Industrien mit Mehrmarktkontakten: Ceteris paribus sinkt die Wahrscheinlichkeit eines Kartellzusammenbruchs in Industrien, in denen die betreffenden Unternehmen in einer Reihe von Einzelmärkten miteinander konkurrieren. Denn abweichende Unternehmen sähen sich dann nicht nur auf dem betreffenden Einzelmarkt mit entsprechenden Bestrafungsaktionen der anderen Kartellmitglieder konfrontiert, sondern möglicherweise auch auf vielen weiteren Einzelmärkten, auf denen die Kartellanten gemeinsam tätig sind. Dies erhöht die zu erwartenden Verluste im Falle der Abweichung von der Absprache und lässt sie somit unwahrscheinlicher werden. • Produkthomogenität: Ceteris paribus sind Kartelle in Industrien mit standardisierten Produkten wahrscheinlicher als in Industrien, in denen die Produkte differenziert sind und somit üblicherweise auch Formen des nichtpreislichen Wettbewerbs eine nennenswerte Rolle spielen. Denn in solch „komplexeren“ Industrien ist der Organisationsaufwand für die Bildung und Überwachung einer Absprache deutlich höher und damit kostspieliger – und dies reduziert die Wahrscheinlichkeit einer nachhaltig erfolgreichen Kartellabsprache. Ein grundlegendes Problem bei der Anwendung theoriebasierter Kollusionsfaktoren  – beispielsweise im Rahmen einer proaktiven Aufdeckung von Kartellabsprachen – liegt darin, dass die entsprechenden Theorien im Regelfall nicht zwischen expliziten Absprachen (Kartellbildung) und stillschweigenden Absprachen (im Englischen: „tacit collusion“) unterscheiden. Wenn jedoch stillschweigende Absprachen und Kartell-

2.2 Wohlfahrtseffekte

21

bildung in einer bestimmten Markt- und Unternehmenskonstellation gleichermaßen anwendbar wären, von genau den gleichen Faktoren getrieben und zu identischen Gewinnen führen würden, dann wäre eine Kartellbildung letztlich als irrational einzustufen  – denn solche expliziten Absprachen beinhalten das konkrete Risiko der Aufdeckung und Bebußung, während gegen stillschweigende Absprachen im Regelfall keine rechtliche Handhabe besteht. Mit anderen Worten ausgedrückt, muss die bewusste Entscheidung für die Bildung eines Kartells also bestimmte Vorteile gegenüber der Implementierung einer stillschweigenden Absprache haben, die nicht durch die Anwendung der obigen Kollusionsfaktoren allein aufgegriffen werden (siehe dazu insbesondere Whinston 2006).

2.2.2.2 Empirische Erkenntnisse zu Kartellbildung und -stabilität Komplementär zu der im vorangegangenen Abschnitt skizzierten theoretischen Analyse von Kartellbildung und -stabilität soll nunmehr eine einführende Übersicht wichtiger empirischer Erkenntnisse gegeben werden. Da diese in den nachfolgenden Kapiteln des Lehrbuchs noch eine sehr viel ausführlichere Würdigung erfahren werden – unter anderem am konkreten Beispiel des deutschen Zementkartells in Kap. 5 – soll sich im

Folgenden auf eine kurze Darstellung einiger wichtiger empirischer Erkenntnisse zu Kartelldauer, kartellbezogenen Preisaufschlägen sowie Determinanten der Kartellbildungswahrscheinlichkeit konzentriert werden. Kartelldauer Während die statische theoretische Analyse in Abschn. 2.2.2.1 die Schlussfolgerung nahelegte, dass Kartellabsprachen chronisch instabil sind und folglich entweder gar nicht oder nur in kurzen Episoden auftreten, so kam die dynamische Analyse zu der Erkenntnis, dass Kartellabsprachen durchaus auch längerfristig stabil bleiben können und folglich ein ernsthaftes volkswirtschaftliches bzw. wettbewerbspolitisches Pro­ blem darstellen. Vor diesem Hintergrund erscheint es besonders relevant, die Ergebnisse ausgewählter empirischer Studien zu den Dauern aufgedeckter Kartelle zurate zu ziehen, um auf diese Weise eine Vorstellung davon zu entwickeln, was unter „längerfristig“ verstanden werden kann. Levenstein und Suslow (2006a) haben im Rahmen einer umfassenden empirischen Erhebung in diesem Zusammenhang gezeigt, dass es Unternehmen tatsächlich gelingt, Kartellabsprachen nicht nur einzugehen, sondern auch über relativ lange Zeiträume hinweg zu stabilisieren. Tab. 2.2 zeigt eine

Tab. 2.2  Kartelldauer – Ausgewählte Fallstudien. (Quelle: gekürzt übernommen aus Levenstein und Suslow 2006a; übersetzt durch den Autor)

Industrie Brom Zement Diamanten Elektrische Ausrüstung Quecksilber Seeschifffahrt Öl Paketpost Kali Eisenbahn Stahl Zucker Tee

Erstes Jahr des Kartells 1885 1922 1870er 1950 1928 1870er 1871 1851 1877 1875 1926 1887 1929

Durchschnittliche Dauer des Kartells (in Jahren) 6,5 40 60 8 25 51 2 28,5 9,4 3,8 7,25 6,75 3,5

Kartellepisoden (Anzahl) 4 1 2 1 2 3 3 2 8 6 4 4 2

Maximale Dauer des Kartells (in Jahren) 10 40 100 8 28 54 3 40 20 8 13 10 6

Minimale Dauer des Kartells (in Jahren) 3 40 20 8 22 50 1 17 1 1 4 2 1

2  Ökonomik der Kartelle und Kartellverfolgung

22

Auswahl der zentralen Ergebnisse der Studie von Levenstein und Suslow auf Branchenebene. Wie aus Tab. 2.2 hervorgeht, können Kartelle nicht nur ihre Vereinbarungen über lange Zeiträume hinweg erfolgreich aufrechterhalten, sondern oft auch Kartellkrisen wie beispielsweise den Markteintritt neuer Unternehmen, das Aufkommen neuer Technologien oder das Entstehen von Streitigkeiten zwischen den jeweiligen Kartellmitgliedern erfolgreich überwinden. Hieraus lässt sich unmittelbar die Notwendigkeit einer wettbewerbspolitischen Verfolgung von Kartellabsprachen auf Basis eines wettbewerbsrechtlichen Kartellverbots ableiten. Hinsichtlich der Determinanten der Kartelldauer zeigt eine weitere Forschungsarbeit von Levenstein und Suslow (2006b), dass organisatorische Praktiken wesentlich zur Kartellstabilität beitragen. So waren beispielsweise Kartelle, die eine Form der Marktaufteilung implementierten, deutlich weniger anfällig für einen Zusammenbruch als solche, die dies nicht taten. Die finanzielle Notlage eines Kartellmitgliedes oder makroökonomische Schocks wirkten sich jedoch negativ auf die Dauer des Kartells aus. Für eine Auswahl von EU-Kartellen wird sich Abschn. 3.3 noch detailliert mit Determinanten der Dauer von Kartellzugehörigkeiten bzw. Kartellen insgesamt befassen. Kartellbezogene Preisaufschläge Obwohl Kartelle in der Regel nicht die Preise und Gewinne eines (hypothetischen) Monopolisten erreichen können  – beispielsweise aufgrund der Existenz von Kartellaußenseitern oder ver-

bleibender Formen des nichtpreislichen Wettbewerbs – so gelingt es ihnen dennoch regelmäßig, die Preise deutlich über das Wettbewerbsniveau hinaus anzuheben. Connor und Lande (2006) fassen die Ergebnisse von sechs unterschiedlichen Studien zu kartellbedingten Preisaufschlägen  – wie in Tab. 2.3 gezeigt – zusammen. Wie Tab. 2.3 verdeutlicht, unterscheiden sich die durchschnittlichen Preisaufschläge zwischen den verschiedenen empirischen Studien teilweise erheblich. Levenstein und Suslow (2006a) er­ mitteln beispielsweise einen durchschnittlichen Preisaufschlag (Mittelwert) von 43  %, während Werden (2003) 21  % und die OECD (2002) 15,8 % feststellen. Der Gesamtdurchschnitt aller Studien zeigt einen Mittelwert von 30,7 %. Im Rahmen eines viel zitierten Gutachtens zur Quantifizierung von Kartellschäden im Auftrag der Europäischen Kommission erstellte Oxera (2008) auf Basis detaillierter Kartellinformationen von Connor und Lande sowie eigener Recherchen einen Datensatz von kartellbedingten Preisaufschlägen von 1960 bis 2004. Die insgesamt 114 Einträge im Datensatz können insofern als belastbar angesehen werden, als sie alle referierten Fachzeitschriften oder Kapiteln in veröffentlichten Büchern entnommen wurden. Abb. 2.3 zeigt die sich ergebende Verteilung der jeweiligen Kartellpreisaufschläge. Wie Abb. 2.3 verdeutlicht, liegt die größte Anzahl an Preisaufschlagswerten im Intervall 11– 20  % (mit einem Median bei 18  % und einem Mittelwert bei 20  %). Dennoch verdeutlicht Abb. 2.3 auch, dass einerseits in mehreren Fällen kein Preisaufschlag empirisch belegt werden

Tab. 2.3  Zusammenfassung von sechs Studien zu kartellinduzierten Preisaufschlägen. (Quelle: leicht ergänzt übernommen aus Connor und Lande 2006, S. 1004; übersetzt durch den Autor) Anzahl der Kartelle Quelle Cohen und Scheffman (1989) Werden (2003) Posner (2001) Levenstein und Suslow (2006a) Griffin (1989) OECD (2002) Gesamt (einfacher Durchschnitt) Gesamt (gewichteter Durchschnitt)

5–7 13 12 22 38 12 102–104 102–104

Durchschnittlicher Preisaufschlag Mittelwert (%) Median (%) 7,7–10,8 7,8–14,0 21,0 18,0 49,0 38,0 43,0 44,5 46,0 44,0 15,8 12,75 30,7 28,1 36,7 34,6

2.2 Wohlfahrtseffekte

23

40 35

% der Beobachtungen

30 25 20 15 10 5 0 0

1-10%

11-20%

21-30%

31-40%

41-50%

51-60%

61-70%

Preisaufschlag

Abb. 2.3  Verteilung der Kartellpreisaufschläge aus 114 empirischen Studien. (Quelle: eigene Darstellung auf Basis von Oxera 2008; übersetzt durch den Autor)

konnte. Andererseits zeigt die Abbildung auch das gelegentliche Auftreten von überraschend großen Preisaufschlägen von bis zu 70 %. Ohne an dieser Stelle eine detailliertere Ursachenforschung für dieses große Spektrum anzustreben, so muss allgemein bemerkt werden, dass die verwendete Stichprobe insgesamt als recht heterogen eingeschätzt werden muss. So enthält der Datensatz in seiner hier zur Anwendung kommenden Form beispielsweise 52 internationale und 62 nationale Kartelle. In der Untergruppe der nationalen Kartelle sind jedoch nur sechs europäische Kartelle im weiteren Sinne (in denen Kartelle mehrere europä­ ische Länder umfassten) und neun europäische Kartelle im engeren Sinne (auf Basis von Kartellen in einzelnen europäischen Ländern) enthalten, sodass die große Mehrzahl der nationalen Kartelle sich auf die Vereinigten Staaten und Kanada bezieht. Diese nordamerikanischen Kartelle weisen allerdings mit rund 16 % einen deutlich geringeren durchschnittlichen Preisaufschlag auf als die sechs europäischen Kartelle (im weiteren Sinne) mit einem Wert von rund 27 %. Aus diesem Grund sollten die Ergebnisse – insbesondere im Rahmen einer Anwen-

dung auf Kartelle im europäischen Markt – mit Vorsicht behandelt werden. Im Hinblick auf die Faktoren, die das Ausmaß der Preisaufschläge beeinflussen, stellt eine Studie von Bolotova (2009) statistisch signifikante Unterschiede zwischen einzelnen Branchen und Ländern fest. So waren längere Kartellabsprachen beispielsweise korreliert mit höheren Preisaufschlägen. Darüber hinaus erzielten internationale Kartelle höhere Preisaufschläge als national operierende Kartelle. Determinanten der Kartellbildungswahrscheinlichkeit Wie bereits in Abschn. 2.2.2.1 angedeutet wurde, sind die Kosten der Herstellung eines für die Kartellbildung notwendigen Interessengleichlaufs (und dessen Aufrechterhaltung) nicht als kon­ stant anzusehen, sondern abhängig von verschiedenen Faktoren. Solche Determinanten der Kartellbildungswahrscheinlichkeit variieren von Industrie zu Industrie und hängen maßgeblich von den erzielbaren Überschussgewinnen – also vom Gewinndifferenzial zwischen dem erzielbaren Kartellgewinn und dem Gewinn unter Wettbewerb sowie den Kosten des Eingehens und der

2  Ökonomik der Kartelle und Kartellverfolgung

24

Stabilisierung solcher Absprachen  – ab. Einen Überblick über empirische Belege des Einflusses solcher Faktoren auf die Kartellbildungswahrscheinlichkeit liefert Tab. 2.4. Ohne an dieser Stelle eine detailliertere Diskussion der verschiedenen Faktoren anstreben zu wollen (siehe dazu insbesondere Abschn. 3.3), so ist der Hinweis wichtig, dass die Wirkungsrichtung der empirischen Determinanten nicht immer eindeutig ist. So verweist Tab. 2.4 explizit auf widersprüchliche Evidenz im Hinblick auf die Wirkungen des erwarteten Nachfragewachstums sowie der Marktkonzentration. Solche Unklarheiten im Hinblick auf die Wirkungsrichtung spielen auch in der industrieökonomischen Theorie eine Rolle und erschweren eine Nutzung bestimmter Kollusionsfaktoren im Rahmen einer proaktiven

Kartellaufdeckung, wie sie im nachfolgenden Abschn. 2.3.1.2 noch zu diskutieren sein wird.

2.3

Verfolgung

Im Anschluss an die Charakterisierung von Kartellabsprachen und die Sammlung von klaren Hinweisen für ihre im Regelfall negativen Wohlfahrtswirkungen stellen sich aus ökonomischer Sicht zwei zentrale Fragen: Wie können bzw. sollen solche – üblicherweise im Verborgenen stattfindenden – Absprachen aufgedeckt werden, und wie können bzw. sollen sie im Anschluss dann verfolgt werden? Die Behandlung beider Fragen geht implizit von der Existenz eines implementierten Kartellverbots aus  – also wettbewerbs-

Tab. 2.4  Empirische Belege für den Einfluss ausgewählter Faktoren auf die Kartellbildungswahrscheinlichkeit. (Quelle: leicht modifiziert entnommen aus Europe Economics 2001, S. 67 basierend auf Knight und Dick 1998; übersetzt durch den Autor)

Faktoren Nachfrageseitige Faktoren

Angebotsseitige Faktoren

Andere Faktoren

Elastische Nachfrage bei Wettbewerbspreisen Große und erfahrene Kunden Differenzierte Produkte

Kauf in großen Mengen und zeitlichen Abständen Volatile Nachfrage Erwartetes Nachfragewachstum Geringe Marktkonzentration

Wettbewerbliche Kartellaußenseiter mit elastischem Angebot Einfachheit des Marktzutritts Symmetrische Kostenstrukturen Kartellabsprachen in der Industriegeschichte Kurzfristiges Gleichgewicht

Empirische Belege für eine Verringerung der Kartellbildungswahrscheinlichkeit Eckbo 1976; Marquez 1994

Empirische Belege für eine Erhöhung der Kartellbildungswahrscheinlichkeit

Dick 1996 Hay und Kelley 1974; Dick 1996; Asch und Seneca 1975; Jacquemin et al. 1981; Fraas und Greer 1977 Hay und Kelley 1974 Suslow 1988; Dick 1996 Jacquemin et al. 1981; Palmer 1972 Hay und Kelley 1974; Dick 1996; Eckbo 1976; Marquez 1994; Palmer 1972; Fraas und Greer 1977 Eckbo 1976; Griffin 1989

Dick 1996, 2000; Suslow 1988 Posner 1970; Asch und Seneca 1975; Jacquemin et al. 1981

Dick 1996; Eckbo 1976; Asch und Seneca 1975 Eckbo 1976; Fraas und Greer 1977 Dick 2000 Asch und Seneca 1975

2.3 Verfolgung

rechtlicher Bestimmungen, die die entsprechenden wohlfahrtssenkenden Absprachen zwischen im Wettbewerb stehenden Unternehmen untersagen. Ein solches Verbot schließt nicht unbedingt die Möglichkeit aus, dass es gelegentlich auch Kartelle geben mag, die positive Wohlfahrtswirkungen entfaltet hätten – solche Situationen werden jedoch als so selten angesehen, dass ein per se bestehendes Verbot die geeignete kartellrechtliche Reaktion bleibt. Ferner sind von einem solchen Verbot im Regelfall alle diejenigen Vereinbarungen zwischen Unternehmen freigestellt, die eben nicht auf „harten“ und damit wohlfahrtssenkenden Kartellabsprachen basieren. Als wichtiges Beispiel hierfür können beispielsweise Kooperationen auf dem Gebiet der F&E genannt werden. Verbot wettbewerbsbeschränkender Vereinbarungen in Deutschland

25

Die konkrete Ausgestaltung solcher Systeme zur Durchsetzung des Wettbewerbsrechts bietet mehrere Freiheitsgrade. Nach Trebilcock und Iacobucci (2002) können die politischen Entscheidungsträger grundsätzlich aus drei unterschiedlichen Durchsetzungssystemen wählen: keine Durchsetzung, öffentliche Durchsetzung und pri­ vate Durchsetzung. Sieht man einmal von der Möglichkeit keiner Durchsetzung ab, so stehen hinter dem Begriff der öffentlichen Durchsetzung alle Aktivitäten staatlicher Behörden  – in der Regel der Wettbewerbsbehörden – mit dem Ziel der Aufdeckung bestehender Kartelle sowie der Verhinderung der Entstehung neuer Kartelle. Durch die Androhung von verwaltungs- bzw. strafrechtlichen Sanktionen bei Verstößen gegen die jeweiligen Gesetze und Vorschriften wollen die politischen Entscheidungsträger das Kosten-Nutzen-Verhältnis für alle Formen der wettbewerbswidrigen Absprachen auf Unternehmensseite so weit ändern, dass Rechtstreue zur dominanten Strategie wird. Im Gegensatz dazu basiert die private Durchsetzung auf den Handlungen privater Parteien – wie z.  B.  Konkurrenten, Lieferanten, Kunden oder Verbrauchern –, die zivilrechtliche Klagen auf der Grundlage des privaten Schadens erheben können, der ihnen durch Formen wettbewerbswidrigen Verhaltens entstanden ist. Das private Durchsetzungssystem hat den zentralen Vorteil, dass private Kläger oftmals über größere Anreize, Informationen und Ressourcen für entsprechende Durchsetzungsmaßnahmen verfügen als öffentliche Akteure.

Im deutschen Gesetz gegen Wettbewerbsbeschränkungen (GWB) beispielsweise ist das Verbot wettbewerbs­ beschränkender Vereinbarungen in §  1 GWB wie folgt konkretisiert: „Vereinbarungen zwischen Unternehmen, Beschlüsse von Unternehmensvereinigungen und aufei­ nander abgestimmte Verhaltensweisen, die eine Verhinderung, Einschränkung oder Verfälschung des Wettbewerbs bezwecken oder bewirken, sind verboten.“ Gemäß §  2 GWB sind vom Verbot des § 1 freigestellt „… Vereinbarungen zwischen Unternehmen, Beschlüsse von Un­ ternehmensvereinigungen oder aufeinander abgestimmte Verhaltensweisen, die unter angemessener Beteiligung der Verbraucher an dem entstehenden Gewinn zur Verbesserung der Warenerzeugung oder -verteilung oder zur Förderung des technischen oder wirtschaftlichen Fortschritts beitragen, ohne dass den beteiligten Unternehmen 1. Beschränkungen auferlegt werden, die für die Verwirklichung dieser Ziele nicht unerlässlich sind, oder 2. Möglichkeiten eröffnet werden, für einen wesentlichen Teil der betreffenden Waren den Wettbewerb auszuschalten“.

Vor- und Nachteile privater Durchsetzungsaktivitäten

Allerdings ist selbst bei Installation entsprechender Gesetze und Vorschriften aus rechtsökonomischer Sicht nicht davon auszugehen, dass eine umfassende Gesetzestreue bzw. moralische Erwägungen allein ausreichen, um Unternehmen hinreichend von der Bildung illegaler Absprachen abzuhalten. Die politischen Entscheidungsträger sehen sich somit mit der Notwendigkeit konfrontiert, entsprechende Durchsetzungsmechanismen zu konzipieren und umzusetzen.

Wie McAfee et al. (2008) zeigen, können private Durchsetzungsaktivitäten durchaus zu einem zusätzlichen Nutzen für die Gesellschaft auf Basis zusätzlicher Abschreckung führen. Ein möglicher Nachteil ist jedoch – neben den allgemeinen Kosten, die durch ein zusätzliches privates System entstehen – dass private Kläger mitunter auch Anreize haben können, Kartellgesetze strategisch zu missbrauchen und damit der Gesellschaft insgesamt Schaden zuzufügen (siehe McAfee und Vakkur 2004). Darüber hinaus ist es wichtig – wie von Rubinfeld (2006) und anderen vorgebracht – die Systeme der öffentlichen und privaten Durchsetzung zu harmonisieren, um auf diese Weise Probleme der Unter- oder Überabschreckung zu vermeiden.

26

Obwohl es nicht die Aufgabe des verbleibenden Teils des Abschn. 2.3 sein kann, ein vollwertiges System der Kartellverbotsdurchsetzung zu entwickeln – das insbesondere auch den zahlreichen Wechselwirkungen zwischen öffentlicher und privater Durchsetzung Rechnung trägt  – so sollen die zentralen Grundbausteine der beiden Durchsetzungssysteme etwas genauer beleuchtet werden. Hierbei ist  – den detaillierten Ausführungen von Kovacic (1997) folgend – generell zu beachten, dass eine wichtige Grundvoraussetzung für eine effiziente Kartellrechtsdurchsetzung das Vorhandensein der folgenden institutionellen Faktoren ist: 1. hinreichende Ressourcen, 2. komplementäre akademische Infrastruktur, 3. effektiver Zugang zu Informationsnetzen, 4. professionelle Berufsverbände, 5. solides und effektives Rechtssystem, 6. Garantien für Rechtsverfahren, 7. funktionierender Zugang zu Geschäftsunterlagen sowie ein 8. unterstützendes politisches Umfeld. Obwohl davon auszugehen ist, dass die Bedeutung dieser Faktoren in allen Ländern mit einer nennenswerten wettbewerbspolitischen Tradition erkannt und deren Präsenz hinreichend sichergestellt ist, so haben insbesondere Einführungen von Wettbewerbsgesetzen in sogenannten Transformationsländern immer wieder die Pro­ bleme vor Augen geführt, die entstehen können, wenn einer oder mehrere dieser Faktoren nicht hinreichend ausgeprägt sind.

2.3.1 Ö  ffentliche Durchsetzung des Kartellverbots Die öffentliche Durchsetzung des Kartellverbots kann im Wesentlichen in drei aufeinanderfolgende Schritte unterteilt werden: Das jeweilige Verhalten muss aufgedeckt, verfolgt und schließlich bestraft bzw. bebußt werden. Obwohl es zweifellos wichtige rechtliche Unterschiede zwischen der Aufdeckung und der Verfolgung eines bestimmten Verhaltens gibt – man denke hierbei

2  Ökonomik der Kartelle und Kartellverfolgung

an die Unterschiede zwischen der Kenntnis von Indizien für ein bestimmtes Verhalten und einem entsprechend „gerichtsfesten“ Nachweis desselben – so wird für die nachfolgende wettbewerbsökonomische Diskussion eine vereinfachende Zweiteilung in die „Aufdeckung“ einer verbotenen Kartellabsprache (Abschn.  2.3.1.2) und die sich anschließende „Intervention“ (Abschn.  2.3.1.3) eingeführt. Zuvor erfolgt jedoch im nächsten Abschnitt eine kurze summarische Darstellung der grundlegenden Instrumente der öffentlichen Durchsetzung des Kartellverbots.

2.3.1.1 Ex-ante- und Ex-postDurchsetzungsinstrumente Unter der Annahme, dass ein Per-se-Kartellverbot kodifiziert wurde, lassen sich die Aufgaben einer Wettbewerbsbehörde im Hinblick auf die Rechtsdurchsetzung zweiteilen: Auf der einen Seite muss sie daran arbeiten, die Anreize zur Bildung neuer Kartelle zu verringern. Auf der anderen Seite muss sie sich mit der Frage befassen, wie bestehende Kartelle aufgedeckt und verfolgt werden können. Auf dieser grundlegenden Zweiteilung baut auch Abb. 2.4 auf. Wie in Abb. 2.4 dargestellt – und im weiteren Verlauf des Abschnitts genauer diskutiert –, steht der Wettbewerbsbehörde eine größere Auswahl an sowohl Ex-ante- als auch Ex-post-Instrumenten für die Erreichung des Ziels einer effektiven öffentlichen Kartellverfolgung zur Verfügung. Ex-ante-Durchsetzungsinstrumente Eine Wettbewerbsbehörde verfügt über verschiedene Optionen, die Bildung von Kartellen ex ante zu reduzieren. Ein erstes Instrument ist die Entwicklung und Veröffentlichung von schwarzen Listen („blacklists“), welche die Verhaltensweisen spezifizieren, die vom Kartellverbot erfasst werden. Das Potenzial solcher schwarzen Listen im Hinblick auf die Reduktion von Kartellbildung ist folglich auf solche Fälle beschränkt, in denen Unternehmen über die Legalität ihres geplanten Verhaltens unsicher (oder unwissend) sind und sich erst nach dem Studium der jeweiligen – regelmäßig an die aktuelle Rechtsprechung angepasste – Liste entscheiden, auf die entsprechende

2.3 Verfolgung

27

Abb. 2.4  Optionen zur öffentlichen Durchsetzung des Kartellverbots. (Quelle: leicht verändert übernommen aus Hüschelrath 2010; übersetzt durch den Autor)

(verbotene) Absprache zu verzichten. Angesichts dieses inhärent informativen Charakters von schwarzen Listen sind sie von besonderer Bedeutung einerseits in Ländern, in denen die entsprechenden Wettbewerbsgesetze erst kürzlich eingeführt wurden – und die betreffenden Unternehmen noch nicht vollumfänglich Kenntnis von ihnen erlangt haben – sowie andererseits für Unternehmen, die im Ausland einer Geschäftstätigkeit nachgehen und sich somit mit den Spielarten und Besonderheiten des Kartellrechts in den jeweiligen Ländern vertraut machen müssen. Eine zweite Möglichkeit zur Verhinderung von Kartellbildung besteht in der Identifizierung von Kommunikationsformen zwischen Unternehmen, die solche Absprachen entweder erleichtern oder gar selbst als Versuche zur Bildung eines Kartells zu interpretieren sind. Vor diesem Hintergrund schlägt Kühn (2001) vor, kollusive Absprachen durch ein Verbot von solchen Arten der Kommunikation zwischen Unternehmen zu erschweren, die einerseits besonders wahrscheinlich Kollusion erleichtern und andererseits aber kaum im Verdacht stehen, wett­ bewerbsfördernde Kommunikation darzustellen. Konkret schlägt Kühn ein Kommunikationsverbot über die folgenden Inhalte vor: Austausch von zukünftigen Erzeugerpreisen oder Produkti-

onsplänen, individualisierter Informationsaustausch über historische Preise und Mengen sowie Austausch von individualisierten  Kosten- und Nachfragedaten. Eine dritte Art von Ex-ante-Instrumenten zur Verhinderung der Bildung von Kartellen sind Anpassungen von Marktgestaltung bzw. -design. So kann beispielsweise die Anwendung von Erkenntnissen aus der Auktionstheorie dabei helfen, Auktionsmechanismen so zu gestalten, dass sie weniger Möglichkeiten zu Angebotsabsprachen bieten als Standardauktionsarten (siehe da­ zu beispielsweise Klemperer 2004 sowie Motta 2004). Solche Überlegungen sind bei der Gestaltung von öffentlichen Vergabeverfahren von besonderer Bedeutung. Strategien zur Verhinderung und Verfolgung von Angebotsabsprachen Das Canadian Competition Bureau (2011) – also die kanadische Wettbewerbsbehörde  – identifiziert die folgenden fünf Bereiche, die für eine konsequente Verhinderung und Verfolgung von Angebotsabsprachen im Rahmen von Beschaffungsaktivitäten wichtig sind: 1. Bei der Suche nach Bietern sind die Beschaffer gut beraten, die Anzahl der Bieter zu maximieren, die teilnehmenden Lieferanten z. B. auf ihre Listenpreise zu überprüfen und die Identität der Bieter geheim zu halten.

28 2. Wichtige Präventionsmaßnahmen bei der Angebotserstellung sind die Offenlegung von Subun­ ternehmerverträgen oder die Vermeidung einer Präferenzbehandlung bestimmter Kategorien von Lieferanten. Im Rahmen des Vergabeverfahrens empfiehlt die Behörde beispielsweise, eine Aufteilung der Verträge zwischen Anbietern mit identischen Angeboten zu vermeiden oder sich bei verdächtigen Ausschreibungsmustern an die Lieferanten zu wenden. 3. Darüber hinaus könnte eine Verpflichtung zum Vergleich der in den Gewinnangeboten angegebenen Kostenniveaus mit den Kostenniveaus in anderen Ländern auch eine präventive Wirkung auf Angebotsabsprachen haben. 4. Nicht zuletzt sind Training und rückschauende Bewertung zwei weitere wichtige Eckpfeiler einer effektiven Präventionsstrategie. Eine regelmäßige Schulung des Personals, das an Ausschreibungsverfahren beteiligt ist, wird voraussichtlich sowohl die Wahrscheinlichkeit der Aufdeckung erhöhen als auch die Attraktivität einer Durchführung von Absprachen verringern. 5. Darüber hinaus hat eine regelmäßige Überprüfung der Ausschreibungen – insbesondere in Branchen mit einem erhöhten Risiko von Angebotsabsprachen  – das Potenzial, eine präventive Wirkung zu entfalten. Dazu gehören auch Interviews mit erfolgreichen und erfolglosen Bietern.

Ein letztes Ex-ante-Instrument zur Verhinderung von Kartellbildung ist die konsequente Anwendung des jeweiligen Fusionskontrollverfahrens (siehe beispielsweise Motta 2004). Ein solches Verfahren untersucht im Zuge der sogenannten Analyse koordinierter Effekte, ob die Umsetzung eines geplanten Unternehmenszusammenschlusses ein Marktumfeld schaffen würde, welches Absprachen deutlich wahrscheinlicher machen würde. Ein konkretes Beispiel für eine solche Gemengelage wäre die Existenz einer kleineren, aber aggressiven Unternehmung (im Englischen: „maverick firm“), die es geschafft hat, sich in einer alteingesessenen Branche mit hohen Eintrittsbarrieren und mehreren vergangenen Episoden der Kartellbildung zu etablieren. Wenn nun eines der alteingesessenen Unternehmen den Versuch starten würde, sich des „Unruhestifters“ durch eine Übernahme zu entledigen, dann könnte eine effektive Fusionskontrolle einen solchen Versuch mit der Begründung untersagen, dass das Marktumfeld nach erfolgter Übernahme eine erneute

2  Ökonomik der Kartelle und Kartellverfolgung

Kartellierung der entsprechenden Branche deutlich erleichtern würde. Ex-post-Durchsetzungsinstrumente Obwohl Ex-ante-Instrumente sicherlich zur Reduktion von Kartellen in einer Volkswirtschaft beitragen können, so erscheint es unwahrscheinlich, dass diese Instrumente allein die Kartellbildung zu einem volkswirtschaftlich optimalen Grad verhindern. Aus einer Ex-post-Perspektive heraus besteht daher die grundlegende Herausforderung von Wettbewerbsbehörden darin, bestehende Kartelle aufzudecken und zu bestrafen bzw. bebußen. Im Hinblick auf die Aufdeckung von Kartellabsprachen ist in der Regel davon auszugehen, dass sich die Kartellmitglieder der Rechtswidrigkeit ihrer Vereinbarungen bewusst sind und somit einen starken Anreiz haben, diese im Verborgenen zu halten. Eine zentrale Aufgabe für eine Wettbewerbsbehörde besteht daher in der Identifizierung solcher illegalen Vereinbarungen (Aufdeckung im engeren Sinne) und der Sammlung ausreichender Beweise, um sich bei möglichen gerichtlichen Überprüfungen durchzusetzen (Auf­ deckung im weiteren Sinne). Im Allgemeinen kann die Wettbewerbsbehörde eine Auswahl an reaktiven und proaktiven Methoden nutzen, um die Wahrscheinlichkeit einer Kartellaufdeckung zu erhöhen (siehe dazu den nachfolgenden Abschn. 2.3.1.2). Im Hinblick auf die Bestrafung bzw. Bebußung von Kartellen werden diese durch die Erwartung motiviert, dass die Verhängung von Sanktionen die Unternehmen von der Bildung (weiterer) Kartelle abschreckt. Folglich besteht der grundlegende Zweck von Bußgeldern darin, eine Abschreckungs­ wirkung zu schaffen bzw. aufrechtzuerhalten – indem den Unternehmen signalisiert wird, dass bei Aufdeckung ihrer illegalen Absprachen erhebliche Bußgelder zu zahlen sind. Wie aus Abb. 2.4 ersichtlich wird, muss die Intervention jedoch nicht unbedingt auf die Verhängung von Bußgeldern beschränkt bleiben, sondern kann auch durch individuelle Bußgelder oder sogar Gefängnisstrafen für die betreffenden Entscheidungsträger in den Unternehmen ergänzt werden. Obwohl solche zusätzlichen Arten der Bestrafung –

2.3 Verfolgung

29

ebenso wie mögliche private Schadensersatzforderungen (siehe dazu Abschn.  2.3.2)  – sicherlich wirksame zusätzliche Interventionsinstrumente sein können, so konzentriert sich die ausführlichere Diskussion in Abschn. 2.3.1.3 auf die Ableitung optimaler Bußgelder und die Rolle von Kronzeugenprogrammen.

2.3.1.2 Aufdeckung Aufbauend auf der vorangegangenen Einführung in die wesentlichen Durchsetzungsinstrumente wird in diesem Abschnitt eine Fokussierung auf den Problemkreis der Aufdeckung von Kartellabsprachen vorgenommen. Im Anschluss an eine grundlegende Charakterisierung reaktiver und proaktiver Methoden erfolgt eine detailliertere Betrachtung eines konkreten Beispiels einer proaktiven Aufdeckungsmethode: dem sogenannten Marktscreening. Reaktive und proaktive Methoden im Überblick Allgemein lassen sich die Methoden zur Aufdeckung von Kartellen durch Wettbewerbsbehörden in reaktive und proaktive Methoden unter­ teilen. Den Ausführungen des International Competition Network (ICN 2010) folgend, basieren reaktive Methoden auf einem externen Ereignis, das stattfindet, bevor die Wettbewerbsbe-

hörde von einem Kartell erfährt, während proaktive Methoden ihren Ursprung in der Behörde selbst haben (also von dort initiiert werden und nicht auf einem externen Ereignis beruhen). Einen Überblick über die verschiedenen Methoden und Instrumente liefert Abb. 2.5. Wie in Abb. 2.5 dargestellt, umfassen reaktive Methoden zur Aufdeckung von Kartellen Beschwerden, andere externe Informationen sowie Kronzeugenanträge. Den Ausführungen des ICN (2010) folgend, können Beschwerden über eine angebliche Kartellabsprache von Wettbewerbern, Kunden, anderen Behörden oder auch aktuellen bzw. ehemaligen Mitarbeitern der jeweiligen Unternehmen eingereicht werden. Im Rahmen der Kategorie „externe Informationen“ wird unter einem Whistleblower in der Regel ein aktueller oder ehemaliger Mitarbeiter verstanden, der dezidiertes Wissen über eine Kartellbeteiligung seines (ehemaligen) Arbeitgebers hat, aber nicht persönlich beteiligt war. Ein Informant hingehen ist in der Regel ein Außenstehender, der Zugang zu Informationen aus dem Kartell erhält. Ein Kronzeuge ist schließlich ein Kartellmitglied, das das jeweilige Kartell der Behörde meldet und bei Vorliegen einiger Anforderungen mit einer Reduktion oder sogar einer Aufhebung des entsprechenden Bußgelds rechnen kann (siehe dazu Abschn. 4.3).

KARTELLAUFDECKUNG

PROAKTIVE METHODEN

REAKTIVE METHODEN

Beschwerden

Externe Informationen

Anzeigen von Kronzeugen

Forensische Methoden

Fallanalyse

Industriebeobachtung

Behördliche Kooperation

Wettbewerber

Whistleblower

Kollusionsfaktoren

Kartellfälle

Unterwanderung

Wettbewerbsbehörden

Kunden

Informanten

Industriestudien

Andere Fälle

Verfolgung von Personen

Andere Behörden

Behörden

Mitarbeiter

Marktscreening

Presse und Internet Industrievertreter

Abb. 2.5  Methoden zur Aufdeckung von Kartellen. (Quelle: Hüschelrath 2010; übersetzt durch den Autor)

30

Proaktive Methoden bieten eine Vielzahl an Instrumenten, um Kartelle aktiv aufzudecken. Der Einsatz von forensischen Methoden kann beispielsweise eine Rolle bei der Untersuchung von Kollusionsfaktoren in verschiedenen Branchen, der Durchführung von Markt- oder Branchenstudien sowie bei den – in den nachfolgenden Unterabschnitten noch genauer zu erläuternden – Marktscreeningansätzen spielen. Ergänzend kann eine Wettbewerbsbehörde nützliche Informationen über bestehende Kartelle auch generieren, indem sie vergangene Kartellfälle oder andere Wettbewerbsfälle – wie beispielsweise Fusionen – diesbezüglich unter die Lupe nimmt. Darüber hinaus verspricht eine regelmäßige Überwachung besonders verdächtiger Branchen – beispielsweise durch das Einschleusen von Informanten, die Karriereverfolgung von Branchenmanagern, Presse- und Internetmonitorings sowie den regelmäßigen Kontakt mit Branchenvertretern – eine höhere Wahrscheinlichkeit der Aufdeckung von Kartellen. Nicht zuletzt kann auch die Zusammenarbeit zwischen verschiedenen Behörden  – sowohl Wettbewerbsbehörden als auch anderen nationalen oder internationalen Behörden (wie beispielsweise öffentlichen Vergabestellen)  – die Aufdeckung von Kartellen fördern. Das Europäische Wettbewerbsnetzwerk Mit dem Europäischen Wettbewerbsnetzwerk (European Competition Network, ECN) haben die Europäische Kommission und die nationalen Wettbewerbsbehörden eine Diskussions- und Kooperationsplattform für die Anwendung und Durchsetzung der EU-Wettbewerbspolitik geschaffen, mit dem Ziel des Schutzes des Wettbewerbs auf der Grundlage der Schaffung und Wahrung einer gemeinsamen Wettbewerbskultur in Europa. Wichtige Kooperationen im Rahmen des ECN stellen der gegenseitige Informationsaustausch über Fälle und Entscheidungen der Wettbewerbsbehörden, gegenseitige Amtshilfe bei den Ermittlungen sowie auch der Austausch von Beweismaterial dar.

In Bezug auf die relative Bedeutung von reaktiven und proaktiven Methoden zur Aufdeckung von Kartellen sind die verfügbaren Belege eher spärlich. Hay und Kelley (1974) identifizieren in ihrer wegweisenden Arbeit 12 verschiedene Methoden (aus beiden Kategorien), die von den beiden US-Wettbewerbsbehörden zwischen

2  Ökonomik der Kartelle und Kartellverfolgung

1963 und 1972 tatsächlich angewendet wurden, um insgesamt 49 Kartelle aufzuspüren. In 70 % der Fälle wurde dazu eine der folgenden vier Methoden angewendet: Grand-Jury-Untersuchung in einem anderen Fall (24 %), Beschwerde eines Mitbewerbers (20 %), Beschwerde eines Kunden (14 %) und Beschwerde einer lokalen, staatlichen oder Bundesbehörde (12 %). Dem ICN (2010, S. 10) folgend ist die dominante Rolle von Beschwerden bei der Aufdeckung von Kartellen auch heute noch zu beobachten  – Kronzeugenanträge holen jedoch in ihrer relativen Bedeutung auf. Obwohl detaillierte Statistiken nicht verfügbar sind, scheinen proaktive Methoden im Allgemeinen eine relativ geringe Rolle zu spielen im Vergleich zu den reaktiven Methoden. In jüngerer Zeit mehren sich allerdings die Hinweise, dass Wettbewerbsbehörden die Umsetzung solcher proaktiven Methoden prüfen oder sogar schon ihre Implementierung in die Wege geleitet haben (siehe dazu Laitenberger und Hüschelrath 2011). Beispiel einer proaktiven Methode: Marktscreening Angesichts dieser jüngsten Entwicklungen soll im weiteren Verlauf des Abschn.  2.3 ein bestimmtes proaktives Instrument aus der Unterkategorie „forensische Methoden“ etwas genauer betrachtet werden: das sogenannte Marktscreening. Dieses lässt sich im Wesentlichen in drei aufeinanderfolgende Schritte unterteilen. Im ersten Schritt wird eine strukturelle Bewertung aller Branchen einer Volkswirtschaft durchgeführt, gefolgt – in einem zweiten Schritt – von einer eingehenden Verhaltensanalyse für alle diejenigen Branchen, die im Rahmen der einführenden strukturellen Analyse als verdächtig eingestuft wurden. Werden ausreichende Verhaltensbelege gefunden, kann die Wettbewerbsbehörde in einem dritten Schritt dann möglicherweise ein Kronzeugenprogramm erfolgreich anwenden und/­ oder eine Hausdurchsuchung veranlassen, um so Zugang zu schriftlichen Beweisen für das Bestehen der betreffenden Kartellabsprache zu bekommen. Solche harten Beweise sind in der Regel erforderlich, um die Existenz einer Kartellvereinbarung gerichtsfest nachzuweisen.

2.3 Verfolgung

Strukturelle Analyse aller Branchen einer Wirtschaft Die branchenübergreifende Strukturanalyse greift ­die Stabilitätsprobleme auf, mit denen Kartellvereinbarungen typischerweise konfrontiert sind. Wie bereits in Abschn.  2.2.2.1 grundlegend erläutert wurde, können Unternehmen  – trotz der Entwicklung vielfältiger Anreizsysteme zur Stabilisierung von Kartellabsprachen  – nicht in jedem Marktumfeld Kartellabsprachen gleichermaßen gewinnbringend implementieren. Die jeweiligen Möglichkeiten werden dabei sowohl von der Größe der Gewinndifferenz zwischen dem Kartellgewinn und dem Wettbewerbsgewinn als auch den Kosten für den Betrieb des Kartells (einschließlich möglicher Bußgelder) bestimmt. Die jeweiligen Ausprägungen dieser Kostenund Nutzenkomponenten hängen zentral von den jeweiligen Markt- und Unternehmenscharakteristika ab. Betrachtet man beispielsweise zwei Märkte, die sich nur im Hinblick auf die Anzahl der dort jeweils operierenden Unternehmen (mit drei bzw. zehn Firmen) unterscheiden, so ist – ceteris paribus  – zu erwarten, dass die Erzielung und Aufrechterhaltung einer Kartellvereinbarung in einem Markt mit zehn Unternehmen teurer ist als in einem Markt mit nur drei Unternehmen – einfach deshalb, weil die Verhandlungen (und die anschließende Überwachung) zwischen zehn Parteien typischerweise komplexer und teurer sind als zwischen nur drei Parteien. Als Folge dieser einfachen Argumentation wäre es für eine Wettbewerbsbehörde demnach sinnvoller, den Markt mit nur drei Unternehmen im Hinblick auf mögliche Kartelle zu untersuchen als den Markt mit zehn Unternehmen. Neben diesem einfachen Strukturbeispiel auf Basis der Anzahl der Unternehmen in einem Markt hat die theoretische Forschung eine Vielzahl weiterer Treiber für die Nutzen und Kosten – und damit die Rationalität und Stabilität  – von Kartellabsprachen identifiziert (siehe dazu die Unterscheidung in strukturelle, angebotsbe­ zogene und nachfragebezogene Faktoren in Abschn.  2.2.2.1). Im Rahmen der Marktscreeningansätze werden viele dieser Faktoren in einem Modell zusammengeführt und anschließend auf Industriestrukturdaten angewendet. Auf diese

31

Weise lassen sich dann Branchen identifizieren, die aufgrund des Vorliegens einer Vielzahl an kollusionsfördernden Faktoren eine höhere Kartellbildungswahrscheinlichkeit aufweisen als andere Branchen. Identifikation von kartellgefährdeten Branchen Grout und Sonderegger (2005) entwickeln einen operativen Rahmen mit dem Ziel einer Identifikation von Branchen mit einer hohen Wahrscheinlichkeit für das Vor­ liegen von Kartellabsprachen. Auf der Grundlage der dreistelligen Standardindustrieklassifikation – die sie für die Durchführung einer solchen Studie als das richtige Maß an Disaggregation zwischen Branchen und Märkten ansehen – erfassen sie zunächst die vorhandenen Belege für aufgedeckte Kartelle im Vereinigten Königreich (UK), um dann besondere strukturelle Merkmale zu identifizieren, die für die Bildung dieser Kartelle von Vorteil gewesen sein könnten. Anschließend vergleichen sie anhand eines Wirtschaftsmodells die strukturellen Merkmale der erfassten Kartelle mit den strukturellen Merkmalen der einzelnen Branchen im UK, um die Wahrscheinlichkeit von Kartellen in diesen Branchen vorherzusagen. Ihre Ergebnisse weisen auf die folgenden acht Branchen hin, in denen mit einer Wahrscheinlichkeit von über 50 % mindestens ein Kartell bestand oder besteht: Telekommunikation, Luft- und Raumfahrzeugbau, Mahl- und Schälmühlenerzeugnisse, Stärken und Stärkeerzeugnisse, Rechts-, Buchhaltungs- und Wirtschaftsprüfungstätigkeiten, Steuerberatung, Markt- und Meinungsforschung, Unternehmens- und Managementberatung sowie Güterumschlag und Lagerung.

Trotz dieser auf den ersten Blick aussichtsreichen Vorgehensweise kommt Harrington (2008) zu dem Schluss, dass Strukturanalysen im Rahmen von Marktscreeningansätzen möglicherweise nicht allzu hilfreich sind  – unter anderem deshalb, weil sie zu einer Vielzahl von Märkten führen, die sich zwar durch eine erhöhte Kartellbildungswahrscheinlichkeit auszeichnen, aber nicht davon auszugehen ist, dass die Mehrheit von ihnen tatsächlich auch Kartelle aufweist. Mit anderen Worten ist zu befürchten, dass Strukturanalysen einfach zu ungenau sind, um wirklich eine Auswahl von Märkten zu generieren, für die eingehende Untersuchungen angebracht und lohnend erscheinen. Diese Schlussfolgerung gilt auch deshalb, weil die Analyse von Kollusionsfaktoren in Bezug auf die Aufdeckung von Kartellen keineswegs deterministisch ist. Das Vorhandensein eines oder mehrerer struktureller Faktoren in einem

32

Markt macht die Branche zwar statistisch zu einem wahrscheinlicheren Kollusionskandidaten, dies garantiert aber weder das tatsächliche Vorliegen eines Kartells im entsprechenden Markt noch das Nichtvorliegen von Kartellen in Branchen mit unterschiedlichen strukturellen Merkmalen. Auf das oben verwendete Beispiel auf Basis der Anzahl an beteiligten Unternehmen angewendet, so ist es zwar für diesen isolierten Faktor wahrscheinlicher, dass ein Kartell im Markt mit drei Unternehmen gebildet wurde, es kann aber einerseits eben nicht ausgeschlossen werden, dass die zehn Unternehmen in dem anderen Markt eine effektive Möglichkeit der Kartellbildung und -stabilisierung gefunden haben  – beispielsweise über einen Industrieverband, der gleichzeitig als Kartellmanager fungiert. Andererseits können in einem Markt mit nur drei Unternehmen diese so unterschiedliche Eigenschaften aufweisen  – beispielsweise im Hinblick auf Marktanteile, Kostenstrukturen oder Unternehmenskulturen –, dass eine Kartellbildung insgesamt als sehr unwahrscheinlich angesehen werden muss. Trotz dieser eher skeptischen Gesamteinschätzung kann der potenzielle Wert einer strukturellen Analyse von Branchen abschließend anhand des Beispiels der (globalen) Lysinindustrie veranschaulicht werden. Lysin – eine essenzielle Aminosäure  – ist ein homogenes Produkt mit preisunelastischer Nachfrage, das in einer Branche mit nur wenigen Unternehmen mit relativ ähnlichen Kostenstrukturen hergestellt wird. Darüber hinaus wies die Branche in der Vergangenheit schon längere Episoden von Kartellbildung auf. Diese strukturellen Faktoren machen die Lysinindustrie somit zu einem möglichen Kandidaten für die Bildung bzw. das Bestehen von Kartellabsprachen. Verhaltensanalyse von „verdächtigen“ Branchen Im Anschluss an eine Analyse der strukturellen Merkmale von Branchen soll im nachfolgenden zweiten Schritt eine genauere Betrachtung des Verhaltens der Unternehmen in den als „verdächtig“ klassifizierten Branchen erfolgen  – idealer-

2  Ökonomik der Kartelle und Kartellverfolgung

weise, um Verhaltensweisen zu identifizieren, die auf das Bestehen von Kartellvereinbarungen hinweisen können. Solche Verhaltensanalysen „konzentrieren sich auf die Marktauswirkungen dieser Koordinierung; der Verdacht kann sich aus dem Muster der Preise oder Mengen der Unternehmen oder einem anderen Aspekt des Marktverhaltens ergeben“ (Harrington 2007; übersetzt durch den Autor). Typischerweise konzentriert sich eine Verhaltensanalyse auf Zeitreihendaten und dort insbesondere auf Strukturbrüche (z. B. durch kartellbedingte Preiskriege) sowie exogene Schocks (z. B. durch Veränderungen der Inputkosten). Auf Basis solcher Analysen können dann Rückschlüsse darauf gezogen werden, ob die Entwicklung der entsprechenden Zeitreihen eher mit Wettbewerbsverhalten vereinbar ist oder eher auf kollusives Verhalten hindeutet (siehe z.  B. de Roos 2006). Um die Grundidee von Verhaltensanalysen zu veranschaulichen, kann noch einmal die Lysinindustrie herangezogen werden, in der in den 1990er-Jahren eine (weltweite) Kartellabsprache existierte. Vor diesem Hintergrund zeigt Abb. 2.6 die Entwicklung der durchschnittlichen monatlichen Lysinpreise für die USA und die EU zwischen Juli 1991 und Juni 1995. Wie in Abb.  2.6 aufgegriffen, kann die Geschichte des Lysinmarktes zwischen Juli 1991 und Juni 1995 in vier Perioden unterteilt werden: 1. Vorkartellperiode, 2. erste Kartellperiode von August 1992 bis Fe­ bruar 1993, 3. Preiskriegperiode von März 1993 bis August 1993 und 4. zweite Kartellperiode von September 1993 bis Juni 1995. Die Vorkartellperiode war durch den groß angelegten Markteintritt der US-amerikanischen ADM und den kleineren Markteintritt eines koreanischen Unternehmens gekennzeichnet. In der Folge sank der Marktpreis, so wie dies in einem wettbewerblichen Markt zu erwarten ist. Als Folge der Umsetzung der Kartellvereinbarung im August 1992 ist ein Strukturbruch festzustellen, der durch einen stetigen Anstieg des Marktprei-

2.3 Verfolgung

33

160

1. Kartellperiode

Vorkartellperiode Marktpreis (in US cents/lb.)

140

Preiskrieg

2. Kartellperiode

120 100 80 60 40 20 Preiskorrelationskoeffizient 0,92

5 r9

95

Ap

n

94

Ja

4

kt O

4

l9

r9

Ju

94

Ap

n

93

Ja

3

kt O

3

l9

r9

US-Preis

Ju

93

Ap

n

92

Ja

2

kt O

2

l9

r9

Ju

92

Ap

n Ja

Kt O

Ju

l9

1

91

0

EU-Preis

Abb. 2.6  Durchschnittliche monatliche Lysinpreise in den USA und der EU zwischen Juli 1991 und Juni 1995. (Quelle: in Anlehnung an Hüschelrath 2009 auf Basis eines Datensatzes von Connor 2002)

ses für Lysin über mehrere Monate hinweg gekennzeichnet ist. Diese Entwicklung wurde durch einen Preiskrieg von März 1993 bis August 1993 unterbrochen, der sich in zwei zusätzlichen Strukturbrüchen widerspiegelt: Der erste Bruch wird durch den Beginn des Preiskriegs und die damit verbundenen erheblichen Preisrückgänge verursacht, während der zweite Bruch durch die Wiederbelebung der Kartellvereinbarung nach dem Ende des Preiskriegs zu erklären ist. Die Zeit nach dem Preiskrieg zeigt zunächst einen stetigen Anstieg der Marktpreise und anschließend ein anhaltend hohes Preisniveau – mit nur geringen Preisschwankungen –, bis das US-amerikanische Federal Bureau of Investigation (FBI) im Juni 1995 das Kartell aufdeckte. Zusammenfassend lässt sich somit sagen, dass die Untersuchung der Marktpreise für die US-Lysinindustrie vor und während des Kartells darauf hindeutet, dass insbesondere Preiskriege vor oder während des Übergangs vom Vorkartellzustand zum Kartell sowie längere Perioden stationärer Preise mit geringer Varianz als zwei mögliche verhaltensbezogene Indizien für das Vorliegen von Kartellabsprachen angesehen wer­ den können.

Basierend auf qualitativen Auswertungen von 20 EU-Kartellfällen zwischen 2000 und 2004 bestätigt Harrington (2006, 2007) diese beiden identifizierten Besonderheiten im Rahmen eines umfassenderen Verhaltensscreenings, fügt aber weitere sogenannte Kollusionsmarker hinzu, die zur Unterscheidung zwischen kollusivem Marktverhalten und wettbewerblichem Marktverhalten verwendet werden können. Tab.  2.5 gibt einen Überblick über diese Marker. Ein Beispiel für einen regelmäßiger angewendeten und oftmals gut funktionierenden Kollusionsmarker ist die geringe Preisvarianz bzw. -volatilität. Aus theoretischer Sicht ist ein solcher Marker mit der Erwartung gerechtfertigt, dass Preisanpassungen während laufender Kartellabsprachen kostspielig sind und daher oftmals unterbleiben bzw. erst verzögert und dann summarisch stattfinden. Darüber hinaus würde eine unmittelbare Anpassung (beispielsweise an Kostenänderungen) durch die Kartellmitglieder die Aufdeckung von Abweichungen von der Kartellabsprache erschweren, und diese werden daher – auch von dieser Warte aus betrachtet  – folglich eher unterbleiben. Es ist daher insgesamt zu erwarten, dass der Übergang von einem wettbe-

2  Ökonomik der Kartelle und Kartellverfolgung

34

Tab. 2.5  Kollusionsmarker für das Verhaltensscreening. (Quelle: verändert übernommen aus Harrington 2006; übersetzt durch den Autor) Art des Kollusionsmarkers Preis

Menge

Beschreibung 1 Ein höherer Listenpreis (oder regulärer Preis) und geringere Preisschwankungen bei den Kunden 2 Einer Reihe von stetigen Preiserhöhungen gehen starke Preisrückgänge voraus 3 Preissteigerungen und Rückgang der Importe 4 Die Preise der Unternehmen sind stark positiv korreliert 5 Ein hohes Maß an Einheitlichkeit zwischen den Unternehmen bei den Produktpreisen und anderen Dimensionen, einschließlich der Preise für Nebenleistungen 6 Geringe Preisvarianz 7 Der Preis unterliegt einem Regimewechsel 8 Die Marktanteile sind im Laufe der Zeit sehr stabil 9 Es gibt eine Anzahl von Unternehmen, bei denen der Anteil jedes Unternehmens am Gesamtangebot im Zeitablauf sehr stabil ist 10 Der Marktanteil eines Unternehmens ist im Zeitablauf negativ korreliert

werblichen Zustand zu einem Kartell mit einer Reduktion der Preisvolatilität einhergeht. Umgekehrt ist nach einem Kartellzusammenbruch eine Zunahme der Preisvolatilität zu erwarten – unter anderem deshalb, weil die Preise wieder stärker auf Kostenänderungen reagieren. Eine überzeugende Argumentation mithilfe des Arguments der Preisvolatilität liefert das Sekretariat der Schweizer Wettbewerbskommission im Rahmen der Untersuchung einer Angebotsabsprache in der Straßenbelagsbranche im Kanton Tessin. Die Entwicklung der Preisvolatilität der Angebote für Straßenbelagsarbeiten ist in Abb. 2.7 dargestellt. Wie oben erläutert, steht zu erwarten, dass die Preisvolatilität nach erfolgreicher Umsetzung einer Angebotsabsprache sinkt und nach deren Beendigung wieder ansteigt. Abb.  2.7 zeigt genau dieses Muster für insgesamt 225 Ausschreibungen und verdeutlicht somit das Potenzial einer Anwendung von einfachen statistischen Verfahren wie Strukturbruchtests für die Aufdeckung von Kartellabsprachen (siehe dazu auch insbesondere Imhof et al. 2018 sowie Abschn. 6.2, in dem verdeutlicht wird, wie Kunden mithilfe solcher Verfahren an der Aufdeckung von Kartellen aktiv mitwirken können). Dass bei der Aufdeckung von Kartellen sogar öffentlich verfügbare Daten hilfreich sein können, lässt sich abschließend mit einem Blick auf die Entwicklung des Baupreisindex für den Neu-

bau von Straßen verdeutlichen. In Abb.  2.8 ist dieser für ausgewählte Großregionen der Schweiz zwischen 1998 und 2007 dargestellt (wobei die obigen Straßenbelagsarbeiten zu 25 % in die Berechnung des Index eingehen). Der Verlauf der verschiedenen Baupreisindizes in Abb. 2.8 lässt unmittelbar den Schluss zu, dass sich die Preisentwicklung in der Großregion Tessin deutlich von der in anderen Großregionen der Schweiz unterscheidet. Wenngleich diese Abweichung grundsätzlich auch von anderen Faktoren – wie beispielsweise Kostenunterschieden – getrieben sein kann, so liefert der einfache Vergleich dennoch ein Indiz für die mögliche Existenz eines Kartells. Dieses kann dann von der Wettbewerbsbehörde aufgegriffen und zu einer genaueren Untersuchung führen (so wie dies im vorliegenden Fall auch durch das Sekretariat der Schweizer Wettbewerbskommission geschehen ist). Sammlung von harten Beweisen Nach der Anwendung von Struktur- und Verhaltensanalysen ist der dritte und letzte Schritt im Rahmen sogenannter Marktscreeningansätze die Sammlung von harten Beweisen. Bei oftmals am frühen Morgen stattfindenden Hausdurchsuchungen (im Englischen: „dawn raids“) handelt es sich im Wesentlichen um unangekündigte Besuche von Staatsbediensteten  – ausgestattet mit einer entsprechenden richterlichen

2.3 Verfolgung

35

0.25 Angebotsabsprache

Preisvolatilität

0.20

0.15

0.10

0.05

24.03.06

31.03.05

29.03.04

15.12.00

31.12.98

11.02.98

03.12.96

12.03.96

0.00

Abb. 2.7  Entwicklung der Preisvolatilität der Angebote für Straßenbelagsarbeiten im Tessin. (Quelle: leicht verändert übernommen aus RPW 2008) 150

140

Indizes

130

120

110

100 Rohdaten: BFS 90 Okt Apr Okt Apr Okt Apr Okt Apr Okt Apr Okt Apr Okt Apr Okt Apr Okt Apr 1998 1999 1999 2000 2000 2001 2001 2002 2002 2003 2003 2004 2004 2005 2005 2006 2006 2007 Neubau von Straßen CH Neubau von Straßen Genf

Neubau von Straßen Ost Neubau von Straßen TN

Neubau von Straßen ZH

Abb. 2.8  Entwicklung der Baupreisindizes für den Neubau von Straßen in ausgewählten Großregionen der Schweiz, 1998–2007. (Quelle: Hüschelrath et al. 2010; übersetzt durch den Autor)

Durchsuchungsanordnung – an den Hauptsitzen der jeweils kartellverdächtigen Unternehmen mit dem klar formulierten Ziel, schriftliche Beweise für die vermutete Kartellvereinbarung zu finden.

Parallel dazu kann die Wettbewerbsbehörde die Kartellmitglieder durch ein Kronzeugenprogramm und die damit einhergehenden Bußgeldreduktionen dazu motivieren, selbst Nachweise für die Existenz einer Kartellabsprache zu lie-

36

fern. Dieses zunehmend bedeutsame Instrument der Kartellaufdeckung und -verfolgung wird unter anderem in Abschn.  2.3.1.3 genauer betrachtet. Die Notwendigkeit des Vorlegens harter Beweise für Kartellabsprachen kann abschließend wiederum durch das Lysinkartell verdeutlicht werden. Dort wurde ein leitender Manager von ADM, Mark Whitacre, im November 1992 zum verdeckten Informanten des FBI und lieferte mehrere Tonbänder von Gesprächen zwischen Lysinmanagern im Rahmen mehrerer Treffen. Dank der Hilfe von Whitacre konnte das FBI sogar Videoaufzeichnungen von einigen der Treffen erstellen. Ende Juni 1995 durchsuchte schließlich das FBI Büros in der ADM-Zentrale, um zusätzlicher Dokumente habhaft zu werden, die die Kartellabsprache hinreichend belegten (siehe White 2001 für eine detaillierte Beschreibung).

2.3.1.3 Intervention Neben den in den vorangegangenen Abschnitten thematisierten Möglichkeiten der Aufdeckung von Kartellabsprachen stellt die Intervention die zweite Säule der öffentlichen Kartellverfolgung dar (siehe dazu Abb.  2.4). Diesbezüglich wird nun insbesondere auf die Ableitung von abschreckungsoptimalen Unternehmensbußgeldern sowie die Rolle von Kronzeugenprogrammen genauer eingegangen. Ableitung von optimalen Unternehmensbußgeldern Im Folgenden wird die Ableitung von (abschreckungs)optimalen Unternehmensbußgeldern diskutiert. Sie beginnt mit einer Diskussion der grundlegenden Mechanik, gefolgt von einer Analyse der wichtigsten Treiber eines Mindestbußgeldes mit Abschreckungseffekt in einem erweiterten Modellrahmen. Dieses Modell ermöglicht auch den Einsatz einfacher Simulationen, die dabei helfen, die zentralen ökonomischen Determinanten optimaler Bußgelder für Verstöße gegen das Kartellverbot zu verdeutlichen.

2  Ökonomik der Kartelle und Kartellverfolgung

Abschreckungsoptimale Bußgelder – grundlegende Mechanik Im Allgemeinen wird ein Ex-ante-Abschreckungseffekt aus rechtsökonomischer Sicht durch zwei Faktoren bestimmt: die Schwere der Sanktion und die Wahrscheinlichkeit der Aufdeckung. Ein bestimmtes Verhalten wird dann abgeschreckt, wenn das Bußgeld dem Gewinn des Täters aus der illegalen Verhaltensweise entspricht, dividiert durch die Wahrscheinlichkeit der Aufdeckung. Wenn also beispielsweise der Überschussgewinn einer Kartellvereinbarung durch G = 200 und die Aufdeckungswahrscheinlichkeit durch p  =  0,2 gegeben ist, dann kann das entsprechende Bußgeld F zur Abschreckung eines solchen Verhaltens mit F = (200/0,2) = 1000 berechnet werden. Obwohl die Konzentration auf den Gewinn des Täters naheliegend ist, hat die rechtsökonomische Forschung ein alternatives Maß für den Zähler in obiger Gleichung entwickelt: den vom Täter verursachten „Nettoschaden für andere“. Wird dieser Nettoschaden mit H und die Wahrscheinlichkeit der Aufdeckung weiterhin mit p bezeichnet, so zeigen Polinsky und Shavell (2000), dass das optimale Bußgeld F nunmehr durch F = H/p gegeben ist (solange die Einzelpersonen risikoneutral sind). Hieraus lässt sich dann die rechtsökonomische Schlussfolgerung ableiten, dass  – um schädliches Verhalten optimal abzuschrecken – das erwartete Bußgeld dem Nettoschaden entsprechen muss, den der Täter bei anderen verursacht. Obwohl es in den Rechts- und Wirtschaftswissenschaften nach wie vor Diskussionen darüber gibt, ob nun der „Gewinn“ oder der „Schaden für andere“ die geeignete Grundlage für Bußgelder ist, so haben sich die Kommentatoren in jüngerer Zeit überwiegend für einen schadensorientierten Ansatz ausgesprochen. Ein wesentlicher Vorteil des schadensbasierten im Vergleich zum gewinnbasierten Bußgeld ist, dass es nicht von solchen „effizienten“ Kartellrechtsverstößen abhalten wür­de, die dem Täter mehr Gewinn als Schaden für die Gesellschaft bringen – und daher aus Wohlfahrtssicht nicht abgeschreckt (aber nach wie vor bestraft) werden sollten (siehe dazu Wils 2006).

2.3 Verfolgung

Optimale Bußgeldsysteme Im Hinblick auf die Kartellverbotsdurchsetzung untersucht Souam (2001) zwei verschiedene Systeme der Bußgeldermittlung: ein Bußgeld, das sich auf die Umsätze der jeweiligen Branche stützt, und ein Bußgeld, das sich auf den Schaden bezieht, der den Kunden entstanden ist. Er zeigt, dass, solange Untersuchungen kostspielig sind und einen sinkenden sozialen Nutzen generieren, es in beiden Systemen gesellschaftlich vorteilhaft ist, eine gewisse Anzahl an Absprachen zu tolerieren: Denn solange der Schaden geringer ist als die Ex-ante-Kosten der Abschreckung, ist es aus Wohlfahrtssicht besser, nicht einzugreifen. Die Ergebnisse Souams deuten auch darauf hin, dass beide Ansätze insofern ähnlich sind, als sie beide ein ähnliches Abschreckungsniveau erreichen. In Branchen, in denen die Kollusionswahrscheinlichkeit gering ist, hat ein umsatzbasiertes Bußgeld jedoch bestimmte Vorteile ge­ genüber einem schadensbasierten Bußgeld, während in Branchen mit hoher Kollusionswahrscheinlichkeit ein schadensbasiertes Bußgeld aus Wohlfahrtssicht zu etwas besseren Ergebnissen führt.

Unter der Annahme, dass der Schaden für andere als geeignete Grundlage für Bußgelder ausgewählt wird, hängt der durch ein Kartell verursachte Schaden von der Marktgröße, der Dauer der Zuwiderhandlung und der Höhe des Preisanstiegs im Vergleich zum Wettbewerbsniveau (d. h. dem kartellinduzierten Preisaufschlag) ab. Wäre die Verhängung eines solchen Bußgelds eine glaubwürdige Drohung für die Marktteilnehmer  – und läge die Wahrscheinlichkeit der Aufdeckung bei 100 % – dann würden Kartellabsprachen auf diese Weise zu einem optimalen Grad abgeschreckt. Allerdings wäre die Sicherstellung einer solch perfekten Aufdeckungsrate sicher ein sehr teures bzw. sogar unmögliches Unterfangen (innerhalb größerer staatlicher Gebilde). Es ist daher zu erwarten, dass die tatsächlichen Aufdeckungsraten deutlich geringer ausfallen. So schätzt beispielsweise eine Studie von Bryant und Eckard (1991), dass die Wahrscheinlichkeit, eine Kartellabsprache in den USA über einen Zeitraum von 12 Monaten aufzudecken, bei durchschnittlich etwa 15  % pro Jahr liegt. In einer jüngeren Studie kommt Connor (2006) zu dem Schluss, dass die existierende Evidenz Aufdeckungswahrscheinlichkeiten zwischen 10 % und 20 % für die Vereinigten Staaten nahelegt. Für die Europäische Union wenden einerseits Combe et al. (2008) ein allgemeines stochastisches

37

Aufdeckungsmodell zur Abschätzung der jährlichen Aufdeckungswahrscheinlichkeiten auf einen Datensatz bestehend aus von der Europäischen Kommission zwischen 1969 und 2007 bebußten Kartellen an und finden jährliche Aufdeckungswahrscheinlichkeiten um die 13  %. Andererseits entwickelt Ormosi (2014) ein statistisches Verfahren zur Abschätzung der zeitabhängigen Kartellaufdeckungsraten und testet dieses mithilfe eines Datensatzes, bestehend aus von der Europäischen Kommission zwischen 1984 und 2009 aufgedeckten Kartellen. Er kommt zu dem Schluss, dass weniger als ein Fünftel der an Kartellen beteiligten Unternehmen tatsächlich aufgedeckt wird. Trotz dieser relativ geringen Aufdeckungswahrscheinlichkeiten wäre es gemäß den obigen theoretischen Überlegungen immer noch möglich, einen vollen Abschreckungseffekt zu erreichen – denn schließlich ließe sich die Höhe des Bußgelds entsprechend so nach oben anpassen, dass die Verringerung der Aufdeckungswahrscheinlichkeit ausgeglichen werden könnte. Verschiedene Studien haben jedoch gezeigt, dass ein solcher Vorschlag sowohl aus allgemeinen wirtschaftlichen Gründen (z.  B. den hohen sozialen und wirtschaftlichen Kosten hoher Bußgelder) als auch aus praktischen Gründen (z. B. der Unfähigkeit von Unternehmen, solche Bußgelder zu bezahlen) kaum umsetzbar erscheint. Hieraus folgt unmittelbar, dass es also weder möglich noch wirtschaftlich wünschenswert ist, eine Kartellbildung vollständig zu verhindern. Todesstrafe für Kartellanten? In der Rechtsökonomik wurde schon bei vielen Gelegenheiten die Frage diskutiert, warum es nicht wohlfahrtsökonomisch optimal sei, die Todesstrafe für Kartellanten (oder andere Gesetzesverstöße) einzuführen. Bei diesem Gedankenspiel geht es nicht darum, eine solche Regel tatsächlich einführen zu wollen, sondern man verfolgt damit das Ziel, sich den entsprechend wirkenden Kosten- und Nutzenkomponenten bewusst zu werden. So ließe sich vermutlich durch einen solchen Schritt zwar eine fast vollständige Abschreckung erzielen, er würde aber mit hoher Wahrscheinlichkeit auch dazu führen, dass jede Art von wettbewerbsfördernder Zusammenarbeit zwischen Unternehmen vermieden würde – in der Sorge, sie könnte als Kartellabsprache ausgelegt werden (und damit zum Tode führen). Darüber hinaus hätten Manager, die von der Todesstrafe bedroht wären, einen maximalen Anreiz, entweder in Compliancesysteme oder in das Verbergen ihrer

38 Straftaten zu investieren. Beide Arten von Investitionen sind für die Gesellschaft kostspielig, und insbesondere letztere ist im Regelfall mit weiteren Straftaten verbunden (deren Kosten dann ebenso aus gesellschaftlicher Sicht in die Berechnung einfließen müssten).

Auch wenn die Bußgelder und die Wahrscheinlichkeit der Aufdeckung nicht hoch genug sind, um eine Kartellbildung vollständig zu verhindern, so kommen die entsprechenden wett­ bewerbspolitischen Aktivitäten dennoch den Verbrauchern zugute. Eine Begründung hierfür liefern Block et al. (1981) im Rahmen einer theoretischen Untersuchung des Zusammenhangs zwischen Kartellrechtsdurchsetzung und optimalen Absprachen. Die Autoren gehen davon aus, dass das Ziel eines Kartells darin besteht, die gemeinsamen Gewinne zu maximieren. In einer Welt ohne Wettbewerbsbehörde arbeiten daher alle Unternehmen der Branche effektiv zusammen und verlangen den Monopolpreis. Wird nun eine Wettbewerbsbehörde eingerichtet, die prüft, ob der Preisaufschlag eine bestimmte Schwelle überschreitet (und in einem solchen Fall eine Untersuchung einleitet und schließlich ein Bußgeld verhängt), dann wirkt sich die Höhe des Preisaufschlags nun erheblich auf die Wahrscheinlichkeit der Aufdeckung aus: Je höher der Preisaufschlag ist, desto wahrscheinlicher ist eine Untersuchung durch die Wettbewerbsbehörde und damit die Aufdeckung und Bebußung des Kartells. Im Rahmen eines solches Modells zeigen die Autoren, dass ein gewinnmaximierendes Kartell nicht den Monopolpreis von den Verbrauchern fordern wird, sondern einen niedrigeren Preis (der allerdings nach wie vor über dem wettbewerblichen Preis liegen wird). Konkret wird der geforderte Preis von der Höhe des erwarteten Bußgelds und der Wahrscheinlichkeit der Aufdeckung – also den Durchsetzungsbemühungen der Wettbewerbsbehörde  – bestimmt. Mit anderen Worten zeigt das Modell von Block et  al., dass sowohl eine Erhöhung des Bußgelds als auch der Wahrscheinlichkeit der Aufdeckung zu einer Verringerung des Preisaufschlags führt. Diese Preissenkung ist direkt auf die abschreckende Wirkung der Kartellverfolgung zurückzuführen.

2  Ökonomik der Kartelle und Kartellverfolgung

Abschreckungsoptimale Bußgelder – erweiterter Modellrahmen Unter Berücksichtigung der Grundmechanik abschreckungsoptimaler Bußgelder stellen Buccirossi und Spagnolo (2005) eine reichhaltigere Modellanordnung zur Ableitung solcher (hier nun gewinnbasierten) Bußgelder vor. In einem nichtkartellierten Markt gehen sie davon aus, dass die Gewinne π durch π = qcm bestimmt werden, wobei q die Ausbringungsmenge eines Unternehmens ist, die zum wettbewerblichen Preis angeboten wird, c (konstante) Grenzkosten darstellen und m den Preisaufschlag unter Wettbewerbsbedingungen repräsentiert. Hieraus kann unmittelbar der wettbewerbliche Preis von p = c(1 + m) abgeleitet werden. Wenn eine Kartellabsprache eingegangen wird und der Preis von p auf pm steigt, verkauft jedes Unternehmen eine Menge von qm  =  q(1  −  εk), wobei ε der absolute Wert der Nachfrageelastizität zum wettbewerblichen Preis und k der vom Kartell erreichte prozentuale Preisaufschlag ist, d. h., pm = p(1 + k) ist der vom Kartell gesetzte Preis. Die Kartellgewinne sind dann gegeben durch pm = qc (1 - e k ) éë k (1 + m ) + m ùû .

(Gl. 2.21)  Die Erhöhung des Gewinns eines Unternehmens aufgrund einer Kartellabsprache kann dann wie folgt ausgedrückt werden: pm - p = qkc éë(1 + m ) (1 - ek ) - em ùû . (Gl. 2.22)  Da die Umsätze aus dem betroffenen Markt zum Kartellpreis durch qc(1 + m)(1 + k)(1 − εk) gegeben sind, kann das erwartete (umsatzabhängige) Bußgeld mit αfqc(1  +  m)(1  +  k)(1  −  εk) ausgedrückt werden, wobei α für die Aufdeckungswahrscheinlichkeit der entsprechenden Kartellabsprache steht. Ein Mindestbußgeld mit Abschreckungswirkung muss den erwarteten Gewinn aus der Beteiligung an einem Kartell absorbieren, d. h., die Gewinnsteigerung abzüglich des erwarteten Bußgelds muss gleich null sein. Im Modellrahmen von Buccirossi und Spagnolo lässt sich ein solches Mindestbußgeld mit Abschreckungseffekt f* berechnen zu:

39

f * ( a,k,e,m )

dium von Gl.  2.23 zu gewinnen, sollen im Folgenden die Ergebnisse einfacher Simulationen dargestellt und diskutiert werden. In diesen Simulationen werden jeweils zwei Parameter festgelegt und dann die jeweiligen Mindestbußgelder für verschiedene Kombinationen der beiden verbleibenden Variablen berechnet. In der Grafik oben links in Abb. 2.9 wird das jeweilige Mindestbußgeld gegen verschiedene Werte der Marktnachfrageelastizität und des erzielten Preisaufschlags unter Wettbewerbsbedin-

0,5 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05

Mindestbußgeld für k=0.2, alpha=0.15 Preisaufschlag unter Wettbewerb (m)

Mindestbußgeld für k=0.1, alpha=0.15

0 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Nachfrageelastizität (epsilon) 0,00-0,20 0,20-0,40 0,40-0,60 0,60-0,80 0,5 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Nachfrageelastizität (epsilon) 0,00-0,10 0,10-0,20 0,20-0,30

0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Nachfrageelastizität (epsilon) -0,50-0,00

0,00-0,50

0,50-1,00

1,00-1,50

Mindestbußgeld für k=0.3, alpha=0.3

0,5

Preisaufschlag unter Wettbewerb (m)

Mindestbußgeld für k=0.1, alpha=0.3

0,5

0,30-0,40

0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Nachfrageelastizität (epsilon) -1,00--0,50 -0,50-0,00 0,00-0,50

0

Preisaufschlag unter Wettbewerb (m)

k éë(1 + m ) (1 - ek ) - em ùû

(Gl. 2.23) . a (1 + m ) (1 + k ) (1 - ek )  Wie in Gl.  2.23 dargestellt, hängt das minimale Bußgeld von den vier Variablen α, k, ε und m ab. Durch einfaches Studium der Gleichung lässt sich bereits sagen, dass das minimale Bußgeld mit zunehmendem α schrumpft (da α nur im Nenner erscheint). Da es jedoch schwieriger ist, weitere Erkenntnisse durch ein einfaches Stu=

Preisaufschlag unter Wettbewerb (m)

2.3 Verfolgung

0,50-1,00

Abb. 2.9  Mindestbußgelder gegen die Marktnachfrageelastizität und den Preisaufschlag unter Wettbewerbsbedingungen. (Quelle: Hüschelrath 2014; übersetzt durch den Autor)

40

gungen dargestellt, unter der Annahme, dass k = 0,1 und α = 0,15 ist. Die in der Grafik mit unterschiedlichen Grautönen abgegrenzten Bereiche beziehen sich auf bestimmte Intervalle der Höhe der Mindestbußgelder (wie auch in der Legende zu den jeweiligen Grafiken angegeben). So zeigt beispielsweise der kleine Bereich in der rechten oberen Ecke der Grafik oben links Mindestbußgelder zwischen 0 % und 20 % des Umsatzes im betroffenen Markt. Ein Datenpunkt, der in diesem kleinen Bereich liegt, wäre beispielsweise ε  =  2 und m  =  0,5 (mit einem genauen Bußgeld von f* = 0,101 oder 10,10 %). Wenn m konstant bei m  =  0,5 gehalten wird und die Nachfrageelastizität von ε  =  2 startend nach und nach reduziert wird, so steigt das Mindestbußgeld an (da Bereiche in der Grafik erreicht werden, die für höhere Mindestbußgelder stehen). Wenn zum Beispiel ε = 1 (mit m = 0,5) gilt, dann fällt das entsprechende Mindestbußgeld nun in den Bereich von 20 % bis 40 % (der genaue Wert kann mit f*  =  38,16  % berechnet werden). Die gleiche Vorgehensweise kann für eine festgelegte Elastizität, z. B. ε = 2, und einen sinkenden Preisaufschlag unter Wettbewerbsbedingungen m wiederholt werden. Dabei ist es nicht überraschend, dass mit kleiner werdendem m das entsprechende Mindestbußgeld steigen muss, um Verstöße noch optimal abzuschrecken. Wenn beispielsweise ε = 2 und m  =  0,25 ist, kann das Mindestbußgeld zu f* = 30,3 % berechnet werden. Neben der Untersuchung eines einzelnen Diagramms liefern einfache Simulationsübungen auch Einblicke in die Auswirkungen diskreter Veränderungen von k oder α. Das obere rechte Diagramm in Abb. 2.9 zeigt den Effekt einer Erhöhung von k von 0,1 auf 0,2, also eine Erhöhung des kartellinduzierten prozentualen Preisaufschlags von 10 % auf 20 %. Beim Vergleich der beiden oberen Grafiken zeigt sich, dass bei gleichbleibendem allgemeinem Muster die Mindestbußgelder deutlich ansteigen. Während die Kombination ε = 1 und m = 0,5 zu einem Mindestbußgeld im Bereich von 20 % bis 40 % führt (genauer Wert: f*  =  38,2  %), befindet sich der entsprechende Datenpunkt in der Welt von k = 0,2 im Bereich von 50 % bis 100 % (genauer Wert: f* = 64,8 %). Daraus lässt sich schließen,

2  Ökonomik der Kartelle und Kartellverfolgung

dass größere Kartellpreisaufschläge zu einer Erhöhung des Mindestbußgelds führen müssen, sofern die gewünschte optimale Abschreckungswirkung erreicht werden soll. Die linke untere Grafik in Abb.  2.9 stellt erneut die Mindestbußgelder für verschiedene Marktnachfrageelastizitäten und Preisaufschläge unter Wettbewerbsbedingungen dar. In dieser Grafik bleibt der kartellinduzierte prozentuale Preisanstieg unverändert bei k  =  0,1, und die Wahrscheinlichkeit der Aufdeckung wird von α = 0,15 auf α = 0,30 erhöht. Unter Berücksichtigung der funktionalen Form von Gl. 2.23 ist es nicht verwunderlich, ein identisches Muster wie in der linken oberen Grafik zu finden. Die einzige Änderung im Diagramm ist wiederum die Legende, die widerspiegelt, dass die Mindestbußgelder mit zunehmendem Wert von α sinken. Während beispielsweise die Kombination ε = 1 und m = 0,5 ursprünglich zu einem Mindestbußgeld im Bereich von 20  % bis 40  % führt (genauer Wert: f* = 38,2 %), führt die Erhöhung der Aufdeckungswahrscheinlichkeit zu einem Mindestbußgeld im Bereich von 10 bis 20 % (genauer Wert: f* = 19,1 %). Schließlich zeigt die untere rechte Grafik die minimalen Bußgelder, wenn sowohl die Parameter k als auch α verdreifacht bzw. verdoppelt werden (k = 0,3, α = 0,3), bezogen auf die Ausgangssituation in der oberen linken Grafik (k  =  0,1, α = 0,15). Es wird deutlich, dass sich die Formen und die jeweiligen Mindestbußgelder sehr ähneln. Zum Beispiel erhält man für ε  =  1 und m  =  0,25 ein Mindestbußgeld von 47  % in der Welt von k = 0,1, α = 0,15 und 55 % in der Welt von k = 0,3, α = 0,3. Für ε = 0,5 und m = 0,5 würden die entsprechenden Mindestbußgelder 38 % bzw. 40 % betragen. Es ist nun wiederum leicht möglich, die Mindestbußgelder für verschiedene Werte von α und k darzustellen (unter der Annahme spezifischer Parameterwerte für die beiden verbleibenden Variablen m und ε). Abb. 2.10 zeigt die jeweiligen Simulationsergebnisse, wobei die linke obere Grafik als Referenzsituation die jeweiligen Mindestbußgelder für m = 0,1 und ε = 1 abbildet. Wie in der Grafik oben links in Abb. 2.10 dargestellt, steigen die Mindestbußgelder mit den

0,30 0,25 0,20 0,15

0,50-1,00

1,00-1,50

0,45

0,40

0,50 0,50 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10

0,1

Aufdeckungswahrscheinlichkeit (alpha) 0,00-0,50

0,35

Mindestbußgeld für m=0.3, epsilon=1

0,5

0,45

0,4

0,35

0,30

0,25

0,20

0,15

0,10

3,00-4,00

1,50-2,00

0,5

0,35

2,00-3,00

0,45

0,4

1,00-2,00

0,4

0,45

0,00-1,00

0,35

Mindestbußgeld für m=0.1; epsilon=1.5 0,5

0,10

Aufdeckungswahrscheinlichkeit (alpha)

2,00-3,00

Kartellbedingter Preisaufschlag (k)

1,00-2,00

Kartellbedingter Preisaufschlag (k)

Aufdeckungswahrscheinlichkeit (alpha) 0,00-1,00

0,1 0,10

0,50

0,45

0,40

0,35

0,30

0,25

0,20

0,15

0,10

0,10

0,15 0,30

0,15

0,2

0,3

0,20

0,25

0,25

0,25

0,3

0,25

0,30

0,35

0,20

0,35

0,4

0,2

0,40

0,45

0,15

0,45

Mindestbußgeld für m=0.1, epsilon=0.5 0,5

0,15

Mindestbußgeld für m=0.1; epsilon=1.0 0,50

Kartellbedingter Preisaufschlag (k)

41

Kartellbedingter Preisaufschlag (k)

2.3 Verfolgung

Aufdeckungswahrscheinlichkeit (alpha) 0,00-0,50

0,50-1,00

1,00-1,50

1,50-2,00

Abb. 2.10  Mindestbußgelder gegen die Aufdeckungswahrscheinlichkeit und den kartellinduzierten prozentualen Preisaufschlag. (Quelle: Hüschelrath 2014; übersetzt durch den Autor)

kartellinduzierten prozentualen Preisanstiegen und sinkenden Aufdeckungswahrscheinlichkeiten. Wenn die Elastizität der Marktnachfrage von ε = 1 auf ε = 0,5 reduziert wird, steigen die Mindestbußgelder (während die Ausprägungen der verschiedenen Mindestbußgeldbereiche ähnlich bleiben). Wird jedoch die Elastizität der Marktnachfrage auf ε = 1,5 erhöht, dann zeigt die Grafik unten links nicht nur den erwarteten Rückgang der Mindestbußgelder, sondern auch eine Veränderung in den Formen der jeweiligen Min-

destbußgeldbereiche. Wenn m auf m = 0,3 erhöht wird (und ε = 1 gilt), dann zeigt ein Vergleich der unteren rechten mit der oberen linken Grafik, dass die Mindestbußgelder mit zunehmenden Werten für m kleiner werden. Zusammenfassend haben die beiden vorangegangenen Abschnitte gezeigt, dass in einem einfachen Modellrahmen das abschreckungsoptimale Bußgeld im Allgemeinen vom Gewinn (oder alternativ vom Schaden) der Kartellabsprache sowie von der Wahrscheinlichkeit der Aufdeckung

42

abhängt. In einem erweiterten Modellrahmen steigt die Höhe des abschreckungsoptimalen (gewinnbasierten) Bußgelds mit der Höhe des kartellinduzierten Preisanstiegs und sinkt mit einem kleiner werdenden Preisaufschlag unter Wettbewerbsbedingungen sowie einer kleiner werdenden Elastizität der Marktnachfrage. Die Rolle von Kronzeugenprogrammen Eine seit geraumer Zeit verstärkt zum Einsatz kommende Möglichkeit, die Wahrscheinlichkeit einer Kartellaufdeckung zu erhöhen und die Abschreckungswirkung zu verstärken, ist die Anwendung von Kronzeugenprogrammen. Im Allgemeinen verspricht eine solche Regelung dem ersten Kartellmitglied, das seine Beteiligung am Kartell der Wettbewerbsbehörde meldet, zumindest einen teilweisen bzw. möglicherweise sogar einen vollständigen Erlass des entsprechenden Bußgelds. Trotz dieser vergleichsweise einfach wirkenden Idee und Struktur solcher Programme ist deren Konstruktion und Anwendung in der Praxis deutlich komplexer – unter anderem deshalb, weil einerseits geeignete Anreizstrukturen für Unternehmen (und auch Einzelpersonen) zur Vorlage von klaren Beweisen geschaffen werden müssen, aber andererseits auch ein Missbrauch bzw. sogar kollusionsfördernde Effekte verhindert werden müssen (siehe dazu insbesondere Abschn. 4.3). Kartellabsprachen als Straftat Da Kartellabsprachen in den USA eine Straftat darstellen, drohen neben den jeweiligen Strafzahlungen für die beteiligten Unternehmen auch den betreffenden an der Kartellabsprache beteiligten Managern Geld- oder sogar Gefängnisstrafen von bis zu drei Jahren. Nach Angaben von Gallo et  al. (2000) wurden 53  % der betreffenden Kartellmanager seit 1970 zu einer Gefängnisstrafe verurteilt. Diese Gefahr der Inhaftierung stellt daher einen zusätzlichen Anreiz für die betreffenden Individuen dar, ihre Kartellbeteiligung der Wettbewerbsbehörde zu melden. Konsequenterweise existiert in den USA neben einem Kronzeugenprogramm für Unternehmen auch ein ebensolches Programm für Einzelpersonen, im Rahmen dessen die betreffenden Individuen bei Erfüllung bestimmter Kriterien straffrei ausgehen können.

Aus theoretischer Sicht ist die grundlegende Idee hinter Kronzeugenprogrammen in einer Destabilisierung der entsprechenden Form der organisierten Kriminalität zu sehen. Durch das mit

2  Ökonomik der Kartelle und Kartellverfolgung

solchen Programmen (mutmaßlich) erhöhte Risiko, dass eine der beteiligten Parteien den Verstoß meldet und somit straffrei ausgeht, soll das Vertrauen der sich absprechenden Parteien nachhaltig untergraben werden (siehe dazu Spagnolo 2000). Mit anderen Worten ausgedrückt zielen Kronzeugenprogramme darauf ab, die jeder illegalen Absprache innewohnende Gefangenendilemmasituation zu verstärken. Die Plausibilität dieses grundlegenden Arguments für Kronzeugenprogramme als Mittel zur Destabilisierung und Aufdeckung von Kartellabsprachen ist unter Ökonomen umstritten. Ellis und Wilson (2001) fragen beispielsweise, warum Kartellmitglieder ihre profitable Kartellvereinbarung aufgeben sollten, nur um dafür im Gegenzug ein reduziertes Bußgeld zu erhalten. Intuitiv erscheint ihnen die Rolle als Kronzeuge nur dann attraktiv, wenn das Kartell ohnehin kurz vor der Auflösung steht (also die Wahrscheinlichkeit einer Bebußung hinreichend hoch eingeschätzt wird). Treffen diese Überlegungen so zu, dann wäre folglich zu erwarten, dass der Einfluss eines Kronzeugenprogramms auf die Aufdeckungswahrscheinlichkeit eher gering ausfällt. Aubert et  al. (2005) untersuchen diese Zu­ sammenhänge genauer im Rahmen ihrer um­ fa­ ssenderen spieltheoretischen Analyse der Auswirkungen von Kronzeugenprogrammen auf Kartellabsprachen. Sie gehen davon aus, dass sich zwei Cournot-Firmen einem unendlich oft wiederholten Spiel ausgesetzt sehen, in dem sie zu Beginn jeder Periode entscheiden, ob sie kolludieren oder konkurrieren (bzw. abweichen). Die jeweiligen Auszahlungen sind dabei wie folgt definiert: πM ist der Gewinn pro Periode im Falle einer Kartellabsprache, πD ist der Gewinn für ein abweichendes Unternehmen, πS ist der Gewinn des Unternehmens, das sich an die Kartellabsprache hält, während das andere Unternehmen davon abweicht, und πC ist der Gewinn, wenn beide Unternehmen auf dem Markt im Wettbewerb stehen. Vor diesem Hintergrund werden die weiteren Annahmen getroffen, dass Unternehmen von Absprachen profitieren sowie dass die abweichende Unternehmung auf Kos­ ten der anderen profitiert; es gilt folglich πS  0, sonst y = 0. (Gl. 5.1) Die abhängige Variable y ist spezifisch für die Entladestelle des Kunden, des Verkäufers (der entweder ein Zementhersteller oder ein Intermediär ist), des Lieferwerks, des Zementtyps und der Zeit. Auf der rechten Seite der Regressionsgleichung enthält der Vektor X verschiedene unabhängige Variablen  – und zwar nicht nur die beiden Hauptvariablen in Form der Entfernung zum nächsten osteuropäischen Werk sowie den von den Mitgliedern des deutschen Zementkartells kontrollierten Anteil der osteuropäischen Kapazität, sondern auch mehrere weitere erklärende Variablen wie die Kundengröße (gemessen am Volumen der jährlichen Zementkäufe), die Anzahl der Werke innerhalb eines Radius von 150  km (als Maß für das Wettbewerbsumfeld), die Zementfestigkeit, die belieferten Regionen sowie zwei Nachfrageproxys (in Form der Anzahl an beschäftigten Bauarbeitern sowie der Neubaugenehmigungen, jeweils auf regionaler Ebene der jeweiligen Entladestellen). Das obige Modell wurde dann in verschiedenen Spezifikationen geschätzt, mit dem Ergebnis klar bestätigender empirischer Evidenz für beide oben abgeleitete Hypothesen. In Bezug auf Hypothese 1 zeigt sich ein klar positiver Zusammenhang zwischen der Entfernung zum nächstgelegenen osteuropäischen Werk und der Wahrscheinlichkeit eines Direktvertriebs ohne Einbezug eines Intermediärs. Konkret erhöhen 250 Kilometer Entfernung zwischen einem Kunden und dem nächsten Werk in Osteuropa die Wahrscheinlichkeit des Direktvertriebs um rund 14 %. Die Schätzergebnisse stützen auch Hypothese 2. Die Wahrscheinlichkeit des Direktvertriebs steigt statistisch signifikant mit dem durch das deutsche Zementkartell kontrollierten Anteil der osteuropäischen Produktionskapazitäten  – konkret um rund 20  % im Zuge der Erhöhung der

185

deutschen Kontrolle über die osteuropäischen Kapazitäten von 0 % auf 100 %. Beide zentrale Schätzergebnisse unterstützen folglich die Ansicht, dass Intermediäre mit höherer Wahrscheinlichkeit von den deutschen Zementherstellern eingebunden wurden, wenn diese eine konkrete Gefahr für das Kartell darstellten. Eine solche Situation war insbesondere dann gegeben, wenn der entsprechende Kunde sich geografisch nah an einem osteuropäischen Zementwerk befand und dieses nicht bereits im Eigentum eines deutschen Kartellmitglieds war.

5.2.4 Zusammenfassung und Schlussfolgerungen Obwohl Kartelle  – wie jede andere Institution auch  – nicht ewig bestehen, so zeigen die entsprechenden Kartellmitglieder immer wieder eine bemerkenswerte Beharrlichkeit und Kreativität im Kampf um den (lukrativen) Fortbestand solcher Absprachen. Für den konkreten Fall des deutschen Zementkartells wurde Anfang der 1990er-­Jahre eine konkrete Bedrohung der externen Kartellstabilität in Form von (wesentlich preisgünstigeren) Zementimporten aus osteuropäischen Ländern ausgemacht. Als konkrete Antwort auf diese Bedrohung kauften Mitglieder des Kartells zahlreiche Zementwerke in Osteuropa auf, um auf diese Weise die Quelle für ­preisgünstigere Importe nach Deutschland sukzessiv auszutrocknen. Da eine solche Strategie aber erst langfristig erfolgversprechend war, findet sich theoretische wie empirische Evidenz dafür, dass das Kartell kurz- und mittelfristig seine Renten mit (bestimmten) Intermediären geteilt hat, um diese vom Import preisgünstigeren Zements aus Osteuropa abzuhalten. Konkret zeigen die Ergebnisse der Regressionsanalysen, dass das Kartell einerseits mit höherer Wahrscheinlichkeit einen Intermediär einband, je näher sich der entsprechende Kunde an einem osteuropäischen Zementwerk befand. Andererseits konnte Evidenz dafür gefunden werden, dass sich die Einbindung entsprechender Intermediäre mit wachsender Kontrolle des deutschen Zementkartells über die

186

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

osteuropäischen Produktionskapazitäten reduzierte  – da es aufgrund reduzierter Importmöglichkeiten nach und nach immer unnötiger wurde, die entsprechenden Intermediäre noch an den Kartellrenten zu beteiligen.

5.3

Interne Kartellstabilität

res Verhalten empfindlich und nachhaltig stören kann. Im Gegensatz dazu ist ein unzufriedenes Kartellmitglied zunächst durchaus bereit, eine Absprache einzugehen, stellt aber im Zeitablauf fest, dass die individuelle Teilnahmebedingung nicht mehr erfüllt ist, und weicht dann von der Absprache ab. Ein unzufriedenes Kartellmitglied wird also zunächst Mitglied des Kartells sein, während der Kartellaußenseiter sich außerhalb des Kartells befindet und versucht, unter dieser Maßgabe seinen individuellen Gewinn zu maximieren.

Im Anschluss an die Betrachtung eines Falls der externen Kartellstabilität soll nunmehr eine komplementäre Analyse eines Problems der internen Kartellstabilität am Beispiel des deutschen Zementkartells erfolgen. In Anlehnung an Harrington et al. (2015) wird dabei konkret eine deutliche Ausweitung der Produktionskapazität durch ein bestimmtes „unzufriedenes“ Kartellmitglied in Verbindung mit einem unerwarteten (industrieweiten) Nachfragerückgang im Mittelpunkt der Betrachtung stehen. Obwohl im Folgenden der Fokus auf dem deutschen Zementkartell liegen wird, so identifizieren Harrington et  al. (2015) einige weitere Fallbeispiele, in denen es ebenso zu Kartellinstabilitäten oder -zusammenbrüchen infolge von Abweichungen eines unzufriedenen Kartellmitglieds kam. Als häufiges Muster lässt sich dabei isolieren, dass die Kartelle zu Beginn die Marktaufteilung – oft nach den Marktanteilen der Unternehmen im Jahr (oder in den letzten Jahren) vor der Kartellbildung – festlegten und sich dann auch zunächst alle Kartellanten an die Absprache gebunden fühlten. In der Folge konnte dann aber in den entsprechenden Fällen beobachtet werden, dass jeweils (mindestens) ein Kartellmitglied  – konfrontiert mit den beschränkten Möglichkeiten einer eigenen Umsatzerhöhung innerhalb des Kartells  – unzufrieden wurde und letztlich von der Absprache abwich.

Auf der Suche nach möglichen Quellen einer solchen Unzufriedenheit könnten Kartellmitglieder zunächst in der Erwartung eine Absprache eingehen, dass ihre Umsätze in Zukunft steigen werden – entweder durch eine wachsende Marktnachfrage oder durch die Überzeugung, die entsprechenden Quoten neu verhandeln zu können. Wenn diese Umsatzausweitung dann ausbleibt, weichen sie von der Absprache ab. Alternativ könnte es im Laufe des Kartells Ereignisse geben, die eine Unzufriedenheit befeuern könnten, wie beispielsweise eine Kapazitätserweiterung eines Unternehmens (die dann den Wunsch nach Umsatzausweitung induziert) und/oder ein allgemeiner (industrieweiter) Nachfragerückgang. Auf Basis dieser allgemeinen Überlegung wird sich im Folgenden dem konkreten Fall des deutschen Zementkartells zugewendet. In einem ersten Schritt werden hierfür erneut deskriptive Belege im Rahmen einer Charakterisierung von Branchenentwicklungen zusammengetragen. In einem zweiten Schritt erfolgen dann wiederum eine theoretische Rationalisierung der entsprechenden Verhaltensweisen sowie deren empirische Überprüfung mithilfe des CDC-Datensatzes aus Listen- und Transaktionspreisen. Abgeschlossen wird Abschn. 5.3 wiederum mit einer Zusammenfassung und der Ableitung von Schlussfolgerungen für die Wettbewerbspolitik.

Unzufriedene Kartellmitglieder vs. Kartellaußenseiter

5.3.1 Charakterisierung von Branchenentwicklungen

Im Zusammenhang mit der Einführung des Begriffs des „unzufriedenen Kartellmitglieds“ erscheint insbesondere eine Abgrenzung zum bestehenden Begriff des Nichtkartellanten bzw. Kartellaußenseiters wichtig. Ein Kartellaußenseiter ist ein Unternehmen außerhalb des Kartells, das entweder das Verhalten des Kartells imitiert oder aber die Profitabilität der Kartellabsprachen durch ein aggressive-

Unter Bezugnahme auf die Beschreibung der allgemeinen Branchenentwicklungen in der deutschen Zementindustrie während des Kartells und nach dessen Zusammenbruch in Abschn. 5.1 liegt

5.3  Interne Kartellstabilität

im Folgenden ein Fokus auf konkreten Belegen dafür, dass 1. das deutsche Zementkartell Quoten auf der Grundlage historischer Marktanteile festgelegt hat, 2. ein Kartellmitglied (Readymix, RMX) seine Kapazität erheblich ausgeweitet hat, woraufhin 3. unvollkommen beobachtbare und 4. perfekt beobachtbare Abweichungen von Readymix von der Kartellabsprache folgten.

Marktaufteilungsvereinbarungen Wie bereits in Abschn.  5.1.2 erwähnt, bestand das deutsche Zementkartell aus vier regionalen Kartellen, die jeweils über eigene Marktaufteilungen verfügten. In der Region Süd wurden beispielsweise auf Basis eines zehnjährigen Durchschnitts der Marktanteile von 1979 bis 1989 die Kartellmarktanteile wie folgt festgesetzt: Dyckerhoff mit einem Marktanteil von 11,3 %, Heidelberg mit einem Marktanteil von 40,6 % sowie Schwenk mit einem Marktanteil von 19,4 %. In der Region Nord – die eigentlich aus drei Vereinbarungen bestand  – erhielt Alsen (später Holcim) einen Marktanteil von 65  %, Nordzement einen Anteil von 20 % und Dyckerhoff zusammen mit mehreren kleinen und mittleren westfälischen Unternehmen 15 % für den Raum Bremen und Hamburg zugeteilt. Diese Aufteilung basierte wiederum auf den tatsächlichen Marktanteilen des vorangegangenen Jahrzehnts. In der Region West basierte die Aufteilung auf den vereinbarten Quoten eines (geplanten) Strukturkrisenkartells. In der Region Ost hatten sich die vier größten Kartellanten  – Lafarge, Dyckerhoff, Readymix und Schwenk – ab 1991 auf Absatzquoten geeinigt. Da das Kartell der Region Ost die ehemalige Deutsche Demokratische Republik (DDR) umfasste, begannen diese Unternehmen erst nach der Wiedervereinigung im Jahr 1990 mit ihren Produktionsaktivitäten. Die Quoten wurden dabei gemäß den historischen Kapazitätsanteilen dieser Anlagen zu DDR-Zeiten festgelegt.

187

Insgesamt lässt sich folglich festhalten, dass das deutsche Zementkartell über eine Marktaufteilung verfügte, bei der sich die Verkaufsquoten eines Kartellmitglieds weitgehend aus seinem historischen Marktanteil ergaben. Kapazitätserweiterung durch Readymix Readymix produzierte sowohl Zement als auch Transportbeton. Während sich die Zementwerke in den Regionen Ost und West befanden, war die Betonproduktion auf das gesamte Bundesgebiet verteilt. Readymix war bis Ende der 1990er-Jahre der viertgrößte deutsche Zementhersteller  – gemessen an der Produktionskapazität – und wurde dann, mit dem Erwerb einer großen Produktionsanlage der Wülfrather Zement GmbH in der Region West, sogar zum drittgrößten Anbieter im deutschen Markt. Mit der Wiedervereinigung Deutschlands im Jahr 1990 wurde allgemein mit einer steigenden Nachfrage nach Zement in der Region Ost gerechnet. Hierdurch sah Readymix sich veranlasst, ab 1990 substanziell in ein Werk in Rüdersdorf bei Berlin zu investieren. In einem Bericht dazu heißt es, dass Readymix in den Jahren von 1990 bis 2003 insgesamt rund 600 Millionen Euro in das Werk in Rüdersdorf investierte. Hieraus lässt sich bereits die Erwartung ableiten, dass diese Investition zu einer deutlichen Aufstockung der Produktionskapazität von Readymix insgesamt führte. Konkret verfügte Readymix über neun Zementwerke, von denen fünf integrierte Werke mit Öfen waren. Zwei dieser Werke wurden 1998 erworben und zwei wiederum 1998 verkauft. Für drei der Werke von Readymix liegen Daten zur Ofenkapazität vor. Die beiden Werke in Beckum hatten demnach 1998 eine maximale Kapazität von 1,255 Mio. Tonnen pro Jahr (mtpa), während das Werk in Rüdersdorf 1993 1,4  mtpa aufwies (die sich allerdings investitionsbedingt bis 1996 auf 2,1 mtpa und bis 1999 auf 2,4 mtpa erhöhte). In Bezug auf die Mühlenkapazitäten liegen Daten für sieben der Werke von Readymix vor. Abgesehen vom Werk in Rüdersdorf wies das Werk in Dortmund die größte Kapazität mit 1 mtpa auf, während die Gesamtkapazität der an-

188

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

deren sechs Werke insgesamt maximal 3,5 mtpa erreichte. Im Vergleich dazu lag die Mühlenkapazität des Werkes Rüdersdorf bei 1,8 bis 2,4 mtpa. Insgesamt lässt sich folglich festhalten, dass von den insgesamt sieben Produktionsstätten das Werk in Rüdersdorf knapp 50 % der Mühlenkapazität über den gesamten Zeitraum 1993–2002 aufwies. Eine vollständige Auflistung der Zementproduktionskapazität von Readymix ist auch im Geschäftsbericht der damaligen Muttergesellschaft, der britischen RMC Group, enthalten. Readymix verfügte demnach in Deutschland ab 1999 über eine Gesamtkapazität von 6 mtpa, von der rund 40 % auf das Werk in Rüdersdorf entfielen. Das Werk in Rüdersdorf hatte folglich eine strategische Bedeutung für Readymix. Unvollkommen beobachtbare Abweichungen durch Readymix Während es Episoden der Abweichung von den entsprechend zugeteilten Kartellquoten durch verschiedene Kartellmitglieder gab, so belegen umfangreiche Gerichtsdokumente des öffentlichen Kartellverfahrens (siehe dazu insbesondere Kap.  6), dass sich Readymix durch besonders häufige und deutliche Abweichungen auszeichnete. In der Region West meldete Readymix beispielsweise 500.000 Tonnen zu wenig aus seinem Werk in Westfalen an den Branchenverband BDZ. Die gravierendste Abweichung gab es jedoch in der Region Ost, in der Readymix mit dem Bau des Werkes in Rüdersdorf seine Produktionskapazität deutlich erhöht hatte. Im Zeitraum 1993 bis 1997 hatte Readymix – nach einer Berechnung von Dyckerhoff  – rund 4,024 von 10,436 Millionen Tonnen Zement (rund 39  %), die im Werk Rüdersdorf produziert wurden, nicht an den BDZ gemeldet. Während nicht klar ist, wie umfangreich die Strafe war, die Readymix durch die anderen Mitglieder des Kartells der Region Ost nach Aufdeckung dieser Abweichung auferlegt wurde, so gibt es einige Hinweise darauf, dass Readymix sowohl Dyckerhoff als auch Schwenk teilweise entschädigt hat. Im Falle von Schwenk soll Ready­ mix beispielsweise für 1999–2001 eine Jahresquote von 70.500 Tonnen übertragen ­haben. Da­

rüber hinaus wird durch die Berichte in den entsprechenden Gerichtsunterlagen deutlich, dass sich für Readymix durch die Kompensationen zwar deutliche wirtschaftliche Nachteile ergaben, diese aber (zunächst) hingenommen wurden, um eine offene Konfrontation mit den anderen Kartellanten zu vermeiden. Perfekt beobachtbare Abweichungen durch Readymix Bislang lässt sich also zusammenfassend sagen, dass das deutsche Zementkartell Quoten auf der Grundlage historischer Marktanteile festgelegt hat. Readymix investierte in einen deutlichen Kapazitätsausbau in der Region Ost mit dem Werk in Rüdersdorf. Mit dem Ziel einer höheren Auslastung dieses Werkes produzierte Readymix über seiner Kartellquote und meldete zu geringe Absätze an den Branchenverband. Als Reaktion auf diese Abweichung – und um eine Rückkehr zum Wettbewerb zu vermeiden – leistete Readymix einen gewissen Ausgleich und kehrte anscheinend zunächst zur Einhaltung der Kartellquoten zurück. Die wirtschaftliche Situation von Readymix – geringe Kapazitätsauslastung durch Kapazitätserweiterung ohne entsprechende Erhöhung der Absatzquote  – wurde dann durch den Nachfrageeinbruch in der Region Ost erheblich verschärft. Da ein Hauptabnehmer für Zement die Herstellung von Beton im Zuge der Erstellung von Neubauten ist, lässt sich dieser Einbruch durch einen Blick auf die Entwicklung der Bautätigkeit für Neubauten sowohl für Westdeutschland – das die regionalen Kartelle Nord, Süd und West umfasst – als auch für Ostdeutschland (entsprechend der Kartellregion Ost) in Abb.  5.8 nachzeichnen. Während die Erstellung von Neubauten in der Region Ost in den Jahren 1993–1997 zunächst deutlich anstieg, so ist ab 1998 ein deutlicher Einbruch festzustellen, der sich bis zum Ende des Beobachtungszeitraums im Jahr 2005 fortsetzte. Während 1997 beispielsweise in Ostdeutschland rund 65.000 Neubauten errichtet wurden, sank dieser Wert um fast die Hälfte auf rund 34.000 Neubauten im Jahr des Kartellzusammenbruchs 2002.

5.3  Interne Kartellstabilität

189

Abb. 5.8  Baufertigstellungen in West- und Ostdeutschland, 1991–2005. (Quelle: Harrington et al. 2015; übersetzt durch den Autor)

Dieser Nachfragerückgang war Anfang der 1990er-Jahre – als Readymix seine Kapazität erweiterte  – nicht erwartet worden. Im Gegenteil wurden damals – vor dem Hintergrund eines entsprechend erhöhten Neubaubedarfs – Investitionen in die ostdeutsche Zementindustrie als sehr attraktiv eingeschätzt. Die sich daraus ergebende schwierige Situation für Readymix wurde auch im Geschäftsbericht der Muttergesellschaft RMC im Jahr 1999 zum Ausdruck gebracht, in dem festgestellt wurde, dass die wirtschaftliche Lage in Ostdeutschland weiterhin von Überkapazitäten geprägt sei. Als Reaktion auf die sich verschlechternde Situation entschied Readymix, seine Strategie grundlegend zu ändern. Wie bereits erwähnt, war es bereits in wirtschaftlich rosigeren Zeiten mit seinen Quoten unzufrieden gewesen – insbesondere in der Region Ost, wo es seine Kapazitäten deutlich erweitert hatte. Diese Unzufriedenheit zeigte sich in der Überproduktion sowie der Berichterstattung zu geringer Absatzzahlen an den BDZ. Im November 2001 kündigte Readymix aber nunmehr öffentlich an, dass es mit der Lieferung von Zement an seine nachgelagerten Betonhersteller in Süddeutschland beginnen ­ werde. Ein solcher Schritt kam faktisch einer Abweichung von der Kartellabsprache gleich, da die entsprechenden bisherigen Lieferanten – andere Zementhersteller des Kartells  – verdrängt würden und folglich einen Quotenein-

bruch zu verzeichnen hätten. Im Februar 2002 setzte Readymix seine Ankündigung dann auch tatsächlich um. Obwohl diese Entscheidung an sich nicht den automatischen Zusammenbruch des Kartells ­bedeuten musste, so wird im Folgenden diese ­Annahme so getroffen. Grundsätzlich hätte die eigenmächtige Änderung der Marktaufteilung durch Readymix in der südlichen Region auch als einmaliges Ereignis interpretiert werden können, das keine weiteren Abweichungen und damit auch nicht den Zusammenbruch des Kartells hätte zur Folge haben müssen. So wäre es denkbar gewesen, dass die anderen Kartellmitglieder die entsprechenden Quotenänderungen hingenommen hätten  – vielleicht in Kombination mit einer gewissen Entschädigung in den Regionen West und Ost, in denen Readymix ebenfalls Mitglied des Kartells war –, anstatt die deutlich weniger attraktive Alternative der Auflösung des Kartells und damit die Rückkehr zum Wettbewerb zu verfolgen. Hinzu kommt, dass im Falle eines angenommenen Automatismus zwischen dem Abweichen von Readymix und dem Zusammenbruch des Kartells zu erwarten gewesen wäre, dass die anderen Kartellmitglieder unmittelbar mit deutlichen Preissenkungen reagierten. Hierfür finden sich allerdings keine klaren Belege in den Daten. Wenn hingegen die anderen Kartellmitglieder die Absprachen als Reaktion auf diese Ankündi-

190

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

gung zunächst weitergeführt haben – wofür unten im Rahmen der empirischen Analyse auch B ­ elege gefunden werden – dann hatte Readymix im Wesentlichen drei Möglichkeiten der (Re-)Aktion. Erstens konnte es seine Abweichung auf die Region Süd beschränken und ansonsten an den vereinbarten Marktaufteilungen festhalten  – in der Hoffnung, dass das Kartell intakt bleiben würde. Zweitens konnte es von der Absprache abweichen, indem es den Kunden angebotene Rabatte auf den Listenpreis erhöhte  – in der Hoffnung, damit einerseits die Absatzzahlen zu erhöhen, aber gleichzeitig auch den Zeitpunkt der Aufdeckung der Abweichung durch die anderen Unternehmen zu verzögern. Drittens hatte Readymix die Möglichkeit zur Anwendung einer aggressiveren, aber auch offen erkennbaren Abweichungsstrategie: einer Absenkung der Listenpreise. Während das versteckte Angebot höherer Rabatte in seiner Wirkung auf diejenigen tatsächlichen oder potenziellen Käufer begrenzt ist, die mit Readymix konkret verhandeln, so sind niedrigere Listenpreise eine Information, die allen Nachfragern zur Verfügung gestellt wird und die zumindest einige von ihnen veranlassen könnte, ein Preisangebot von Readymix einzuholen (und gegebenenfalls dann auch anzunehmen). Die Auswirkungen einer solchen Form der Abweichung auf die Nachfrage von Readymix sind dann – zumindest kurzfristig – als viel größer einzuschätzen. Ein niedrigerer Listenpreis wird jedoch nicht nur von den Nachfragern beobachtet, sondern auch von den anderen Kartellmitgliedern. Daher steht zu erwarten, dass die Abweichungsstrategie „niedrigerer Listenpreis“ neben einem kurzfristigen Anstieg in der Nachfrage für Readymix auch eine schnellere und aggressivere Reaktion der anderen Kartellmitglieder nach sich ziehen wird als die subtilere Abweichungsstrategie „höherer Rabatt“. Um zu untersuchen, welche der drei Optionen von Readymix verfolgt wurde, wird sich nachfolgend der Analyse von Listen- und Transaktionspreisen zunächst aus theoretischer Sicht zu­ gewandt und dann im Anschluss empirisch untersucht.

5.3.2 Ableitung von Hypothesen In verschiedenen realen Kartellen wurde jeweils ein Verhaltensmuster identifiziert, das sich wie folgt charakterisieren lässt: Die Unternehmen einer bestimmten Industrie gehen zunächst eine Kartellabsprache ein, dann entsteht aber bei (mindestens) einem Kartellmitglied eine Unzufriedenheit hinsichtlich der Marktaufteilung, und dieses weicht dann  – sollten keine zusätzlichen Verkäufe realisiert werden  – von der Kartellabsprache ab und gefährdet somit deren Stabilität bzw. Existenz (siehe dazu Harrington et al. 2015). Die Charakterisierung der Branchenentwicklungen für den Fall des deutschen Zementkartells hat klare anekdotische Hinweise dafür erbracht, dass ein solches Muster im Zuge des Kartellzusammenbruchs eine zentrale Rolle gespielt haben könnte. Vor diesem Hintergrund wird in Harrington et al. (2015) ein allgemeines theoretisches Modell entwickelt, das die Möglichkeit eines Gleichgewichts mit den folgenden Eigenschaften beweist: 1. Zunächst kolludieren die Unternehmen in Erwartung eines möglichen Nachfragewachstums. 2. Es existiert ein Unternehmen, das mit seiner Quote aus der Marktaufteilung unzufrieden ist und das – sofern keine Erhöhung seiner Verkäufe zu erwarten ist – von der Absprache abweicht. Sollten aber seine Verkäufe aufgrund eines allgemeinen Anstiegs der Marktnachfrage hinreichend stark ansteigen, dann wird sich das Unternehmen weiter an die Kartellabsprache halten. 3. Wenn die Nachfrage hinreichend stark ansteigt, dann ist die Absprache folglich stabil und besteht fort. 4. Wenn die Nachfrage nicht hinreichend stark steigt, dann weicht das unzufriedene Unternehmen ab, und das Kartell bricht zusammen.

Für die Erzielung der entsprechenden Gleichgewichte sind zwei Merkmale des Modells entscheidend. Erstens besteht Unsicherheit über die zukünftige Marktnachfrage, und zweitens sind die Kapazitäten (bzw. die Kapazitätsauslastung) des unzufriedenen Unternehmens private (also nichtöffentliche) Informationen. Insofern stellt das Modell in der Form eines kapazitätsbeschränkten Preisspiels eine Erweiterung des Modells in Bos und Harrington (2010) dar, da es explizit diese beiden Merkmale berücksichtigt.

5.3  Interne Kartellstabilität

Wichtig ist in diesem Zusammenhang allerdings noch der Hinweis, dass die theoretischen Ergebnisse lediglich auf Basis bestimmter parametrischer Annahmen und der Auswahl eines bestimmten Gleichgewichts abgeleitet wurden. Das Ziel des Modells ist also insofern exemplarisch, als es nur zeigt, dass die Abweichung eines unzufriedenen Kartellmitglieds und der anschließende Kartellzusammenbruch mit optimalem Unternehmensverhalten und einer konsistenten Erwartungsbildung vereinbar sein können (d.  h. im Rahmen eines möglichen Gleichgewichts beobachtet werden können). Übertragen auf den konkreten Fall des deutschen Zementkartells existiert somit eine Theorie, die Readymix zunächst als unzufriedenes Kartellmitglied versteht, das aufgrund seiner niedrigen Kapazitätsauslastung und gegebener Marktaufteilung eigentlich ein Abweichen von der Kartellabsprache präferieren würde. Solange allerdings eine begründete Erwartung dafür besteht, dass sich die entsprechenden Umsätze aufgrund eines allgemeinen Nachfrageanstiegs erhöhen werden, zieht Readymix ein Einhalten der Absprache vor. Wenn es dann allerdings realisiert, dass die Marktnachfrage unverändert bleibt oder gar deutlich absinkt (und somit das erhoffte Umsatzwachstum ausbleibt), dann unterbietet das Unternehmen den kollusiven Preis und destabilisiert somit das Kartell.

5.3.3 Empirische Analyse In einem zweiten Schritt wird diese allgemeine theoretische Rationalisierung des Verhaltens eines „unzufriedenen Kartellmitglieds“ auf das deutsche Zementkartell angewendet und empirisch überprüft. Hierzu kommen wieder die in Abschn.  5.1.3 beschriebenen CDC-Listenpreisund Transaktionspreisdaten  – diesmal auf zwei unterschiedlichen Aggregationsebenen – zur Anwendung, mit dem Ziel einer Untersuchung der Preismuster sowohl während des Kartells als auch nach der Abweichung von Readymix und dem sich anschließenden Zusammenbruch des Kartells. Dabei wird ein besonderer Schwerpunkt auf der Frage liegen, wie sich die Unzufrieden-

191

heit von Readymix in Bezug auf das Preisverhalten manifestiert hat und wie die anderen (ehemaligen) Kartellanten darauf reagiert haben. Als Startpunkt einer solchen Analyse zeigt Abb.  5.9 die jährlichen mengengewichteten CDC-Listen- und Transaktionspreise (im Englischen: „list prices“ bzw. „net prices“) für Readymix („RMX“) und die anderen Kartellmitglieder („others“). Für die Listenpreise ist in der linken Grafik in Abb. 5.9 klar erkennbar, dass Readymix diese im Jahr 2002 deutlich reduzierte und auch in den verbleibenden Jahren des Beobachtungszeitraums auf diesem niedrigeren Niveau beließ. Die anderen Kartellanten reduzierten ihre entsprechenden Listenpreise hingegen (zunächst) kaum. Ein Blick auf die Transaktionspreise in der rechten Grafik in Abb.  5.9 verdeutlicht jedoch, dass die tatsächlich zu zahlenden Preise sich zwischen Readymix und den anderen Kartellanten nur im Jahr des Kartellzusammenbruchs deutlicher unterschieden. Hieraus kann zunächst einmal die vorläufige Schlussfolgerung abgeleitet werden, dass die anderen Kartellanten auf das Abweichen von Readymix  – und die nachfolgende deutliche Absenkung der Listenpreise  – mit einer deutlichen Erhöhung der Rabatte an ihre bestehenden bzw. neuen Kunden reagiert haben und auf diese Weise eine deutliche Absenkung der Transaktionspreise (bei nahezu unveränderten Listenpreisen) erreichen konnten. Um diese Unterschiede in den Preisstrukturen mithilfe einer ökonometrischen Analyse zu untermauern, wird zunächst das folgende lineare Modell geschätzt: yc , s , p,t = β1′ X c , s , p,t + β 2 NachKartellt (Gl. 5.2) + β 3 NachKartellt ∗ RMX + ε c , s , p,t . Die Gleichung wird für vier verschiedene preisbezogene abhängige Variablen geschätzt: Listenpreis, Transaktionspreis, Rabattanteil und Sofortrabattanteil wobei der Preis spezifisch ist für die Identität der Entladestelle c des Kunden, des Verkäufers s (der entweder ein Intermediär oder direkt der Hersteller ist), des Lieferwerks p und des Zeitpunkts t. Unter Sofortrabatten werden dabei Rabatte verstanden, die im Zuge der

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

192 Abb. 5.9  Listen- und Transaktionspreise für Zement, 1993–2005. (Quelle: Harrington et al. 2015)

List price development 100

Defl. list price per ton

80

60

40

20

0

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Ohers

RMX

Net price development

Defl. net price per ton

80

60

40

20

0

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Ohers

jeweiligen Transaktion unmittelbar gewährt werden (beispielsweise in Form von kostenlosen Lieferungen). Die anderen Rabatte beziehen sich im Regelfall auf Formen sogenannter Treuerabatte – diese werden definitionsgemäß im Nachhinein gewährt (beispielsweise in Abhängigkeit des jährlichen Bestellvolumens) und führen dann zu einer teilweisen Rückerstattung der gezahlten Rechnungsbeträge. Auf der rechten Seite der Regressionsgleichung beinhaltet Vektor X Kundenmerkmale, das Wettbewerbsumfeld eines Kunden, eine Indika-

RMX

torvariable, ob ein Intermediär in die Transaktion involviert war, Eigenschaften des gelieferten Produkts sowie Nachfrage- und Kostenproxys – also verschiedene Variablen, die die Höhe der jeweiligen Listen- und/oder Transaktionspreise beeinflussen können. NachKartell ist eine Indikatorvariable, die den Wert 1 erhält, wenn die Lieferung nach Februar 2002 fakturiert wurde. RMX zeigt an, dass das liefernde Werk zu Readymix gehörte, während der Interaktionsterm NachKartell * RMX misst, wie sich die Preise von Readymix von denen der anderen Kartellmitglieder  – als

5.3  Interne Kartellstabilität

Reaktion auf die Abweichung von Readymix von der Kartellabsprache – unterscheiden. Schätzergebnisse auf Basis eines aggregierten Datensatzes In einem ersten Schritt wird die Preisgleichung unter Verwendung eines aggregierten Datensat­ zes geschätzt, bei dem es für jede Kunden-Entladepunkt-Zementtyp-Werk-Verkäufer-Kombination nur zwei Beobachtungen gibt: eine für die Kartellperiode und eine für die Nachkartellperiode. Alle Variablen sind mengengewichtete Durchschnittswerte, und die Regressionsergebnisse zeigen dann jeweils den durchschnittlichen Unterschied zwischen der Kartellperiode und der Nachkartellperiode. Bevor eine genauere Interpretation der Schätzergebnisse im Hinblick auf die Preissetzung vor bzw. nach dem Kartellzusammenbruch im Fe­ bruar 2002 vorgenommen wird, soll kurz auf die Schätzergebnisse für die anderen Preisdeterminanten eingegangen werden. So findet sich beispielsweise für die Kundengröße – gemessen am Volumen der jährlichen Zementkäufe der entsprechenden Kunden  – ein signifikanter und (­ erwartungsgemäß) negativer Einfluss auf den Transaktionspreis (aber nicht auf den Listenpreis). Je größer also der Kunde, desto größer der gewährte Rabatt und desto größer auch der Anteil des Rabatts am Jahresende. Die Anzahl der Werke innerhalb eines Radius von 150 km Entfernung von der Entladestelle haben weder während des Kartells noch nach dessen Zusam­ menbruch einen signifikanten Einfluss auf den Listen- bzw. Transaktionspreis. Die Entfernung zwischen der Entladestelle und dem nächstgelegenen osteuropäischen Werk wirkt sich hingegen positiv auf den Transaktionspreis aus (da die Preise der osteuropäischen Werke während des Kartellzeitraums unter den deutschen Preisen lagen). Während der Direktvertrieb positiv mit den Listenpreisen korreliert, sind die Transaktionspreise deutlich niedriger, wenn der Kunde unter Umgehung eines Intermediärs direkt beim Hersteller bestellt hat. Die entsprechende Differenz lässt sich folglich als Handelsmarge interpretieren, die sich durch den Kartellzusammenbruch nicht (statistisch signifikant) verändert hat.

193

Wendet man sich nun den Preisunterschieden zwischen Readymix und den anderen Kartellmitgliedern zu, so ergeben sich auf Basis der Analyse mit aggregierten Daten insbesondere zwei inte­ ressante Ergebnisse. Einerseits führte die Abweichung von Readymix in der Folge tatsächlich zum Zusammenbruch des Kartells, der sich in einem deutlichen Rückgang der Transaktionspreise manifestiert: Diese sanken sowohl für Readymix als auch für die anderen Unternehmen um 16,24 Euro pro Tonne. Da sich der Koeffizient des Interaktionsterms RMX*NachKartell in der Transaktionspreisregression nicht von 0 unterscheidet, gab es folglich in der Nachkartellperiode aus statistischer Sicht keinen Unterschied im Transaktionspreisrückgang zwischen Readymix und seinen Konkurrenten. Spätere Regressionen auf Basis von monatlichen Preisdaten werden diese Zusammenhänge noch genauer beleuchten. Andererseits legen die Schätzergebnisse den Schluss nahe, dass es doch einen markanten Unterschied in der Preissetzung zwischen Readymix und den anderen Zementanbietern nach dem Zusammenbruch des Kartells gab. Denn obwohl alle Hersteller die Transaktionspreise um etwa den gleichen Betrag senkten, so war die Art und Weise, wie sie diese Absenkung erreichten, sehr unterschiedlich. So senkte Readymix seinen Listenpreis drastisch um 40,13  Euro pro Tonne und begrenzte gleichzeitig die noch gewährten Rabatte  – tatsächlich sank der Rabatt (gemessen als Anteil am Listenpreis) um 20,1 Prozentpunkte. Zusätzlich änderte Readymix auch die Arten der Rabattzusammenstellung und reduzierte insbesondere die Sofortrabatte um 45,6 Prozentpunkte (gemessen am Anteil des Gesamtrabatts). Bei den anderen Zementanbietern ist demgegenüber nur eine moderate Senkung der Listenpreise um 6,86  Euro pro Tonne feststellbar, hingegen eine deutlichere Erhöhung der gewährten Rabatte (so stieg beispielsweise der Rabattanteil am Listenpreis um 11,1 Prozentpunkte). Schätzergebnisse auf Basis monatlicher Preisdaten Die bisherige Analyse auf Basis aggregierter Preisdaten war zwar durchaus hilfreich im Hin-

194

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

blick auf die Identifikation allgemeiner Preissetzungstrends während und nach dem Zusammenbruch des Zementkartells, sie erlaubte jedoch keine klaren Rückschlüsse darüber, wie sich der Zusammenbruch im Detail auf die Preissetzung ausgewirkt hat: Wer hat beispielsweise welchen Preis zuerst geändert, wie wurde dieser geändert, und wie haben die anderen Unternehmen darauf reagiert? Um diese Fragen bestmöglich zu beantworten, werden im Folgenden die Ergebnisse der Analyse eines reichhaltigeren  – da nur auf Monatsbasis aggregierten  – Datensatzes diskutiert. Aus methodischer Sicht werden dabei nicht nur verschiedene Nachfrage- bzw. Kostentreiber in die empirische Analyse mit aufgenommen, sondern es findet auch ein Ersatz der NachKartell-­Dummy­ variable durch eine Reihe von jährlichen Zeit-­ Dummyvariablen von 1998 bis 2005  – also die vier Jahre vor und die vier Jahre nach dem Zusammenbruch des Kartells – statt. Analyse der Listenpreisentwicklung Ausgehend von einer Analyse der Listenpreise wird dann die folgende Anpassung des obigen ökonometrischen Modells geschätzt: PcListenpreis = β1′ X c , s , p,t , s , p,t

 (Gl. 5.3)

+ β 2′ Jahrt + β 3′ Jahrt ∗ RMX + ε c , s , p,t .

Anstelle eines NachKartell-Indikators für die gesamte Zeit nach dem Kartellzusammenbruch werden also nun jährliche Indikatorvariablen ab dem Jahr 1998 eingeführt. Auf diese Weise lassen sich dann genauere Antworten auf die eingangs gestellten Fragen der Preissetzung im Zuge des Kartellzusammenbruchs geben. Konkret finden sich auf Basis der jährlichen Dummyvariablen – und unter Nutzung des Zeitraums von 1993 bis 1997 als Referenzperiode – für die letzten vier vollen Jahre des Kartells (1998–2001) insgesamt recht stabile Listenpreise. So war der Listenpreis von Readymix statistisch gesehen nur im Jahr 2000 deutlich höher als der durchschnittliche Listenpreis der anderen Kartellmitglieder. Im Zuge der Abweichung von Readymix im Februar 2002 zeigen die Schätzergebnisse dann eine drastische Reduktion der Listenpreise von

Readymix um 51,253  Euro pro Tonne (der sich im Folgejahr sogar noch weiter reduzierte). Im Gegensatz dazu haben sich die Listenpreise der anderen Kartellmitglieder unmittelbar nach der Ankündigung bzw. Umsetzung der Abweichung von Readymix nicht wesentlich verändert: Für das Jahr 2002 findet sich lediglich eine Reduktion von 4,82 Euro, und selbst unter Einbezug des Folgejahres 2003 ist insgesamt nur eine Absenkung des durchschnittlichen Listenpreises um 12,11 Euro feststellbar. Es lässt sich folglich festhalten, dass Readymix infolge seiner Abweichung die Listenpreise drastisch gesenkt hat, während die übrigen Kartellmitglieder keine Reaktion in vergleichbarem Ausmaß zeigten. Um den Zeitpunkt der Änderung der Listenpreise noch genauer einschätzen zu können, wurde die Preisgleichung ergänzend noch mit vierteljährlichen Zeitindikatoren geschätzt. Abb.  5.10 zeigt die Entwicklung der Quartalseffekte im Vergleich zum Referenzzeitraum 1993–1997 (wobei die gestrichelten Linien jeweils die 95 %igen Konfidenzintervalle darstellen). Ausgehend von dem gleichen allgemeinen Muster wie bei den Jahresindikatoren verdeutlicht Abb.  5.10, dass die anderen Kartellunternehmen erst ab dem zweiten Quartal 2004 damit begannen, ihre Listenpreise deutlicher abzusenken. Es lässt sich somit festhalten, dass die ­Konkurrenten von Readymix zwar ihre Listenpreise – als Reaktion auf den drastischen Rückgang der Listenpreise von Readymix  – gesenkt haben, der Effekt jedoch verzögert und in seiner Größenordnung insgesamt eher bescheiden war. In der Zeit nach dem Kartellzusammenbruch hatte Readymix aufgrund seiner deutlich niedrigeren Listenpreise somit eine herausgehobene Position im deutschen Zementmarkt. Weiterhin ist festzuhalten, dass Readymix sich im Zuge seiner Abweichung von der Kartellvereinbarung zu einer drastischen Absenkung seiner Listenpreise entschloss – anstelle der alternativen Strategie einer (schwer zu beobachtenden) Erhöhung der Rabatte unter Beibehaltung der (leicht zu beobachtenden) Listenpreise. Eine solche Strategie erscheint insbesondere dann rational, wenn Readymix davon ausging, dass seine Abweichung von der Kartellabsprache mit hoher

5.3  Interne Kartellstabilität

195

Abb. 5.10 Vierteljährliche Zeitindikatoren für Listenpreise, 1998–2005 (Quelle: Harrington et al. 2015) Euro per ton

150

100

50

0 1998m1

2000m1

2002m1 Month

2004m1

Other cartel members

Wahrscheinlichkeit auch das Ende des Kartells bedeuten würde. Denn nur dann hat die Senkung der Listenpreise – zumindest kurzfristig – einen größeren Einfluss auf die Nachfrage als eine Erhöhung der Rabatte – aus dem einfachen Grund, dass auf diese Weise ein größerer Anteil der potenziellen Käufer von den deutlichen Preissenkungen bzw. -unterschieden Kenntnis erlangen wird. Im Einklang mit dieser aggressiven Kundengewinnungsstrategie von Readymix steht auch die Tatsache, dass die Reduzierung des Listenpreises von Readymix so groß ausfiel, dass der entsprechende Listenpreis nach dem Kartellzusammenbruch sogar deutlich unter dem durchschnittlichen Transaktionspreis zu Zeiten des Kartells lag. So wies Readymix im Jahr 2001 beispielsweise einen (mengengewichteten) durchschnittlichen Transaktionspreis von 56,95  Euro pro Tonne auf, verglichen mit 62,69  Euro pro Tonne der anderen Kartellmitglieder. Im Jahr 2002 lag der (mengengewichtete) durchschnittliche Listenpreis von Readymix hingegen bei 44,82  Euro pro Tonne und damit rund 28,5  % unter dem (mengengewichteten) durchschnittlichen Listenpreis der anderen Kartellmitglieder im Jahr 2001. Auf diese Weise wurde es potenziellen Kunden schon vor der Anwendung bzw. Verhandlung von Rabatten – die Readymix auch nach dem Kartellzusammenbruch immer noch

2006m1

RMX

anbot (wenn auch in weitaus geringerem Umfang) – offensichtlich, dass das Preisangebot von Readymix als lukrativ eingeschätzt werden musste. Allgemeiner formuliert stehen die identifizierten Unterschiede in den Preisstrategien im Einklang mit der unterstellten Unzufriedenheit von Readymix mit seinem Marktanteil und der damit verbundenen höheren Gewichtung eines Wachstums der erzielten Umsätze. Ein niedriger Lis­ tenpreis erscheint in diesem Zusammenhang ­deutlich effektiver in der Gewinnung neuer Kunden, während hohe Rabatte (und ein niedrigerer Transaktionspreis) effektiver sind, um bestehende Kunden zu halten (insbesondere als Reaktion auf alternative Angebote anderer Anbieter). Analyse der Transaktionspreisentwicklung Vor einer abschließenden Gesamtbetrachtung der verschiedenen empirischen Analysen steht allerdings noch ein letzter analytischer Schritt an: die Untersuchung von Determinanten der Transak­ tionspreise auf Basis monatlicher Preisdaten. Hierzu wird die folgende  – nur minimal angepasste – Regressionsgleichung für die Transaktionspreise mit jährlichen Zeit-Dummys geschätzt: PcTransaktionspreis = β1′ X c , s , p,t + β 2′ Jahrt , s , p,t + β 3′ Jahrt ∗ RMX + ε c , s , p,t .



(Gl. 5.4)

196

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

Beschränkt man eine Diskussion der Ergebnisse auf die konkreten Preisinformationen – und ignoriert folglich wiederum die Ergebnisse für die verschiedenen aufgenommenen Kontrollvariablen – so stellt man fest, dass Readymix im ersten Jahr nach seiner Abweichung seinen Transaktionspreis um 20,09  Euro pro Tonne senkte, während die anderen Hersteller nur eine Senkung von durchschnittlich 14,75  Euro pro Tonne erzielten. Dieses Muster änderte sich allerdings im Folgejahr 2003, als der Transaktionspreis von Readymix im Vergleich zum Kartellzeitraum nur noch um 13,21  Euro pro Tonne niedriger war, während die Transaktionspreise der an­ deren Zementanbieter durchschnittlich um 26,87 Euro pro Tonne sanken – Readymix hatte also seinen Transaktionspreis um 13,66  Euro pro Tonne im Vergleich zu den anderen Herstellern erhöht. Diese Differenz betrug dann im Jahr 2004 noch 4,52  Euro pro Tonne  – unterschied sich aber statistisch nicht von null – und stieg im Jahr 2005 wieder auf 7,18  Euro pro Tonne an. Zusammenfassung der empirischen Erkenntnisse Es lässt sich somit insgesamt sagen, dass die drastische Absenkung der Transaktionspreise durch Readymix im ersten Jahr nach dem Kartellzusammenbruch von den anderen Herstellern in der Folgezeit nicht nur kompensiert, sondern sogar übertroffen wurde. Eine mögliche Interpretation dieses festgestellten Musters ist, dass Readymix zunächst über eine drastische Senkung des Listenpreises hoffte, seinen Marktanteil zu erhöhen. Die anderen Unternehmen konnten diese preislichen Nachteile allerdings alsbald durch die Gewährung höherer Rabatte kompensieren (auch um auf diese Weise die Abwanderung von Kunden zu Readymix zu verhindern). Zu diesem Zeitpunkt könnte sich bei Readymix die Erkenntnis durchgesetzt haben, dass die verfolgte Strategie zu hohen Verlusten führt – und damit eine Erklärung dafür liefern, weshalb Readymix im Jahr 2003 den zuvor eingeschlagenen Kurs umkehrte und seine Transaktionspreise deutlich erhöhte.

5.3.4 Zusammenfassung und Schlussfolgerungen Mit dem Ziel einer Zusammenfassung der wesentlichen Erkenntnisse des Abschn.  5.3 lässt sich zunächst festhalten, dass die erzielten empirischen Ergebnisse im Einklang mit der entwickelten Theorie eines unzufriedenen Kar­ tellmitglieds stehen. Konkret entschied sich Readymix – in Reaktion auf eigene Überkapazitäten und in Kombination mit einer insgesamt rückläufigen Marktnachfrage –, von der Kartellabsprache abzuweichen, indem es Zement an seine Tochtergesellschaften im nachgelagerten Betonmarkt lieferte und gleichzeitig seine Verkaufspreise senkte. In der konkreten Umsetzung dieser Preissenkung wählte Readymix jedoch nicht den Weg einer (schwerer beobachtbaren) Erhöhung der gewährten Rabatte, sondern es senkte die (leicht beobachtbaren) Listenpreise so drastisch, dass sogar ein durchschnittliches Niveau unterhalb der durchschnittlichen Transaktionspreise zu Zeiten des Kartells erreicht wurde. Eine solche Strategie wurde vermutlich von Readymix als besonders wirksam eingeschätzt im Hinblick auf das anvisierte Ziel einer Erhöhung der Umsätze und einer Verbesserung der  Kapazitätsauslastung durch die Gewinnung neuer Kunden. Gleichzeitig war es jedoch ­wahrscheinlich, dass es zu Reaktionen der anderen Kartellanten kommen würde  – und zwar in diesem Fall konkret durch eine deutliche Erhöhung der gewährten Rabatte und somit einer entsprechenden Senkung der Transaktionspreise. Während Readymix im Jahr nach dem Zusammenbruch des Kartells niedrigere Listen- und Transaktionspreise als die anderen Zementanbieter hatte  – in Übereinstimmung mit der Annahme, dass es versuchte, Marktanteile zu gewinnen –, führten die nachfolgenden Reaktionen der anderen Zementproduzenten sogar zu Transaktionspreisen unter denen von Readymix. Die gewonnenen Erkenntnisse legen abschließend eine kurze Diskussion von ausgewählten Implikationen für die Wettbewerbspolitik nahe. Obwohl sich die Analyse in Abschn. 5.3 auf ein bestimmtes Kartell in einem bestimmten Land bezieht – und somit Verallgemeinerungen der Er-

5.4  Räumliche Implikationen von Kartellbildung und -zusammenbruch

gebnisse mit großer Vorsicht zu genießen sind – so können die Ergebnisse zumindest zur Diskussion über mögliche Verbesserungen insbesondere in der privaten Durchsetzung des Wettbewerbsrechts in Europa und anderswo anregen. In diesem Zusammenhang steht insbesondere das identifizierte Verhalten einer Senkung der Transaktionspreise unter Beibehaltung der Listenpreise im Einklang mit dem Ziel der (anderen) Kartellmitglieder, entweder die Schadenshöhe im Rahmen von privaten Schadensersatzklagen möglichst niedrig zu halten (siehe dazu Harrington 2004) oder aber generell die Wahrscheinlichkeit zu verringern, dass die Wettbewerbsbehörde aufgrund erheblicher Preissenkungen in der Nachkartellperiode überhaupt erst auf das Kartell aufmerksam wird. Darüber hinaus stellen solche Formen des strategischen Verhaltens von ehemaligen Kartellanten jeden Versuch von Wettbewerbsbehörden, Gerichten oder privaten Parteien infrage, eine aussagekräftige Schätzung des kontrafaktischen But-for-Preises auf Basis von Listenpreisdaten zu erhalten – beispielsweise im Rahmen der Anwendung eines sogenannten Vorher-­ Nachher-­ Vergleichs (siehe dazu insbesondere Abschn. 6.3). Eine solche Abschätzung dürfte regelmäßig zu überhöhten But-for-Preisen und damit zu niedrigeren Schadenshöhen zugunsten der ehemaligen Kartellanten führen  – und damit auch die Abschreckungswirkung der privaten Durchsetzung des Kartellrechts nachhaltig schwächen.

5.4

Räumliche Implikationen von Kartellbildung und -zusammenbruch

In verschiedenen Kapiteln des Lehrbuchs wurde immer wieder die (herrschende) Auffassung in der Volkswirtschaftslehre vertreten, dass Kartelle allokative, produktive und dynamische Ineffizienzen verursachen und folglich aus wettbewerbspolitischer Sicht per se zu verbieten sind (siehe dazu insbesondere Abschn. 2.2.1). In Abschn. 5.4 soll nun insoweit eine Akzentuierung dieser Sichtweise erfolgen, als Kartelle zwar insgesamt nach wie vor als volkswirtschaftlich schädlich

197

und damit unerwünscht betrachtet werden – insbesondere aufgrund ihrer klar negativen allokativen Verzerrungen  – aber in einzelnen isolierten Ebenen durchaus auch effizientere Ergebnisse erzielen können, als sie unter freiem Wettbewerb zu erwarten sind. Konkret soll es in diesem Zusammenhang – in Anlehnung an Hunold et al. (2020) – um eine bestimmte Determinante der produktiven Effizienz gehen, nämlich die Wahl der Transportwege für die Belieferung der Zementkunden durch die Zementhersteller. Grundsätzlich kann ein volkswirtschaftlich effizienter Zustand hier dann vermutet werden, wenn die entsprechenden Transportentfernungen insgesamt minimiert werden. Dies gilt sowohl aus privaten Kostenerwägungen heraus  – beispielsweise im Hinblick auf Einsparungen von Treibstoff oder Personalkosten –, aber auch bei Einbeziehung der durch Transportvorgänge üblicherweise entstehenden sozialen Kosten – beispielsweise durch Treibstoffemissionen und deren Umweltwirkungen. Obwohl man sich zunächst der Auffassung anschließen könnte, dass die Bildung eines Kartells auch in dieser Dimension zu Ineffizienzen führen muss, so erscheint dies bei genauerem Hinsehen nicht zwingend der Fall. Denn das Kartell kann ein bestehendes Gewinnniveau weiter erhöhen, indem es beispielsweise die Lieferbeziehungen dahingehend optimiert, dass immer dasjenige Werk einen bestimmten Kunden beliefert, welcher ihm geografisch am nächsten liegt. Unter Wettbewerbsbedingungen hingegen ist ein solches Marktergebnis intuitiv insbesondere dann zu erwarten, wenn die Produktionskapazitäten der jeweiligen Hersteller stark beschränkt sind und somit die gesamte Produktionsmenge bereits bei Kunden „aus der Region“ verkauft werden kann. Denn in einer solchen Gemengelage besteht einfach keine Notwendigkeit, in Wettbewerb um die Gunst weiter entfernt liegender Kunden zu treten  – es liegen dann faktisch regionale Monopole vor. Sehen sich die Hersteller hingegen mit Überkapazitäten konfrontiert, dann kann eine Verbesserung der Auslastungssituation durch die Belieferung genau dieser weiter entfernt liegenden Kunden erreicht werden – mit

198

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

der Folge eines Anstiegs der durchschnittlichen Transportentfernungen. Vor diesem Hintergrund soll im Rahmen des Abschn. 5.4 theoretisch wie empirisch der Frage nachgegangen werden, welche Auswirkungen das Vorliegen eines Kartells und dessen anschließender Zusammenbruch auf eine bestimmte Komponente der produktiven Effizienz  – nämlich die (durchschnittliche) Transportentfernung  – hat. Hierbei wird wiederum der bewährten Struktur des Kap. 5 gefolgt und zunächst eine Charakte­ risierung ausgewählter Branchenentwicklungen vor­ge­nom­men. Dem schließt sich dann zunächst die Ableitung von Hypothesen mithilfe eines theoretischen Modells an, gefolgt von deren empirischen Überprüfung für den Fall des deutschen Zementkartells. Abgeschlossen wird Abschn. 5.4 wiederum mit einer Zusammenfassung und der Ableitung von wettbewerbs- und umweltpolitischen Schlussfolgerungen.

5.4.1 Charakterisierung von Branchenentwicklungen Da die grundlegenden Eigenschaften des Zementprodukts sowie die charakteristischen Eigenschaften der deutschen Zementindustrie und des deutschen Zementkartells bereits detailliert in Abschn.  5.1 beschrieben wurden, kann sich hier auf eine kurze Erinnerung daran beschränkt werden, dass Zement ein relativ homogenes Gut ist, das von einer stark konzentrierten Industrie hergestellt und dann (überwiegend) unter Nutzung von LKWs von den Zementwerken zu den Entladestellen transportiert wird. Letztere können entweder geografisch fix sein  – beispielsweise in Gestalt einer Unternehmung, die Zement für die Produktion von Pflastersteinen benötigt – oder aber variabel, so wie dies bei Arbeiten an Baustellen üblicherweise der Fall ist. Während des gesamten Beobachtungszeitraums von 1993 bis 2005 war die deutsche Zementindustrie durch Überkapazitäten gekennzeichnet, die auch als ein zentraler Grund für den Zusammenbruch des von 1991 bis 2002 existierenden Kartells gesehen werden können. Darüber hinaus war mit dem Abklingen des Wiedervereini-

gungs(bau)booms eine deutliche Reduktion der Marktnachfrage für Zement insgesamt beobachtbar (siehe dazu Abschn. 5.3). Geht man auf Basis dieser einführenden Erläuterungen nunmehr auf eine konkrete Betrachtung der Transportwege über, so muss eingangs zunächst einmal eine Festlegung des anzuwendenden Maßes erfolgen. Die in diesem Zusammenhang naheliegendste Herangehensweise ist die Messung der durchschnittlichen Transportentfernung (in km) zwischen den jeweiligen Entladestellen und dem liefernden Zementwerk. Da Zement größtenteils über Straßen geliefert wird, ist dabei der Begriff der Transportentfernung dahin gehend zu präzisieren, dass es sich um die jeweiligen Straßenentfernungen  – und nicht die kürzeren Luftlinien – handeln muss. Angesichts moderner Onlineplattformen wie beispielsweise Google Maps ist die Verfügbarkeit der entsprechenden Daten nicht nur hervorragend, sondern diese lassen sich auch problemlos den jeweiligen Datensätzen zuspielen und anschließend in die empirischen Analysen integrieren. Eine Einschränkung der durchschnittlichen Transportentfernung als geeignetes Maß könnte allerdings in möglichen Verzerrungen in Bezug auf Standortänderungen auf der Angebots- oder Nachfrageseite zu sehen sein – also insbesondere strukturellen Veränderungen der jeweiligen Orte der Lieferwerke, der Entladestellen oder der Kunden. Als ergänzendes Maß kann daher die Einführung des Ranges in Erwägung gezogen werden. Hierbei bekommt das Werk, das der jeweiligen Entladestelle am nächsten liegt, den Rang 1 zugeteilt, das am zweitnächsten gelegene Werk den Rang 2 usw. Auf diese Weise lassen sich die skizzierten möglichen Verzerrungen auf Angebots- und Nachfrageseite eliminieren – und ein Vergleich der beiden Maße erlaubt dann auch eine erste summarische Aussage darüber, ob in der konkreten Industrie solche Verzerrungen eine nennenswerte Rolle spielen oder nicht. Auf Basis dieser beiden Maße lässt sich nun – unter Nutzung des CDC-Datensatzes – ein erster qualitativer Blick auf die Entwicklung der ­Transportwege im Beobachtungszeitraum werfen. Abb. 5.11 versucht dies durch eine Darstellung der durchschnittlichen Transportentfernung und des

5.4  Räumliche Implikationen von Kartellbildung und -zusammenbruch

durchschnittlichen Ranges aller (mengengewichteten) Zementverkäufe aus inländischen Wer­ken in den Jahren 1993 bis 2005. Die vertikale Linie markiert dabei den Zeitpunkt des Zusammenbruchs des Kartells im Februar 2002  – folglich sind alle Beobachtungen links von dieser Linie der Kartellperiode und alle Beobachtungen rechts davon der Nachkartellperiode zuzuordnen. Konzentriert man sich in der Diskussion von Abb.  5.11 zunächst einmal auf den Verlauf der durchschnittlichen Transportentfernung (in km), so wird einerseits deutlich, dass diese im Kartellzeitraum zwar gewissen Schwankungen unterliegt, insgesamt aber deutlich stationäre Eigenschaften aufweist. Interessanterweise ist dann allerdings  – im Anschluss an den Zusammenbruch des Kartells – ein deutlicher Anstieg in der durchschnittlichen Transportentfernung festzustellen. Diese Beobachtung kann somit als erstes klares Indiz dafür gewertet werden, dass das Wiederaufleben des Wettbewerbs nach dem Kartellzusammenbruch einherging mit Lieferungen an auch weiter entfernt liegende Kunden – und dies schlug sich dann unmittelbar nieder in der beob-

199

achtbaren Erhöhung der durchschnittlichen Trans­ portentfernung. Bevor allerdings diese zentrale Beobachtung theoretisch rationalisiert und anschließend empirisch überprüft werden soll – dann unter Einbezug anderer möglicher Treiber der in Abb.  5.11 gezeigten Entwicklung – sollen kurz noch die Ergebnisse des alternativen Maßes des Ranges des jeweiligen Lieferwerks Erwähnung finden. Diesbezüglich zeigt Abb.  5.11 in weiten Teilen des Beobachtungszeitraums einen starken Gleichlauf mit dem Maß der durchschnittlichen Transportentfernung. Dies kann als klares Indiz dafür gewertet werden, dass dieses Maß keinen größeren Verzerrungen  – beispielsweise durch Veränderungen in der Position der Entladestellen oder Schließungen von Zementwerken  – ausgesetzt ist. Ohne die sowohl zu Beginn als auch gegen Ende des Beobachtungszeitraums feststellbaren deutlicheren Abweichungen der beiden Maße unerwähnt lassen zu wollen, soll sich dennoch im Folgenden auf die Betrachtung der durchschnittlichen Transportentfernung als Maß beschränkt werden.

Abb. 5.11  Durchschnittliche Entfernung sowie Rang von der Entladestelle zum Zementwerk. (Quelle: in Anlehnung an Hunold et al. 2020)

200

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

5.4.2 Ableitung von Hypothesen Mit dem Ziel einer Untersuchung der räumlichen Implikationen von Kartellbildung und -zusammenbruch in einer kapazitätsbeschränkten und transportkostenintensiven Industrie wird in Hunold et  al. (2020) ein theoretisches Modell von  räumlich differenzierten und kapazitätsbeschränkten Unternehmen entwickelt  – mit dem Ziel eines Vergleichs der Marktergebnisse bei Wettbewerb mit denen bei Vorliegen eines Kartells. Dabei wird angenommen, dass sich die Kunden gleichmäßig auf einer gedachten Linie verteilen und die beiden (vollkommen symmetrischen) Lieferanten fix an den beiden Enden lokalisiert sind. Die Produkte sind homogen, und die einzige Möglichkeit der Differenzierung besteht daher im Standort (und in den sich daraus bestimmenden Transportkosten). Kostenminimie­ rung wird dann erreicht, wenn alle Kunden von dem jeweils nächstgelegenen Unternehmen beliefert werden. In einem solchen Setting kann dann gezeigt werden, dass Wettbewerb oftmals keine Minimierung der Transportwege und -kosten erreicht, eine (gut implementierte) Kartellabsprache hingegen schon. Transportentfernungen bei Wettbewerb Wenn Unternehmen im Wettbewerb stehen, dann besteht in der eben skizzierten Modellwelt ein nichtmonotoner Zusammenhang zwischen der durchschnittlichen Transportentfernung und dem Grad an Überkapazität. Im Falle kleiner und vollausgelasteter Kapazitäten sind die jeweiligen Unternehmen effektiv regionale Monopolisten, und die Transportkosten werden minimiert. Bei sehr großen und deutlich unterausgelasteten Kapazitäten führt ein harter Wettbewerb wiederum dazu, dass die Preise für jeden Kunden auf die Kosten des zweiteffizientesten Unternehmens begrenzt werden, sodass wiederum der günstigere Anbieter den Zuschlag erhält. Bei mittleren Kapazitäten kann hingegen gezeigt werden, dass die durchschnittliche Transportentfernung mit dem Grad an Überkapazität ansteigt. Die ökonomische Intuition hinter dieser

Aussage ist, dass der Grad der Fehlkoordination ansteigt mit zunehmenden Kapazitäten. Zu solch ineffizienteren Aufteilungen der Kunden auf die Unternehmen kommt es, da aufgrund der größeren Kapazitäten die Unternehmen in der Lage (wie auch ökonomisch gezwungen) sind, nicht nur die nähergelegenen Kunden zu beliefern, sondern auch die weiter entfernten (unter Inkaufnahme längerer Transportwege und ­-kosten). Transportentfernungen bei Vorliegen eines Kartells Ein gut organisiertes Kartell hingegen – so pro­ gnostiziert die Theorie – erzielt das effiziente Ergebnis einer Minimierung der Transportwege und -kosten unabhängig vom Grad der Überkapazitäten. Wenn sich die Unternehmen im Rahmen einer Kartellvereinbarung abstimmen, dann haben sie  – wie ein Monopolist auch  – vor dem Hintergrund des Ziels der gemeinsamen Gewinnmaximierung Anreize, die Transportkosten zu minimieren. Dies könnte beispielsweise dadurch erreicht werden, dass sich die Kartellanten auf eine Zuordnung der Kunden zu den Unternehmen auf Basis der jeweiligen Standorte und Entfernungen einigen. So war es beispielsweise eine erklärte Strategie des deutschen Zementkartells, die beteiligten Unternehmen zu einer Konzen­ tration auf die Belieferung ihrer jeweiligen bestehenden Kundenbasen anzuhalten und auf ­ diesem Weg einen „voranschreitenden“ Wettbewerb um Kunden anderer Unternehmen zu vermeiden. Als Vorhersage für die empirische Analyse wird daher nicht nur erwartet, dass im Falle eines Kartells kürzere durchschnittliche Transportentfernungen zu beobachten sind, sondern insbesondere auch, dass im Falle eines Anstiegs der Überkapazitäten keine (oder zumindest eine deutlich schwächere) Auswirkung auf die Aufteilung der Kunden und damit die durchschnittlichen Transportentfernungen zu beobachten ist. Empirisch überprüfbare Hypothesen Die somit kurz umrissene Theorie erlaubt dann die Ableitung der beiden folgenden empirisch überprüfbaren Hypothesen:

5.4  Räumliche Implikationen von Kartellbildung und -zusammenbruch H1. Die durchschnittliche Transportentfernung ist unter Wettbewerb größer als im Falle des Vorliegens eines Kartells. H2. Eine Erhöhung der Nachfrage  – ausgehend von einem bestimmten Kapazitätsniveau – verringert die durchschnittliche Transportentfernung unter Wettbewerb, hat aber keinen Einfluss auf die durchschnittliche Transportentfernung im Falle des Vorliegens eines Kartells.

Obwohl diese beiden Hypothesen im Folgenden am Beispiel des deutschen Zementkartells überprüft werden, so lassen sie sich prinzipiell auch auf andere kapazitätsbeschränkte Industrien anwenden, die sich durch allgemeine Überkapazitäten und räumlichen Wettbewerb auszeichnen. Darüber hinaus können sie auch als sogenannte Kollusionsmarker (siehe dazu Abschn.  2.3.1.2) im Rahmen der (proaktiven) Aufdeckung von Kartellabsprachen von Nutzen sein: Beobachtet man beispielsweise in einer Industrie mit deutlichen Kapazitätsschwankungen mehr oder weniger unveränderte durchschnittliche Transportentfernungen, so kann dies als Indiz für das Vorliegen einer Absprache gewertet werden.

5.4.3 Empirische Analyse Die in Abschn.  5.4.2 entwickelten Hypothesen werden nun empirisch getestet. Es wird folglich einerseits der Frage nachgegangen, ob sich die durchschnittlichen Transportentfernungen zwischen der Kartellperiode und der Nachkartellperiode in der deutschen Zementindustrie statistisch signifikant unterscheiden. Andererseits wird untersucht, ob und wie die durchschnittlichen Transportentfernungen von regionalen Schwankungen in der Kapazitätsauslastung beeinflusst werden. Hierzu kommen wiederum der von CDC erhobene Datensatz aus Listen- und Transaktionspreisen von 36 Zementkunden in Deutschland aus den Jahren von 1993 bis 2005 (siehe dazu ausführlich Abschn. 5.1.3) – sowie weitere zugespielte Variablen – zum Einsatz. Konkret wird dann das folgende lineare Modell geschätzt: yc , u,t = β1′ X c , u,t + β 2 NachKartellt + β 3 NachKartellt ⋅ Z c ,u,t + ε u + ε c , u,t . (Gl. 5.5)

201

Dabei kommen zwei Spezifikationen der abhängigen Variablen yc,u,t zur Anwendung: die Transportentfernung (in km) zwischen dem liefernden Zementwerk und der Entladestelle des Kunden sowie der Rang des liefernden Werks (wobei das zum Kunden bzw. dessen Entladestelle nächstgelegene Werk den Rang 1 enthält usw.). Dafür werden die auf Kunden-­ Ent­ lade­ stelle-­ Jahresbasis aggregieren Rechnungsdaten genutzt, wobei in der obigen Gleichung c für den Kunden, u für die Entladestelle und t für das Jahr steht. Vektor X enthält verschiedene Merkmale der (kundenbezogenen) Entladestellen und der umliegenden Marktstruktur. Diesbezüglich sind insbesondere die Kundengröße (gemessen am Volumen der jährlichen Zementkäufe), die Anzahl der Werke innerhalb eines Radius von 150 km sowie ein Maß der regionalen Eigentümerkonzentration auf Basis eines selbst kon­ struierten Herfindahl-­Hirschman-­Index (HHI) zu nennen. NachKartell (NK) ist eine Indikatorvariable, die den Wert 1 aufweist, wenn die Lieferung nach dem Kartellzusammenbruch im Februar 2002 fakturiert wurde (und ansonsten den Wert 0 annimmt). Vektor Z besteht aus ­verschiedenen Marktstrukturvariablen, die im Rahmen der Schätzungen dann mit dem Nach­ Kartell-Dummy (NK) interagiert werden – um zu testen, ob sich die Auswirkungen dieser Faktoren auf die Entfernung (oder den Rang) in der Nachkartellperiode signifikant ändern. Schließlich wird die lokale zeitkonstante unbeobachtete Heterogenität durch die Einbeziehung von fixen Effekten εu auf der Ebene der Entladestellen beseitigt. Die Standardfehler werden  – ebenso auf Entladestellenebene – geclustert und erweisen sich als robust in Bezug auf Heteroskedastizität. Methodisch basiert der Schätzansatz auf der Ausnutzung von zeitlichen Schwankungen in der Transportentfernung, dem Grad der Überkapazität und dem Vorliegen des Kartells. Um auszuschließen, dass unbeobachtete Heterogenität zwischen den Entladestellen das Ergebnis bestimmt, werden nicht nur besagte fixe Effekte auf der Ebene der Entladestellen verwendet, sondern es wird auch kontrolliert für die Anzahl der Werke innerhalb eines Radius von 150 km um die jewei-

202

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

lige Entladestelle sowie die jeweilige regionale Eigentümerkonzentration (HHI). Damit kann ausgeschlossen werden, dass eine geringere Anzahl von Werken – beispielsweise aufgrund von Schließungen nach dem Kartellzusammenbruch – die Schätzergebnisse beeinflusst. Durchschnittliche Transportentfernungen bei Wettbewerb bzw. Vorliegen eines Kartells Wendet man sich nun zunächst den Regressionsergebnissen für die beiden abhängigen Variablen – also die Entfernung in km zwischen Entladestelle und lieferndem Werk sowie den Rang des liefernden Werks – zu, so zeigt der deutlich positive Koeffizient der NachKartell-Indikatorvariablen (NK), dass sowohl die Entfernung zum liefernden Werk als auch sein Rang nach dem Zusammenbruch des Kartells statistisch signifikant höher sind. Konkret findet sich ein Anstieg in der durchschnittlichen Transportentfernung von ungefähr 26  km (innerhalb eines 95  %igen Konfidenzintervalls von 12  km und 42 km). Im Hinblick auf die Kontrollvariablen ist eine größere regionale Eigentümerkonzentration (HHI) der Zementwerke um die Entladestelle herum mit einer geringeren durchschnittlichen Transportentfernung verbunden. Eine mögliche Erklärung für dieses Ergebnis könnte darin zu suchen sein, dass Eigentümer mehrerer Werke niedrigere durchschnittliche Transportentfernungen erreichen können, indem sie ihre Verkäufe werksübergreifend optimieren. Die Koeffizienten der Variablen „Anzahl der Werke innerhalb eines Radius von 150  km“ sowie „Kundengröße“ unterscheiden sich hingegen nicht statistisch signifikant von null. Im weiteren Verlauf der ökonometrischen Analyse wird dann die zeitliche Struktur des NachKartell-Effekts noch genauer untersucht. Hierbei zeigt sich, dass es im Jahr 2001  – also dem letzten vollen Jahr vor dem Kartellzusammenbruch  – aus statistischer Sicht keine Hinweise auf eine Zunahme von Entfernung oder Rang gab. Während dann im Jahr des Kartellzusammenbruchs bereits eine moderate Zunahme nachzuweisen ist, so lässt sich der stärkste Effekt für die Jahre nach dem Kartellzusammenbruch

beobachten. Dies kann als klares Indiz dafür gewertet werden, dass der Anstieg der Entfernungen nicht nur auf einen kurzfristigen Kampf der Lieferanten um neue Kunden unmittelbar nach dem Zusammenbruch des Kartells zurückzuführen ist, sondern dass die identifizierte transportentfernungsbezogene Ineffizienz vielmehr ein strukturelles Merkmal des Wettbewerbs zwischen Unternehmen mit räumlicher Differenzierung und Überkapazitäten darstellt. Einfluss von Nachfrageerhöhungen auf die durchschnittlichen Transportentfernungen Die zweite aus dem Theoriemodell unmittelbar ableitbare Hypothese erwartet, dass eine Erhöhung der Nachfrage  – ausgehend von einem bestimmten Kapazitätsniveau – die durchschnittliche Transportentfernung unter Wettbewerb verringert, aber keinen Einfluss auf die durchschnittliche Transportentfernung im Falle des Vorliegens eines Kartells hat. Aufgrund der Tatsache, dass detaillierte Informationen über die Grade der Kapazitätsauslastung auf regionaler Ebene nicht verfügbar sind, wurde die Anzahl der beschäftigten Bauarbeiter als (auf regionaler Ebene verfügbare) Proxyvariable in die Schätzung aufgenommen. Da die ­Anzahl der Lieferwerke um einen Kunden herum – und damit die Gesamtkapazität – im Beobachtungszeitraum kaum variiert, kann diese Variable als Indikator für die Kapazitätsauslastung der Zementindustrie angesehen werden: denn je höher die Anzahl der beschäftigten Bauarbeiter, desto größer die Nachfrage nach Zement und desto größer die Auslastung der entsprechenden Produktionsanlagen. Auf Basis der Schätzung verschiedener Spezifikationen des oben formulierten linearen Grundmodells findet sich einerseits für den Kartellzeitraum kein statistisch signifikanter Zusammenhang zwischen der Kapazitätsauslastung  – gemessen über die eben beschriebene P ­ roxy-­Nachfrage variable – und der durchschnittlichen Transportentfernung. Andererseits weist der Koeffizient des Interaktionsterms (NachKartell * Kapazitätsaus­ lastung (#Bauarbeiter)) ein deutlich negatives Vorzeichen auf. Hieraus kann unmittelbar die Schlussfolgerung abgeleitet werden, dass im

5.4  Räumliche Implikationen von Kartellbildung und -zusammenbruch

Falle des Vorliegens von Wettbewerb – also in der Nachkartellperiode – die durchschnittliche Transportentfernung mit zunehmender Kapazitätsauslastung abnimmt. Hypothese 2 erfährt somit ebenso Bestätigung durch die empirische Analyse. Zusammenfassung und Überprüfung der Robustheit der Ergebnisse Zusammenfassend lässt sich somit sagen, dass die Schätzergebnisse einerseits klare empirische Evidenz für eine wettbewerbsbedingte – und vor allem nicht nur vorübergehende – Zunahme der Transportentfernung im Anschluss an den Zusammenbruch des Kartells liefern. Die aus dem theoretischen Modell abgeleitete Hypothese 1 findet somit klare Bestätigung. Die gleiche Schlussfolgerung einer klaren Bestätigung lässt sich auch für Hypothese 2 so treffen. Hier haben die entsprechenden Schätzungen klare Evidenz dafür erbracht, dass eine relative Zunahme an Kapazität bei Wettbewerb zu einer Erhöhung der durchschnittlichen Transportentfernungen führt, während sich im Falle des Vorliegens eines Kartells kein solcher Effekt statistisch identifizieren lässt. Abschließend ist noch der Hinweis wichtig, dass in Hunold et al. (2020) – neben den hier zusammengefassten Hauptergebnissen der Analysen – umfangreiche Überprüfungen der Robustheit der Ergebnisse durchgeführt wurden  – mit dem Ziel, alternative Erklärungen für die beobachteten Effekte bestmöglich auszuschließen. Hierzu zählt einerseits eine mögliche Senkung der Transportkosten parallel zum Kartellzusammenbruch, die dann für den beobachteten Anstieg der durchschnittlichen Transportentfernungen zumindest mitverantwortlich sein könnten. Andererseits lässt sich nicht von vorneherein sagen, dass die erste Zeit nach dem Kartellzusammenbruch wirklich als „normaler Wettbewerb“ zu klassifizieren ist  – und die erzielten Ergebnisse somit nicht von denkbaren Bestrafungsaktionen der anderen Kartellmitglieder nach dem Abweichen von Readymix beeinflusst sind. Ohne beiden alternativen Erklärungen ihre prinzipielle Relevanz absprechen zu wollen, so wurden in den entsprechenden zusätzlichen empirischen

203

Analysen keine Hinweise dafür gefunden, dass sie im konkreten Fall der deutschen Zementindustrie eine (statistisch signifikante) Rolle gespielt haben.

5.4.4 Zusammenfassung und Schlussfolgerungen In Abschn.  5.4 wurde auf Basis eines theoretischen Modells des räumlichen Wettbewerbs mit Kapazitätsbeschränkungen der empirischen Frage nachgegangen, welche Auswirkungen der Zusammenbruch des deutschen Zementkartells auf die durchschnittlichen Transportentfernungen zwischen Herstellern und Kunden hatte. Es konnte gezeigt werden, dass die durchschnittlichen Transportentfernungen in der Kartellperiode im Durchschnitt deutlich  – und statistisch signifikant – geringer waren als in der (von Wettbewerb geprägten) Nachkartellperiode. Dieses empirische Ergebnis steht im Einklang mit der gewonnenen theoretischen Erkenntnis, dass im Wettbewerb stehende Unternehmen (mit mittleren Produktionskapazitäten) auch entferntere Kunden in solchen Gebieten bedienen, die näher an den Produktionsstätten der Wettbewerber liegen (und somit zu einem Anstieg der durchschnittlichen Transportentfernung beitragen). Da­ rüber hinaus konnte theoretisch wie empirisch gezeigt werden, dass ein Nachfrageanstieg bei gegebener Kapazität bei Wettbewerb zu einer geringeren durchschnittlichen Transportentfernung führt, im Falle des Vorliegens eines Kartells aber keine vergleichbare Reaktion zur Folge hat. Die zentralen theoretischen und empirischen Erkenntnisse des Abschn. 5.4 erweitern nicht nur das generelle Verständnis von Wettbewerbs- und Kartellprozessen in kapazitätsbeschränkten und transportkostenintensiven Industrien, sondern sie können auch  – beispielsweise im Rahmen der wettbewerbsbehördlichen Arbeit an Kartell- oder Fusionsfällen  – konkreteren Nutzen stiften. In  der Kartellverfolgung können ausgewählte Schlussfolgerungen der Untersuchung beispielsweise als sogenannte Kollusionsmarker (siehe dazu Abschn. 2.3.1.2) im Rahmen der proaktiven Aufdeckung von Kartellabsprachen zum Einsatz

204

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

kommen. Beobachtet man beispielsweise in einer Industrie mit deutlichen Kapazitätsschwankungen starre durchschnittliche Transportentfernungen, so kann dies als Indiz für das Vorliegen einer Kartellabsprache gewertet werden. Im Hinblick auf einen möglichen Einsatz im Rahmen von Fusionskontrollverfahren hat beispielsweise die Europäische Kommission  – im Zuge der Beurteilung der Fusion M.7009 HOLCIM/CEMEX WEST  – im Jahr 2014 die deutsche (und europäische) Zementindustrie auf Anzeichen eines koordinierten Verhaltens der Zementhersteller untersucht. In diesem Rahmen hätte beispielsweise eine Analyse der durchschnittlichen Transportentfernungen in den Jahren vom Kartellzusammenbruch bis zum Beginn des Fusionskontrollverfahrens wertvolle Indizien für die Beantwortung der Frage liefern können, ob die Zementhersteller zu einer Form des koordinierten Verhaltens zurückgekehrt sind oder nicht. Greift man abschließend die zu Beginn des Abschn.  5.4 thematisierte Kategorisierung von Kartellabsprachen als klar wohlfahrtssenkende und daher per se zu untersagende Form der Unternehmenskooperation nochmals auf, so ändern die hier erzielten Ergebnisse nichts Wesentliches an dieser Schlussfolgerung. Zwar führt Wettbewerb – im Vergleich zur Kartellsituation – zu einer größeren durchschnittlichen Transportentfernung und damit zu einer Erhöhung der anfallenden Kosten, dem stehen allerdings die allokativen, produktiven und dynamischen Ineffizienzen entgegen, die durch die Bildung eines Kartells der Gesellschaft mit hoher Wahrscheinlichkeit entstehen. Interessanterweise lassen sich diese beiden Treiber sogar für das deutsche Zementkartell mithilfe der obigen empirischen Ergebnisse quantifizieren. So wurde unter Wettbewerbsbedin­ gungen eine Erhöhung der durchschnittlichen Transportentfernung von ungefähr 26 km festgestellt. Geht man davon aus, dass die typischen Grenztransportkosten pro LKW-Tonnenkilometer zwischen 4 und 20 Cent liegen, dann lassen sich daraus zusätzliche Transportkosten in einer Größenordnung von 1 bis 5 Euro pro Tonne ermitteln. Die allokativen Verzerrungen in Form

überhöhter Preise durch das Zementkartell lagen hingegen in einer Größenordnung von mindestens 15  Euro pro Tonne (bei durchschnittlichen Zementpreisen in der Kartellperiode von rund 78 Euro pro Tonne; siehe dazu auch insbesondere Kap. 6). Der Preisaufschlag im Falle des Kartells erweist sich somit als deutlich größer als die durch die Reaktivierung des Wettbewerbs induzierte Transportkostenineffizienz. Obwohl Wettbewerb also auch für den konkreten Fall des deutschen Zementkartells klar wohlfahrtserhöhend  – im Vergleich zum Vorliegen eines Kartells – ist, so bleibt als durchaus bemerkenswertes Ergebnis des Abschn. 5.4 festzuhalten, dass Wettbewerb nicht immer kostenlos zu haben ist, sondern über die Erhöhung der durchschnittlichen Transportentfernungen sogar zu einer nennenswerten „Verschwendung“ von Ressourcen führt. Diesbezüglich sind nicht nur die höheren privaten Kosten und die sich daraus ergebenden Gewinnminderungen zu erwähnen, sondern auch höhere soziale Kosten in Form von ausgeprägteren Umweltschäden – beispielsweise durch erhöhte Kohlendioxidemissionen – zu berücksichtigen. Die ökonomische Organisation einer Industrie kann somit erhebliche Aus­wir­ kungen auf die Umwelt haben, und die Höhe der entstehenden Schäden hängt – im konkreten Fall der deutschen Zementindustrie  – von der Höhe der Überkapazitäten und der Art des Wettbewerbs ab.

5.5

Wiederholungsfragen

1. Welche Faktoren sprechen für eine erhöhte Neigung zur Kartellbildung in der deutschen Zementindustrie? Lösung Abschn. 5.1 2. Wie wurde das jüngste deutsche Zementkartell organisatorisch implementiert? Lösung Abschn. 5.1.2 3. Wie unterscheiden sich öffentliche Preisindexdaten für Zement von entsprechenden Listen- und Transaktionspreisdaten? Lösung Abschn. 5.1.3 4. Was versteht die industrieökonomische Theorie unter dem Begriff der externen Kartellstabilität? Lösung Abschn. 5.2

5.5 Wiederholungsfragen

5. Welche Arten der Reaktion eines Kartells auf Probleme der externen Kartellstabilität durch Kartellaußenseiter lassen sich unterscheiden? Lösung Abschn. 5.2 6. Inwiefern wurde die Stabilität des deutschen Zementkartells gegen Mitte der 1990er-Jahre besonders durch osteuropäische Zementimporte gefährdet? Lösung Abschn. 5.2.1 7. Welche mittel- bis langfristig wirksame Strategie verfolgten die großen deutschen ­ ­Zementhersteller zur Eindämmung der ent­ sprechenden Importe aus osteuropäischen Ländern? Lösung Abschn. 5.2.1 8. Welchen Aufgaben gingen Intermediäre in der Zementindustrie zu Zeiten des jüngsten Zementkartells überwiegend nach? Lösung Abschn. 5.2.1 9. Welche Rolle kam der „Bestechung“ von Intermediären im Rahmen einer kurzfristig wirksamen Strategie zur Eindämmung der Ostimporte von Zement zu? Lösung Abschn. 5.2.1 10. Wie lassen sich die Beziehungen zwischen inländischen Zementherstellern, Intermediären sowie osteuropäischen Zementherstellern grundsätzlich spieltheoretisch modellieren? Lösung Abschn. 5.2.2 11. Auf welche Weise und mit welchem Modelltyp lässt sich die Frage empirisch untersuchen, ob die deutschen Zementhersteller eine Strategie der „Bestechung“ verfolgten? Lösung Abschn. 5.2.3 12. Was versteht die industrieökonomische Theorie unter dem Begriff der internen Kartellstabilität? Lösung Abschn. 5.3 13. Inwiefern spielten sowohl unvollkommen beobachtbare als auch perfekt beobachtbare Abweichungen durch die Unternehmung Readymix eine Rolle für die Stabilität des deutschen Zementkartells? Lösung Abschn. 5.3.1 14. Welche Rolle spielten Kapazitätserweiterungen im Zusammenhang mit dem Zusammenbruch des deutschen Zementkartells? Lösung Abschn. 5.3.1 15. Auf welche Art wich Readymix von der Kartellabsprache ab und trug damit maßgeblich zum Zusammenbruch des deutschen Zementkartells bei? Lösung Abschn. 5.3.1

205

16. Weshalb verfolgte Readymix im Anschluss an den Kartellzusammenbruch mutmaßlich eine Strategie der massiven Absenkung seiner Listenpreise? Lösung Abschn. 5.3.1 17. Wie lässt sich das beobachtbare Verhalten von Readymix grundsätzlich spieltheoretisch rationalisieren? Lösung Abschn. 5.3.2 18. Wie lassen sich Unterschiede in Preisstrukturen  – besonders zwischen Listen- und Transaktionspreisen – ökonometrisch identifizieren? Lösung Abschn. 5.3.3 19. Worin liegen zentrale Vorteile in der Schätzung eines entsprechenden Preismodells auf Basis monatlicher Daten verglichen mit jährlichen Daten? Lösung Abschn. 5.3.3 20. Wie reagierten die anderen großen Zementhersteller auf die Strategie der massiven Absenkung der Listenpreise durch Readymix? Lösung Abschn. 5.3.3 21. Weshalb muss die Strategie der Absenkung der Listenpreise durch Readymix letztlich als gescheitert betrachtet werden? Lösung Abschn. 5.3.3 22. Inwiefern ist die Wahl der Transportwege als eine Determinante der produktiven Effizienz in der Zementindustrie zu betrachten? Lösung Abschn. 5.4 23. Weswegen sollte im Rahmen einer empirischen Studie von Transportwegen neben den durchschnittlichen Transportwegen auch der Rang von der Entladestelle zum Zementwerk als Maß Verwendung finden? Lösung Abschn. 5.4.1 24. Warum ist im Falle eines effizient operierenden Kartells von einer Minimierung der Transportwege auszugehen, während im Falle von funktionierendem Wettbewerb dies im Regelfall nicht zu erwarten ist? Lösung Abschn. 5.4.1 25. Wie lässt sich mithilfe eines einfachen linearen Modells ökonometrisch die Frage untersuchen, ob sich die durchschnittlichen Transportentfernungen zwischen Kartellperiode und Nachkartellperiode statistisch signifikant unterscheiden? Lösung Abschn. 5.4.3 26. Wie lassen sich die theoretischen wie em­ pirischen Erkenntnisse zwischen Wettbe­ werbs- und Kartellprozessen in kapazitätsbe-

5  Das Zementkartell in Deutschland: Kartellstabilität und -zusammenbruch

206

schränkten und transportkostenintensiven In­dustrien  in der praktischen Wettbewerbspolitik nutzen? Lösung Abschn. 5.4.4

Literatur Asker, J. (2010). A study of the internal organization of a bidding cartel. American Economic Review, 100, 724–762. Bos, I., & Harrington, J. (2010). Endogenous cartel formation with heterogeneous firms. RAND Journal of Economics, 41, 92–117. Ellison, G. (1994). Theories of cartel stability and the joint executive committee. RAND Journal of Econo­ mics, 25, 37–57. Genesove, D., & Mullin, W. (2001). Rules, communication, and collusion: Narrative evidence from the sugar institute case. American Economic Review, 91, 379–398. Harder, J. (2006). End of the crisis in the german cement in­ dustry. Onestone Consulting Group Report, Buxtehude. Harrington, J. (2004). Post-cartel pricing during litigation. Journal of Industrial Economics, 52, 517–533. Harrington, J. (2015). Thoughts on why certain markets are more susceptible to collusion and some policy sug­ gestions for dealing with them. OECD Global Forum on Competition, DAF/COMP/GF(2015)8, Paris. Harrington, J., Hüschelrath, K., Laitenberger, U., & Smuda, F. (2015). The discontent cartel member and

cartel collapse: The case of the German cement cartel. International Journal of Industrial Organization, 42, 106–119. Harrington, J., Hüschelrath, K., & Laitenberger, U. (2018). Rent sharing to control non-cartel supply in the German cement market. Journal of Economics & Management Strategy, 27, 149–166. Hortaçsu, A., & Syverson, C. (2007). Cementing relationships: Vertical integration, foreclosure, productivity, and prices. Journal of Political Economy, 115, ­250–301. Hunold, M., Hüschelrath, K., Laitenberger, U., & Muthers, J. (2020). Competition, collusion and spatial sales patterns – Theory and evidence. Journal of Indus­ trial Economics, im Erscheinen. Hüschelrath, K., & Veith, T. (2016). Cartelization, cartel breakdown, and price behavior: Evidence from the German Cement Industry. Journal of Industry, Com­ petition and Trade, 16, 81–100. Porter, R. (1983). A study of cartel stability: The Joint Executive Committee, 1880–1886. Bell Journal of Economics, 14, 301–314. Porter, R., & Zona, J. (1999). Ohio school markets: An analysis of bidding. RAND Journal of Economics, 30, 263–288. Röller, L.-H., & Steen, F. (2006). On the workings of a cartel: Evidence from the Norwegian Cement Industries. American Economic Review, 96, 321–338. Spenner, D. (1996). Preiskampf und Wettbewerb in der rheinisch-westfälischen Zementindustrie. Frankfurt a. M.: Peter Lang.

6

Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Lernziele dieses Kapitels

• Verstehen der Maßnahmen der öffentlichen und privaten Verfolgung des deutschen Zementkartells • Systematisieren der Möglichkeiten einer proaktiven Aufdeckung von Kartellen • Verstehen eines zweistufigen Marktscreeningansatzes zur proaktiven Kartellaufdeckung durch Kunden kartellgefährdeter Industrien • Einordnen der Ergebnisse einer Anwendung des Marktscreeningansatzes auf Kunden des deutschen Zementkartells • Verstehen der ökonomischen Grundlagen einer Ermittlung von Kartellschäden • Erkennen und Verstehen von empirischen Methoden zur Ermittlung der Kar­ telldauer und des kartellbedingten Preisaufschlags • Systematisieren und Verstehen der Schritte zur Ermittlung des kartellbedingten Gesamtschadens • Verstehen der Anwendung von empirischen Methoden zur Ermittlung der Kartelldauer und des kartellbedingten Preisaufschlags auf den Fall des deutschen Zementkartells • Ableiten von Schlussfolgerungen für die Wettbewerbspolitik

Während Kap.  5 sich überwiegend mit spezifischen Eigenschaften des Kartellverhaltens befasst hat – und der Kartellzusammenbruch lediglich genutzt wurde, um empirische Evidenz für diese Verhaltensweisen zu isolieren –, so soll in diesem abschließenden Kap.  6 die Aufdeckung und -verfolgung des deutschen Zementkartells im Mittelpunkt der Betrachtung stehen. In diesem Zusammenhang hatte bereits das einführende Kap.  2  – mit einer Charakterisierung der wesentlichen Instrumente der Aufdeckung von Kartellen einerseits und der Verfolgung von Kartellen andererseits – eine Grundstruktur vorgegeben, an der sich auch im weiteren Verlauf dieses Kapitels orientiert werden soll. Folgerichtig sieht der Abschn.  6.1 zunächst eine einführende Beschreibung der Prozesse und der Ergebnisse der öffentlichen wie privaten Verfolgung der Mitglieder des deutschen Zementkartells vor. Während im Fokus der Betrachtung des öffentlichen Verfahrens die Untersuchung und Entscheidung des Falles durch das Bundeskartellamt (BKartA)  – in Verbindung mit dem nachgelagerten Urteil des 2. Kartellsenats am Oberlandesgericht (OLG) Düsseldorf – steht, so konzentriert sich die Analyse der komplementären privaten Verfolgung auf die Aktivitäten der Unternehmung Cartel Damage Claims (CDC) im Rahmen verschiedener Zivilprozesse. In dem sich anschließenden Abschn. 6.2 steht dann die proaktive Aufdeckung von Kartellen im

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020 K. Hüschelrath, Kartelle klipp & klar, WiWi klipp & klar, https://doi.org/10.1007/978-3-658-29139-6_6

207

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

208

Mittelpunkt der Betrachtung. Hierbei wird das Argument entwickelt, dass neben Wettbewerbsbehörden oder direkten Wettbewerbern auch die Kunden von an Kartellen beteiligten Unternehmen Möglichkeiten zur proaktiven Aufdeckung solcher verbotenen Absprachen haben. Konkret wird – unter Nutzung der CDC-Rechnungsdaten für den deutschen Zementmarkt  – die Anwendung eines einfachen Strukturbruchtests in Kombination mit einer anschließenden multivariaten Regressionsanalyse vorgeschlagen, um kartellverdächtige Preisentwicklungen als Kunde aufzuspüren und so möglicherweise an der Aufdeckung eines Kartells aktiv mitzuwirken. Der abschließende größere Abschn. 6.3 widmet sich dann der Verfolgung des deutschen Zementkartells mit einem Fokus auf privaten Aktivitäten. Da im Rahmen solcher Verfahren der Quantifizierung des kartellbedingten Schadens eine Schlüsselrolle zukommt, erfolgt in Abschn.  6.3.1 ­zunächst eine genauere Beschreibung dieses Er­ mitt­lungsprozesses im Allgemeinen und der zur Verfügung stehenden empirischen Methoden im Besonderen. Dem schließt sich eine konkrete Anwendung ausgewählter empirischer Methoden für den Fall des deutschen Zementkartells an. Während dabei in Abschn.  6.3.2 lediglich öffentlich verfügbare Preisindexdaten genutzt werden, so kommt dann im nachfolgenden Abschn. 6.3.3 wiederum der reichhaltige CDC-Datensatz aus Listen- und Transaktionspreisen zur Anwendung. Ein Vergleich der erzielten Ergebnisse unter Verwendung der beiden unterschiedlichen Datensätze schließt dann das Kap.  6 wie auch das gesamte Lehrbuch ab.

6.1

Einführung

Im Rahmen dieser Einführung in die Thematik der Aufdeckung und Verfolgung des deutschen Zementkartells erfolgt zunächst eine kurze Beschreibung der öffentlichen Verfolgung, gefolgt von einer komplementären Darstellung der diesbezüglichen zivilrechtlichen Aktivitäten durch die Unternehmung Cartel Damage Claims (CDC).

6.1.1 D  ie öffentliche Verfolgung des Zementkartells Im Frühjahr 2002 deckte das Bundeskartellamt ein Kartell im deutschen Zementmarkt auf. Im Laufe der Untersuchungen wurde festgestellt, dass zahlreiche Zementhersteller mithilfe von Quotenabsprachen den deutschen Zementmarkt untereinander aufgeteilt hatten, und zwar mindestens seit Beginn der 1990er-Jahre. Nach dem Abschluss der Untersuchungen stellte das Bundeskartellamt erhebliche Mehrerlöse aufgrund überhöhter Zementpreise fest und verhängte im April 2003 Bußgelder in Höhe von insgesamt ca. 702 Mio. Euro. Davon entfielen ca. 660 Mio. Euro auf die sechs größten deutschen Zementhersteller: Dyckerhoff AG, HeidelbergCement AG, Lafarge Zement GmbH, Readymix AG (nun Cemex Deutschland AG), Schwenk Zement KG und Holcim (Deutschland) AG (ehemals Alsen AG). Readymix offenbarte die Existenz des Kartells gegenüber dem Bundeskartellamt und beantragte eine Bußgeldbefreiung im Rahmen des Kronzeugenprogramms (der sogenannten Bonusregelung im deutschen Kartellrecht). Der 2. Kartellsenat am OLG Düsseldorf hat in seinem Urteil vom 26. Juni 2009 – VI-2a Kart. 2 – 6/08 die gesetzeswidrigen Kartellabsprachen unter den Zementherstellern bestätigt, aber die vom Bundeskartellamt festgesetzten Bußgelder – unter anderem aufgrund ungenügender Datenbestände für eine ökonomisch tragfähigere Bußgeldbemessung  – auf einen Gesamtbetrag von ca. 329 Mio. Euro reduziert. Rund 70 Mio. Euro waren aufgrund der Rücknahme entsprechender Einsprüche vonseiten bestimmter Kartellanten bereits vor dem Urteil rechtskräftig. Die nachgewiesene Existenz eines Kartells lässt vermuten, dass von den Abnehmern überhöhte Preise für Zement bezahlt wurden und dadurch ein Schaden entstanden ist. Im Rahmen des Bußgeldverfahrens erfuhr dieses Argument insofern deutliche Unterstützung, als nach der Aufdeckung des Kartells ein substanzieller Abfall der Zementpreise festgestellt werden konnte. Dies wird durch eine Betrachtung der in Abb. 6.1 dargestellten Entwicklung des öffentlichen Zementpreisindex von Januar 1991 bis Januar 2009 deutlich.

6.1 Einführung

209

Abb. 6.1  Entwicklung des öffentlichen Zementpreisindex von Januar 1991 bis Januar 2009. (Quelle: eigene Darstellung auf Basis von Friederiszick und Röller 2010)

Abb.  6.1 verdeutlicht nicht nur einen deutlichen Anstieg des Zementpreisindex in den Jahren der Kartellabsprache, sondern insbesondere auch den substanziellen Abfall nach dem Zusammenbruch des Kartells im Februar 2002. Abb. 6.1 offenbart hingegen auch, dass besagter Abfall nicht von dauerhafter Natur war, sondern dass sich der Zementpreisindex in den Folgemonaten und -jahren wieder deutlich erholte und schließlich im Juni 2007 wieder das Niveau zum Zeitpunkt des Kartellzusammenbruchs erreichte. In Ergänzung zur Darstellung der Entwicklung des Zementpreisindex benennt Abb.  6.1 ebenfalls die zentralen Ereignisse um die Aufdeckung des Zementkartells. Als Startpunkt des Preisverfalls muss die Ankündigung eines Kartellmitglieds, Readymix, gesehen werden, Zementlieferungen anderer Kartellmitglieder an die Readymix zugehörigen Betonhersteller durch Lieferungen aus der eigenen Zementproduktion zu ersetzen. Die Umsetzung dieser Ankündigung kommt faktisch einer Erhöhung der (abgesprochenen) Marktanteile für Readymix gleich und

musste folglich von den anderen Kartellanten als Abweichen von der Kartellabsprache angesehen werden. Vor diesem Hintergrund war ein zentraler Diskussionspunkt im Rahmen des Bußgeldverfahrens die Interpretation des substanziellen Preisabfalls nach der Aufdeckung des Kartells. Obwohl nach der Beendigung eines Kartells ein Preisabfall zu erwarten ist, gingen der vom Bundeskartellamt beauftragte ökonomische Gutachter und letztlich auch das Gericht in seiner Entscheidung von der Existenz eines Preiskriegs nach Ende der Kartellabsprache aus. Friederiszick (2009) führt dazu insbesondere drei Gründe an: 1. Der Preisabfall hatte lediglich eine temporäre Natur. 2. Mehrere Parteien gaben an, dass die entsprechenden Märkte als Bestrafungsaktion gegen den Kartellbrecher Readymix mit billigem Zement geflutet wurden, sodass die Erzielung eines Gewinns unmöglich war.

210

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

3. Die Preise in besagter Periode lagen unterhalb der langfristigen Durchschnittskosten für die Produktion von Zement. Das OLG hat in seinem Urteil klargestellt, dass eine grundsätzliche Ausklammerung von Preiskriegen aus einer Zeitreihenanalyse aus Rechtsgründen nicht in Betracht komme. Dennoch ist es dem Gutachter darin gefolgt, nicht den niedrigsten nach der Aufdeckung des Kartells beobachtbaren Preis als Wettbewerbspreis zu interpretieren. Stattdessen musste sich der Frage zugewendet werden, wann der vermutete Preiskrieg endete und welcher Preis demnach als Wettbewerbspreis angesetzt werden kann (Friederiszick 2009). Von Bedeutung könnte dabei der Aufkauf des Kartellbrechers Readymix durch Cemex im September 2004 sein, in dessen Folge die Preise deutlich anstiegen.

6.1.2 D  ie private Verfolgung des Zementkartells Unabhängig von der Klärung der Frage, ob nach der Kartellaufdeckung ein Preiskrieg stattfand oder nicht, lässt sich wegen der nachgewiesenen Existenz eines Kartells ein erheblicher Schaden aufseiten der Kunden der Zementhersteller vermuten. Daher liegt die Idee nahe, auf zivilrechtlichem Weg Schadensersatz von den Kartellanten zu verlangen. Das Geschäftskonzept von Cartel Damage Claims (CDC) hat sich vor diesem Hintergrund das Ziel gesetzt, die existierenden Hindernisse einer entsprechenden privaten Durch­ setzung des Kartellrechts in Deutschland zu überwinden und somit den geschädigten Kunden des Kartells zu dem ihnen zustehenden Ersatz des entstandenen Schadens zu verhelfen. Seit Beginn der Initiative im Jahr 2002 hat CDC die kartellbasierten Ansprüche von zunächst 28  geschädigten Unternehmen erworben (Forderungskauf und Vollabtretung im Sinne des §  398 BGB), die überwiegend der Kategorie „klein- und mittelständische Unternehmen der Betonbranche“ zuzurechnen sind. Im August 2005 reichte CDC Klage beim Landgericht (LG) Düsseldorf gegen die oben genannten Zement-

hersteller ein. Die abgetretenen Ansprüche acht weiterer geschädigter Unternehmen wurden in der Folge der Klage hinzugefügt. Die Klage an sich und die geforderte Schadenssumme basieren zum einen auf Daten, die im Rahmen der behördlichen Untersuchung im Bußgeldverfahren ermittelt wurden. Zum anderen wurden von CDC selbst in erheblichem Umfang konkrete Transaktionsdaten der geschädigten Unternehmen gesammelt und aufbereitet. In seiner größten Ausprägung beinhaltet der entsprechende Datensatz rund 500.000 Positionen wie insbesondere Rechnungen der Zementhersteller an die (entsprechend geschädigten) Kunden. Eine erste Auswertung der Daten zeigte den schon oben auf Basis der aggregierten Daten festgestellten Einbruch der Marktpreise im Anschluss an die Aufdeckung des Kartells und legt eine entsprechende Schädigung der Abnehmer von Zement im Kartellzeitraum nahe. Darüber hinaus  – und im Rahmen des zivilrechtlichen Verfahrens von entscheidender Bedeutung  – erlaubt der CDC-Datensatz die kundengenaue Ermittlung der durch das Kartell verursachten Schäden. Die oben erwähnte erste Klage vom August 2005 wurde 2009 vom Bundesgerichtshof (BGH) für zulässig befunden. Im weiteren Verlauf wurde sie jedoch – im Februar 2015 – vom OLG Düsseldorf abgewiesen, da das Gericht der Ansicht war, dass die Abtretung von Ansprüchen der geschädigten Unternehmen an CDC unzulässig sei. Der Hauptgrund für die Unzulässigkeit der Abtretungen war deren unterstellter alleiniger Zweck der Verlagerung des Kostenrisikos von den geschädigten Unternehmen auf CDC, das nach Ansicht des Gerichts nicht in der Lage war, die im Falle einer rechtskräftigen Niederlage vor Gericht anfallenden Kosten zu tragen. Im Jahr 2005 war das LG Düsseldorf dagegen davon ausgegangen, dass die wirtschaftliche Lage von CDC nicht ernsthaft gefährdet wäre, wenn es im Falle einer rechtskräftigen Niederlage vor Gericht die gesamten Kosten des Rechtsstreits tragen müsse. Gegen sein Urteil vom 18. Februar 2015 hat das OLG Düsseldorf keine weitere Berufung zugelassen und es wurde somit rechtskräftig.

6.2  Kartellaufdeckung durch Kunden

Am 16. September 2015 reichte CDC dann eine zweite Schadensersatzklage im Zusammenhang mit dem deutschen Zementkartell ein, diesmal vor dem LG Mannheim gegen HeidelbergCement. Zum Zeitpunkt der Einreichung betrug der Wert der Forderung mehr als 138 Mio. Euro Schadensersatz einschließlich Zinsen. Vor dem Hintergrund des Urteils des OLG Düsseldorf vom 18. Februar 2015 hatte CDC zusätzliche Maßnahmen zur Absicherung negativer Prozesskosten (für drei Instanzen) in Höhe von mehr als 2,3 Mio. Euro zugunsten des Beklagten und des Staates getroffen. Am 24. Januar 2017 bestätigte das LG Mannheim die Zulässigkeit der Klage, wies sie jedoch in ihrer Gesamtheit als verjährt ab. Damit folgte das LG Mannheim seinem Berufungsgericht, dem OLG Karlsruhe, das mit Urteil vom 9. November 2016 entschieden hatte, dass eine gesetzliche Regelung aus dem Jahr 2005 zur Aussetzung von Verjährungsfristen in kartellrechtlichen Schadensersatzfällen auf Ansprüche, die vor Inkrafttreten entstanden sind, nicht anwendbar ist. Der BGH hat in seinem richtungsweisenden Urteil vom 12. Juni 2018 dann lang erwartete Rechtssicherheit in Bezug auf Verjährungsfristen geschaffen. Das Urteil bestätigt die Ansicht der Mehrheit der Oberlandesgerichte in Deutschland und hob die Auslegung des OLG Karlsruhe auf (die dazu führte, dass das LG Mannheim die zweite Schadensersatzklage von CDC abwies). Da CDC gegen das Urteil des LG Mannheim Berufung eingelegt hatte, war die Klage zunächst wieder beim OLG Karlsruhe anhängig. Im Frühjahr 2019 konnte der Rechtsstreit jedoch aufgrund einer Einigung der Prozessparteien beigelegt werden, nachdem der OLG-Kartellsenat in der Verhandlung im Januar 2019 den Parteien einen Vergleich nahegelegt hatte. Wegen des Inhalts der Einigung wurde Stillschweigen vereinbart.

6.2

Kartellaufdeckung durch Kunden

Ein Großteil der in den vergangenen Jahren in der Europäischen Union aufgedeckten Kartelle betraf nicht Produkte des unmittelbaren Endkon-

211

sums, sondern Vorprodukte, die somit Eingang in die nachgelagerte Erstellung anderer Güter oder Dienstleistungen fanden. So ist beispielsweise die Menge an Zement, die an Endverbraucher verkauft wird, verschwindend gering im Vergleich zum Zementabsatz an Unternehmen – wie beispielsweise Pflastersteinproduzenten oder Baukonzernen –, die diesen als Vorprodukt einkaufen und weiterverarbeiten. Für solche Unternehmen in nachgelagerten Wertschöpfungsstufen bedeutet somit die Existenz eines Kartells erhöhte Kostenniveaus aufgrund der kartellbedingten Preisaufschläge. In Abhängigkeit von unternehmens- bzw. marktspezifischen Faktoren wie beispielsweise dem Kostenanteil des betreffenden Vorprodukts oder den Möglichkeiten, Kartellpreisaufschläge an nachfolgende Wertschöpfungsstufen (beziehungsweise den Endkonsumenten) weiterzugeben, können somit Unternehmen (größere oder kleinere) Anreize haben, Kartelle auf Beschaffungsmärkten aktiv aufzuspüren. Denn durch eine solche Aufdeckung und Zerschlagung der verbotenen Absprachen wäre nicht nur eine deutliche Senkung der Kosten des jeweiligen Vorprodukts zu erwarten, sondern auch eine sich daraus ableitende Erhöhung der Wettbewerbsfähigkeit der entsprechenden Produkte oder Dienstleistungen in den nachgelagerten Märkten. Vor diesem Hintergrund geht Abschn. 6.2 der Frage nach, welche konkreten Möglichkeiten Unternehmen haben, Kartelle in ihren vor­ gelagerten Beschaffungsmärkten aktiv aufzude­ cken. Insbesondere die Verfügbarkeit detaillierter Transaktionsdaten  – üblicherweise in Form von Liefer- oder Rechnungsdaten – in Verbindung mit fundierten Branchenkenntnissen schafft grund­ sätzlich gute Voraussetzungen für eine erfolg­ reiche Anwendung von sogenannten Marktscreeningansätzen. Im weiteren Verlauf erfolgt  – in Anlehnung an Hüschelrath und Veith (2014) – in Abschn. 6.2.1 eine allgemeine Darstellung der grundlegenden Akteure und Optionen im Rahmen der Auf­ deckung von Kartellen. Dem schließt sich in Abschn.  6.2.2 die Entwicklung eines zweistufigen Marktscreeningansatzes an. Dieser sieht in der ersten Stufe zunächst eine Strukturbruchana-

212

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

lyse zur Identifikation von Anomalien in den Daten vor. In der zweiten Stufe kommen dann multivariate Regressionsanalysen zur Anwendung, um der Frage nachzugehen, ob die identifizierten strukturellen Brüche tatsächlich mit der Existenz eines Kartells in Verbindung stehen könnten. Zur Untermauerung der Wirksamkeit und Genauigkeit des vorgeschlagenen Marktscreeningansatzes wird dieser anschließend – unter Nutzung des in Abschn. 5.1.3 beschriebenen CDC-­Transaktionsdatensatzes – angewendet und getestet. Abschn. 6.2.3 fasst die wesentlichen Erkenntnisse zusammen und zieht einige Schlussfolgerungen für Unternehmens- und Wettbewerbspolitik.

6.2.1 Die Aufdeckung von Kartellen Aus wissenschaftlicher Sicht wurde die Aufdeckung von Kartellen lange Zeit als alleinige Aufgabe der entsprechenden Wettbewerbsbehörden gesehen. Erst in jüngerer Zeit ist – im Zuge einer größeren Anzahl an aufgedeckten Kartellen sowie ansteigender Bußgelder – insofern eine Akzentverschiebung feststellbar, als auch Aufde­ ckungsmöglichkeiten von Unternehmen mit einem erhöhten Kartellrisiko eine intensivere Untersuchung erfahren haben. Vor diesem Hintergrund werden im Folgen­ den zunächst die entsprechenden Kartellaufdeckungsoptionen sowohl für Wettbewerbsbehörden (Abschn. 6.2.1.1) als auch für Unternehmen mit erhöhtem Kartellrisiko (Abschn.  6.2.1.2) kurz beschrieben und systematisiert. Im Anschluss daran identifiziert Abschn.  6.2.1.3 dann eine dritte Gruppe von Akteuren, die sowohl Anreize als auch Möglichkeiten zur (proaktiven) Aufdeckung von Kartellen haben kann: Kunden kartellgefährdeter Industrien.

6.2.1.1 Wettbewerbsbehörden Wettbewerbsbehörden können verschiedene Me­ thoden bzw. Instrumente im Rahmen der Aufdeckung von Kartellen einsetzen, die sich im Allgemeinen in reaktive Methoden und proaktive Methoden unterteilen lassen. Die Diskussion in Abschn.  2.3.1.1 verdeutlichte dabei

b­ ereits, dass unter wichtigen reaktiven Methoden insbesondere Beschwerden (beispielsweise von Wettbewerbern oder (ehemaligen) Mitarbeitern), die Nutzung anderweitiger externer Informationen (beispielsweise durch Whistleblower oder Informanten) sowie Anzeigen im Rahmen von Kronzeugenprogrammen subsumiert werden. Allen diesen Instrumenten ist gemein, dass die Wettbewerbsbehörde nicht selbst aktiv wird, sondern auf Eingaben von außen reagiert. Komplementär zu diesen reaktiven Methoden kann eine Wettbewerbsbehörde jedoch auch proaktiv in der Aufdeckung von Kartellen tätig werden. Unter solche proaktiven Methoden fallen beispielsweise die allgemeine Analyse früherer Kartell- oder anderer Wettbewerbsfälle, die Industriebeobachtung (beispielsweise durch die Verfolgung von Presse- und Internetbeiträgen oder regelmäßigen Kontakt zu Industrievertretern) sowie behördliche Kooperationen (sowohl mit anderen Behörden innerhalb eines Landes als auch mit anderen Wettbewerbsbehörden auf internationaler Ebene). Darüber hinaus haben in jüngerer Zeit sowohl Wissenschaftler als auch Wettbewerbsbehörden ein verstärktes Interesse an Ansätzen der sogenannten forensischen Ökonomie entwickelt und sich unter anderem mit der Frage auseinandergesetzt, ob und wie industrieökonomische Erkenntnisse über Kartellbildung und -stabilität Eingang in eine proaktive Kartellaufdeckung finden können. In diesem Zusammenhang wurden – neben einer Durchführung allgemeiner Markt- und Branchenstudien sowie spezifischerer branchenübergreifender Studien zu Kollusionsfaktoren  – insbesondere verschiedene sogenannte Screeningtools entwickelt. Im Allgemeinen verwenden Screeningtools Markt- bzw. Unternehmensdaten wie Preise, Kosten, Mengen, Marktanteile, Gebote, Transaktionspreise oder Spreads zur Identifikation von Mustern, die im Falle normalen Wettbewerbsverhaltens hinreichend unwahrscheinlich sind (siehe dazu allgemein Abrantes-Metz et al. 2012). Versucht man sich an einer Systematisierung der verschiedenen Ansätze, so lassen sich grob allgemeinere industriebasierte strukturelle

6.2  Kartellaufdeckung durch Kunden

Screeningansätze und spezifischere marktorientierte Verhaltensscreeningansätze unterscheiden (siehe dazu beispielsweise Abrantes-Metz und Bajari 2009; Harrington 2008 sowie insbesondere Abschn. 2.3.1.2). Beide Ansatztypen unterscheiden sich dabei im Wesentlichen durch die Art und Weise, wie kartellverdächtige Industrien aus der Vielzahl an existierenden Industrien isoliert werden. ­Während die industriebasierten Ansätze hierzu in einem ersten Schritt ein (markt-)strukturelles Screening zur Identifikation von Branchen mit einer erhöhten Kartellbildungswahrscheinlichkeit durchführen, nutzen marktorientierte Verhaltensscreeningansätze andere (unspezifischere) Quellen zur Identifikation von Industrien mit erhöhter Kartellbildungswahrscheinlichkeit. Bei beiden Ansatztypen schließen sich der Identifikation möglicherweise kartellierter Märkte bzw. Industrien dann genauere markt- bzw. unternehmensbasierte Verhaltensscreenings an. Konkret setzen solche Verhaltensscreeningansätze auf die Identifikation beobachtba­ rer  Marktauswirkungen von Kartellabsprachen. Nach Harrington (2006b) können entsprechende Verdachtsmomente aus dem Muster der Preise oder Mengen der Unternehmen oder einem anderen Aspekt des Marktverhaltens resultieren. Die Ansätze untersuchen hierbei, ob die (Re-) Aktionen der Unternehmen auf die identifizierten Strukturbrüche eher mit Wettbewerbsverhalten bei exogenen Schocks – wie beispielsweise deutlichen Änderungen der Inputkosten  – oder eher durch ein Kollusionsmodell – wie beispielsweise einen kartellbedingten Preiskrieg – erklärt werden können. Geleitet von entsprechend robusten theoretischen und empirischen industrieökonomischen Erkenntnissen wurden zahlreiche mengen- oder preisbezogene Kollusionsmarker entwickelt, die bei der Unterscheidung zwischen kollusivem Verhalten und wettbewerblichem Verhalten helfen können (siehe dazu Harrington 2006a). Während ein konkretes Beispiel für einen mengenbezogenen Marker ungewöhnlich stabile Markt­ anteile (im Zeitablauf) sind, können als Beispiele für preisbezogene Marker eine Reihe von stetigen Preiserhöhungen infolge starker Preisrück-

213

gänge oder eine Verringerung der Preisvolatilität bzw. -varianz angeführt werden. Insbesondere die Auswirkungen von Kartellabsprachen auf die Preisvolatilität bzw. -varianz haben sich in jüngerer Zeit einer besonderen Beliebtheit im Rahmen wissenschaftlicher Untersuchungen erfreut (siehe dazu auch Abschn. 2.3.1.2). Aus theoretischer Sicht ist ein solcher Marker mit der Erwartung gerechtfertigt, dass Preisanpassungen während laufender Kartellabsprachen kostspielig sind und daher oftmals unterbleiben bzw. erst verzögert und dann summarisch stattfinden. Darüber hinaus würde eine unmittelbare Anpassung  – beispielsweise an Kostenänderungen  – durch die Kartellmitglieder die Aufdeckung von Abweichungen von der Kartellabsprache erschweren, und diese werden daher – auch von dieser Warte aus betrachtet  – folglich eher unterbleiben. Es ist daher insgesamt zu erwarten, dass der Übergang von einem wettbewerblichen Zustand zu einem Kartell mit einer Reduktion der Preisvolatilität einhergeht. Umgekehrt ist nach einem Kartellzusammenbruch eine Zunahme der Preisvolatilität zu erwarten  – unter anderem deshalb, weil die Preise wieder stärker auf Kostenänderungen reagieren. Analyse von Preisvolatilitäten im Rahmen der Aufdeckung von Kartellabsprachen Ökonometrische Arbeiten unterstützen die Schlussfolgerung, dass der Analyse von Preisvolatilitäten bzw. -varianzen ein nennenswertes Potenzial bei der Aufdeckung von Kartellabsprachen zukommt. Abrantes-Metz et al. (2006) untersuchen die zeitliche Entwicklung der Preise rund um den Zusammenbruch einer Angebotsabsprache in der fischverarbeitenden Industrie in den USA (in Bezug auf die Lieferung der entsprechenden Produkte an militärische Einrichtungen). Die Autoren stellen fest, dass bei gefrorenen Barschfilets der durchschnittliche Wochenpreis nach dem Zusammenbruch des Kartells um etwa 16  % gesunken ist, während die Standardabweichung des Preises um 263 % gestiegen ist. Darüber hinaus stellte Bolotova (2009) für die oben erwähnten Lysinpreisabsprachen fest, dass die Varianz der Preise im Kartellzeitraum deutlich abnimmt.

Auf Basis dieser überblicksartigen Darstellung von proaktiven Aufdeckungsinstrumenten erscheinen die Anreize und Möglichkeiten für Wettbewerbsbehörden, solche Instrumente zum Einsatz zu bringen, recht transparent. Im Hin-

214

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

blick auf die Anreize ist die Aufdeckung und Bebußung von Kartellen eines der Hauptziele von Wettbewerbsbehörden, und infolgedessen sollten im Rahmen der Entwicklung einer behördlichen Gesamtstrategie auch proaktive Methoden ihren Beitrag dazu leisten, die Zahl der bestehenden Kartelle zu verringern und die Bildung neuer Kartelle abzuschrecken. Sollte dies in den vergangenen Jahren noch nicht von allen Wett­ bewerbsbehörden gleichermaßen so verfolgt worden sein, so ist ein wesentlicher Grund dafür in den zum Teil großen Aufdeckungserfolgen mithilfe von Kronzeugenprogrammen zu sehen – und somit einer fehlenden Notwendigkeit – auch vor dem Hintergrund personeller Engpässe –, noch weitere Kartelle mithilfe proaktiver Methoden aufzudecken. Im Hinblick auf die Möglichkeiten zur Aufdeckung von Kartellen haben die Wettbewerbsbehörden – im Vergleich zu allen anderen beteiligten Gruppen – entscheidende Vorteile bei der Beschaffung von Informationen über mögliche Kartellabsprachen. Hierunter fallen nicht nur die bereits angesprochene Anreizsetzung durch Kronzeugenprogramme, sondern insbesondere auch die Möglichkeiten zur Beschaffung harter Beweise für die Existenz von Kartellabsprachen im Rahmen der Durchführung von Hausdurchsuchungen (im Englischen: „dawn raids“).

6.2.1.2 Unternehmen mit erhöhtem Kartellrisiko In Ergänzung zur Aufdeckung von Kartellen durch Wettbewerbsbehörden wird in jüngerer Zeit zunehmend diskutiert, inwieweit Screeninginstrumente in kartellrechtliche Compliance­ programme von Unternehmen mit erhöhtem Kartellrisiko einbezogen werden können (siehe insbesondere Abrantes-Metz et  al. 2010). Denn eine unternehmensinterne Aufdeckung von Kartellbeteiligungen  – bevor die Wettbewerbsbehörde hiervon Kenntnis erhalten hat  – gibt der betreffenden Unternehmung nicht nur die Möglichkeit der sofortigen Beendigung der verbotenen Absprache, sondern lässt ihr auch weitere – potenziell wertvolle  – Handlungsoptionen wie beispielsweise die Meldung des Kartells im Rahmen eines Kronzeugenprogramms an die Wettbe-

werbsbehörde und die damit in der Folge im Regelfall verbundene Bußgeldbefreiung. Darüber hinaus kann eine Implementierung proaktiver Kartellaufdeckungsmethoden im Rahmen interner Complianceprogramme eine zusätzliche Abschreckungswirkung auf neue Kartellbildungen entfalten – sobald nämlich interne Manager mit Strafen durch ihre jeweiligen Arbeitgeber rechnen müssen, sollte ihnen eine Beteiligung an einer verbotenen Kartellabsprache nachgewiesen werden. Unternehmensinterne Programme zur Einhaltung des Wettbewerbsrechts Die Entwicklung eines effektiven unternehmensinternen Programms zur Einhaltung des Wettbewerbsrechts (im Englischen: „competition law compliance programme“) steht vor zwei zentralen Herausforderungen: der Bereitstellung von Informationen und der Schaffung von Anreizen. Die Bereitstellung von Informationen meint hierbei, dass auf Basis einer Einschätzung der Risiken von Wettbewerbsverstößen die entsprechenden Entscheidungsträger im Unternehmen mit den entsprechenden Informationen über erlaubte und untersagte Verhaltensweisen im Wettbewerb versorgt werden. Die Schaffung von Anreizen bezieht sich auf die Sicherstellung einer Mischung aus (positiven) Anreizen zur Einhaltung und (negativen) Sanktionen bei Verstößen gegen das Wettbewerbsrecht. Unter Berücksichtigung dieser beiden zentralen Herausforderungen diskutiert Hüschelrath (2010) die folgenden fünf Stufen in der Entwicklung eines effektiven Programms zur Einhaltung des Wettbewerbsrechts: (1) Entwicklung einer Compliancestrategie, (2) Festlegung von Strukturen und (3) Verfahren, (4) Umsetzung von Anreizen und Sanktionen sowie (5) Organisation von Anstrengungen zur Kontrolle des Programmerfolgs und der Entwicklung von Verbesserungspotenzialen.

Die Anreize zur proaktiven Aufdeckung von Kartellen durch Unternehmen mit erhöhtem Kartellrisiko sind recht transparent und grundsätzlich in der Vermeidung der negativen Folgen einer Kartellaufdeckung zu sehen. Diese sind nicht auf ein etwaig zu entrichtendes Bußgeld beschränkt, sondern umfassen weitere Kostenkomponenten wie beispielsweise individuelle Sanktionen für die involvierten Manager, Schadensersatzforderungen durch die geschädigten Kunden, Gerichts- und Anwaltskosten sowie negative Auswirkungen auf die Aktienkurse oder die Reputation des betreffenden Unternehmens.

6.2  Kartellaufdeckung durch Kunden

Hinsichtlich der Möglichkeit von Unternehmen, eigene Kartellbeteiligungen proaktiv aufzuspüren, könnte man auf den ersten Blick der Meinung sein, dass diese im Vergleich zu Wettbewerbsbehörden arg beschränkt sind – denn schließlich haben Unternehmen keinen Zugriff auf wichtige Aufdeckungsinstrumente wie Kronzeugenprogramme oder Hausdurchsuchungen. Diesem Argument kann zunächst einmal konkret entgegengehalten werden, dass Unternehmen im Rahmen ihrer Complianceaktivitäten  – in Kooperation mit externen Kanzleien – mittlerweile unternehmensinterne Kronzeugenprogramme sowie interne Hausdurchsuchungen als effektive Instrumente entdeckt und zum Teil auch bereits implementiert haben (siehe dazu Hüschelrath et al. 2011). Darüber hinaus muss aus allgemeinerer Per­ spektive darauf hingewiesen werden, dass die Verfügbarkeit detaillierter Transaktionsdaten sowie fundierter Branchenkenntnisse den jeweiligen Unternehmen einen erheblichen Informationsvorsprung verschafft, der die Wahrscheinlichkeit der internen Kartellaufdeckung im Allgemeinen sowie die Genauigkeit einer Anwendung von Screeningtools im Besonderen deutlich erhöhen kann.

6.2.1.3 Kunden kartellgefährdeter Industrien In Ergänzung zu den Wettbewerbsbehörden und den Unternehmen mit erhöhtem Kartellrisiko hat eine dritte Gruppe typischerweise sowohl Möglichkeiten als auch Anreize, Kartelle proaktiv aufzudecken: die Kunden kartellgefährdeter Industrien. Die mögliche Relevanz dieser dritten Gruppe für die Aufdeckung von Kartellen wurde in der wissenschaftlichen Literatur zwar erkannt, bisher jedoch überwiegend aus der Perspektive von (öffentlichen) Beschaffungsauktionen diskutiert (siehe allgemein Bajari und Summers 2002). Beispielsweise entwickeln Bajari und Ye (2003) einen Ansatz zur Identifizierung und Prüfung von Angebotsabsprachen und wenden ihn anschließend auf einen Datensatz bestehend aus Ausschreibungen von Bauunternehmen im mittleren Westen der Vereinigten Staaten an. Die Möglichkeiten von Kunden, Kartelle proaktiv aufzudecken, sind allerdings nicht auf den

215

speziellen Fall der Beschaffungsauktionen beschränkt, sondern durchaus auf Beschaffungsmärkte allgemein übertragbar. So kann von den Kunden nicht nur eine fundierte Kenntnis ihrer Beschaffungsmärkte erwartet werden, sondern ihnen liegen vor allem – innerhalb der jeweiligen Buchhaltungssysteme – detaillierte transaktionsbasierte Daten in Form von Rechnungen vor, die im Regelfall eine sehr gute Grundlage für die Anwendung von Screeningtools darstellen. Die Wirksamkeit und Genauigkeit des Einsatzes solcher Screeningtools ist hingegen nicht für jedes Unternehmen in jeder Situation gleich, sondern hängt typischerweise von Faktoren wie dem Zeitpunkt des Eintritts in den jeweiligen Beschaffungsmarkt, der Häufigkeit und Größe der Käufe des kartellierten Vorprodukt sowie dem Verhalten des Kartells ab. So wird beispielsweise ein Screeningtool auf Basis von Preisänderungen ein Kartell dann nicht aufdecken können, wenn dieses zum Zeitpunkt des Eintritts in den betreffenden Beschaffungsmarkt bereits existierte und sich in der Folge insofern unauffällig verhält, als es keine strukturellen Brüche in den vom Screeningtool erfassten Marktdaten – hier also der Preise – generiert. Solche strukturellen Brüche können beispielsweise entstehen durch den Markteintritt eines Unternehmens, das Abweichen eines bestehenden Kartellmitglieds von der Absprache oder einen allgemeinen Preiskrieg innerhalb des Kartells. Im Hinblick auf die Anreize, Kartelle auf Beschaffungsmärkten proaktiv aufzuspüren, hängen diese unmittelbar mit den gerade genannten Faktoren eines effektiven Einsatzes der entsprechenden Screeningtools zusammen, müssen aber noch ergänzt werden um weitere Faktoren wie den Kostenanteil des jeweiligen Vorprodukts, die Möglichkeiten der Unternehmen, das jeweilige Vorprodukt selbst herzustellen, die Wettbewerbssituation auf den nachgelagerten Märkten (die die Weitergabemöglichkeiten von Kostenerhöhungen bestimmen) sowie die Wettbewerbsposition auf dem eigenen Markt (die beispielsweise gefährdet sein könnte durch direkte Wettbewerber, die vertikal mit Mitgliedern des vorgelagerten Kartells verbunden sind). Abschließend ist noch dem Argument zu begegnen, eine proaktive Aufdeckung von Kartel-

216

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

len durch Kunden sei gar nicht notwendig – denn es genüge völlig, auf die Aufdeckung des jeweiligen Kartells durch eine Wettbewerbsbehörde zu warten und im Anschluss dann einen entsprechenden Ersatz des Schadens (inklusive Verzinsung) von den Kartellmitgliedern einzufordern. Obwohl im Grundsatz nicht falsch, so lassen sich gleich mehrere klare Schwächen einer solchen Überlegung ausmachen: • Das Einklagen von Schadensersatz unterliegt nicht nur den allgemeinen Unsicherheiten einer gerichtlichen Auseinandersetzung, sondern ist auch mit einem erheblichen Einsatz an internen Ressourcen verbunden, für die selbst im Falle einer Verurteilung der Kartellanten zur Zahlung eines Schadensersatzes keine Kompensation erfolgt. • Das Aufdecken eines Kartells durch die Wettbewerbsbehörden ist keineswegs nur eine Frage der Zeit, sondern es ist vielmehr zu vermuten, dass ein Großteil der Kartelle gar nicht aufgedeckt wird und folglich der entstandene Schaden nicht nur nicht eingeklagt werden kann, sondern auch weiter entsteht. Hinzu kommt noch das Risiko der Verjährung etwaiger Schadensersatzansprüche (sofern eine große Zeitspanne zwischen der Beendigung des Kartells und der Aufdeckung durch die Wettbewerbsbehörde liegt). • Interne Verhaltenskodizes schreiben Managern im Regelfall vor, mit den Ressourcen ihres Unternehmens sorgsam umzugehen. In diesem Zusammenhang könnten Manager daher sogar verpflichtet sein, einem potenziellen Kosteneinsparungspotenzial durch die Aufdeckung von Kartellen in Beschaffungsmärkten nachzugehen  – zumindest in Industrien, die eine deutlich erhöhte Kartellbildungswahrscheinlichkeit vermuten lassen.

6.2.2 E  mpirischer Ansatz und zentrale Ergebnisse Im Folgenden wird ein zweistufiger Marktscreeningansatz zur Aufdeckung von Kartellabsprachen in Beschaffungsmärkten entwickelt und

mithilfe des CDC-Transaktionsdatensatzes auf seine grundsätzliche Wirksamkeit sowie seine Genauigkeit getestet. In der ersten Stufe wird dabei eine Strukturbruchanalyse durchgeführt – sowohl auf Basis aggregierter als auch individueller Preisdaten. In der zweiten Stufe werden die Ergebnisse der Strukturbruchanalyse dann in einen multivariaten Regressionsansatz eingebracht, um konkretere Hinweise dafür zu bekommen, ob der identifizierte Strukturbruch kartellbedingte oder möglicherweise andere Ursachen hat.

6.2.2.1 Erste Stufe: Strukturbruchanalyse Allgemeinen gesprochen liefert eine Strukturbruchanalyse statistische Hinweise für Veränderungen in der Datenstruktur im Zeitverlauf. Die Umsetzung einer solchen Analyse für einen bestimmten Datensatz erfordert zu Beginn die Vorstellung eines möglichen Strukturbruchs zwischen zwei Zeitpunkten  – diese kann beispielsweise aus einer allgemeinen Marktanalyse, der Verwertung von Gerüchten oder eben der Änderung von Beschaffungsparametern wie insbesondere Preisen resultieren und soll dann im Folgenden auf ihre statistische Signifikanz hin untersucht werden. Geht man beispielsweise von einem möglichen Kartellzusammenbruch bzw. vorübergehenden Preiskrieg in einem Markt aus, so liegt das Ziel einer Strukturbruchanalyse in der Beantwortung der Frage, ob und zu welchem Zeitpunkt ein Kunde bzw. die Kunden gemeinsam eine statistisch signifikante Preissenkung erfahren haben. Konkret kann hierbei ein iteratives Verfahren der Strukturbruchanalyse von (beispielsweise) jeweils sechs Monaten vor und nach dem vermuteten Ereignis zur Anwendung kommen, um zu prüfen, ob und wann ein entsprechend statistisch signifikanter Strukturbruch vorliegt. Geht man ferner von Listenpreisdaten bzw. einem zu berechnenden Variationskoeffizienten (für die Listenpreise) als geeignete Maße aus, dann liegt ein Strukturbruch dann vor, wenn sich der folgende t-Wert signifikant von Null unterscheidet:  pc −  pnc (Gl. 6.1) t= . se ( pc ,pnc )nc

6.2  Kartellaufdeckung durch Kunden

 pc ist der Mittelwert für die erste Periode,  pnc ist der Mittelwert für die zweite Periode und se(pc, pnc)nc ist der entsprechende Standardfehler der Differenz der jeweiligen Werte zwischen den beiden Perioden für jedes der beiden Maße. Technisch gesprochen würden somit im Zeitablauf steigende t-Werte den Anstieg in der Abweichung der Nichtkartellpreise von den Kartellpreisen widerspiegeln und eine statistisch signifikante Abweichung dann den Strukturbruch identifizieren. Während solche Strukturbruchanalysen oftmals ein geeignetes Instrument für eine Anwendung auf aggregierte Daten sind, erweist sich eine Nutzung für Individualdaten oftmals als deutlich schwieriger. Denn durch die Aggregation von Daten gleichen sich die einzelnen Unterschiede aus und sorgen so für eine homogenere Entwicklung der Preiszeitreihe  – die dann die statistische Identifikation von Strukturbrüchen erleichtert. Im Gegensatz dazu hängen Individualdaten typischerweise stark von idiosynkratischen Einflüssen – mit entsprechend höherer Gesamtvolatilität – ab. Da das Ziel einer Aufdeckung von Kartellen mithilfe von Marktscreeningansätzen aber letztlich nur dann erreicht werden kann, wenn jedes Unternehmen mit den ihm vorliegenden Transaktionsdaten entsprechenden Strukturbruchtests  – mit hinreichender Genauigkeit  – durchführen kann, wird die nachfolgende konkrete Anwendung des beschriebenen Tests in zwei Schritte Abb. 6.2  t-Werte für verschiedene Strukturbruchannahmen. (Quelle: verändert übernommen aus Hüschelrath und Veith 2014; übersetzt durch den Autor)

217

unterteilt: Zunächst erfolgt eine summarische Analyse der durchschnittlichen Listenpreise bzw. Variationskoeffizienten auf Basis aller Kunden im Datensatz. Dem schließt sich dann eine getrennte Anwendung des Tests auf die 36 einzelnen Kundendatensätze an. Strukturbruchanalyse auf Basis aggregierter Preisdaten Für den Fall des deutschen Zementkartells wird zunächst auf Basis der aggregierten CDC-­ Transaktionsdaten eine Strukturbruchanalyse durchgeführt – und zwar um das bekannte Datum des Kartellzusammenbruchs im Februar 2002 herum – mit dem Ziel der Beantwortung der Frage, ob und zu welchem Zeitpunkt die im Datensatz vertretenen Kunden insgesamt eine statistisch signifikante (möglicherweise kartellzusammenbruchsbedingte) Preissenkung erfahren haben. Vor diesem Hintergrund zeigt Abb. 6.2 die jeweiligen Ergebnisse der Analyse in Form der t-­ Werte für die beiden oben identifizierten Maße – Listenpreise und Listenpreisvariationskoeffizient – für die als variabel angenommenen Strukturbrüche unter Verwendung aggregierter CDC-Transaktionsdaten. Wie Abb. 6.2 verdeutlicht, weisen die Verläufe der Ausprägungen für die beiden Maße eine große Ähnlichkeit auf. Je weiter sich die Periode des angenommenen Strukturbruchs in die Richtung des tatsächlichen Kartellzusammenbruchs im Februar 2002 verschiebt, desto größer werden

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

218

die entsprechenden t-Werte. Sowohl die Auswertungen für die aggregierten Listenpreise als auch den Listenpreisvariationskoeffizienten weisen jedoch bereits statistisch signifikante Strukturbrüche im Dezember bzw. November 2001 – jeweils basierend auf einem kritischen Einprozent-­ t-­ Wert – auf. Hieraus lässt sich die Schlussfolgerung ableiten, dass bei Verfügbarkeit eines entsprechenden Datensatzes das Zementkartell einige Monate vor dem tatsächlichen Kartellzusammenbruch von den Kunden gemeinsam hätte aufgedeckt werden können. Strukturbruchanalyse auf Basis individueller Preisdaten Obwohl die Ergebnisse der Strukturbruchanalyse auf Basis aggregierter Listenpreisdaten durchaus ermutigend sind, so stellen sie vor dem Hintergrund des Ziels einer Aufdeckung von Kartellen in Beschaffungsmärkten auf individueller Kundenebene bestenfalls einen ersten Schritt dar. Denn die obigen Ergebnisse wurden auf Basis eines aggregierten Datensatzes  – bestehend aus Rechnungsdaten von 36 Kunden – erzielt, der in Vorbereitung einer privaten Schadensersatzklage erhoben wurde und der in dieser Form den einzelnen Unternehmen somit nicht für proaktive Aufdeckungsaktivitäten zur Verfügung steht. In einem nächsten Schritt muss somit nunmehr eine Strukturbruchanalyse für alle 36 im Datensatz befindlichen Kunden separat durchgeführt werden, um auf diese Weise belastbare Hinweise da-

für zu erhalten, ob einzelne Unternehmen die Möglichkeit gehabt hätten, das Kartell vor seinem Zusammenbruch im Februar 2002 aufzudecken. In der konkreten Umsetzung dieses Vorhabens für den Fall des Zementkartells ist zunächst dem Problem entgegenzutreten, dass Individualdaten im Regelfall deutlich volatiler sind als a­ ggregierte Daten und folglich signifikante Strukturbrüche häufiger auftreten  – beispielsweise schon allein aufgrund der Tatsache, dass die verfügbaren Preisdaten durch instabilere Nachfragebeziehungen geringer ausfallen können. Um dem somit drohenden Problem von „Fehlalarmen“ für die einzelnen Kundendaten Einhalt zu gebieten, muss ein Algorithmus implementiert werden, der belastbare von zufälligen Befunden trennt. Eine in dieser Hinsicht naheliegende Lösung liegt in der Identifizierung mehrerer aufeinander folgender Strukturbrüche, da eine solche Abfolge dann für eine nachhaltige und belastbare Veränderung in der Datenstruktur spricht – die mittlere Abweichung also nicht von einem einmaligen Ausreißer, sondern einer strukturellen Veränderung in den Preisdaten getrieben wird. Aus diesem Grund werden in der Analyse auf Basis individueller Preisdaten nur solche Strukturbrüche als nachhaltig klassifiziert, die für mindestens fünf Folgeperioden auf dem kritischen Einprozentniveau signifikant sind. Die entsprechende Umsetzung dieser Vorgehensweise für alle 36 Kunden im Datensatz führt zu den in Tab.  6.1

Tab. 6.1  Statistisch signifikante Strukturbrüche in individuellen Rechnungsdaten. (Quelle: Hüschelrath und Veith (2014); übersetzt durch den Autor) Listenpreis Monat Apr. 2001 Nov. 2001 Dez. 2001 Jan. 2002 Feb. 2002 Mrz. 2002 Mai 2002 Jun. 2002 Jul. 2002 Aug. 2002 kein Bruch

Anteil Kunden 2,63 5,26 7,89 2,63 2,63 2,63 2,63 5,26 5,26 5,26 57,89

Kumulierter Anteil 2,63 7,89 15,79 18,42 21,05 23,68 26,32 31,58 36,84 42,11 100,00

Variationskoeffizient Monat Anteil Kunden Jan. 2001 2,63 Okt. 2001 2,63 Mai 2002 5,26 Jul. 2002 2,63 kein Bruch 86,84

Kumulierter Anteil 2,63 5,26 10,53 13,16 100,00

6.2  Kartellaufdeckung durch Kunden

dargestellten Ergebnissen (jeweils dargestellt als Anteil der 36 Kunden im Datensatz pro Monat sowie als kumulierter Anteil). Ein erster Vergleich der Ergebnisse für die beiden Maße – Listenpreis und Listenpreisvariationskoeffizient  – verdeutlicht unmittelbar, dass der Variationskoeffizient für die 36 Kunden insgesamt keine zufriedenstellenden Ergebnisse liefert. Während des gesamten Beobachtungszeitraums findet er für knapp 87  % aller Kunden keinen statistisch signifikanten Strukturbruch, und nur in zwei Fällen identifiziert er einen solchen vor dem Kartellzusammenbruch im Februar 2002. Konzentriert man sich daher in der weiteren Diskussion auf die Ergebnisse für die Listenpreise, so ist auch dieses Maß für knapp 58 % der Kunden nicht in der Lage, einen statistisch signifikanten Strukturbruch zu identifizieren  – allerdings gelang dies im Falle von knapp 19 % der Kunden sogar vor dem eigentlichen Kartellzusammenbruch. Hinzu kommen weitere 13 Prozentpunkte bis zur Bekanntgabe der Hausdurchsuchungen durch das Bundeskartellamt  – und damit der Veröffentlichung des Kartellverdachts – im Juli 2002. Obwohl man auf den ersten Blick vielleicht geneigt wäre, auch dieses Ergebnis immer noch als unzureichend zu bewerten, so muss im Rahmen einer detaillierteren Diskussion bedacht werden, dass nicht alle der 36 im Datensatz befindlichen Kunden große und regelmäßige Nachfrager sind. Ein Abgleich der erzielten Ergebnisse mit den jeweiligen durchschnittlichen jährlichen Nachfragemengen der Kunden zeigt dann auch klar, dass insbesondere (mengenmäßig) kleinere Kunden aufgrund unregelmäßigerer Nachfragemuster auf Schwierigkeiten bei der Anwendung der Strukturbruchanalyse stoßen. Insgesamt zeigt die Durchführung der individuellen Strukturbruchanalysen somit, dass die Bildung eines Kartells  – beziehungsweise im Falle des Zementkartells dessen Zusammenbruch – sich nicht zwingend unmittelbar in den Rechnungsdaten niederschlagen muss. Ohne an dieser Stelle eine detaillierte Diskussion anzustreben (siehe dazu insbesondere

219

Abschn. 6.3.2.2 im Rahmen einer Bestimmung von Übergangszeiträumen für eine Kartellschadensschätzung), so kann ein möglicher Grund für die schleppenden bzw. fehlenden Preisanpassungen nach dem Kartellzusammenbruch einerseits in – auf Kartellantenseite notwendigen – Anpassungen der Produktions- und Marktstrukturen gesehen werden (die mit dem Ende des Kartells nicht abgeschlossen sind, sondern mutmaßlich erst beginnen). Andererseits kann das Bestehen langfristiger Lieferverträge einen weiteren Grund für die verzögerten Anpassungen darstellen, denn solche Verträge werden nicht automatisch mit dem Zusammenbruch des Kartells neu verhandelt und können somit zur beobachteten Preispersistenz beitragen.

6.2.2.2 Zweite Stufe: Multivariate Regressionsanalyse In der zweiten Stufe werden die Ergebnisse der Strukturbruchanalyse genutzt, um ein Modell der multivariaten Preis- und Volatilitätsanalyse im Hinblick auf das Ende der Kartellperiode zu kalibrieren. Während die Strukturbruchanalyse Informationen darüber liefert, ob eine strukturelle Änderung der Preisdaten stattgefunden hat, ermöglicht die multivariate Regressionsanalyse sowohl eine Schätzung der Größe der Differenz zwischen den beiden Zeitreihen als auch Informationen darüber, welche Ursachen der Bruch tatsächlich hatte (durch die Kontrolle potenzieller anderer Treiber). Da zu Beginn des Marktscreenings keine Informationen über die Existenz eines Kartells vorliegen, ist die beschriebene Identifikation eines signifikanten Strukturbruchs in den Markt- oder Rechnungsdaten (erste Stufe) eine notwendige Voraussetzung für die Durchführung einer multivariaten Regressionsanalyse (zweite Stufe). Daher werden auch nur solche Kunden in der folgenden multivariaten Regressionsanalyse berücksichtigt, die in der ersten Stufe einen signifikanten Strukturbruch aufwiesen. Basierend auf dieser einführenden Einordnung wird die folgende Regressionsgleichung aufgestellt und anschließend in verschiedenen Spezifikationen geschätzt:

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

220

pijt = α + β K Kartellit + β cm grosser _ Anbieterijt

+ β q log ( jaehrliche _ Nachfrageijt ) (Gl. 6.2) + β i d _ i + β t trend + ε ijt .

Dabei repräsentiert pijt den monatlichen Durchschnittspreis (bzw. den Preisvariationskoeffizienten) des Kunden i für Lieferungen des Anbieters j in der Periode t, α eine Konstante, die βs die entsprechenden Koeffizienten, Kartell einen Dummy mit dem Wert 1 für die erste durch die Strukturbruchanalyse identifizierte Periode (und ansonsten dem Wert 0), grosser_Anbieter einen Dummy mit dem Wert 1 für Lieferungen von einem der sechs größten Anbieter (und ansonsten dem Wert 0), log(jaehrliche_Nachfrage) die logarithmierte (weil rechtsschiefe) jährliche Nachfrage, d_i einen Kundendummy, der idiosynkratische Effekte in gepoolten Schätzungen steuert, trend einen Zeittrend sowie εit einen normalverteilten Fehlerterm. Auf den ersten Blick mag das so spezifizierte Modell recht allgemein wirken und auch die Frage aufkommen lassen, ob nicht ein spezifischerer Ansatz mit weiteren Kontrollvariablen die Aussagekraft der Ergebnisse erhöhen könnte. Wenngleich diesem Argument aus isoliert wissenschaftlicher Sicht durchaus zuzustimmen ist, so würde es in der praktischen Anwendung eine deutliche Erhöhung der Komplexität – besonders im Bereich der Datenbeschaffung – bedeuten und folglich zu deutlichen Einbußen in der Praktikabilität führen. Da es aber ja gerade das erklärte Ziel des vorgeschlagenen Verfahrens ist, konkrete Anwendung in der Praxis zu finden, werden entsprechende Einbußen in der Gesamterklärungskraft des Modells bewusst in Kauf genommen. Die nachfolgenden multivariaten Regressionsanalysen werden wiederum zunächst summarisch auf Basis aggregierter Daten zu Preisen und Variationskoeffizienten durchgeführt und dann im Anschluss separat für jeden Kunden, der in der ersten Stufe einen signifikanten Strukturbruch aufweist. Methodisch kommen jeweils sowohl ein (gepooltes) Generalized-Least-Squares-­Mo­ dell (GLS-Modell) als auch ein Paneldatenmodell (Fixed Effects) in verschiedenen Spezifikationen zur Anwendung.

Multivariate Regressionsanalyse auf Basis aggregierter Preisdaten Konzentriert man sich im Rahmen einer kurzen Charakterisierung der wesentlichen Schätzergebnisse zunächst auf das gepoolte GLS-Modell, so findet sich hochsignifikante empirische Evidenz dafür, dass die in die Schätzungen einbezogenen Kunden in der Kartellperiode um 16,70 Euro pro Tonne höhere Preise zahlen mussten als nach dem Zusammenbruch des Kartells. Ferner ist der Kauf einer Tonne Zement bei einem großen Anbieter durchschnittlich 11,44 Euro teurer als bei einem kleinen Anbieter. Für die monatliche durchschnittliche Preisvolatilität – gemessen mithilfe des Variationskoeffizienten – findet sich darüber hinaus hochsignifikante empirische Evidenz dafür, dass diese in der Kartellperiode deutlich geringer war als in der Nachkartellperiode. Dieses Ergebnis steht im Einklang mit der in Abschn. 2.3.1.2 diskutierten allgemeinen empirischen Evidenz. Die komplementär durchgeführten Paneldatenanalysen bestätigen – für Preise wie Variationskoeffizienten – die Ergebnisse im Hinblick auf Richtung und Signifikanz der Koeffizienten, auch wenn sie sich im Hinblick auf ihre jeweiligen Größen teilweise deutlich unterscheiden. Multivariate Regressionsanalyse auf Basis individueller Preisdaten Während die bislang diskutierten Ergebnisse auf einem aggregierten multivariaten Schätzungsansatz basieren, so ist es für eine Einschätzung der Wirksamkeit und Genauigkeit des Marktscreeningansatzes von besonderem Interesse, ob auch die einzelnen Kunden auf Basis ihrer eigenen Rechnungsdaten vergleichbare Ergebnisse erzielen können. Daher wird die obige Gleichung separat für all diejenigen Kunden im Datensatz geschätzt, für die in der ersten Stufe ein Strukturbruch festgestellt wurde. Unter Verzicht auf eine Diskussion der Ausprägungen der Kontrollvariablen fasst Tab. 6.2 die erzielten Ergebnisse für die beiden Maße Preis und Preisvariationskoeffizient sowie die beiden Schätzmethoden Generalized Least Squares (GLS) und Fixed Effects (FE) zusammen.

6.2  Kartellaufdeckung durch Kunden

221

Tab. 6.2  Überblick der individuellen Schätzergebnisse. GLS Generalized Least Squares, FE Fixed Effects. Signifikanzniveau: 10 %. (Quelle: verändert übernommen aus Hüschelrath und Veith 2014; übersetzt durch den Autor)

Signifikant positiv Signifikant negativ Nicht signifikant

Listenpreis (GLS) 0,8

Listenpreis Variations-­ koeffizient (GLS) 0,06

Listenpreis (FE) 0,75

Listenpreis Variations-­ koeffizient (FE) 0

0,07

0,44

0,06

0,5

0,2

0,5

0,19

0,5

Wie Tab. 6.2 verdeutlicht, stützen die kundenindividuellen Schätzergebnisse die grundsätzliche Wirksamkeit und Genauigkeit des Marktscreeningansatzes für das Maß Listenpreis. Vier von fünf Unternehmen, die in der ersten Stufe einen statistisch signifikanten Strukturbruch in den jeweiligen Preisen aufwiesen, finden zusätzliche (und konkretere) Bestätigung auf der zweiten Stufe der multivariaten Regressionsanalyse. Die Ergebnisse unterscheiden sich dabei kaum zwischen dem GLS- und dem FE-Modell. Die Resultate für das Maß des ­Variationskoeffizienten sind wiederum deutlich schwächer  – mit etwas weniger als der Hälfte der jeweiligen Kunden, die auf diese Weise das Kartell proaktiv hätten aufdecken können. Interessanterweise liefert auch das ökonometrisch anspruchsvollere Paneldatenmodell diesbezüglich nur eine unwesentliche Verbesserung. Im Hinblick auf die Interpretation der Ergebnisse erscheint abschließend noch der Hinweis wichtig, dass die Abwesenheit eines strukturellen Bruchs bei einzelnen Kunden aus mehreren Gründen nicht den Schluss zulässt, dass diese Unternehmen nicht durch das Kartell geschädigt wurden. Einerseits konzentriert sich die Analyse in Abschn. 6.2 auf die Listenpreise und nicht auf die Transaktionspreise. Infolgedessen kann es sehr wohl der Fall sein, dass die Listenpreise nach dem Kartellzusammenbruch unverändert bleiben, während die Transaktionspreise erheblich gesenkt wurden (siehe dazu insbesondere Abschn.  5.3.1 für empirische Belege). Andererseits müssen Preisanpassungen nach dem Kartellzusammenbruch auf der Ebene einzelner Kunden nicht zwingend unmittelbar erfolgen, sondern können durchaus Verzögerungen  – in Abhängigkeit von marktstrukturellen Änderun-

gen sowie individuellen Vertragsbedingungen bzw. Nachfragemustern – unterliegen.

6.2.3 Zusammenfassung und Schlussfolgerungen Die Aufdeckung von Kartellen wurde bislang als Aufgabe von Wettbewerbsbehörden oder Compliancebeauftragten in Unternehmen mit einem erhöhten Kartellrisiko angesehen. In Abschn. 6.2 wurde gezeigt, dass auch Kunden von Kartellen sowohl Anreize als auch Möglichkeiten haben, solche Vereinbarungen aus eigener Initiative mithilfe von unternehmensspezifischen Datensätzen zu erkennen. Neben einer allgemeinen theoretischen Diskussion kam der in Abschn.  5.1.3 beschriebene CDC-Datensatz, hier bestehend aus rund 340.000 Markttransaktionen von 36 kleineren und größeren Kunden deutscher Zementhersteller zur Anwendung, und es konnte gezeigt werden, dass vor allem Preisscreens es insbesondere größeren Kunden des Kartells ermöglicht hätten, das wertschöpfungstechnisch vorgelagerte Zementkartell vor dessen Zusammenbruch aufzudecken. Aus unternehmenspolitischer bzw. -strategischer Sicht legen diese Ergebnisse die Schlussfolgerung nahe, dass insbesondere für größere Kunden  – also Unternehmen mit einer eher großen und stabilen Nachfrage nach dem entsprechenden Vorprodukt – Marktscreeninginstrumente ein klares Potenzial haben, Kartellabsprachen auf Beschaffungsmärkten zu erkennen und damit eine deutliche Reduktion der Kosten des jeweiligen Vorprodukts zu bewirken. Obwohl Datenbeschränkungen im Falle des deutschen Zementkartells nur eine Untersuchung des Endes der Kar-

222

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

tellvereinbarung erlaubten, so kann der generelle empirische Ansatz – bestehend aus einführender Strukturbruchanalyse und nachfolgender multivariater Regressionsanalyse  – bei entsprechender Datenverfügbarkeit leicht auch für die Aufdeckung neu eingerichteter Kartelle verwendet werden. Die entsprechenden Kostensenkungspotenziale können jedoch nur realisiert werden, wenn das Unternehmen die Screeningergebnisse entweder nutzt, um mit dem Lieferanten den Preis für das betreffende Vorprodukt neu zu ­verhandeln, oder aber beschließt, die Screeningergebnisse an die Wettbewerbsbehörde weiterzugeben – in der Erwartung, dass diese dann in der Folge eine genauere Untersuchung des Falles einleitet und die Kartellabsprache beendet wird. Darüber hinaus ist an dieser Stelle noch einmal der Hinweis wichtig, dass der erfolgreiche Einsatz eines Marktscreeningtools untrennbar mit einer so deutlichen Änderung des Verhaltens des Kartells verbunden ist, dass in den Daten ein (statistisch signifikanter) Strukturbruch verursacht wird. Aus wettbewerbspolitischer Sicht deuten die Ergebnisse darauf hin, dass die Wettbewerbsbehörden gut beraten sind, insbesondere Großkunden potenziell kartellierter Industrien als Verbündete im Kampf gegen Kartelle anzusehen. Die Behörden können eine entsprechende Kooperation zum einen durch inkrementelle Innovationen fördern – beispielsweise in Form von regelmäßigen Treffen mit Industriemanagern, dem Angebot von Screeningschulungen für Firmenmitarbeiter oder einer erweiterten (datengestützten) Zusammenarbeit im Rahmen von Branchenuntersuchungen. Zum anderen könnten Wettbewerbsbehörden – beziehungsweise der jeweilige Gesetzgeber  – auch über die Einführung drastischerer Innovationen nachdenken, mit dem Ziel einer Schaffung zusätzlicher Anreize für Kunden zur Aufdeckung und Meldung möglicher Absprachen auf Beschaffungsmärkten. Eine solche Möglichkeit bestünde in der Zahlung von Belohnungen für neue und so detaillierte Informationen zu einem bislang unbekannten Kartell, die es dann der Wettbewerbsbehörde in der Folge erlauben, das Kartell aufzudecken und mit einem Bußgeld zu belegen.

6.3

Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Dieser abschließende längere Abschn. 6.3 widmet sich  – in Anlehnung an Hüschelrath et  al. (2012)  – der Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung im Allgemeinen sowie deren Umsetzung am Beispiel des deutschen Zementkartells im Besonderen. Der Abschn.  6.3.1 konzentriert sich dabei zunächst auf eine genauere Beschreibung des Schadensermittlungsprozesses mit einem besonderen Fokus auf empirischen Methoden zur Ermittlung der Kartelldauer und des kartellbedingten Preisaufschlags. Dem schließen sich dann konkrete Anwendungen ausgewählter empirischer Methoden für den Fall des deutschen Zementkartells an. Während in Abschn.  6.3.2 lediglich öffentlich verfügbare Preisindexdaten verwendet werden, kommt im anschließenden Abschn.  6.3.3 wiederum der reichhaltige CDC-Datensatz aus Listen- und Transaktionspreisen zur Anwendung. Ein abschließender Vergleich der erzielten Ergebnisse unter Verwendung der beiden unterschiedlichen Datensätze schließt dann Abschn.  6.3  – und das gesamte Lehrbuch – ab.

6.3.1 Ö  konomische Grundlagen der Schadensermittlung Aus ökonomischer Sicht muss die private Kartellrechtsdurchsetzung auf einer soliden Schadenstheorie beruhen und sich insbesondere zwei Aufgaben widmen: der Identifizierung der Geschädigten und der Bestimmung der Schadenshöhe(n). Während die erstgenannte Aufgabe bereits in Abschn.  2.3.2.1  – im Zuge einer Darstellung der durch eine Kartellabsprache potenziell geschädigten Parteien – behandelt wurde, soll sich im weiteren Verlauf des Abschn. 6.3.1 auf die Ermittlung des Schadens eines direkten Abnehmers eines kartellierten Produkts konzentriert werden. Von einer Betrachtung des Grades der Weitergabe der überhöhten Kartellpreise an nachgelagerte Abnehmerstufen  – dem „pass-on“  – wird

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

dabei abgesehen (siehe dazu Hüschelrath et  al. 2012 sowie Europäische Kommission 2019). Ermittlung des Gesamtschadens Im Allgemeinen ist die Höhe eines privaten Kartellschadens abhängig von den bezogenen Mengen des kartellierten Produkts und der kartellbedingten Preiserhöhung über das Wettbewerbsniveau hi­ naus. Folglich muss im Rahmen einer Schadensermittlung sowohl die „Dauer des Kartells“ – also der Zeitrahmen, in dem das Kartell aktiv war und für die entsprechend abgesetzten Mengen überhöhte Preise verlangte  – als auch die „Höhe des Kartells“ – also die von den Kartellmitgliedern erzielten Aufschläge auf den Wettbewerbspreis – analysiert werden. Eine Ermittlung des Gesamtschadens ergibt sich dann im Wesentlichen aus der Multiplikation der im Kartellzeitraum gekauften Mengen mit dem Preisaufschlag. Abb. 6.3 stellt diese beiden Dimensionen der Kartellschadensermittlung grafisch dar. Die erste Dimension des Gesamtschadens ist die Bestimmung der Kartelldauer. Diese wird typischerweise zunächst im Rahmen der öffentlichen Verfolgung durch Festlegung des Beginns und des Endes der Kartellvereinbarung auf Basis einer Bewertung der gesammelten Beweismittel festgelegt  – und führt folglich zur Bestimmung der Punkte A und B in Abb. 6.3. Die so bestimmte Kartelldauer geht dann im Regelfall auch direkt in die Berechnung der jeweiligen Bußgelder ein. Abb. 6.3 Kartelldauer, kartellbedingter Preisaufschlag und Abschätzung des Gesamtschadens. (Quelle: Hüschelrath et al. 2016; übersetzt durch den Autor)

223

Hierbei ist jedoch zu beachten, dass die individuellen Kartelldauern der einzelnen Kartellmitglieder  – durch die Möglichkeiten eines späteren Kartellein- bzw. früheren Kartellaustritts – nicht identisch sein müssen mit der insgesamten Dauer des Kartells. Im Rahmen der privaten Kartellverfolgung dürfte sich diese Art der Bestimmung der Kartelldauer ohnehin noch aus (mindestens) einem weiteren Grund als zu ungenau erweisen. Denn bezieht sich die Kartellvereinbarung beispielsweise auf ein Produkt, das über mittel- und langfristige Verträge verkauft wird, so ist im Regelfall anzunehmen, dass der Zusammenbruch des Kartells nicht zu einem sofortigen Abfall des Marktpreises auf das Wettbewerbsniveau führen wird. Infolgedessen kann die tatsächliche – für die Schadensermittlung relevante  – Kartelldauer länger sein als B, nämlich beispielsweise B' in Abb. 6.3. Das gleiche Argument lässt sich dann entsprechend auch auf die Zeit um die Bildung des Kartells übertragen. In diesem Fall hätte das Kartell unter Punkt A umgesetzt werden können, der entsprechende Schaden konnte jedoch aufgrund mittel- oder langfristiger Verträge  – und einer entsprechend verzögerten Erhöhung der Preise – erst zu einem späteren Zeitpunkt (A' in Abb. 6.3) eintreten. Die zweite Dimension des Gesamtschadens ist der Kartellpreisaufschlag. Während der überhöhte Kartellpreis (markiert mit D in Abb.  6.3)

224

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

im Regelfall relativ leicht zu ermitteln ist, liegt die größere Herausforderung regelmäßig in der Bestimmung des sogenannten kontrafaktischen (oder But-for-)Preises, also desjenigen Preises, der in Abwesenheit des Kartells existiert hätte (markiert mit C in Abb. 6.3). Die Differenz zwischen dem Kartellpreis und dem But-for-Preis bestimmt dann den sogenannten Preisaufschlag. Wie in Abb.  6.3 skizziert, reduziert sich der Gesamtschaden mit steigendem But-for-Preis ­ (von C auf C' in Abb. 6.3). Umfassendere Analyse der Wohlfahrtseffekte von kartellbedingten Preiserhöhungen Während die beiden gerade charakterisierten Dimensionen des Gesamtschadens  – die Kartelldauer sowie die Höhe des Preisaufschlags  – in der praktischen Wettbewerbspolitik die Hauptrolle spielen, so müssen die Wohlfahrtseffekte einer (kartellbedingten) Preiserhöhung differenzierter beurteilt werden. Dies lässt sich  – unter der Annahme einer nicht vollkommen preisunelastischen Nachfragefunktion  – mithilfe von Abb. 6.4 verdeutlichen. Abb.  6.4 zeigt eine normale, fallende Nachfragefunktion, konstante Stückkosten sowie die im Kartellzustand (PKARTELL, QKARTELL) und im Wettbewerbszustand (PBUT-FOR, QBUT-FOR) jeweils realisierten Preise und Mengen. Rechteck A definiert sich dann durch den Unterschied zwischen dem Kartellpreis und dem Wettbewerbspreis Abb. 6.4 Wohlfahrtseffekte einer Preiserhöhung über das Wettbewerbsniveau. (Quelle: eigene Darstellung)

multipliziert mit der Menge, die zum Kartellpreis nachgefragt wurde ((PKARTELL-PBUT-FOR) * QKARTELL ). Dieses Rechteck A – der sogenannte Overcharge – entspricht somit der obigen Ermittlung des Gesamtschadens durch Multiplikation des Preisaufschlags mit der Kartelldauer (im Sinne der innerhalb dieses Zeitraums erworbenen Mengeneinheiten des kartellierten Produkts). Obwohl Rechteck A – zumindest unter den in der Abbildung getroffenen Annahmen  – einen wesentlichen Teil des Verlusts an Konsumentenrente durch die kartellbedingte Preiserhöhung ausmacht, so verdeutlicht Abb.  6.4, dass dieser noch um Dreieck B ergänzt werden muss. Dieser zusätzliche Konsumentenschaden – auch als Outputeffekt bezeichnet – entsteht dadurch, dass aufgrund der kartellbedingten Preiserhöhung ein Teil der Konsumenten, die zum Wettbewerbspreis das Produkt erworben hätten, darauf nun verzichten und die entsprechende Konsumentenrente somit entfällt. Erweitert man den bislang angewendeten Konsumentenwohlfahrtsstandard auf einen totalen Wohlfahrtsstandard  – in dem dann definitionsgemäß auch die Produzentenrenten Berücksichtigung finden  – so erhöht sich der kartellbedingte Wohlfahrtsverlust noch um die Gewinne, die beim Verkauf der zusätzlichen (QBUT-FOR- QKARTELL) Einheiten von den Unternehmen realisiert worden wären, multipliziert mit dem Markup unter Wettbewerbsbedingungen

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

(PBUT-FOR  – Stückkosten). Dieser zusätzliche Wohlfahrtsverlust ist in Abb. 6.4 durch das Rechteck C repräsentiert. Obwohl also im Rahmen einer vollumfänglichen Analyse des kartellbedingten Konsumentenschadens der Outputeffekt noch Berücksichtigung finden sollte, so wird dieser im Rahmen der nachfolgenden Beschreibungen der m ­ ethodischen Vorgehensweise (siehe dazu Hüschelrath et  al. 2012) sowie der Anwendungen für den Fall des deutschen Zementkartells nicht genauer betrachtet. Als Rechtfertigung für diesen Schritt kann einerseits angeführt werden, dass Outputeffekte im Regelfall nicht vor Gericht eingeklagt werden können – schon allein deshalb, weil ein Beweis für das Entstehen eines entsprechenden Schadens kaum zu führen sein wird. Andererseits ist die Preiselastizität der Nachfrage in Zementmärkten als eher gering anzunehmen  – unter anderem, weil die für Zement anfallenden Kosten im Regelfall nur einen Bruchteil der gesamten Baukosten ausmachen  – und infolgedessen dann auch die Größe des Dreiecks B (wie auch des Rechtecks C) als eher klein einzuschätzen ist (im Vergleich zur Größe des Rechtecks A). Auf Basis dieser kurzen Einführung in die Thematik der Schadensermittlung in Kartellfällen soll sich zunächst mit einer Darstellung und Diskussion ausgewählter empirischer Methoden zur Ermittlung der Kartelldauer ­ (Abschn.  6.3.1.1) sowie des Preisaufschlags (Abschn.  6.3.1.2) befasst werden. Im Anschluss daran erfolgt dann eine Zusammenführung beider Perspektiven zu einer Ermittlung des Gesamtschadens (Abschn. 6.3.1.3).

6.3.1.1 Ermittlung der Kartelldauer Wie bereits in der Einführung zu Abschn. 6.3 allgemein erläutert, stellt die Ermittlung der Kartelldauer  – neben der Ermittlung des Preisaufschlags  – deswegen eine essenziell wichtige Dimension in der Ermittlung von Kartellschäden dar, weil sie die Abnahmemengen eines Käufers festlegt, die dann schließlich mit dem getrennt ermittelten Preisaufschlag multipliziert werden und so den Gesamtschaden ergeben. Diesbezüglich wurde ebenso bereits angemerkt, dass  – selbst, wenn ein Urteil in einem

225

entsprechenden Untersagungs-, Bußgeld- bzw. Strafverfahren vorliegt  – die dort festgestellte Kartelldauer nicht unbedingt automatisch auch im Rahmen einer zivilrechtlichen Schadensermittlung zur Anwendung kommen sollte. Dies kann beispielsweise an unterschiedlichen individuellen Kartelldauern der einzelnen Kartellanten liegen, aber durchaus auch an verzögerten Anpassungsreaktionen der (individuellen) Preise aufgrund langfristiger Verträge. Erschwerend kommt häufig hinzu, dass Kartelle nicht homogen und gleichförmig über den gesamten Kartellzeitraum funktionieren. In diesem Zusammenhang kann es beispielsweise vorkommen, dass sich Phasen eines funktionsfähigen Kartells mit Phasen der Uneinigkeit – und in der Folge gegebenenfalls sogar mit Preiskriegen  – abwechseln. Solche Perioden können die Ermittlung des Gesamtschadens zusätzlich erschweren und dazu führen, dass die entsprechende Schadensschätzung gegebenenfalls korrigiert werden muss. Für die Bestimmung des Kartellbeginns und des Kartellendes stehen verschiedene statistische Methoden zur Verfügung. Ein prominentes Beispiel ist die sogenannte Strukturbruchanalyse. Diese Methode formalisiert die Intuition, dass sich der Beginn und das Ende eines Kartells in Form struktureller Brüche in den Daten bemerkbar machen. Der Chow-Strukturbruchtest Eine typische Fragestellung in der Ökonomie untersucht, ob bestimmte Ereignisse wie beispielsweise politische Maßnahmen zu systematischen Veränderungen bestehender (Daten-)Muster geführt haben. So ist beispielsweise zu vermuten, dass der Beginn oder das Ende eines Kartells eine Veränderung des Preissetzungsverhaltens zur Folge hatte. Strukturbruchtests können dann eingesetzt werden, um die Existenz solcher strukturellen Brüche aufzuzeigen. Die gängigste Methode hierbei ist der sogenannte Chow-Strukturbruchtest. Bei diesem Test wird davon ausgegangen, dass die insgesamt n Beobachtungen einer Stichprobe in zwei oder mehr Teilstichproben zerlegt werden können, wobei sich die Beobachtungszahl der Teildatensätze zum Gesamtdatensatz ergänzen und die einzelnen Beobachtungen jeweils nur in einem der Teildatensätze auftreten können. Daher gilt für zwei Teildatensätze 1 und 2: N1 + N2 = N. Mit dem Chow-Strukturbruchtest wird nun überprüft, ob die Stichprobendaten durch unterschiedliche datener-

226

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

zeugende Prozesse generiert wurden. Getestet wird konkret die Nullhypothese, dass die beiden Teilstichproben von dem gleichen datengenerierenden Prozess erzeugt wurden. In diesem Fall würde man erwarten, dass die Koeffizienten der Regressionen beider Teilstichproben ähnlich sind und auch die Quadratsummen des restringierten und nichtrestringierten Modells einander annähern. Bei Querschnittsdaten beruhen die Teilstichproben häufig auf klar unterscheidbaren Gruppen (z.  B.  Ländern), bei Zeitreihen ist es jedoch oftmals weniger offensichtlich, wann ein Strukturbruch stattgefunden haben könnte. Der Chow-Strukturbruchtest ist daher nur dann auf Zeitreihendaten anwendbar, wenn der Zeitpunkt des Strukturbruchs a priori bekannt ist. Wird vermutet, dass ein Strukturbruch zwischen zwei Zeitpunkten t1 und t2 stattgefunden hat, so wird für jedes Datum zwischen diesen Zeitpunkten ein Chow-Strukturbruchtest durchgeführt und die entsprechende F-Statistik berechnet. So können – mit dem sogenannten Quandt-Andrews-Test – auch Hinweise auf mehrere Strukturbrüche gefunden werden.

Eine konkrete Möglichkeit der Implementierung eines Strukturbruchtests ist die Spezifikation von Dummyvariablen für verschiedene Annahmen über die zeitliche Lage und Dauer des entsprechenden Kartells. So kann beispielsweise das folgende Regressionsmodell geschätzt werden (siehe Davis und Garcés 2010):

pt = xt ′ + α1 DtApr 06 zuMai 06 + α 2 DtJun 06 zuJul 06 + ε t .

(Gl. 6.3)

Diese Spezifikation enthält zwei verschiedene Anfangsdaten für das Kartell. Wenn α1 = 0 und α2 > 0 ist, dann ist Juni 2006 der Beginn des Kartells. Wenn α1 > 0 und α2 = 0 ist, dann kann April 2006 als Beginn des Kartells angenommen werden. Eine vergleichbare Form der Analyse ist auch zur Beantwortung der Frage nach dem Ende des Kartells anwendbar. Die Tatsache, dass der Rückgang vom Kartellzustand zu einem Wettbewerbszustand aber häufig zeitlich verzögert stattfindet, erschwert eine entsprechende Analyse substanziell. In diesem Zusammenhang kommt noch einerseits das Problem hinzu, dass die Unternehmen gelernt haben können, sich auch ohne explizite Absprachen kartellartig zu verhalten. Andererseits können sie aufgrund drohender privater Schadensersatzforderungen einen Anreiz haben, den Preis nach der Kartellperiode möglichst wenig absinken zu lassen. Beide

Aspekte erschweren die Feststellung des Kartellendes grundlegend (siehe dazu insbesondere Abschn. 6.3.3.2).

6.3.1.2 Ermittlung des Preisaufschlags Direkte Kartellschäden sind definiert als die Gesamtmenge an Gütern oder Dienstleitungen, die von einem oder mehreren Kunden der Kartellmitglieder (pro Zeiteinheit) gekauft wurden, multipliziert mit dem kartellbedingten Preisaufschlag. Diese Schäden werden über die gesamte Laufzeit des Kartells aufsummiert. Dabei liegt die zentrale Herausforderung in der Ermittlung des Preisaufschlags bzw. in der Feststellung des kontrafaktischen Szenarios – also der Situation, die ohne das Kartell existiert hätte. Definition des Begriffs des Preisaufschlags Während typischerweise die tatsächlichen Kartellpreise (und die entsprechend erworbenen Mengen) verfügbar sind – im Regelfall in Form von Rechnungsinformationen – können die kontrafaktischen Preise nicht beobachtet werden und müssen daher geschätzt werden (siehe ABA 2010). Im Anschluss daran kommt es zum Vergleich des tatsächlichen Preises im Kartellzeitraum mit dem hypothetischen Preis, d. h. desjenigen Preises, der sich ohne das Kartell eingestellt hätte (But-for-Preis). Die Differenz zwischen den beiden Preisen ergibt dann den Preisaufschlag: Preisaufschlagt = Pt Kartell − Pt But − for . (Gl. 6.4) Möglich ist aber auch der Ausweis des Preisaufschlags als Prozentsatz, beispielsweise auf Basis des But-for-Preises: Preisaufschlag ( % )t =

(P

t

Kartell

− Pt But − for But − for

) ∗100. (Gl. 6.5)

Pt Beträgt beispielsweise der Kartellpreis 125 Euro und der But-for-Preis 100 Euro, so ergibt sich ein prozentualer Preisaufschlag von 25 %. Üblicher ist es jedoch, den prozentualen Preisaufschlag als Prozentsatz des tatsächlich gezahlten Preises – also des Kartellpreises – auszuweisen:.

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Preisaufschlag ( % )t =

(P

t

Kartell

− Pt

But − for

Kartell

) ∗100. (Gl. 6.6)

Pt In obigem Beispiel  – ein Kartellpreis von 125 Euro und ein But-for-Preis von 100 Euro – ergibt sich dann ein prozentualer Preisaufschlag von 20 %. Die Darstellung des Preisaufschlags als Prozentsatz des tatsächlich gezahlten Preises hat den Vorteil, dass sich der Gesamtschaden sehr einfach durch Multiplikation des entsprechenden Prozentsatzes mit den tatsächlichen Zahlungen berechnen lässt. Hat im obigen Beispiel der Geschädigte in der relevanten Kartellperiode Käufe in Höhe von 15  Millionen  Euro getätigt, so beträgt der entstandene Schaden 20 % von 15 Millionen Euro, also 3 Millionen Euro. Beide Prozentvarianten sind gleichermaßen zulässig. Um Missverständnissen darüber vorzubeugen, ob sich die Angabe des prozentualen Werts auf den But-for-Preis oder den tatsächlich gezahlten Preis bezieht, sollte daher der Bezugswert bei prozentualer Angabe des Preisaufschlags immer deutlich benannt werden (siehe hierzu auch Oxera 2009). Einführende Klassifikation der empirischen Methoden In der ökonomischen Literatur finden sich verschiedene Klassifikationen der Methoden zur Ermittlung des Preisaufschlags, die größtenteils allerdings mit den folgenden beiden generellen Ansätzen in Beziehung stehen (siehe van Dijk und Verboven 2008 sowie CEPS 2007): 1) Quantifizierung des Preisaufschlags mithilfe sogenannter Komparatoren. Die tatsächlichen Preise eines Produkts werden mit den Preisen dieses Produkts vor oder nach dem Kartell oder mit denen in vergleichbaren Sektoren bzw. demselben Sektor eines anderen Landes verglichen. Bei der Anwendung solcher Methoden ist zunächst zu prüfen, ob in den zu vergleichenden Perioden, Sektoren oder Ländern kein Kartell existiert hat. Klassische Methoden, die auf dieser Herangehensweise beruhen, sind die Before-­and-­ after-, die Yardstick- und die Difference-in-­ Differences-­Methode.

227

2) Direkte Abbildung des auf Wettbewerb beruhenden But-for-Preises auf der Grundlage von Informationen über den Kartellmarkt selbst. Die folgenden Methoden werden typischerweise unter diesem Ansatz zusammengefasst: Cost-­ based-, Critical-Loss- und Simulationsmethoden. In einer im Auftrag der Europäischen Kommission erstellten Studie entwickelte Oxera (2009) eine breitere Klassifikation der grundsätzlich zur Verfügung stehenden Methoden. Dabei werden unterschiedliche Methoden aus der Finanz- und Wirtschaftsliteratur zusammengefasst und die folgenden Gruppen unterschieden: 1. Komparatorenbasierte Methoden: Siehe die obige Beschreibung. 2. Methoden auf Basis finanzieller Analysen: Diese Modelle wurden in der Finanztheorie und -praxis entwickelt und verwenden finanzwirtschaftliche Informationen über Bench­ markunternehmen oder -industrien, Benchmarks für Renditen und Kosteninformationen über Beklagte und Kläger, um das kontrafaktische Szenario zu schätzen. 3. Auf der Marktstruktur basierende Methoden: Diese Methoden werden von der industrieökonomischen Theorie geleitet und stellen eine Kombination aus theoretischen Modellen und empirischen Schätzungen dar. Im weiteren Verlauf des Abschn.  6.3 erfolgt eine Orientierung an der Klassifikation von Oxera (2009). Dabei wird einerseits besonderer Wert auf diejenigen Methoden gelegt, die in der Praxis häufig benutzt werden und die in der akademischen Literatur etabliert sind. Andererseits sollen auch Methoden betrachtet werden, die aufgrund sich verbessernder Datenlagen sowie zunehmender Anwendungserfahrung zukünftig voraussichtlich an Bedeutung gewinnen werden. Konkret wird daher im Folgenden unterschieden zwischen 1. Komparatorenansätzen, 2. gewinn- bzw. kostenbasierten Ansätzen und 3. Simulationsansätzen. Eine einführende Übersicht der Methoden, der Basen für das kontrafaktische Szenario sowie der

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

228

technischen bzw. prozessualen Umsetzung gibt Tab. 6.3. Von den in Tab. 6.3 vorgestellten Methoden werden die folgenden Verfahren zur Ermittlung des Preisaufschlags in der Praxis am häufigsten benutzt: • Before-and-after-Methode (Methode des zeitlichen Vergleichsmarkts), • Yardstickmethode (Methode des sachlichen und räumlichen Vergleichsmarkts), • Difference-in-Differences-Methode, • Cost-plus-margin-Methode, • gewinnbasierte Methode. Im weiteren Verlauf des Abschn. 6.3 erfolgt nun eine detailliertere Betrachtung dieser Methoden.

Diese unterscheiden sich im Hinblick auf den Grad an Komplexität, die Basis des kontrafaktischen Szenarios und die Anforderungen an notwendige Informationen und Daten. Für eine Beschreibung der im Folgenden nicht genauer betrachteten Methoden sei auf Oxera (2009) oder ABA (2010) verwiesen. Gängige Methoden der Schadensermittlung Die beiden in der US-amerikanischen Praxis gängigsten Methoden der Schadensermittlung sind die Before-and-­ after- und die Yardstickmethode, die auf einer multivariaten Analyse des Kartell- und des Vergleichsmarktes basieren (siehe Hovenkamp 2011). Für Deutschland hebt das Bundeskartellamt insbesondere die folgenden drei Methoden hervor: Yardstick- und Cost-plus-margin-Methode sowie oligopolistische Modellierung (siehe Bundeskartellamt 2005), wobei vergleichsbasierte Ansätze nach der deutschen Rechtsprechung grundsätzlich vorzugswürdig sind.

Tab. 6.3  Klassifikation von Methoden zur Ermittlung von kartellbedingten Preisaufschlägen. (Quelle: Hüschelrath et al. (2012) auf Basis von Oxera (2009) und CDC-Webseite) Typ der Analyse Komparatoren-­ basierte Ansätze

Methode Before-and-afterMethode (Konzept des zeitlichen Vergleichsmarkts) Yardstickmethode (Konzepte des sachlichen und räumlichen Vergleichsmarkts) Difference-inDifferences-Methode

Gewinn- oder kostenbasierte Ansätze

Gewinnbasierte Methode

Cost-plus-marginMethode Critical-Loss-Analyse

Simulationsansätze

Theoretische Modellierung des oligopolistischen Wettbewerbs, um die Preisbildung unter verschiedenen Wettbewerbsszenarien zu simulieren

Basis für das kontrafaktische Szenario Vergleich des Preisverhaltens im Kartellzeitraum mit (I) den Preisen vor dem Kartell, (II) den Preisen nach dem Kartell, (III) den Preisen vor und nach dem Kartell Vergleich mit Yardstickunternehmen, Produktmärkten und geografischen Märkten (Ländern) während des Kartellzeitraums Vergleich des Kartells mit Yardstickunternehmen, -Märkten und -Ländern vor dem Kartell, im Kartellzeitraum und nach dem Kartell Überhöhte Gewinne (tatsächliche Gewinne des Kartells) abzüglich üblicher Gewinne, geteilt durch das Produktionsvolumen Schätzung des Preises auf Basis der Margen vor oder nach dem Kartell Feststellung der oberen Grenze eines profitablen Preisanstiegs für das Kartell Modellschätzung eines theoretischen Wettbewerbspreises auf Basis der angenommenen Wettbewerbsinteraktionen unter Marktbedingungen

Technik/Verfahren Preisvergleich (t-Test), Zeitreihenanalyse, ReducedForm-Gleichung, Interpolation

Preisvergleich (t-Test), Querschnittsdatenanalyse, Reduced-Form-Gleichungen

Preisvergleich (t-Test), Paneldatenanalyse, ReducedForm-Gleichungen

Profitabilitätsanalyse

Bottom-up-Analyse Variante des hypothetischen Monopolistentests Modelle des oligopolistischen Wettbewerbs, des monopolistischen Wettbewerbs oder des Ausschreibungswettbewerbs auf Basis struktureller Gleichungen

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Ferner erscheint noch der Hinweis wichtig, dass die im Folgenden zu beschreibenden Methoden der Schadensermittlung üblicherweise im Kontext von Preisabsprachen zur Anwendung kommen. In diesem Zusammenhang sei allerdings daran erinnert, dass Schäden infolge einer Kartellabsprache nicht zwingend nur durch höhere Preise verursacht sein müssen, sondern auch aufgrund geringerer Mengen, niedrigerer Qualität oder eines niedrigeren Innovationsniveaus entstehen können. Before-and-after-Methode Bei dieser Methode wird der Kartellpreis eines Produkts mit dem Preis auf demselben Markt außerhalb der Kartellperiode verglichen. Der Schadensersatz wird dann berechnet als Differenz zwischen dem Kartellpreis und dem – entsprechend de- bzw. inflationierten – But-for-Preis des Produkts, multipliziert mit den im Kartellzeitraum verkauften Mengen des Produkts (siehe beispielsweise Davis und Garcés 2010): Schadensersatzt

(Gl. 6.7) = Pt Kartell − P But − for QtKartell .

(

)

Auf diese Weise kann ein Vergleich der durchschnittlichen Preise – der Preismittelwerte – zwischen den Perioden mit und denen ohne Kartell vorgenommen werden. Alternativ kann der Preisaufschlag im Rahmen eines multivariaten Modells mithilfe entsprechender Kontrollvariablen und unter Verwendung unterschiedlicher ökonometrischer Methoden geschätzt werden. Im Gegensatz zu einem einfachen Mittelwertevergleich lassen sich in multivariaten ökonometrischen Modellen weiterführende Einflussfaktoren wie beispielsweise saisonale Änderungen oder auch technologische Veränderungen abbilden. Dies ist deswegen notwendig, weil die Preise während des Kartellzeitraums (bzw. des Vergleichszeitraums) durch andere Faktoren beeinflusst ­worden sein können. Wenn eine Kartellbildung beispielsweise mit höherer Wahrscheinlichkeit in Phasen eines saisonalen Nachfragerückgangs auftritt, dann kann die Nichtberücksichtigung dieser saisonalen Schwankungen zu einer fehlerhaften Ermittlung des kartellbedingten Schadens führen.

229

Für den Vergleich des Kartellzeitraums mit dem Nichtkartellzeitraum kann im Rahmen der Before-and-after-Methode alternativ die Dummyvariable-Methode oder die Price-­Prediction-­ Methode angewendet werden: • Bei der Dummyvariable-Methode wird eine Indikatorvariable – der Dummy – für das Kartell eingeführt. Diese Variable nimmt im Kartellzeitraum den Wert 1 und außerhalb des Kartellzeitraums den Wert 0 an. Der Einfluss dieser Variablen auf den Preis gibt dann den Preisaufschlag aufgrund des Kartells wieder. • Im Gegensatz hierzu werden bei der Price-­ Prediction-­Methode die Preise im Kartellzeitraum auf Basis der Nichtkartellpreise vorausgesagt. Ob der Preisverlauf aus der Vorperiode fort- oder aus der Nachkartellperiode rückgeschrieben wird, hängt dabei zentral von der Datenverfügbarkeit ab. Anschließend müssen die so geschätzten hypothetischen Preise von den tatsächlichen Preisen im Kartellzeitraum subtrahiert werden. Sofern es die Datenbasis erlaubt, kann ein Vergleich der Ergebnisse beider Methoden  – Fortschreibung und Rückschreibung  – Rückschlüsse auf die methodische Sensitivität ermöglichen und so der Überprüfung der statistischen Robustheit der Ergebnisse dienen (siehe Nieberding 2006).

Anwendung der Methoden In der nachfolgenden Beschreibung der grundsätzlichen Anwendung der Methoden wird unterschieden zwischen einem Vergleich der Mittelwerte einerseits und ökonometrischen Schätzungen andererseits. Während ein klarer Vorteil der erstgenannten Methode in den geringen Datenanfor­ derungen liegt, so sind mit ökonometrischen Analysen deutlich exaktere Abschätzungen des Preisaufschlags – unter Kontrolle anderer möglicher Einflüsse auf den Preis – möglich. Vergleich der Mittelwerte Im Rahmen eines Vergleichs der Mittelwerte werden die Preise eines Produkts vor und nach dem Kartell mit dem Preis dieses Produkts im Kartellzeitraum verglichen. Dabei geht man da-

230

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

von aus, dass die Preise vor und nach dem Kartell sinnvolle Benchmarks für den Preis des Produkts in Abwesenheit des Kartells darstellen (siehe beispielsweise van Dijk und Verboven 2008). Um die Preismittelwerte korrekt zu vergleichen, ist es erforderlich, dass die Vor- bzw. Nachkartellperiode mit der Kartellperiode hinreichend gut vergleichbar ist und das Preisniveau in der kartellfreien Periode eine ökonomisch belastbare Abschätzung des Preises ohne Kartell darstellt. Diese Abschätzung erfordert umfangreiche Kennt­ nisse des betrachteten Marktes, der Produktionstechnologie und der Marktteilnehmerstruktur. Eine Vernachlässigung weiterer Einflussfaktoren auf den Preis könnte nämlich zu einer Über- oder Unterbewertung des Preisaufschlags führen  – beispielsweise aufgrund von Änderungen in Konsumentenpräferenzen, verfügbaren Substituten oder Produktionskosten des Produkts (siehe Connor 2008a, b). Maße für die Bildung eines vergleichbaren Mittelwerts umfassen den arithmetischen Mittelwert, den Medianwert und den Modalwert der Preise (siehe beispielsweise Oxera 2009): • Der arithmetische Mittelwert – auch „Durchschnitt“ genannt  – ist der Quotient aus der Summe aller beobachteten Werte und der Anzahl der Werte. • Der Medianwert ist der Wert, der bei Anordnung aller Beobachtungswerte nach ihrer Größe genau in der Mitte der Verteilung steht, diese also in die 50 % kleineren und die 50 % größeren Werte teilt. • Der Modalwert ist hingegen der Wert, der am häufigsten vorkommt. Die Signifikanz der Differenz der Preise zwischen den Perioden mit und denen ohne Kartell sollte mithilfe statistischer Methoden getestet werden. Eine einfache Methode hierfür ist der sogenannte t-Test. Vereinfacht gesagt wird dabei geprüft, ob sich der Einfluss einer Variablen auf den Preis statistisch von null unterscheidet. Weicht beispielsweise der Wert des Kartelldummys signifikant von null ab, so kann die Größe des Einflusses als kartellbedingter Preisaufschlag interpretiert werden.

Eine noch einfachere, allerdings auch fehleranfälligere Methode stellt die grafische Preisanalyse dar. Hierfür wird der Preis vor dem Kartell mit demjenigen nach Ende des Kartells durch eine Gerade interpoliert. Weicht diese signifikant von der tatsächlich beobachteten Preisentwicklung im Kartellzeitraum ab, so ist der Abstand zwischen gerader und tatsächlicher Preiskurve als Indiz für den kartellbedingten Schaden zu interpretieren. Unterliegen die Daten einem Trend, so kann dieser explizit berücksichtigt werden (siehe Connor 2008b; Davis und Garcés 2010). Ökonometrische Schätzungen Mithilfe ökonometrischer Schätzungen werden die But-for-Preise auf Basis historischer Daten quantifiziert, so wie dies in Abb. 6.5 skizziert ist. Ein Zeitreihenmodell vergleicht dabei normalerweise die Daten der Unternehmen oder Märkte, die vom Kartell betroffen sind, mit den Daten dieser Unternehmen oder Märkte im Zeitraum ohne das Kartell (siehe Oxera 2009). Der geschätzte Preis wird dann mit dem (tatsächlichen) Marktpreis verglichen. Eine solche Schätzung der But-for-Preise erfordert den Aufbau eines ökonometrischen Modells, das verschiedene den Preis beeinflussende Faktoren berücksichtigt (darunter auch die Kartellabsprache). Ein gutes ökonometrisches Modell sollte es erlauben, zwischen den Effekten der Kartellabsprache und den sonstigen Ereignissen, die Nachfrage und Angebot (und somit die Preise) darüber hinaus beeinflussen, zu unterscheiden. Der Modellbildung geht dazu zunächst eine ökonomisch sinnvolle Abgrenzung des relevanten Markts und der relevanten Zeitperiode vo­ raus. Diese Parameter können aus der Falldo­ kumentation, rechtlichen oder regulatorischen Richtlinien oder einer entsprechenden ökonomischen Analyse abgeleitet werden (siehe ABA 2010 sowie Abschn. 6.3.1.1). Zwei Ansätze stehen im Wesentlichen für die ökonometrische Schätzung des Preisaufschlags zur Verfügung: 1) Dummyvariable-Ansatz Beim Dummyvariable-Ansatz wird eine Indikatorvariable für die Kartellexistenz eingeführt

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

231

Abb. 6.5  Preisentwicklung vor, während und nach dem Kartell (Quelle: eigene Darstellung auf Basis von Oxera 2009; übersetzt durch den Autor)

und dann das folgende Regressionsmodell geschätzt (siehe McCrary und Rubinfeld 2009):

Pt = β 0 + β1 Dt + X t ′ β 2 + ε t .

(Gl. 6.8)

P t ist dabei der Preis in Periode t, D t ist die Dummy- oder Indikatorvariable, die im Kartellzeitraum gleich 1 ist und im Zeitraum ­ ohne das Kartell den Wert 0 annimmt. Xt ist der Vektor anderer, sogenannter exogener Variablen, um Änderungen von Nachfrage und Kosten (z. B. verfügbares Einkommen, Preise von Substituten, Löhne, Kapazitätsauslastung) zu kontrollieren. β0 und β1 sind einzelne Koeffizienten, die zu schätzen sind; β2 ist ein Vektor an Koeffizienten, wobei jeder Koeffizient einer exogenen Variablen zugeordnet ist. εt ist der sogenannte Störterm (oder auch Residuum). Dieser kann nicht beobachtet werden und enthält die Komponenten des Preises, die im Modell nicht explizit berücksichtigt werden. Diese Gleichung kann mithilfe der Me­ thode der kleinsten Quadrate (Ordinary Least Squares  =  OLS) geschätzt werden. In diesem Verfahren werden die Koeffizienten β0, β1 und β2 so gewählt, dass das Quadrat des Störterms möglichst klein wird. Der Referenzpreis wird in diesem Fall β0 + Xt′β2 sein. Der Koeffizient β1 neben der Dummyvariablen, die das Kartell markiert, zeigt den kartellbedingten Preiseffekt an, nachdem mögliche Effekte anderer Preistreiber – wie beispielsweise Nachfrage- und Kostenentwick-

lungen  – gesondert berücksichtigt worden sind. Somit misst dieser Koeffizient den durchschnittlichen Preisaufschlag infolge des Kartells. Dieser Schätzwert gibt den Preisaufschlag auf Währungsbasis (z. B. in Euro) wieder, wenn die Gleichung in absoluten Werten formuliert ist. Handelt es sich bei den numerischen Werten in der obigen Schätzgleichung hingegen um logarithmierte Werte, so gibt der Koeffizient neben der Kartelldummyvariablen annähernd den prozentualen Preisaufschlag auf den But-for-Preis infolge des Kartells an. Um ein ökonometrisches Modell zur Schadensbemessung sinnvoll schätzen zu können, bedarf es eines hinreichend langen Vergleichszeitraums, optimalerweise auch vor dem Kartell. Es kann erwartet werden, dass sowohl der Einfluss anderer Faktoren als auch die Preisanpassung infolge des Kartells Ergebnisse eines längeren Anpassungsprozesses sind. Im Gegensatz dazu sollte das Kartell keinen Einfluss auf die Marktsituation vor dem Kartell haben (siehe Rubinfeld und Steiner 1983). Für den Fall, dass einige der erklärenden Variablen vom Kartell beeinflusst werden, kann der kausale Effekt des Kartells nicht direkt abgeleitet werden. Der Grund dafür ist, dass Preisunterschiede dann einerseits direkt durch das Kartell bedingt sind, andererseits aber auch indirekt durch die Veränderung anderer Inputfaktoren begründet sein können (die wiederum auf die Existenz des Kartells zurückzuführen sind). So ist es beispiels-

232

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

weise denkbar, dass die Preisabsprache die Produktionskosten beeinflusst haben könnte und somit die Kartelldummyvariable allein den Preiseffekt der Kollusion unterbewertet (siehe Connor 2008b). Solche indirekten Effekte des Kartells erschweren die Schätzung der But-for-­Preise. Aus diesen Gründen ist zu testen, ob der Zusammenhang zwischen den Preisen und Kostenbzw. Nachfragefaktoren im Kartellzeitraum zu denen vor dem Kartell unterschiedlich ist. Es muss also getestet werden, ob eine signifikante Änderung des Zusammenhangs zwischen den unabhängigen und der abhängigen Variablen und zwischen dem Kartellzeitraum und dem Nichtkartellzeitraum existiert. Eine Möglichkeit, dies zu überprüfen, ist die Einführung sogenannter Interaktionsterme zwischen der Kartelldummyvariablen und den erklärenden Variablen, indem die Kartelldummyvariable mit jeweils einer erklärenden Variablen multipliziert wird und als zusätzliche erklärende Variable in das Modell eingeht. Sind die Interaktionsterme insignifikant, so bedeutet dies, dass die Koeffizienten der exogenen Variablen vor dem bzw. im Kartellzeitraum gleich sind. Die folgende Erweiterung des obigen Modells zeigt, wie sich die rechte Seite bei Berücksichtigung der Interaktionsterme verändert (siehe dazu McCrary und Rubinfeld 2009): Pt = β 0 + β1 Dt + X t ′ β 2 + X t ′ Dt β 3 + ε t . (Gl. 6.9) Der Vektor Xt′Dt beinhaltet die Interaktionsterme zwischen der Dummyvariablen für das Kartell Dt und den exogenen Variablen Xt. Bei den Schätzungen unter Verwendung der Before-and-after-Methode können außerdem die statistische Festlegung des Anfangs und des Endes des Kartells und die Modellierung s­tufenartiger Preisänderungen in der Nähe des Anfangs und des Endes des Kartells berücksichtigt werden (siehe van Dijk und Verboven 2008 sowie Abschn. 6.3.1.1). 2) Price-Prediction-Ansatz Im Rahmen dieses Verfahrens werden die Preise im Kartellzeitraum auf Basis der Preise vor (im Englischen: „forecast“) oder nach dem

Kartell (im Englischen: „backcast“) geschätzt (siehe beispielsweise Rubinfeld und Steiner 1983; Brander und Ross 2006; McCrary und Rubinfeld 2009). Zunächst wird hierzu der Preis in einem Regressionsmodell (ähnlich wie in Gl. 6.7, allerdings unter Verzicht der Kartelldummyvariablen) auf Basis der Daten für die Referenzperiode ohne das Kartell geschätzt:

Pt = β 0 + X t ′ β1 + ε t .

(Gl. 6.10)

Im zweiten Schritt werden dann die so geschätzten Preiseinflüsse verwendet, um die But-­ for-­Preise im Kartellzeitraum unter Berücksichtigung der exogenen Variablen zu ermitteln. Diese geschätzten Preiseinflüsse sind durch die geschätzten Koeffizienten vorgegeben, wobei unterstellt wird, dass diese hinsichtlich ihrer Größe und Signifikanz der Referenzperiode entsprechen:

Pˆt K = βˆ0 + X tK ′ βˆ1

(Gl. 6.11)

wobei X tK die Ausprägungen der exogenen Variablen im Kartellzeitraum sind und βˆ0 sowie βˆ1 die geschätzten Koeffizienten auf Basis der Daten vor oder nach dem Kartell darstellen. Der Preisaufschlag wird als Differenz zwischen dem tatsächlichen und dem But-for-Preis Pˆt berechnet. Beide Methoden – Forecasting und Backcasting  – unterliegen gewissen Annahmen, welche die Bestimmung des But-for-Preises unter Berücksichtigung weiterer Restriktionen ermöglichen. So ist es beispielsweise möglich, Preisänderungen unter Berücksichtigung eines sich ändernden Einflussfaktors  – wie etwa der Kostenstruktur  – vorauszusagen. Da in der Kartellwie in der Vergleichsperiode konstante Einflüsse der exogenen Variablen unterstellt werden, kann mithilfe weiterführender ökonometrischer Tests die Prognosequalität evaluiert werden (siehe hierzu beispielsweise ABA 2010). Vor- und Nachteile der Methode Die Before-and-after-Methode auf Basis eines einfachen Vergleichs der Preise ist leicht verständlich, und ihre Ergebnisse sind leicht interpretierbar. Sie hat in der deutschen Rechtspraxis

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

gerade deswegen schon häufiger Anwendung gefunden. Zudem stehen entsprechende Preisdaten üblicherweise in umfassender Form zur Verfügung. Bei Verfügbarkeit der entsprechenden Daten und deren adäquater Aufbereitung ist eine Schätzung des Preisaufschlags unter Verwendung dieser Methoden ökonometrisch nicht besonders anspruchsvoll und auch tendenziell weniger zeitund datenintensiv als andere Methoden wie z. B. die Difference-in-Differences-Methode. Hinzu kommt, dass im Gegensatz zu Simulationsmodellen keine Annahmen über das Indus­ trieverhalten in Abwesenheit des Kartells getroffen werden müssen. Zum Beispiel ist es für die Methodik unerheblich, ob das Verhalten der Unternehmen wettbewerblich oder kollusiv ist (siehe Connor 2008b). In ihrer einfachsten Form benötigt die Price-Prediction-Methode sogar nur Daten für den Zeitraum vor oder nach dem Kartell. Daher ist die Methode unempfindlich gegenüber der Kritik, dass das Kartell auch andere Parameter wie beispielsweise Kosten beeinflussen könne (siehe Connor 2008b; Friederiszick und Röller 2010). Die Before-and-after-Methode unterstellt aber implizit, dass die Preise der Referenzperiode eine gute Approximation der langfristigen Gleichgewichtspreise sind. Daher müssen zunächst die Markt- und Industriebedingungen vor und nach dem Kartell untersucht werden, um beispielsweise Informationen über Markteintritte und -austritte, Überschüsse bzw. Engpässe oder andere gleichgewichtsrelevante Faktoren zu erhalten (siehe ABA 2010). Eine wesentliche Herausforderung der Before-­ and-­ a fter-Methode liegt damit in der Wahl der Vergleichsperiode (Vorkartellzeitraum bzw. Nachkartellzeitraum), die zur Schätzung der But-­ for-­Preise herangezogen werden. Wird als Vergleichsperiode nur der Zeitraum nach dem Kartell verwendet, könnten die Preisaufschläge unter Umständen aufgrund eines fortgeführten strategischen Verhaltens der Unternehmen nach dem Kartell unterschätzt werden (siehe Harrington 2004). Die Kartellmitglieder könnten nach dem Kartell auch bewusst höhere Preise setzen, um in anschließenden Zivilklagen die Schadenshöhe zu reduzieren. Außerdem könnten die Unternehmen

233

in den Zeiten der Kartellabsprache gelernt haben, auch ohne direkte Kommunikation miteinander zu kooperieren (siehe unter anderem Brander und Ross 2006; Connor 2008b). Es ist daher davon auszugehen, dass die Schadenshöhen bei Verwendung von Preisdaten aus einem Vergleichszeitraum nach dem Kartell unterbewertet werden. Grundsätzlich scheint allerdings auch der umgekehrte Fall möglich, nämlich, dass die Kartellanten nach der Aufdeckung des Kartells kurzbis mittelfristig bewusst niedrige Preise setzen. Dies könnte zum Beispiel (beabsichtigt) geschehen im Zuge einer Besänftigung von verärgerten Kunden (siehe Connor 2008b) bzw. einer Bestrafung eines abgewichenen Kartellmitglieds oder aber (unbeabsichtigt) durch das Ausbrechen eines Preiskriegs zwischen den ehemaligen Kartellanten nach Auflösung des Kartells. Wenn man ein solches (ungewöhnlich niedriges) Preisniveau dann als Benchmark für den Wettbewerbspreis heranziehen würde, so wäre eine Überbewertung des kartellbedingten Preisaufschlags die Folge (siehe de Coninck 2010). Ähnliche Argumente können allerdings auch gegen die Verwendung von Daten aus dem Zeitraum vor dem Kartell angeführt werden. Häufig entsteht ein Kartell beispielsweise nach einer Rezessionsperiode in einer Industrie (siehe Connor 2008b), oder aber vor der Kartellbildung lag eine Periode ruinöser Preisunterbietungen (siehe Brander und Ross 2006). In solchen Situationen sind dann voraussichtlich niedrigere Marktpreise zu beobachten, als dies in einem normalen Wettbewerbsgleichgewicht der Fall wäre  – und eine entsprechende Nutzung im Rahmen der Schadensermittlung würde voraussichtlich zu unverhältnismäßig niedrigen But-for-Preisen und somit einer Überbewertung des kartellbedingten Schadens führen. Als Konsequenz aus diesen Überlegungen kann es somit keine generelle Regel bzw. Empfehlung im Hinblick auf die Auswahl des Zeitraums für die Ableitung des kontrafaktischen Szenarios geben. Im Zivilprozess wird das Gericht dasjenige Modell akzeptieren, welches es als das geeignetste betrachtet. Das Gericht wird dabei gegebenenfalls die entsprechenden Parteivorträge würdigen und/oder nach den Regeln des

234

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Beweisrechts einen ökonomischen Sachverständigen hinzuziehen. Die Methodenwahl erfordert nämlich unter Umständen nicht nur detaillierte Kenntnisse ökonometrischer Methoden, sondern auch ein gutes Verständnis der Industrie und eine enge Kooperation mit Industrieexperten (siehe de Coninck 2010). Beim Dummyvariable-Ansatz wird weiterhin unterstellt, dass im Kartellzeitraum derselbe Zusammenhang zwischen dem Preis und den erklärenden Variablen existiert wie in der Vergleichsperiode. Hat sich hingegen der Einfluss der Kosten- und Nachfragefaktoren zwischen diesen beiden Perioden verändert, so könnte der Dummyvariable-Ansatz den Preisaufschlag nicht korrekt schätzen. Entsprechendes gilt für den Price-Prediction-Ansatz, der denselben Zusammenhang zwischen den erklärenden Variablen (Nachfrage- und Angebotsbedingungen) und dem Preis in der Kartellperiode wie in der Referenzperiode unterstellt (Rubinfeld und Steiner 1983; Nieberding 2006; McCrary und Rubinfeld 2009). Wenn sich dieser Zusammenhang zwischen den zwei Perioden jedoch ändert, kann das Pro­ gnosemodell die Preise nicht zuverlässig voraussagen. So kann im Kartellzeitraum beispielsweise eine Änderung des Zusammenhangs zwischen den erklärenden Variablen und dem Preis stattfinden, die nichts mit der Kartellabsprache zu tun hat (beispielsweise durch Markteinoder -austritte). Das Prognosemodell berück­ sichtigt diese Änderung nicht. Unter solchen Bedingungen können die Schätzwerte des Modells auf Basis der Daten vor dem Kartell den Preis im Kartellzeitraum nicht korrekt voraussagen und im Ergebnis zu einer hohen Prognosevarianz führen. Folglich ist es schwierig, den Anteil des beobachteten Preisdifferenzials adäquat auf das Kartell oder den statistischen Fehler zurückzuführen (siehe ABA 2010). Der Einfluss der Dummyvariablen stellt den durchschnittlichen Preisanstieg über den ­gesamten Kartellzeitraum dar, unabhängig von Änderungen der Marktbedingungen während der Kartellperiode. Es können jedoch andere Faktoren wie nachfrage- oder kostenbedingende Faktoren existieren, die den Effekt des Kartells auf

die Preise beeinflussen und daher eine umfassendere Spezifikation notwendig machen. Soweit dies möglich ist, sollten daher die Ergebnisse von Reduced-­Form-Modellen mit denen von Strukturgleichungsmodellen oder zumindest mit den Ergebnissen alternativer Reduced-Form-­Spe­ zifikationen verglichen werden, um die Robustheit der Ergebnisse zu überprüfen (siehe Davis und Garcés 2010). Neben den direkt modellrelevanten Variablen, die zur Klärung des Untersuchungsgegenstands beitragen, müssen in ein ökonometrisches Modell noch weitere Faktoren eingehen, welche die Natur oder die Umgebung des Sachverhalts erklären. Solche Variablen nennt man Kontrollvariablen, da sie derartige Faktoren kontrollieren. Da Variablen oftmals (schwach) korreliert sind, könnte es im Interesse der Beklagten sein, möglichst viele positiv mit dem Preisaufschlag korrelierte Variablen (z. B. Nachfrage- und Kostentreiber) einzufügen, um auf diese Weise die Größe und Signifikanz des Kartelleinflusses zu reduzieren. Sofern die Einführung von Kontrollvariablen adäquat ökonomisch begründet werden kann, sollten diese auch im Modell Berücksichtigung finden. Im Umkehrschluss sollten Kontrollvariablen aus einem Modell allerdings herausgenommen werden, sofern sie nicht adäquat ökonomisch oder statistisch begründet werden können. Ist das ursprüngliche Modell statistisch korrekt spezifiziert, so sollten die Ergebnisse unter Berücksichtigung dieser Diskussion robust gegenüber kleineren Änderungen der Regressionsspezifikation bleiben (siehe Davis und Garcés 2010). Da die Ergebnisse ökonometrischer Modelle interpretiert und Modelle üblicherweise als eine Vereinfachung der Realität unter Berücksichtigung bestimmter Annahmen angesehen werden müssen, bietet eine ökonometrische Analyse Raum für Meinungsverschiedenheiten. Es ist daher nicht verwunderlich, dass Parteien in Gerichtsverfahren unterschiedliche ökonometrische Modelle einbringen, die häufig zu widersprüchlichen Ergebnissen führen (siehe van der Veer und Lofaro 2010). Aus diesem Grund ist für Richter  – und gegebenenfalls von ihnen beauftragte ökonometrische Sachverständige  – eine

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

umfassende Transparenz hinsichtlich der Daten, deren Aufbereitung sowie der Modellspezifikationen zwingend erforderlich, um die Argumente für unterschiedliche Modelle gegeneinander abwägen zu können. Yardstickmethode Im Gegensatz zur Before-and-after-Methode stellen Konzepte des sachlichen und räumlichen Vergleichsmarkts (Yardstickmethoden) kartellierte Märkte ähnlichen Produktmärkten im gleichen geografischen Raum oder gleiche Produktmärkte in einem anderen geografischen Raum gegenüber, die von einem Kartell zur gleichen Zeit nicht betroffen waren (siehe z.  B.  CEPS 2007; Oxera 2009). Dabei sollte ein Markt identifiziert werden, der mit dem Kartellmarkt hinsichtlich Kostenstrukturen und Nachfragecharakteristika vergleichbar ist, auf dem in dem betrachteten Zeitraum allerdings hinreichend Wett­ bewerb herrschte. Beim Vergleich von Produktmärkten werden Vergleichsgüter betrachtet, die nicht Teil der Kartellabsprache sind und nicht durch diese beeinflusst werden. Dennoch sollten Vergleichsprodukte dem Kartellprodukt hinsichtlich Nachfrage sowie Kosten- und Marktstruktur ähnlich sein. Generell sollte die Beobachtung der Vergleichsgüter auf demselben geografischen Markt oder in demselben Land stattfinden, damit die Haupteinflüsse auf kartellierte und Vergleichsprodukte sowie auf institutionelle Faktoren ähnlich sind (siehe Davis und Garcés 2010). Alternativ kann für einen solchen Vergleich auch eine Kombination aus Produktmarkt und geografischem Markt herangezogen werden, um auf diese Weise eine Querschnittsbetrachtung zu ermöglichen. Anwendung der Methode In der nachfolgenden Beschreibung der grundsätzlichen Anwendung der Methoden wird wiederum unterschieden zwischen einem Vergleich der Mittelwerte einerseits und ökonometrischen Schätzungen andererseits. Vergleich der Mittelwerte Bei dieser einfachsten Form werden die durchschnittlichen Preise des Kartellmarkts mit denen

235

auf Nichtkartellmärkten verglichen. Eine zen­ trale Voraussetzung für diese Vergleichsmethode ist, dass die Märkte hinsichtlich der Nachfrageund der Kostenstruktur möglichst ähnlich sind. Die Signifikanz der identifizierten Preisdifferenz zwischen den Märkten mit und denen ohne Kartellpräsenz sollte wiederum statistisch getestet werden, beispielsweise mithilfe eines t-Tests. Je stärker sich der Vergleichsmarkt vom Kartellmarkt unterscheidet, desto schwieriger ist es, den Kartelleffekt zu isolieren. Typischerweise wird diese Methode daher in solchen Fällen angewendet, in denen der Produktmarkt derselbe ist, sich die geografischen Märkte aber regional unterscheiden. Dies bedeutet, dass lokale Faktoren die Preise mitbestimmen und es folglich denkbar ist, dass einige, aber nicht alle lokalen Gebiete von den Kartellaktivitäten betroffen sind (siehe Ashurst 2004). Daher kann diese einfache vergleichende Methode insbesondere für globale Kartelle nur sehr eingeschränkt zum Einsatz kommen (siehe Connor 2008b). Die Wahl eines geeigneten Referenzmarkts erfordert eine präzise Kenntnis des betreffenden Markts und wird am besten durch die Untersuchung von Preisbewegungen auf dem Kartellmarkt und dem Referenzmarkt vor und nach dem Kartell begründet. Sind beispielsweise monatliche Preise im Verlauf von zwei oder drei Jahren miteinander korreliert, so besteht ein vergleichsweise langer Analysezeitraum. Es kann daher davon ausgegangen werden, dass der Referenzmarkt für die Analyse verwendet werden kann. Ökonometrische Schätzungen Um den Preisaufschlag unter Berücksichtigung mehrerer Einflussfaktoren zu messen, kann beispielsweise das folgende allgemeine Regressionsmodell geschätzt werden:

Pm = β 0 + β1 Dm + X m ′ β 2 + ε m  (Gl. 6.12)

wobei Pm der Preis auf dem Markt m ist, Dm die Dummyvariable, die auf einem Kartellmarkt den Wert 1 und auf den Referenzmärkten den Wert 0 annimmt, und Xm die exogene Variable (z. B. das Pro-Kopf-Einkommen oder die Löhne) beinhaltet. β0, β1 und β2 sind, wie oben, die zu

236

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

schätzenden Koeffizienten bzw. Koeffizientenvektoren. Der Referenzpreis ist in diesem Fall β0 + Xm'β2. Der Koeffizient β1 in obigem Modell zeigt, wie sehr sich der durchschnittliche Preis auf dem Kartellmarkt vom durchschnittlichen Preis auf den Vergleichsmärkten unterscheidet, und kann damit als kartellbedingter Preisaufschlag interpretiert werden.

Yardstickmethode dar. Die Methode beurteilt die Preisentwicklungen zu unterschiedlichen Zeitpunkten über einen Querschnitt von Märkten. Auf diese Weise vereint sie insofern die Vorzüge der beiden anderen Methoden, als die Effekte des Kartells aus zeitlicher und aus geografischer bzw. Produktmarktperspektive identifiziert werden (siehe Verboven 2007). Anwendung der Methode Ähnlich den beiden vorangegangenen Methoden kann man den einfachen Vergleich der Preismittelwerte auf den Märkten mit und auf denen ohne Kartellpräsenz vornehmen, oder es kann eine Schätzung des Preisaufschlags auf Basis einer Regressionsanalyse erfolgen.

Vor- und Nachteile der Methode Die Yardstickmethode kann als komplementär zur vorher erläuterten Before-and-after-Methode betrachtet werden. Deswegen sind die Stärken und Schwächen beider Methoden recht ähnlich. Für den einfachen Vergleich der durchschnittlichen Preise zwischen Regionen ist es häufig schwierig, einen alternativen Markt zu finden, der einen guten Referenzmarkt hinsichtlich des untersuchten Markts darstellt (also einen Markt mit sehr ähnlicher Nachfrage- und Kostenstruktur, aber ohne Kartellabsprache). Auf dem Referenzmarkt sollten idealerweise ähnliche Wettbewerbsbedingungen herrschen, die somit einen aussagekräftigen Preisvergleich ermöglichen. Dennoch ist grundsätzlich kritisch zu hinterfragen, ob und in welchem Ausmaß Unternehmen, die auf unterschiedlichen Märkten aktiv sind, wirklich vergleichbar sind. Die größte Herausforderung bei der multivariaten Schätzung besteht allerdings darin, Unterschiede zwischen den Regionen oder Produktmärkten verlässlich zu berücksichtigen. Au­ßer­dem ist es erforderlich – für den Fall, dass Nachbarregionen als Benchmarks in der ökonometrischen Analyse benutzt werden – indirekte Effekte des Kartells wie beispielsweise den „umbrella effect“ auszuschließen. Hierunter wird das Phänomen verstanden, dass auch Unternehmen außerhalb des Kartells von diesem profitieren können, indem sie ihre Preis- und Absatzentscheidungen an das Kartell anpassen. Auf diese Weise können auch die Kunden von Nichtkartellanten geschädigt werden.

Vergleich der Mittelwerte Die Anwendung eines einfachen Vergleichs der Preismittelwerte im Rahmen der Difference-­in-­ Differences-Methode kann mithilfe von Tab. 6.4 veranschaulicht werden. Die Difference-in-Differences-Methode nutzt hier den Mittelwert des Preises auf einem Kartellmarkt A in der Vorkartellperiode und die entsprechenden Mittelwerte des Preises auf dem Kartellmarkt in der Kartellperiode B, dem vergleichbaren (aber nicht kartellierten) Markt in der Vorkartellperiode C und dem vergleichbaren Markt in der Kartellperiode D.  Die Differenz (B − A) zeigt die Änderung des Preises im Kartellmarkt vor und nach dem Kartell, während die Differenz (D − C) die Änderung des Preises auf dem vergleichbaren Markt zeigt. Im Regelfall ist nicht die ganze Differenz (B − A) auf die Existenz des Kartells zurückzuführen, da sich die Preise beispielsweise auch aufgrund von Änderungen der Kosten oder der Nachfrage in der Kartellperiode verändern können. Es wird angenommen, dass die Differenz der Differenz auf dem vergleichbaren Markt gleich ist (D − C). Die Differenz der Differenzen der durchschnittlichen Preise ist somit (B − A) − (D − C) und zeigt die Änderung der Preise infolge des Kartells an.

Difference-in-Differences-Methode Die Difference-in-Differences-Methode stellt eine Kombination aus Before-and-after- und

Ökonometrische Schätzung Für die multivariate Schätzung des Preisaufschlags auf Basis der Difference-in-Differences-­

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Methode kann das folgende allgemeine Regressionsmodell unterstellt werden:



Pmt = β 0 + β1 Dm + β 2 K t ′ + β 3 Dm ∗ K t + X mt β 4 + ε mt 

(Gl. 6.13)

wobei Pmt der Preis auf dem Markt m in der Periode t ist, Dm die Dummyvariable, die den Wert 1 annimmt, wenn es sich um den kartellierten Markt handelt, und Kt die Dummyvariable, die in der Kartellperiode t den Wert 1 annimmt. Xmt sind die Kontrollvariablen, die Zeit- und Markteffekte beinhalten. β0, β1, β2, β3 und β4 sind die zu schätzenden Koeffizienten bzw. Koeffizientenvektoren. Um das Regressionsmodell zu schätzen, werden entweder Paneldatenmethoden  – insbesondere Fixed-Effects- oder Random-Effects-­ Mo­ delle  – oder gepoolte Regressionsmethoden verwendet. Der Difference-in-Differences-Schät­ zer des kartellbedingten Preisaufschlags ist analog Tab. 6.4 die Differenz des durchschnittlichen Preises für die Unternehmen vor und während des Kartells minus der Differenz des durchschnittlichen Preises für die Unternehmen auf den Vergleichsmärkten in denselben Zeitperioden (d.  h. in der Vor- und der Kartellperiode). Der kartellbedingte Preisaufschlag ist somit einfach am Koeffizienten des Interaktionsterms β3 abzulesen.

237

raum betroffen sein. Solche Märkte unterliegen allerdings häufig ähnlichen Herausforderungen wie der Kartellmarkt selbst, weswegen die Suche nach einem adäquaten Vergleichsmarkt häufig an praktische Grenzen stößt. Cost-plus-margin-Methode Bei der Cost-plus-margin-Methode – oder allgemeiner der kostenbasierten Methode  – werden die tatsächlichen Produktionskosten des kartellierten Produkts analysiert und ein angemessener Gewinnaufschlag addiert (siehe beispielsweise van Dijk und Verboven 2008; Davis und Garcés 2010). Der hypothetische Preis wird dann wie folgt berechnet: PreistBut − for  = Stuckkosten t + Gewinnaufschlagt .(Gl. 6.14)

Das hypothetische Preisniveau wird also auf Basis der Kostenstruktur des schädigenden Unternehmens berechnet. Hierbei stellen die sogenannten inkrementellen Kosten ein geeignetes Maß für die Zusatzkosten dar, da der Marktpreis bei vollkommenem Wettbewerb gleich den Grenzkosten sein sollte (siehe ABA 2005). Es können dann verschiedene Kostenmaße berechnet werden, wie beispielsweise kurzfristige Zusatzkosten, langfristige Zusatzkosten oder auch durchschnittliche Produktionsstückkosten (siehe van Dijk und Verboven 2008). Die Angemessenheit des jeweiligen AnsatVor- und Nachteile der Methode Grundsätzlich treffen wiederum viele der im zes hängt unter anderem vom Zeithorizont der verZuge der anderen Methoden diskutierten Vor- fügbaren Daten sowie vom Betrachtungshorizont und Nachteile auch auf die Difference-in-­ der Produktion ab. So berücksichtigen beispielsDifferences-­ Methode zu. Eine besondere He­ weise die kurzfristigen Zusatzkosten keine langrausforderung in der Anwendung dieser Methode fristigen Änderungen von Fixkosten, Gemeinkosmuss jedoch darin gesehen werden, einen ver- ten oder Investitionen in Kostensenkungen. gleichbaren Markt mit ähnlicher Nachfrage-, Kosten- und Marktstruktur zu finden. Dieser Re- Anwendung der Methode ferenzmarkt darf nicht vom Kartell oder anderen Für die Anwendung der Methode werden die Wettbewerbsverletzungen im Betrachtungszeit- durchschnittlichen Produktionsstückkosten von

Tab. 6.4  Grundlegender Ansatz der Difference-in-Differences-Methode. (Quelle: eigene Darstellung auf Basis von Oxera 2009; übersetzt durch den Autor) Kartellmarkt Vergleichbarer Markt

Vorkartellperiode A C

Kartellperiode B D

Schätzwert der Schadenshöhe (B − A) − (D − C)

238

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

den Kartellmitgliedern benötigt. Die durchschnittlichen Kosten werden auf Basis von Informationen aus der Buchhaltung bzw. internen Managementberichten auf Basis der Hauptproduktionskosten berechnet. Der Unterschied zwischen den buchhalterischen und ökonomischen Kostendaten kann dabei allerdings beträchtlich sein. Die durchschnittlichen Stückkosten werden als Division der Gesamtkosten der Produktion durch die hergestellte Gesamtmenge berechnet (siehe z.  B.  CEPS 2007). Diesem Kostenmaß wird ein Gewinnaufschlag (oder eine Gewinnmarge) hinzugefügt, um einen But-for-Preis zu ermitteln. Die angemessene Gewinnmarge sollte nicht nur die Produktionsgrenzkosten beinhalten, sondern auch andere Faktoren, die dazu führen, dass der natürliche Wettbewerbspreis höher ist als die Grenzkosten der Produktion. Insbesondere sollte sie – je nach Relevanz in der entsprechenden Untersuchung  – die Opportunitätskosten, die Risikoprämie und die oligopolistische Gewinnmarge beinhalten, da es ansonsten zu einer Überbewertung des Schadens kommen kann (siehe Boyer und Kotchoni 2011).

der Gemeinkosten  – wenn sich die Schadensermittlung nur auf ein Produkt des Unternehmens bezieht (siehe Oxera 2009 sowie ABA 2005, 2010). Weiterhin ist es einerseits oftmals problematisch, Grenzkosten als Referenzpreise zu ermitteln (siehe Brander und Ross 2006). Zwar existieren in der Praxis verschiedene Approximierungsmethoden  – wie insbesondere die Verwendung der (leichter ermittelbaren) durchschnittlichen variablen Kosten  – allerdings erwiesen sich auch solche Versuche oftmals als wenig realitätsnah (siehe ABA 2005). Andererseits ist in diesem Zusammenhang die noch grundsätzlichere Frage zu stellen, wie zielführend die Heranziehung der Grenzkosten als Wettbewerbspreis überhaupt ist (siehe van Dijk und Verboven 2008). So findet man beispielsweise in empirischen Untersuchungen in zahlreichen Industrien in der Regel keinen solchen direkten Zusammenhang zwischen Preisen und Kosten, sondern ein Preisniveau deutlich über den jeweiligen Grenzkosten. Konsequenterweise sollte sich daher auch die Ableitung des But-for-Preises nicht von der Annahme des perfekten Wettbewerbs in Abwesenheit des Kartells leiten lassen, sondern Vor- und Nachteile der Methode vielmehr von einer empirisch ungleich belastbaDie Cost-plus-margin-Methode wird häufig in reren Form des oligopolistischen (Preis- oder ähnlicher Weise wie die Before-and-after- und Mengen-)Wettbewerbs (siehe dazu auch Ashurst die Yardstickmethode implementiert. Deswegen 2004; CEPS 2007). sind viele der Fragen, die dort bereits diskutiert Ein weiterer Nachteil der Methode liegt in der wurden, auch für diese Methode relevant (siehe ihr zugrunde liegenden Annahme, dass die KosABA 2010). Grundsätzlich scheint die Cost-plus-­ ten- und die Preis-Kosten-Margen trotz des Karmargin-Methode relativ leicht anwendbar. Die tells konstant bleiben und vom Kartell demnach erforderlichen Hauptinformationen zur Berech- nicht beeinflusst werden (siehe Ashurst 2004; nung des But-for-Preises sind entsprechende In- ABA 2010). In der Praxis können sich die Kosten formationen aus der Buchhaltung für die Berech- eines Kartellanten aber durchaus  – beispielsnung der Kosten sowie Annahmen über den weise aufgrund von produktiven Ineffizienzen – angemessenen Gewinnaufschlag unter Wettbe- auf einem überhöhten Niveau befinden. werbsbedingungen (siehe dazu van Dijk und VerDarüber hinaus besteht die Gefahr, dass unboven 2008). genaue Schätzungen der unter WettbewerbsbeIn der Praxis gestaltet sich die Wahl eines ad- dingungen vermuteten Gewinnmarge in die Anaäquaten Kostenmaßes allerdings häufig schwie- lyse einfließen (siehe Ashurst 2004). Idealerweise rig. Buchhaltungsdaten sind dafür üblicherweise soll diese Marge die Kapitalkosten, die „weighted nicht unmittelbar geeignet, weil sie in der Regel average cost of capital“, widerspiegeln (siehe nicht die ökonomischen Kosten widerspiegeln. Stangle 2009). Diese Kapitalkosten entsprechen Andere praktische Herausforderungen betreffen derjenigen Rendite, die gerade ausreicht, um Indie Kostenallokation – insbesondere hinsichtlich vestitionen in das betreffende Unternehmen at-

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

traktiver zu machen als eine alternative Anlage der finanziellen Mittel am Kapitalmarkt (siehe dazu Oxera 2003). Eine Reihe von Buchhaltungs- sowie ökonomischen Konzepten erlaubt ferner den Vergleich der tatsächlichen Gewinne der am Kartell beteiligten Unternehmen mit denen anderer Unternehmen oder Sektoren (siehe Ashurst 2004). Die Nutzung von Kapitalkosten als Benchmark für Gewinne unter Wettbewerbsbedingungen kann allerdings problematisch sein, da es viele Gründe dafür geben kann, dass die Gewinne in einer Industrie unter Wettbewerbsbedingungen höher als die Kapitalkosten sein können  – beispielsweise eine höhere Effizienz, bestimmte Geschäftszy­ klen oder Kapazitätsbeschränkungen in einem wachsenden Markt. Eine Schätzung der durchschnittlichen Gewinnmarge erfordert ferner auch tiefergehende Kenntnisse der Industrie in Abwesenheit von Kartellabsprachen. Ändern sich die Marktbedingungen während der Kartellperiode, so ist zu überlegen, inwiefern eine durchschnittliche Gewinnmarge über den gesamten Kartellzeitraum aufgeschlagen werden soll oder die Veränderung der Marktbedingungen im Modell berücksichtigt werden kann (siehe Veljanovski 2007).

239

Zinsfußes („internal rate of return“  =  IRR), des Nettobarwerts („net present value“ = NPV), der Umsatzrendite („return on sales“ = ROS) oder des Ertrags des eingesetzten Kapitals („return on capital employed“  =  ROCE). Im Rahmen des NPV erfolgt eine Diskontierung der Rückflüsse eines Projekts zum betrachteten Anfangszeitpunkt. Die IRR-Technik ermittelt den durchschnittlichen Diskontsatz, der die Rückflüsse so verzinst, dass der NPV genau den getätigten Investitionen entspricht. Um sicherzustellen, dass die NPV- bzw. die IRR-Methode korrekte Schätzwerte des Ertrags liefert, sollten sie auf umfangreichen Cashflowdaten basieren und auch eine Schätzung der Unternehmensaktiva umfassen. Dies kann in der Praxis zu Schwierigkeiten führen, da die internationalen Rechnungslegungsgrundsätze nicht für alle Gesellschaftsformen Cashflowinformationen fordern und darüber hinaus die ökonomische Bemessung des Werts der Aktiva von den Bilanzangaben abweichen kann. Der ROCE ist der Gewinn in einem bestimmten Abrechnungszeitraum in Relation zu den Finanzmitteln, die in diesem Abrechnungszeitraum verwendet werden. Der ROS misst den Gewinn im Betrachtungszeitraum in Relation zu den Umsätzen; die Bruttomarge vergleicht den Gewinn Gewinnbasierte Methode mit den Umsätzen abzüglich der aufgewendeten Die Profitabilitätsanalyse vergleicht die Gewinne Herstellungskosten. Konzeptionell weichen diese im Kartellzeitraum mit denen in einem kontra- Maße von ökonomischen Gewinnmaßen ab und faktischen Szenario ohne Kartellpräsenz (siehe sollten daher vor allem für ZeitpunktbetrachtunOxera 2009). Um den Schätzwert des Preisauf- gen von Informationen aus dem Rechnungsweschlags pro Einheit zu ermitteln, werden die But-­ sen herangezogen werden. for-­Gewinne durch das Produktionsvolumen im Schritt 2: Identifizierung und Schätzung des Kartellzeitraum geteilt. kontrafaktischen Szenarios  – die Gewinne, die ohne das Kartell erwartet worden wären, werden Anwendung der Methode geschätzt. Für die Berechnung der Schadenshöhe auf Basis Für eine Schätzung des Gewinns in Abweseneiner Profitabilitätsanalyse müssen die folgenden heit des Kartells müssen die folgenden Aspekte drei Schritte durchlaufen werden (siehe dazu berücksichtigt werden: Oxera 2009): Schritt 1: Schätzung des faktischen Szena- • die Wahl eines geeigneten Profitabilitätsmarios  – die tatsächlichen Gewinne werden über ßes, den relevanten Zeitraum berechnet. • die Wahl eines Niveaus, auf dem die Gewinne Um die Profitabilität einer Transaktion zu begeschätzt werden sollen, werten, können verschiedene Maße benutzt wer- • die Wahl der Zeitperiode für die Schätzung den, wie beispielsweise die Methode des internen der Gewinne.

240

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Die Wahl eines geeigneten Maßes für die nichtkartellierte Gewinnschätzung orientiert sich an dem Vorgehen der Bemessung des tatsächlichen Gewinns. Verwendet man beispielsweise die Kapitalkostenmethode, so wird unterstellt, dass der Käufer genau seine Kapitalkosten verdienen würde – also die Minimumeinkünfte aus seinem Kapitalvermögen. Alternativ können Vergleiche unter Berücksichtigung der Gewinne vergleichbarer Unternehmen der Industrie des Geschädigten, der gleichen Industrie auf einem anderen geografischen Markt oder aber – soweit möglich – anderer Industrien mit ähnlichen Risiko- und Marktcharakteristika vorgenommen werden. Unter Inkaufnahme großer Einschränkungen hinsichtlich der Veränderung des Verhaltens und der strategischen, organisatorischen, technischen und personellen Ausrichtung des Geschädigten kann auch dessen Gewinn über die Zeit – also vor, während und nach dem Kartell – verglichen werden. Schritt 3: Vergleich der Gewinne – die Differenz ergibt den Schätzwert des Schadens. Im dritten Schritt erfolgt schließlich ein Vergleich der Gewinne auf Basis der ermittelten Werte für das faktische und das kontrafaktische Szenario. Vor- und Nachteile der Methode Bei der Anwendung finanzkennzahlenbasierter Methoden sind wiederum vergleichbare Herausforderungen zu beachten, wie sie schon bei den vorangegangenen Methoden diskutiert wurden. Dies betrifft beispielsweise die Bestimmung der Vergleichszeiträume und -märkte oder die Wahl eines geeigneten Vergleichsmaßes. Darüber hi­ naus ergeben sich bei der Bestimmung des ­tatsächlichen Szenarios aufgrund der zeitlich bedingten Abgrenzung des verfügbaren Informationsmaterials allerdings weitere Schwierigkeiten, da es sich häufig um Mehrproduktunternehmen im dynamischen Wettbewerb handelt und Kennzahlen nur jahres- bzw. quartalsbezogen zur Verfügung stehen (siehe Oxera 2009).

6.3.1.3 Ermittlung des Gesamtschadens Die im Folgenden zu beschreibende Ermittlung des Gesamtschadens untergliedert sich in vier

Unterabschnitte: Wahl der Methoden, Wahl eines einzelnen Schadensersatzwerts, Berechnung des Gesamtschadens sowie Wahl eines Zinssatzes und Verzinsung. Wahl der Methoden In den vorangegangenen Abschnitten wurde eine ganze Reihe von Methoden zur Ermittlung der Kartelldauer, insbesondere aber des kartellbedingten Preisaufschlags erläutert. Diese unterschieden sich nicht nur im Hinblick auf die Komplexität in ihrer Anwendung sowie ihre Datenanforderungen, sondern sie weisen auch spezifische Vor- und Nachteile auf. Daher schließt sich – vor dem Hintergrund einer konkreten Anwendung dieser Methoden in Kartellschadensschätzungen – unmittelbar die Frage an, welche Methode in einem bestimmten Fall anzuwenden ist. Die Antwort auf diese Frage hängt immer von den Spezifika des jeweiligen Einzelfalls ab, insbesondere von der Verfügbarkeit und Qualität der Daten und von den Charakteristika des Markts bzw. der Industrie (siehe beispielsweise Oxera 2009; ABA 2010). So müssen im Rahmen der Modellauswahl aus ökonometrischer Sicht insbesondere die folgenden Fragen beantwortet werden: • Umfassen die verfügbaren Zeitreihen einen hinreichend langen Zeitraum, um Before-­and-­ after-Modelle schätzen zu können? • Wie kann ein guter Vergleichszeitraum ermittelt werden? • Erlaubt die Datenlage sowohl eine zeitgleiche als auch eine Zeitreihenanalyse? Darüber hinaus hängt die Wahl einer Methode von den in der jeweiligen Jurisdiktion geltenden Rechtsvorschriften ab. Eine gute Datenlage – und ein hinreichendes Zeitbudget für die Analyse – erlaubt womöglich die Anwendbarkeit mehrerer Methoden. Die Methoden unterscheiden sich allerdings hinsichtlich ihrer Anforderungen und der Menge an benötigten Daten. Je höher die Qualität der Daten ist, umso zuverlässiger sind die Schätzwerte aus der gleichzeitigen Anwendung verschiedener Metho-

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

den und Modelle. Dennoch ist die einfache Menge an Daten kein Substitut für Datenqualität. So werden auch komplexere Methoden ein womöglich bestehendes Datenqualitätsproblem nicht nennenswert reduzieren oder gar lösen können (siehe Oxera 2009). Tendenziell lässt sich also sagen, dass die Wahl des Modells von der Verfügbarkeit der Daten bestimmt wird. Liegen etwa hinreichend viele verlässliche Daten für die Zeit ohne Kartellabsprache vor, so sollten solche Methoden der Schadensberechnung zur Anwendung kommen, die den zeitlich vergleichenden Charakter hervorheben (siehe ABA 2010). Besteht neben einer hinreichend langen Zeitreihe auch Zugang zu detaillierten Informationen über Preise und preisbeeinflussende Faktoren, so bietet die Price-­ Prediction-­Methode klare Vorteile gegenüber den einfacheren Before-and-after-, Yardstick- oder Cost-based-Methoden (siehe Ashurst 2004). Die Konzepte des zeitlichen, sachlichen oder räumlichen Vergleichsmarkts können allerdings für Plausibilitätschecks der Ergebnisse zusätzlich verwendet werden. Ein Reduced-Form-Modell ist typischerweise das einfachste Modell, das im Rahmen einer Schadensberechnung zum Einsatz kommt. Dabei ist von großer Bedeutung, dass die erklärenden Variablen, die in ein Modell aufgenommen worden sind, die wichtigen grundlegenden Aspekte der Nachfrage und des Angebots auf dem betreffenden Markt widerspiegeln. Aufgrund der Vielzahl unterschiedlicher Vorund Nachteile der Methoden wird in der Literatur häufig empfohlen, im Rahmen der Schadensberechnung mehrere Methoden zur Anwendung zu bringen. Verschiedene Methoden können als Komplemente angewendet werden, um beispielsweise die Sensitivität, Plausibilität und Präzision der Schätzwerte der Schadenshöhen auf einem bestimmten Markt zu untersuchen. Da es a priori nicht möglich ist, eine bestimmte Methode als vorzugswürdig zu klassifizieren, bietet die Anwendung unterschiedlicher Methoden eine Möglichkeit der Bestimmung der Robustheit des geschätzten Preisaufschlags (siehe Stangle 2009). Gemäß Veljanovski (2007) hat die Auswahl der Methode oftmals allerdings nur einen relativ

241

geringen Effekt auf den geschätzten Durchschnittsmittelwert des Preisaufschlags. Insofern würde sich vor dem Hintergrund einer Abwägung zwischen Präzision und Implementierungskosten eher die Anwendung einfacherer Methoden anbieten (siehe dazu auch de Coninck 2010). Jedoch ist grundsätzlich anzustreben, unter Verwendung entsprechender Methoden präzisere Antworten zu finden, gerade auch vor dem Hintergrund des Ziels einer möglichst glaubwürdigen und robusten Analyse. Hinzu kommt, dass in Schadensermittlungen auch relativ kleine Unterschiede in den zugrunde gelegten But-for-Preisen durchaus deutliche Unterschiede in den letztlich ermittelten Gesamtschäden ergeben können. Metastudie zu Kartellpreisaufschlägen Im Rahmen einer Metastudie zu Kartellpreisaufschlägen haben sich Connor und Bolotova (2006) insbesondere auf die Unterschiede in der Anwendung verschiedener Methoden der Schätzung des Preisaufschlags konzentriert. Sie stellen dabei unter anderem fest, dass Preisaufschläge auf Basis von During-and-before-Methoden tendenziell kleiner waren als Aufschläge, die auf Basis alternativer Methoden ermittelt wurden. In einer weiteren Studie hat Connor (2010) die Anwendung verschiedener Methoden auf identische Kartellperioden betrachtet und keine stark voneinander abweichenden Ergebnisse gefunden. Interessanterweise fand er allerdings Evidenz für höhere Schätzwerte auf Basis einer Anwendung der einfachen Before­and-after-Methode im Vergleich zu den Ergebnissen auf Basis von Regressionsanalysen, die für den Einfluss anderer Faktoren wie Nachfrage- oder Kostenänderungen kontrollierten. Darüber hinaus fand Connor (2010) auch empirische Belege dafür, dass die kostenbasierte und die Yardstickmethode  – im Vergleich zur Before-and-­after-­ Methode – relativ hohe Schätzwerte des Gesamtschadens erbringen.

Einfachere Methoden wie der Vergleich der Mittelwerte sind insbesondere dann von Nutzen, wenn die Basis des kontrafaktischen Szenarios von hoher Qualität ist. Wenn es allerdings wichtige Faktoren gibt, die sich im kontrafaktischen Szenario nicht widerspiegeln, sollten einfache Methoden nicht verwendet werden, da die Vergleichbarkeit zwischen dem Kartellmarkt und dem Nichtkartellmarkt eingeschränkt ist. Insbesondere Faktoren wie Größenunterschiede der Unternehmen, unterschiedliche ma­ kroökonomische Bedingungen (wie z. B. Inflations- und Wachstumsraten), unterschiedliche

242

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Ausprägungen verschiedener Marktcharakteristika oder exogene Schocks (wie z.  B. Änderungen einer Regulierung) sollten berücksichtigt werden, um die Vergleichbarkeit der Basis für das kontrafaktische Szenario  – und damit auch die Qualität des Schätzwerts der Schadenshöhe – zu verbessern. In solchen Situationen können komplexere Methoden wie Paneldatenregressionen, Zeitreihenanalysen oder finanzdatenbasierte Analysen eine präzisere Abschätzung darüber geben, auf welche Weise sich der Markt ohne die entsprechende Kartellabsprache entwickelt hätte (siehe Oxera 2009). Während die Literatur häufig von Idealsituationen ausgeht, in denen umfassende Datenquellen innerhalb sehr kurzer Zeit erschlossen werden können, ergeben sich bei der praktischen Umsetzung allerdings oftmals Schwierigkeiten hinsichtlich der Verfügbarkeit der Daten sowie der technischen und zeitlichen Möglichkeiten der Erfassung und Verarbeitung. Zum Beispiel handelt es sich bei dem noch genauer zu betrachtenden deutschen Zementkartell um eine Absprache, die (spätestens) Anfang der 1990er-Jahre begann und 2002 endete. Da Kunden Lieferbelege bzw. Rechnungen gegebenenfalls nicht länger als die gesetzlich vorgeschriebenen zehn Jahre aufbewahren, ist die Datenlage gerade für weiter zurückliegende Jahre stark eingeschränkt. Darüber hinaus ergibt sich das Problem, dass die Daten zu dieser Zeit noch nicht elektronisch erfasst wurden und daher in zeit- und kostenintensiven Verfahren nacherfasst und hinterlegt werden müssen, bevor sie für die oben beschriebenen Methoden verwendet werden können. Ein letztes Problem ergibt sich daraus, dass die Vorbereitung und Anwendung von Daten und ökonometrischen Modellen in Schadensersatzverfahren auch nach der Datenerhebung umfassenden zeitlichen Restriktionen unterliegen. Das Prinzip der Verhältnismäßigkeit setzt der Wahl einer adäquaten ökonometrischen Methode daher enge Schranken. Wahl eines einzelnen Schadensersatzwerts Aufgrund unterschiedlicher Modellspezifika und Ansprüche an die Datenbasis führen unterschied-

liche Methoden auch zu voneinander abweichenden Schätzwerten der Schadenshöhen. Darüber hinaus haben Kläger und Beklagte typischerweise diametral entgegengesetzte Interessen an der Höhe des zugrunde zu legenden Schadens. Vor diesem Hintergrund ist es aus der Per­ spektive des Gerichts von zentraler Bedeutung, wie die Anwendung einer Methode und die da­ raus resultierende Schadenshöhe zu beurteilen sind. Grundsätzlich muss das Gericht hierbei eruieren, ob die entsprechenden Methoden oder Modelle auf robuste und ökonomisch korrekte Weise auf den entsprechenden Fall angewendet werden können – und weswegen in der vorliegenden Situation eine bestimmte Methode als die geeignetste bezeichnet werden muss. Für die Identifikation des bestgeeigneten Schadensersatzwerts bietet die ökonomische Literatur im Wesentlichen die beiden folgenden Herangehensweisen: • Methoden- und modellbasiert: Das Ergebnis dieses Modells gibt den im Weiteren zu unterstellenden Schätzwert des Schadens wieder. Dies hat den Vorteil einer relativen Klarheit und Transparenz vor Gericht, da jede Partei bereits ein Modell ausgewählt hat, das es für das geeignetste hält. In der Folge muss das Gericht nur noch abwägen und sich schließlich für eines der beiden Modelle entscheiden. • Pooling der Ergebnisse einer Auswahl aussagekräftiger Methoden: Konkret wird vorgesehen, dass die Ergebnisse zweier oder mehrerer Methoden bzw. Modelle zu einem einzelnen Wert zusammengefasst werden. So könnte beispielsweise ein Mittelwert der verfügbaren Schätzwerte berechnet werden. Ein solches Pooling erscheint jedoch nicht immer als das Mittel der Wahl. Gibt es beispielsweise Grund zu der Annahme, dass einige Modelle für den betreffenden Fall besser geeignet sind als andere, so sollten alle Modelle mit signifikanten Problemen vom Pooling ausgeschlossen werden. In der ökonomischen Literatur werden insbesondere zwei bedeutende Vorteile des Poolings genannt:

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

1. Wenn die Modelle auf verschiedenen Stichproben der verfügbaren Daten basieren, führt eine Zusammenfassung der Prognosen dazu, dass der Endwert die zugrunde liegenden Daten besser widerspiegelt als ein einzelnes Modell. Obwohl es theoretisch möglich ist, ein vereinigtes Modell zu konstruieren, das alle Datenquellen der einzelnen Modelle zusammenfasst, ist ein solches in der Praxis häufig nur schwer implementierbar. Stattdessen liefert das Pooling der Ergebnisse der verschiedenen Modelle in gewisser Weise ein solches vereinigtes Modell, das alle angewendeten Ansätze berücksichtigt. 2. Selbst unter der Annahme einer korrekten Schätzung aller Modelle können individuelle Verzerrungen aufgrund bestimmter Annahmen bzw. Strukturen in individuellen Modellen nicht ausgeschlossen werden. Das Pooling der Ergebnisse erlaubt in gewisser Weise eine Nivellierung solcher  – positiven wie negativen – Verzerrungen. Das Pooling findet am häufigsten in solchen Fällen Anwendung, in denen entweder ein einzelner Experte mehrere Methoden benutzt oder aber mehrere Experten gemeinsam an der Ermittlung eines Schadensersatzwerts arbeiten. Unter solchen Bedingungen können tragfähige Ergebnisse abgeleitet werden, indem verschiedene Ansätze auf denselben Voraussetzungen und Datenbanken basieren – und gleichzeitig Ansätze mit grundlegenden methodischen Problemen vom Pooling ausgeschlossen werden. Berechnung des Gesamtschadens Zur Berechnung des Gesamtschadens müssen gemäß Veljanovski (2007) die folgenden Schritte durchlaufen werden. Dabei kommt es im Wesentlichen darauf an, aus den durch die Anwendung verschiedener Methoden ermittelten Schadensersatzbausteinen eine endgültige Gesamtschadensersatzsumme abzuleiten. 1. Bestimmung der tatsächlich gezahlten Kartellpreise für jede Periode (Pc), 2. Ermittlung der Menge, die von jedem Kläger gekauft wird (Q),

243

3. Ableitung des But-for-Preises (Pb), 4. Berechnung des Preisaufschlags (OC) für jedes Jahr durch Subtraktion des geschätzten But-for-Preises vom tatsächlichen Preis für jede Periode (OC = Pc − Pb), 5. Ableitung des Anteils des Preisaufschlags, der von dem vorgelagerten Zulieferer getragen wird (u), 6. Ableitung des Grades der Abwälzung des Preisaufschlags auf nachgelagerte Ebenen (d), 7. Multiplikation des jährlichen Nettopreisaufschlags, der von dem Kläger getragen wird – gegeben als (1  −  u)* d * OC –, mit der Menge (Q), die in jedem Jahr gekauft wird, um auf diese Weise den jährlichen Nettoaufschlag zu berechnen, der von dem Kläger getragen wird, 8. Anwendung des gesetzlich festgelegten Zins­ satzes, 9. Berücksichtigung anderer Faktoren, die gesetzlich erforderlich sind, wie z. B. der Besteuerung, 10. Aggregation der jährlichen Nettoverluste, um die Gesamtschadenshöhe zu ermitteln. Wie an verschiedenen Stellen bereits ausgeführt, ist die Herausforderung weniger in der Identifikation der einzelnen Schritte als vielmehr in der Überwindung zahlreicher analytischer Schwierigkeiten während der Bearbeitung der einzelnen Schritte zu sehen. Wahl eines Zinssatzes und Verzinsung Die durch ein Kartell entstehenden Schäden treten typischerweise nicht zu einem einzigen Zeitpunkt auf, sondern verteilen sich über die Dauer des Kartells. Dadurch entsteht die Notwendigkeit der Berücksichtigung einer entsprechenden Verzinsung. Vereinfacht gesagt, ist der zu berücksichtigende Schaden zweier nominell gleich großer Schadenssummen in vorangegangenen Jahren größer, da die hinter den „älteren“ Schäden liegenden Finanzmittel in der Zwischenzeit gewinnbringend hätten angelegt werden können. Auch diese entgangenen Zinserträge müssen  – der ökonomischen Logik folgend  – als Teil des Gesamtschadens angesehen werden. Technisch gesagt, erfordert die Berücksichtigung einer Ver-

244

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

zinsung eine Aufsummierung der Schadensverluste über die Zeit, verbunden mit einer entsprechenden Berücksichtigung der Verzinsung, die beispielsweise für jede Jahressumme des Schadensersatzes berechnet werden kann. Die Verzinsung kann entweder auf Basis einfacher Zinsen oder aber als Zinseszins erfolgen. Im Fall der Zinseszinsberechnung werden die Zinsen auch auf die akkumulierten Zinsen aus den vorherigen Perioden berechnet. Zum Beispiel werden 10 % auf 100 Euro im ersten Jahr angewendet, was 110  Euro ergibt. Im zweiten Jahr werden 10  % auf diese 110  Euro aus dem ersten Jahr angewendet, was 121 Euro ergibt, und so weiter. Je nach Rechtslage ist es aber auch denkbar, dass lediglich einfache Zinsen berechnet werden dürfen  – also die Zinsen ausschließlich auf die Schadenssumme berechnet werden. In Deutschland existiert beispielsweise gemäß §  289  BGB ein Zinseszinsverbot. Das obige Beispiel aufgreifend, würden im ersten Jahr 10 % auf 100 Euro angewendet, was 110  Euro ergibt. Im zweiten Jahr werden die entsprechenden 10 % Verzinsung dann allerdings wieder auf die 100 und nicht auf die 110 Euro angewendet. So ergeben sich in der Summe nach zwei Jahren demnach 120  Euro. Obwohl in diesem einfachen Beispiel die Differenz zwischen den zwei Techniken nur einen Euro beträgt, können diese Unterschiede insbesondere bei Betrachtung eines längeren Zeitraums und höherer Schadenssummen schnell anwachsen. Ein weiteres Problem der Verzinsung bezieht sich auf die Frage, welcher Zinssatz Anwendung finden soll, um vergangene Schäden an ihren gegenwärtigen Wert anzupassen. Aus ökonomischer Sicht stellt die Wahl des Zinssatzes kein einfaches Problem dar. Ceteris paribus wird von Projekten mit höherem Risiko auch eine höhere Rendite erwartet. Deswegen wird ein höherer Zinssatz vonnöten sein, um die Präferenzen eines Individuums zwischen risikofreien Renditen jetzt und höheren Renditen eines riskanteren Projekts in der Zukunft auszugleichen. Dies wirft unmittelbar die Frage auf, für welchen Grad an Risiko ein Kläger im Rahmen der Schadensermittlung kompensiert werden soll. Grundsätzlich können

unter anderem die folgenden Optionen identifiziert werden: 1. Kapitalkosten des Klägers: Die Kapitalkosten stellen die notwendige Rendite dar, auf deren Basis Investitionsentscheidungen getroffen werden. Deswegen erfasst die um die Kapitalkosten erweiterte Schadenssumme die erwartete Rendite, die der Kläger mit einer entsprechenden Investition der verlorenen Profite verdient hätte. 2. Marginale Finanzierungsquelle: In den Fällen, in denen die Kapitalkosten des Klägers nicht oder nicht akkurat berechnet werden können, kann stattdessen die marginale Finanzierungsquelle des Klägers als Substitut Anwendung finden. 3. Risikofreier Zinssatz: Hinter der Anwendung des risikofreien Zinssatzes steht die Überlegung, dass die Zurückzahlung des Schadens sicher ist, sobald sie gewährt wird. Daher lässt sich argumentieren, dass dem Kläger nur der Zeitwert kompensiert werden sollte. In der Praxis gibt es keinen klar identifizierbaren Königsweg im Hinblick auf die Wahl des Zinssatzes. In einigen Fällen wurde der risikofreie Zinssatz ausgewählt – also derjenige Zinssatz, der mit Investitionen in Staatsanleihen durchschnittlich erzielt werden kann. Es sind aber auch praktische Fälle bzw. nationale Zivilgesetze bekannt, in denen vom risikofreien Zinssatz deutlich abgewichen wurde bzw. wird. In Deutschland legt § 33 Abs. 3 GWB in Verbindung mit § 288 BGB beispielsweise fest, dass eine Geldschuld während des Verzugs zu verzinsen ist, und zwar mit fünf Prozentpunkten über dem Basiszinssatz (für das Jahr). Die Zivilgesetze anderer europäischer Länder weisen hingegen zum Teil deutlich abweichende Vorgaben auf. Abb.  6.6 zeigt in diesem Zusammenhang die Entwicklung der nationalen Zinssätze – von 1992 bis 2011 – für das Vereinigte Königreich, Frankreich und Deutschland, wie sie für die Verzinsung von Kartellschäden jeweils herangezogen werden müssen. Abb.  6.6 verdeutlicht eine erhebliche Variation der nationalen Zinssätze für die Verzinsung

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

245

Abb. 6.6  Entwicklung der nationalen Zinssätze für die Verzinsung von Kartellschäden. (Quelle: Bueren et al. 2016; übersetzt durch den Autor)

von Kartellschäden mit einerseits Werten nahe null gegen Ende der Beobachtungsperiode – verursacht durch wesentliche Änderungen in der Zinspolitik der betreffenden Zentralbanken im Verlauf der Finanzkrise  – sowie andererseits Werten von über 10 % im Vereinigten Königreich und Frankreich zu Beginn der Beobachtungsperiode. Besonders auffällig ist weiterhin, dass in Deutschland – aufgrund der seit dem Jahre 2005 zur Anwendung kommenden Verzinsungsregel „fünf Prozentpunkte auf den Basiszinssatz“ – das einzige der hier betrachteten Länder ist, das trotz der oben beschriebenen massiven Absenkungen der Basiszinssätze ab dem Jahr 2009 nach wie vor eine signifikante Verzinsung von Kartellschäden ermöglicht. Neben der Wahl des Zinssatzes hängt der letztliche Gesamtschaden auch noch maßgeblich von der Wahl des Startpunktes ab, zu dem eine Verzinsung erfolgen kann. Dies kann beispielsweise der Beginn der Wettbewerbsverletzung sein, aber durchaus auch erst die Einreichung der Klage oder gar das Datum der Zubilligung des Schadensersatzes. In einer rechtsvergleichenden Studie erarbeiten Bueren et  al. (2016) für England und Wales, Deutschland, Frankreich und die

USA nicht nur die entsprechenden Unterschiede hinsichtlich der Verzinsung bzw. des Startpunktes der Verzinsung, sondern sie zeigen im Anschluss auch – mithilfe verschiedener Simulationen auf Basis von Mengen- und Preisdaten aus dem Lysinkartell  – wie substanziell die Unterschiede in den entsprechenden Gesamtschadenshöhen ausfallen können. Konkret finden sie ein Spektrum, das – je nach Simulationsannahmen – von einem Gesamtschaden durch das Lysinkartell von rund 144 Millionen US-Dollar im Falle Deutschlands bis zu rund 251 Millionen US-­ Dollar im Falle von England und Wales reicht – ausgehend von einer unverzinsten Schadenshöhe (zum Zeitpunkt ihrer Entstehung) von rund 109 Millionen US-Dollar. Neben den bereits in Abb. 6.6 verdeutlichten unterschiedlichen Vorgaben im Hinblick auf die Wahl der jeweiligen Zinssätze liegt die zentrale Ursache für diese großen Unterschieden zwischen den beiden Ländern in der Tatsache begründet, dass das englisch-walisische Recht in der gesamten Beobachtungsperiode eine Verzinsung ab Schadenseintritt vorsieht, während in Deutschland die Verzinsung von Schadensersatzansprüchen  – in der Rechtslage vor der 7.

246

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

GWB-Novelle 2005  – erst mit der Geltendmachung einsetzte (und damit zu einem substanziell geringeren Gesamtschadenswert führt). Seit Inkrafttreten der 7. GWB-Novelle im Jahre 2005 gilt allerdings nunmehr auch in Deutschland die Regel, das Kartellschäden bereits ab Eintritt des Schadens zu verzinsen sind. Diese Regeländerung allein führt dann im Falle Deutschlands zu einer Erhöhung des Gesamtschadens inklusive Zinsen von 144  Millionen US-Dollar auf 218 Millionen US-Dollar für das Lysinkartell. Die absolute Höhe der Gesamtschäden wird dabei allerdings auch getrieben von der relativ langen Spanne zwischen dem Ende des Kartells im August 1996 und dem angenommenen Zeitpunkt der Schadensberechnung im August 2011 (siehe Bueren et al. 2016 für weitere Simulationsergebnisse auf Basis anderer diesbezüglicher Annahmen).

6.3.2 S  chadensermittlung für das deutsche Zementkartell auf Basis öffentlicher Preisindexdaten Im Fokus des Abschn.  6.3.1 stand die genauere Beschreibung des Schadensermittlungsprozesses mit einem besonderen Fokus auf empirischen Methoden zur Ermittlung der Kartelldauer und des kartellbedingten Preisaufschlags. Obwohl dabei auf eine möglichst anwendungsorientierte Darstellung Wert gelegt wurde, so blieb die Beschreibung der entsprechenden Methoden und Modelle gezwungenermaßen recht abstrakt. Vor diesem Hintergrund verfolgen die nächsten beiden Abschnitte das komplementäre Ziel einer konkreten Anwendung ausgewählter empirischer Methoden für den Fall des deutschen Zementkartells. Während dabei – im weiteren Verlauf des Abschn.  6.3.2  – zunächst lediglich öffentlich verfügbare Preisindexdaten  – also nicht direkt für die Schadensermittlung erhobene und stark aggregierte Sekundärdaten  – genutzt werden, um die entsprechenden Preisaufschläge zu schätzen, kommt im anschließenden ­ Abschn.  6.3.3 wiederum der reichhaltige CDC-­ Datensatz aus Listen- und Transaktionspreisen

zur Anwendung. Dieser erlaubt dann auch eine genauere Orientierung an den einzelnen Stufen des Schadensermittlungsprozesses. Im Zentrum der Analyse steht dabei weniger die Ermittlung des Kartellschadens selbst  – im Sinne der Erzielung gerichtsverwertbarer Ergebnisse – als vielmehr die Präsentation der Methoden in Verbindung mit einer Diskussion ihrer Anwendbarkeit. Dabei steht bei den im Folgenden genauer betrachteten Methoden bzw. Modellen der sogenannte Komparatorenansatz und innerhalb dessen das Konzept des zeitlichen Vergleichsmarktes  – also eines Vergleichs der Zementpreise in der Kartellperiode mit denen nach dem Zusammenbruch des Kartells  – im Mittelpunkt. Lediglich im Zuge der Anwendung der Difference-in-Differences-Methode erfolgt dann die Ergänzung der zeitlichen um eine räumliche Komponente. Der Rest des Abschn.  6.3.2 ist wie folgt gegliedert. In Abschn. 6.3.2.1 erfolgt zunächst eine kurze Einführung in die Spezifika einer Schadensermittlung für den konkreten Fall des deutschen Zementkartells. Dem schließt sich eine Ermittlung der Preisaufschläge unter Anwendung der Before-and-after-Methode in Abschn. 6.3.2.2 sowie der Difference-in-Differences-Methode in Abschn.  6.3.2.3 an. Im Zuge der Analyse wird ein besonderes Augenmerk auf die Einführung einer instrumentellen Variablen sowie die Modellierung eines Übergangszeitraums von der Kartell- zur Nachkartellperiode gelegt.

6.3.2.1 Einführung Am Beginn einer jeden kartellinduzierten Schadensermittlung sollte die Frage stehen, auf welche Weise das entsprechende Kartell Schaden verursacht haben könnte. Obwohl im Folgenden für den Fall des Zementkartells angenommen wird, dass dieser Schaden überwiegend bei den direkten Abnehmern in Form überhöhter Preise entstanden ist, so soll damit explizit nicht ausgeschlossen werden, dass das Kartell nicht auch Schäden anderer Art verursacht haben könnte. Neben einer möglicherweise reduzierten Produktvielfalt wäre in diesem Zusammenhang insbesondere an die Möglichkeit suboptimal niedriger Investitionen in F&E und demzufolge ein

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

kartellbedingt überhöhtes Kostenniveau  – im Vergleich zu einer Situation oligopolistischen Wettbewerbs – zu denken. Konzentriert man sich aber auf die überhöhten Preise als Hauptschaden des Zementkartells, so beginnt eine Anwendung vergleichsbasierter Ansätze zur Ermittlung der kartellbedingten Preisaufschläge üblicherweise mit einer Sondierung der Informations- und Datenlage. Denn um den But-for-Preis mithilfe vergleichender Methoden ermitteln zu können, benötigt man – für eine Anwendung des Konzepts des zeitlichen Vergleichsmarkts  – Daten für einen hinreichend großen Zeitraum vor dem Kartell und (bzw. oder) nach dem Kartell. Alternativ (bzw. ergänzend) ist – in Abhängigkeit von der konkreten Datenlage – gegebenenfalls auch ein Vergleich mit anderen Märkten möglich, die entweder ein Produkt mit ähnlichen Eigenschaften wie das Kartellprodukt aufweisen (Konzept des sachlichen Vergleichsmarktes) oder auf denen das gleiche Produkt ohne kartellierte Marktstruktur gehandelt wird (Konzept des räumlichen Vergleichsmarktes). Für die Bestimmung des infolge des Zementkartells entstandenen Schadens steht aufgrund der Produkteigenschaften kein hinreichend ähnliches Produkt zur Verfügung, das den Verlauf des mengengewichteten Zementpreises entsprechend abbildet und bei dem von keiner kartellierten Marktsituation im Zeitraum des Zementkartells ausgegangen werden kann. Auf eine Anwendung des sachlichen Vergleichsmarktkonzepts muss daher im Folgenden verzichtet werden. Die verfügbaren Daten in Form des Zementpreisindex erlauben aber insbesondere die Anwendung des Konzepts des zeitlichen Vergleichsmarktes, das nachfolgend somit auch im Fokus der Analyse stehen wird. Zur Ermittlung des hypothetischen Preises ist es dann notwendig, den Preis im Kartellzeitraum entsprechend zu modellieren. Unter Bezugnahme auf die Entwicklung des Preisindex in obiger Abb. 6.1 stellt sich dabei insbesondere die Frage, ob der niedrigste beobachtbare Preis tatsächlich als Wettbewerbspreis zu interpretieren ist. Diesbezüglich wurde im öffentlichen Verfahren (siehe dazu Abschn. 6.1.1) die Meinung vertreten, dass der nach dem Zusammenbruch des Kartells be-

247

obachtete Preisverfall teilweise auf einen Preiskrieg zurückzuführen war und somit nicht als ein wahrscheinliches Ergebnis normalen oligopolistischen Wettbewerbs gesehen werden kann. Es ist also zunächst unklar, wann der Übergang des kartellierten Preises zum Preis unter Wettbewerbsbedingungen abgeschlossen ist. Die Definition des Kartellzeitraums und der Periode der Preisanpassung sind daher wesentliche Voraussetzungen für die aussagekräftige Abschätzung des kartellbedingten Preisaufschlags, denen sich im weiteren Verlauf noch genauer zugewendet wird.

6.3.2.2 Anwendung der Before-and-­ after-Methode Im Fokus von Abschn. 6.3.2.2 steht die Anwendung der Before-and-after-Methode. Da Informationen zu regionalen Preisunterschieden nicht öffentlich verfügbar sind, muss sich im Folgenden auf eine Analyse des gesamtdeutschen Zementmarkts beschränkt werden. Zur Modellierung des Preisindex für Zement – der abhängigen Variablen  – werden neben dem Vergleich zwischen Kartell- und Nachkartellperiode weitere Variablen herangezogen, die den Verlauf des Zementpreisindex beeinflussen können. Konkret sind dies insbesondere Kosten- und Nachfragefaktoren. Hinsichtlich der Kostenfaktoren werden Energiepreisindizes (für Strom und Braunkohle) herangezogen. Die Nachfrage wird über den Index für Zementproduktion abgebildet, der in einem erweiterten Modell (Instrumentierung) durch die Aktivitäten des privaten und öffentlichen Bausektors erklärt wird. Je besser andere Faktoren den Preis erklären, desto genauer kann die Abweichung des Preises aufgrund des Kartells vom erwarteten Preis bestimmt werden. Im nächsten Schritt ist es daher notwendig, den Einfluss der oben dargestellten Variablen auf den Preis zu bestimmen. Ökonometrischer Grundansatz Im Zuge der folgenden Diskussion des ökonometrischen Grundansatzes wird aus Gründen der Einfachheit angenommen, dass der Kartellzeitraum dem im Bußgeldverfahren ermittelten Zeitraum entspricht und sich eine sofortige

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

248

Preisanpassung an den Preis ohne das Kartell am Ende des Kartellzeitraums einstellt. Um dann den Einfluss der einzelnen Preistreiber – also Kosten- und Nachfragevariablen – jeweils einzeln ermitteln zu können, müssen diese weitgehend unabhängig voneinander sein. Der Preis zu einem Zeitpunkt t ergibt sich als die Summe der einzelnen Variablen zu diesem Zeitpunkt, gewichtet mit ihrem jeweiligen Einfluss auf den Preis, dem sogenannten Koeffizienten (β), und einem unerklärten Rest εt. Eine Schätzung gibt dann den mittleren Einfluss jeder Variablen unter Berücksichtigung aller anderen Variablen auf die abhängige Variable an. Im Folgenden soll dieser Einfluss mithilfe eines einfachen OLS-Modells herausgearbeitet werden. Um den Preisunterschied im Kartellzeitraum zu ermitteln, wird davon ausgegangen, dass die preisbestimmenden Variablen während des Kartellzeitraums und nach dem Kartellzeitraum identisch sind. Der einzige Unterschied ergibt sich dann aus dem Kartell, und es lässt sich die folgende Schätzgleichung aufstellen:



ptZ = α + β kart Dkart + β K ptK + β S ptS + β Bk ptBk + β zprod zprodt + β t t + ε t . 

(Gl. 6.15)

Der Zementpreisindex ptZ zum Zeitpunkt t setzt sich zusammen aus einem fixen Bestandteil α, der zu jedem Zeitpunkt gleich ist, und den folgenden Variablen, die sich über die Zeit verändern: ptZ repräsentiert den Preisindex Zement, Dkart ist die Variable des Kartellzeitraums, ptK der Preisindex Gips/Kalk, ptS der Preisindex Strom, ptBk der Preisindex Braunkohle, zprodt der Index Zementproduktion sowie t der Trend. Zur Bestimmung des Kartelleffekts ist in obiger Gleichung die Variable Dkart enthalten, die im Kartellzeitraum den Wert 1annimmt und ansonsten den Wert 0 hat. Der zugehörige Koeffizient βkart gibt den Unterschied des Preisindex an, der aufgrund der Kartellperiode existiert. Ist dieser Wert signifikant positiv, so wird innerhalb des Kartellzeitraums ein höherer Preis als außerhalb dieses Zeitraums verlangt, während der Effekt aller anderen Variablen auf den Preis im Kartellzeitraum davon unabhängig ist.

Während im Fall von Indizes eine Analyse auf Basis der absoluten Indexwerte nur eine Tendenzaussage ermöglicht, erlaubt eine Logarithmierung der abhängigen und der erklärenden Variablen Aussagen über die den Schätzergebnissen zugrunde liegenden tatsächlichen Preise des Index. Findet man beispielsweise, dass eine Erhöhung der Zementnachfrage um 10 % zu einer Erhöhung des Zementpreises um 2 % führt, so ist diese Aussage unabhängig davon, ob man absolute oder relative Mengen und Preise (also Indizes) betrachtet. Erklärende Variablen, die nur zwei Ausprägungen annehmen können  – wie beispielsweise die Variable zum Kartellzeitraum Dkart –, können nicht logarithmiert werden. Ihr Koeffizient βkart (exakter: exp(βkart)  −  1) gibt daher die prozentuale Veränderung des Zementpreisindex an, wenn die Variable Dkart von null zu eins wechselt. Ein weiterer Grund dafür, dass man häufig logarithmierte Variablen und nicht absolute Variablen betrachtet, liegt in der Korrektur von Ausreißern der Variablen begründet. Die Logarithmierung stellt eine Transformation der ursprünglichen Werte dar, wodurch der Abstand zu besonders großen Werten verkürzt wird. Dadurch sinkt der Einfluss solcher weit von den anderen entfernten Beobachtungen auf das Gesamtergebnis. Die βs, die sogenannten Koeffizienten, geben den durchschnittlichen relativen Einfluss der jeweiligen Variablen auf den Zementpreisindex an. Nur wenn alle Variablen genau ihrem Mittelwert entsprechen, ist die Gleichung mit den beschriebenen Variablen erfüllt. Da der Zementpreisindex allerdings von den gewichteten Variablen auf der rechten Seite der Gleichung abweicht, muss diese Abweichung durch einen sogenannten Fehlerterm, hier εt, (auch Korrekturterm oder Störterm) zu jedem Zeitpunkt t korrigiert werden. Je näher nun der geschätzte Preisindex am tatsächlichen Preisindex zu jedem Zeitpunkt t liegt  – also je kleiner der Unterschied zwischen linker und rechter Gleichungsseite (ohne εt) ist –, desto besser erklären die Variablen auf der rechten Seite der Gleichung den Preisindex. Das Ziel einer OLS-Schätzung ist es daher, alle Koeffizienten β so zu wählen, dass die Summe der (quadrierten) Fehlerterme am kleinsten ist.

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Für das so beschriebene Modell liegen vollständige Daten für den Zeitraum von 1995 bis 2009 vor. Schätzt man es mithilfe der OLS-­ Methode, so kommt man zu den in Tab. 6.5 dokumentierten Ergebnissen. Tab.  6.5 zeigt die Ergebnisse der Schätzung des Modells mit logarithmierten Variablen. In der oberen Hälfte sind zunächst die Koeffizienten und ihre Streuung (Standardfehler) angegeben. Das Signifikanzniveau ist ein Maß, das den statistischen Unterschied des Koeffizienten von null angibt: ∗∗∗ bedeutet, dass sich der Koeffizient mit einer Wahrscheinlichkeit von mehr als 99 % von null unterscheidet, ∗∗ bedeutet, dass sich der Koeffizient mit einer Wahrscheinlichkeit zwischen mehr als 95  % und 99  % von null ­unterscheidet, und ∗ bedeutet, dass sich der Koeffizient mit einer Wahrscheinlichkeit zwischen mehr als 90 % und 95 % von null unterscheidet. Wird keine Angabe gemacht, so ist die Wahrscheinlichkeit geringer als 90 %. Im unteren Teil von Tab. 6.5 findet man Angaben zur Anzahl der verwendeten Datenpunkte, einen Test, dass alle Variablen gemeinsam unterschiedlich von null sind (F-Test), und ein weiteres Maß für den Erklärungsgehalt des Modells (das Bestimmtheitsmaß R2). Der Wert des F-Tests ist hochsignifikant, sodass die Schätzgleichung insgesamt nicht zurückgewiesen werden kann. Die Betrachtung des R2 weist einen relativ hohen Erklärungsgehalt auf, denn je näher der ausgewiesene Wert an eins liegt, umso besser erklären aus statistischer Perspektive die unabhängigen Vari-

249

ablen gemeinsam die abhängige Variable. Daher weist das Testergebnis darauf hin, dass aus statistischer Perspektive die unabhängigen Variablen sehr gut die abhängige Variable erklären können. Wendet man sich im nächsten Schritt der Interpretation und Diskussion der Schätzergebnisse zu, so ergibt sich mithilfe dieses einführenden Modells ein Preisunterschied zwischen der Kartellperiode und der Nichtkartellperiode von exp(0,188) − 1 = 20,68 %. Unterstellt man, dass der durchschnittliche Zementpreis bei 55  Euro lag, so ergibt sich somit ein Preisaufschlag für den Kartellzeitraum von 11,38 Euro. Bezüglich des Zusammenhangs zwischen Zementpreis und Kalksteinpreis zeigt sich, dass ein Anstieg des Gesteinspreises um 1  % einen Anstieg des Zementpreises um 1,224  % zur Folge hat. Nach dieser Schätzung wird also der Anstieg des Vorproduktpreises nicht nur weitergegeben, sondern der Zementpreis noch stärker erhöht. Zieht man in Betracht, dass Kalkstein vor allem aus vertikal integrierten Unternehmen an Zementhersteller geliefert wird, so ist diese Beobachtung nicht notwendigerweise unplausibel. Dennoch muss mithilfe anderer Schätzspezifikationen getestet werden, ob sich dieser stark positive Zusammenhang bestätigt. Hinsichtlich des Preisindex des Brennstoffes Braunkohle zeigt sich ein positiver, wenngleich unterproportionaler Zusammenhang mit dem Zementpreis. Steigt der Preis für Braunkohle um 1 %, so erhöht sich der Zementpreis ceteris paribus nur um 0,612  %. Bezüglich des Input-

Tab. 6.5  Regressionsergebnisse eines OLS-Modells auf Basis öffentlicher Zementpreisindexdaten. (Quelle: Hüschelrath et al. 2012) Variable Kartellzeitraum Preisindex Gips/Kalk Preisindex Strom Preisindex Braunkohle Index Zementproduktion Trend Konstante Anzahl Beobachtungen F(6, 173) R2

Koeffizient 0,188 1,224 0,047 0,612 0,020 0,001 −0,356 180 147,54 ∗∗∗ 0,72

Signifikanzniveau ∗∗∗ ∗∗∗

∗∗∗ ∗ ∗∗∗ ∗∗∗

(Standardfehler) (0,020) (0,133) (0,073) (0,150) (0,011) (0,000) (0,073)

Anmerkungen: Signifikanzniveaus: ∗∗∗ < 0,01, ∗∗ < 0,05, ∗ < 0,1; heteroskedastierobuste Standardfehler in Klammern

250

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

faktors Strom zeigt sich kein signifikanter Einfluss im einfachen ökonometrischen Modell  – angesichts der hohen Energieintensität des Produktionsprozesses für Zement ein unerwartetes Ergebnis. Interessanterweise zeigt sich auch ein positiver Zusammenhang zwischen der Zementproduktion und dem Zementpreis. Dieses Ergebnis deutet darauf hin, dass Zement auf Nachfrage produziert wird. Berücksichtigt man den Prozess der Zementproduktion und dessen beschränkte Lagerfähigkeit, so überrascht dieses Ergebnis nicht. Zement wird nur dann hergestellt, wenn er nachgefragt wird. Steigt die Nachfrage, so wächst die Produktionsmenge, und es steigt der Preis. Ein zentraler Aspekt, der bei der aggregierten Analyse nicht vernachlässigt werden darf, ist das Problem der Preis-Mengen-Kausalitätswirkung. Dieses ökonometrische Problem wird nachfolgend nicht nur ausführlicher diskutiert, sondern es wird auch ein Lösungsvorschlag in Form der Einführung einer instrumentellen Variable entwickelt und implementiert. Erweiterungen des ökonometrischen Grundansatzes Im Folgenden werden zwei Erweiterungen des ökonomischen Grundansatzes vorgestellt: die Einführung einer instrumentellen Variablen sowie die Modellierung eines Übergangszeitraums von der Kartell- zur Nachkartellperiode. Einführung einer instrumentellen Variablen Wie bereits festgestellt, stellt sich die Frage, welcher Zusammenhang zwischen dem Zementpreis und der Zementproduktion bzw. -nachfrage besteht. In einem nichtmonopolistischen Markt ist grundsätzlich ein gegenseitiger Einfluss zu erwarten: • Steigt die Nachfrage nach einem Gut, so bedeutet dies, dass die Nachfrager bereit sind, mehr für dieses Gut zu bezahlen. Daher können Produzenten auf einem Markt mit produktionsbedingten Fixkosten bei einer höheren Nachfrage einen höheren Preis pro Einheit verlangen.

• Sinkt umgekehrt der Preis  – beispielsweise aufgrund einer verbesserten Produktionstechnologie –, so wird mehr von diesem Gut nachgefragt. Es ergeben sich daher Wechselwirkungen zwischen Preis und Menge, die ohne weitere Informationen nicht voneinander getrennt werden können. Während dies aus ökonomischer Sicht kein Problem darstellt, ergibt sich aufgrund der vorhandenen Wechselwirkung eine Schwierigkeit, wenn man (nur) den Einfluss der Zementnachfrage auf den Zementpreis empirisch untersuchen möchte. Denn man betrachtet nur einen Wirkungszusammenhang, vernachlässigt allerdings die Anpassung der Zementnachfrage aufgrund eines höheren Zementpreises. Dies stellt ein wesentliches ökonometrisches Problem dar, da die Nichtberücksichtigung der umgekehrten Kausalität – also die sogenannte (Modell-)Endogenität der erklärenden Variablen Zementproduktion – zu verzerrten Koeffizienten und damit zu einer möglicherweise fehlerhaften Erklärung des Einflusses der Zementnachfrage auf den Zementpreis führen kann. Es ist daher aus statistischer Perspektive notwendig, einen Zusammenhang zwischen erklärender und erklärter Variable herzustellen, der diese Endogenität ausschließt. Um diesem Pro­ blem zu begegnen, wird im Folgenden die Zementproduktion instrumentiert. Wie bereits ausgeführt, wird Zement auf Nachfrage produziert. Es stellt sich daher die Frage, wodurch die Zementnachfrage beeinflusst wird. Findet man einen oder mehrere Einflussfaktoren, welche die Zementnachfrage beeinflussen, allerdings nicht direkt den Zementpreis, so handelt es sich hierbei um valide Instrumente. Zement ist ein Bindemittel, das vor allem in der Bauindustrie verwendet wird. Da es beispielsweise beim Bau eines Hauses lediglich ca. 3 % der Produktionskosten ausmacht, ist aus ökonomischer Sicht davon auszugehen, dass ein Bauherr sein Vorhaben des Hausbaus nicht vom Zementpreis abhängig macht. Das heißt, selbst wenn der Zementpreis signifikant stiege, würde der Bauherr den Baubeginn nicht hinauszögern. Ähnliches gilt für andere Bauprojekte, bei denen

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Zement nur einen Hilfsstoff darstellt. Daher kann unterstellt werden, dass die Nachfrage nach Zement von der Bautätigkeit abhängt, umgekehrt allerdings kein (wesentlicher) Einfluss des Zementpreises auf die Bautätigkeit besteht. Aus diesem Grund wird im nächsten Schritt nicht mehr die Zementproduktion selbst als Einflussgröße des Zementpreisindex betrachtet, sondern die Zementproduktion wird durch mehrere Variablen instrumentiert, welche die Bautätigkeit abbilden. Zunächst wird daher der Einfluss der Bauvariablen auf die Zementproduktion ermittelt und anschließend daraus für jeden Zeitpunkt ein Wert der Zementproduktion geschätzt. Da der geschätzte Wert nicht mehr die tatsächliche Zementproduktion darstellt, sondern eine ­abgeleitete Variable aus unabhängigen Erklärenden ist, kann diese anschließend unter Berücksichtigung ihrer Streuung in die obige Schätzgleichung eingesetzt werden. Im ersten Schritt des zweistufigen Ansatzes soll also mithilfe eines einfachen Modells die Zementproduktion erklärt werden: nf zprodt = α nf + βWb Wbt nf nf r Hbt giHbt + β or + β giHb  Hb o nf neHbt + β Sbnf Sbt + β neOrgHb nf + β giTb giTbt + β onfrOrgTb or Tbt  (Gl. 6.16) nf Dkart + β Knf ptK + β Snf ptS + β kart nf Bk + β Bk pt + β t t + ε tnf .

Entsprechend obiger Schätzung werden auch hier die logarithmierten Werte verwendet. Die ersten beiden Zeilen zeigen den Einfluss der sogenannten (modellexogenen) Instrumente. Es handelt sich dabei um Wohnungsbau (Wb), gewerblichen und industriellen Hochbau (giHb), Hochbau für öffentlich-rechtliche Organisationen (örHb), Hochbau für nichterwerbstätige Organisationen (neHb), Straßenbau (Sb), gewerblichen und industriellen Tiefbau (giTb) und Tiefbau für öffentlich-rechtliche Organisationen (örTb). Als weitere Instrumente werden üblicherweise die anderen Variablen des zweiten Schrittes mitgeführt. Diese entsprechen den oben beschriebenen Variablen des einfachen Modells.

251

Unter Berücksichtigung der Streuung wird nun im zweiten Schritt der geschätzte Wert des Index der Zementproduktion in das ursprüngliche Modell eingesetzt: p ptZ = α p + β kart Dkart + β Kp ptK + β Sp ptS + β Bkp ptBk   + β t + ε p. + β p zprod zprod

t

t

(Gl. 6.17)

t

Diese Gleichung entspricht somit dem ersten Modell  – mit der einzigen Ausnahme, dass der ursprüngliche Index der Zementproduktion durch seinen geschätzten Wert ersetzt wurde. Schätzt man nun dieses neue Modell, dann zeigt sich, dass die Koeffizienten weitgehend mit den Koeffizienten des ursprünglichen Modells übereinstimmen. Kleinere Abweichungen ergeben sich aufgrund der stets existierenden Korrelation zwischen Variablen. Der Vergleich der Koeffizienten des Index der Zementproduktion zeigt, dass das obige Modell den Einfluss des Nachfrageindex auf den Preis gegenüber der Instrumentvariablenschätzung als zu gering ausweist. Der Preisaufschlag des Kartellzeitraums bleibt von der Instrumentierung allerdings weitgehend unbeeinflusst und liegt bei 20,32 % – also nur rund 0,36 Prozentpunkte unter dem auf Basis des einfachen Modells oben ermittelten Wert von 20,68 %. Da es sich bei der hier durchgeführten Analyse um einen Vergleich unterschiedlicher Modelle für den spezifischen Fall des deutschen Zementkartells handelt, soll an dieser Stelle nicht unerwähnt bleiben, dass die Berücksichtigung möglicher Korrelationen verwendeter Variablen bei anderen Analysen bedeutsamer werden kann – mit der Folge einer wesentlicheren Auswirkung auf die Höhe des Kartellschadens. Modellierung eines Übergangszeitraums von der Kartell- zur Nachkartellperiode Die Beendigung eines kartellierten Marktverhaltens mündet in der Regel in eine Phase des Übergangs zu einem neuen Marktgleichgewicht. Dies hat zur Folge, dass sich auch der Preis nicht schockartig, sondern einem Pfad folgend zum Wettbewerbspreis hin annähert. Diesem Szenario liegen insbesondere die folgenden beiden möglichen Ursachen zugrunde:

252

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

• Nach Beendigung der expliziten Kartellabsprachen kann sich ein gleichförmiges Parallelverhalten der ehemaligen Kartellanten einstellen, da sich über den Kartellzeitraum ein gewisses Verhaltensmuster etabliert hat. Folglich wird sich eine wettbewerbsorientierte Marktsituation erst einstellen, wenn sich stillschweigende Abstimmungen nicht mehr fortführen lassen. Prinzipiell sind marktspezifische Veränderungen  – wie beispielsweise Nachfrageeffekte, Veränderungen in Vorproduktmärkten oder technologischer oder regulativer Wandel  – dafür geeignet, stillschweigende Vereinbarungen zusammenbrechen zu lassen. • Gerade bei Vorleistungsprodukten spielen Ver­ tragslaufzeiten eine wichtige Rolle bei der Anpassung des Preisniveaus. In der Zementindustrie wird beispielsweise nicht für jede Lieferung ein individueller Preis ausgehandelt. Bei Kunden mit regelmäßiger Nachfrage werden die Konditionen stattdessen mittelfristig – beispielsweise über ein Jahr oder für die Dauer eines zeitlich begrenzten Bauprojekts – ­festgesetzt. Sollte sich der Preis innerhalb des Vertragszeitraums ändern, so wird dies meist erst zu Beginn der neuen Verhandlungsrunde berücksichtigt. Auch die deutsche Rechtsprechung geht in einzelnen Fällen von Nachwirkungen des Kartells auch nach dem durch die Wettbewerbsbehörde festgestellten Kartellende aus. Diese Verzögerungen der Preisanpassung am Ende des Kartellzeitraums wurden im bisherigen Modell ignoriert, stattdessen wurde eine sofortige Anpassung des Kartellpreises zum Nichtkartellpreis unterstellt. Jedoch ist zu bedenken, dass die Preisanpassung ohne das Kartell nicht notwendig wäre und somit auch der überhöhte Preis im Übergangszeitraum – und damit nach Ende des Kartells – in der Schadensberechnung berücksichtigt werden muss. Da der Zeitraum des Übergangs nicht bekannt ist, müssen im ökonometrischen Modell vereinfachende Annahmen zur Preisanpassung getroffen werden. Gängige Methoden werden im Folgenden vorgestellt und miteinander vergli-

chen. Die Länge des Übergangszeitraums und die Art der Anpassung  – also deren funktionale Form – wirken sich dabei direkt auf die Ermittlung des Kartellschadens aus. Grundlegende Modellierung eines Übergangszeitraums Aus der einführenden Diskussion der Problematik ergeben sich drei Fragen, die bei der Bestimmung des Übergangszeitraums insbesondere zu beantworten sind: • Bis zu welchem Zeitpunkt besteht der überhöhte Preis nach Kartellende in vollem Umfang weiter? • Über welchen Zeitraum erstreckt sich die Anpassung des Preisniveaus? • Welchem funktionalen Verlauf folgt die Anpassung? Eine einführende Bestimmung der Rahmendaten des Anpassungsprozesses ist zunächst durch die Betrachtung des Preisverlaufs über die Zeit möglich, um so strukturelle Brüche identifizieren zu können. Eine ökonometrische Erweiterung stellen sogenannte In-Sample-Prognosen dar. Hierbei wird der Preisverlauf im Kartellzeitraum geschätzt, anhand dieses Modells eine Prognose für die Preisentwicklung nach dem Kartellzusammenbruch durchgeführt und mit den tatsächlichen Preisen des jeweiligen Zeitraums verglichen. Persistente Abweichungen der tatsächlichen Preise von den Prognosewerten liefern dann Hinweise auf grundlegende Veränderungen im Verlauf des Preisniveaus und somit Strukturbrüche des Anpassungsprozesses. Abb. 6.7 zeigt zwei wesentliche Strukturbrüche auf – symbolisiert durch die beiden vertikalen gestrichelten Linien – die mithilfe dieser Methode für die Zeit nach dem Kartellzusammenbruch ermittelt wurden. Darüber hinaus können Informationen aus einem vorangegangenen Bußgeldverfahren für den privatrechtlichen Prozess verwendet werden, um Rahmendaten der Preisanpassung zu bestimmen. So kann sich beispielsweise im deutschen Recht die Bestimmung der Geldbuße entweder auf die Schätzung der Auswirkungen des Kartells auf

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

253

140 130 120 110 100 90 80 2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

Zementpreisindex

Vorhersage

Abb. 6.7  Bestimmung des Preisanpassungszeitraums über eine In-Sample-Prognose. (Quelle: Hüschelrath et al. 2012)

den Markt oder aber auf die Schätzung des von den Kartellmitgliedern vereinnahmten Vermögensvorteils stützen. Da hierzu im Grunde die gleichen Techniken wie im privatrechtlichen Verfahren Anwendung finden, können die im Bußgeldverfahren gewonnenen Informationen und Annahmen auch im privatrechtlichen Verfahren hilfreich sein. Für die Modellierung des Preisverlaufs im Übergangszeitraum kann ein linearer Anpassungsprozess unterstellt werden, indem eine Indikatorvariable vom Wert 1 zum Ende des Kartellzeitraums auf den Wert 0 zum Ende des Übergangszeitraums in einem linearen Übergangsprozess überführt wird. Obwohl Indikatorvariablen definitionsgemäß nur zwei Ausprägungen annehmen können, ist eine Abstufung zwischen den beiden Ausprägungen möglich und auch plausibel: • Der Wert 1 der Indikatorvariablen bedeutet, dass der Produktpreis zu einem bestimmten Zeitpunkt den vollen Preisaufschlag beinhaltet, der sich durch das Kartell ergibt. • Hat die Indikatorvariable nach dem Zusammenbruch des Kartells zu einem bestimmten Zeitpunkt den Wert 0,5, so impliziert dies, dass im Produktpreis noch die Hälfte des kartellinduzierten Preisaufschlags enthalten ist.

• Weist die Indikatorvariable hingegen den Wert 0 auf, so hat das Kartell keinen Einfluss (mehr) auf den Zementpreis. Eine solche Variable bildet zwar nicht den unbeobachtbaren tatsächlichen Preisaufschlag (im Zeitablauf) ab, aber sie erfüllt ihren Zweck einer Glättung des Preisübergangsprozesses. Abb.  6.8 zeigt abschließend schematisch, wie sich die Definition des Übergangszeitraums auf den Indikator und damit in der Folge auch auf die Preisschätzung auswirkt. Alternativ kann anstelle der kontinuierlichen Indikatorvariablen auch eine zusätzliche Indikatorvariable verwendet werden, die im Übergangszeitraum den Wert 1 und sonst den Wert 0 annimmt. Eine solche Variable unterstellt zwar keine funktionale Form der Preisanpassung, kennzeichnet aber dennoch den Zeitraum der Preisanpassung. Anwendung im Modell des zeitlichen Vergleichsmarkts Ein Vergleich der Effekte unterschiedlicher Indikatormaße zur Kennzeichnung des Preisübergangs vom kartellierten zum nichtkartellierten Zustand lässt sich leicht im obigen Instrumentvariablenmodell berücksichtigen. In der konkreten ökonometrischen Umsetzung wurden  – in Anlehnung an das Vorgehen des Bundeskartell-

254

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Abb. 6.8  Ausgestaltung der Indikatorvariablen „Kartellzeitraum“. (Quelle: Hüschelrath et al. 2012)

amts in der öffentlich-rechtlichen Untersuchung des Falles – drei unterschiedliche Zeiträume gewählt: von Januar bis April 2002, von Januar bis Juni 2002 sowie von Januar bis Juli 2002. Als Referenz wurde den Modellen die oben beschriebene Instrumentvariablenschätzung zugrunde gelegt, und für die drei Zeiträume wurden dann jeweils zwei Schätzungen durchgeführt: eine, in der der Übergangszeitraum wie der Kartellzeitraum durch eine Indikatorvariable gekennzeichnet und dem Kartellzeitraum zugerechnet wurde, und eine alternative, die einen kontinuierlichen Rückgang unterstellt. Der Vergleich der jeweiligen Ergebnisse zeigt, dass die Erweiterung des Kartellzeitraums um die verschiedenen Übergangszeiträume die jeweils geschätzten prozentualen Preisaufschläge deutlich ansteigen lassen. Nimmt man beispielsweise die Periode bis einschließlich April 2002 zur Kartellperiode hinzu, so ergibt sich ein Preisaufschlag von 23 % – verglichen mit einem Aufschlag von 20,32 % im obigen (instrumentierten) Grundmodell, das keine Übergangszeiträume berücksichtigte. Unterstellt man hingegen eine li-

neare Reduktion der Indikatorvariablen für den Übergangszeitraum, so steigt der zugehörige Koeffizient für die Kontrollvariable des Schädigungszeitraums weiter auf bis zu 25,99 % für den Fall des dritten Übergangszeitraums von Januar bis Juli 2002. Dies ist dadurch zu erklären, dass im Übergangszeitraum die zeitlich näher am Wettbewerbszeitraum liegenden (und damit niedrigeren) Werte des Preisindex zu einem größeren Anteil der Wettbewerbsperiode als dem Kartellzeitraum zugeordnet werden. Gleichzeitig werden die zeitlich näher am Kartellzeitraum liegenden (und damit höheren) Werte des Preisindex zu einem größeren Anteil der Kartellperiode als der Wettbewerbsperiode zugeordnet. Die anderen in die jeweiligen Schätzungen aufgenommenen Variablen haben sich durch die Modellanpassungen kaum verändert und sollen daher hier nicht weiter diskutiert werden. Zusammenfassend lässt sich festhalten, dass – in Abhängigkeit des jeweiligen Preisverlaufs und der potenziell verfügbaren weiteren Markt- und Unternehmensinformationen  – eine möglichst

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

255

realitätsnahe Spezifikation zur Modellierung des Übergangs fallspezifisch ausgewählt werden muss. Die Wahl einer Funktion für die Preisanpassung in der Übergangsphase wirkt sich durch deren Einfluss auf die Höhe des Preisaufschlags auch unmittelbar auf die Höhe des kartellbedingten Schadens aus. Aufgrund der realitätsnäheren Annahme eines schrittweisen Übergangs zum Wettbewerbspreis wäre in obigem Modell die Spezifikation mit dem kontinuierlichen Übergang der Indikatorvariablen vom Kartell- zum Wettbewerbspreis zu präferieren.

tenz des Kartells zurückzuführen sein muss, da die Preise im Kartellzeitraum auch (vom Kartell unabhängigen) Kosten- oder Nachfrageschwankungen unterliegen können. Können diese Preistreiber nicht beobachtet werden, so kann der kartellbedingte Preisaufschlag über- oder unterschätzt werden. Die Difference-in-Differences-­ Methode berücksichtigt weitere (nicht beobachtete) preistreibende Faktoren, indem sie annimmt, dass sich der Einfluss unbeobachteter Kostentreiber zwischen den räumlichen Vergleichs­märkten nicht unterscheidet. In der konkreten ökonometrischen Umsetzung 6.3.2.3 Anwendung der Difference-in-­ des räumlichen Vergleichs kommen ZementDifferences-Methode preisindexinformationen ausgewählter europä­ Als letzter Schritt im Rahmen der Ermittlung von ischer Länder  – konkret Frankreichs, Spaniens, Preisaufschlägen mithilfe öffentlicher Preisin- des Vereinigten Königreichs, Polens sowie dexdaten soll im Folgenden die During-and-­ Deutschlands – zur Anwendung, um das Vorgeafter-­Methode mit einem räumlichen Vergleich hen als solches zu verdeutlichen und zu diskutiekombiniert werden und somit die Difference-­in-­ ren. Abb. 6.9 stellt hierzu einführend die jeweiliDifferences-Methode zur Anwendung kommen. gen nationalen Zementpreisindizes für den Zeit­raum Wie bereits in Abschn.  6.3.1.2 grundlegend von 1991 bis 2008 dar. ­dargestellt, wird dabei berücksichtigt, dass nicht Wie Abb. 6.9 verdeutlicht, weisen alle natiodie ganze Preisdifferenz zwischen der Kartellpe- nalen Zementpreisindizes insgesamt steigende riode und der Wettbewerbsperiode auf die Exis- Trends auf. Während die nationalen Indizes des

2,5

2

Indizes

1,5

1

0,5

96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08

19

95

94

UK

19

93

19

92

19

19

19

91

0

Spanien

Frankreich

Deutschland

Polen

Abb. 6.9  Nationale Zementpreisindizes, 1991–2008. (Quelle: Hüschelrath et al. 2013; übersetzt durch den Autor)

256

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Vereinigten Königreichs, Spaniens, Frankreichs und Deutschlands von 1991 bis 2002 jedoch eine hohe Korrelation aufweisen, führte die Preissenkung nach dem Zusammenbruch des deutschen Kartells im Februar 2002 zu einem deutlichen Rückgang des Zementpreisindex in Deutschland, der bis zum Ende der Beobachtungsperiode im Jahr 2008 auch nicht wieder zu den anderen Ländern aufschließen konnte. Weiterhin ist in Abb.  6.9 auffällig, dass der Preisindex für Polen einen deutlich abweichenden Verlauf aufweist und sich durch starke Preisanstiege innerhalb der gesamten Beobachtungsperiode auszeichnet. Zum Teil steht dies wahrscheinlich im Zusammenhang mit dem seit Beginn der 1990er-Jahre stattfindenden Übergang Polens zur sozialen Marktwirtschaft, vermutlich spielten aber auch das Bestehen eines Zementkartells – zumindest zwischen 1998 und 2006 – sowie die umfangreichen Übernahmeaktivitäten großer deutscher Zementhersteller auf dem polnischen Markt in den 1990er-Jahren (siehe dazu Abschn. 5.2) eine gewichtige Rolle. Im Rahmen der Anwendung der Difference-­in-­ Differences-Methode kommen wiederum ausschließlich öffentlich verfügbare Daten des Statistischen Bundesamtes, der nationalen statistischen Ämter der betrachteten Vergleichsmärkte, der OECD/IEA und des BDZ  – für einen kürzeren Zeitraum von 1991 bis 2004 – zur Anwendung. Es wird dann die folgende Gleichung geschätzt:

Preisaufschlag auf den But-for-Preis  – der sich durch (exp(β3) – 1) berechnet – ermittelt. Als Kontrollvariablen werden der logarithmierte Energiepreisindex (pmtE), eine Trendvariable (Jahrt) und saisonale Effekte durch Berücksichtigung von Quartalsdummys (Q2t  −  Q4t) aufgenommen. Das erste Quartal ist dabei das Referenzquartal, sodass die Koeffizienten β6−β8 den (prozentualen) Unterschied des Zementpreises im Vergleich zum ersten Quartal messen. Gl.  6.18 wird dann unter Anwendung dreier verschiedener Verfahren geschätzt. Das sogenannte gepoolte Modell schätzt die Gleichung mithilfe der OLS-Methode und korrigiert die Standardfehler für eine mögliche Korrelation innerhalb eines Landes m („cluster-robust“), während die beiden ebenso zur Anwendung kommenden Paneldatenverfahren  – Random Effects und Fixed Effects – zusätzlich einen unbeobachteten, zeitinvarianten, aber individuenspezifischen (also hier landesspezifischen) Effekt berücksichtigen können und somit die Schätzung präzisieren. Die unter Anwendung der Difference-in-­ Differences-­ Methode geschätzten Kartellpreisaufschläge ergeben dann für das gepoolte OLS-Modell einen Aufschlag auf den But-for-­ Preis von 26,49 % und unter Verwendung des Paneldatenverfahrens (hier Random Effects) einen etwas geringeren Preisaufschlag von 26,24 %. Verglichen mit dem Ergebnis der Anwendung des einfachen zeitlichen VergleichsmarktZ pmt = β 0 + β1 K t + β 2 Dm konzepts  – 20,32  % für das Grundmodell mit E + β 3 Dm ∗ K t + β 4 pmt + β 5 Jahrt (Gl. 6.18) Instrumentierung – liegt somit der mithilfe der + β 6 Q2 t + β 7Q3t + β8Q 4 t + ε mt . Difference-­in-Differences-Methode ermittelte Preisaufschlag rund sechs Prozentpunkte höher. Dabei ist Kt die Indikatorvariable, die im Zeit- Eine mögliche Erklärung hierfür kann in den raum des Kartells den Wert 1 annimmt und zu unterschiedlichen Zeitperioden der beiden Anasonstigen Zeitpunkten t 0 ist. Dm ist die Indikator- lysen gesehen werden. Während in die Modelle variable, die im kartellierten Markt m (Deutsch- des Konzepts des einfachen zeitlichen Verland) den Wert 1 annimmt und in sonstigen gleichsmarkts Werte der Jahre 1995 bis 2009 Märkten (hier räumlichen Märkten, also Län- eingingen, konnte die Difference-in-Differendern) 0 ist. Der Difference-in-Differences-­ ces-Methode nur Werte des Zeitraums von 1991 Schätzer des Kartellpreisaufschlags ist der Koef- bis 2004 berücksichtigen. Vollständig verfizient β3 des Interaktionsterms Dm * Kt. Da die gleichbar sind die ermittelten Preisaufschläge öffentlich verfügbaren Preisdaten Indizes sind, somit nicht. Zusätzlich könnte der höhere Wert werden wiederum die logarithmierten Index- auch dadurch zu erklären sein, dass insbesonwerte verwendet. Es wird also ein prozentualer dere in der Periode nach dem Kartell deutliche

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Zementpreiserhöhungen in den Vergleichsländern stattgefunden haben, wodurch der Term (D – C) des Difference-­in-­Differences-Ansatzes (siehe dazu Tab. 6.4) negativ wird. Darüber hinaus ist in der vorliegenden Analyse eine zentrale Voraussetzung für eine aussagekräftige Anwendung einer Difference-in-­ Differences-­ Methode nicht erfüllt: die Ab­ we­ senheit von Kartellabsprachen in den anderen räumlichen Vergleichsmärkten. Diesbezüglich erscheint es aufgrund des Vorliegens zahl­ reicher kollusionsfördernder Faktoren in der Zementindustrie nicht nur grundsätzlich schwierig, in den anderen Ländern von funktionierendem Wettbewerb auszugehen, sondern für den Fall Polens ist die Existenz eines Zementkartells  – mindestens von 1998 bis 2006 und damit voll innerhalb des Beobachtungszeitraums  – sogar durch eine Entscheidung der polnischen Wettbewerbsbehörde eindeutig belegt. Vor diesem Hintergrund scheint abschließend noch einmal der Hinweis wichtig, dass hier lediglich eine Darstellung der grundsätzlichen Vorgehensweise in der Anwendung einer Difference-­in-­ Differences-Methode beabsichtigt wurde – explizit ohne den Anspruch zu erheben, dass die erzielten Ergebnisse direkt Eingang in eine konkrete Schadensermittlung im Rahmen einer zivilrechtlichen Klage finden sollten.

6.3.3 S  chadensermittlung für das deutsche Zementkartell auf Basis privater Transaktionsdaten In den vorangegangenen Abschnitten wurden gängige Modelle zur Ermittlung kartellbedingter Preisaufschläge mithilfe öffentlich verfügbarer, allerdings stark aggregierter Sekundärdaten vorgestellt. Im Rahmen des Abschn. 6.3.3 sollen nun Individualdaten  – in Form detaillierter Transaktionsdaten – zur Anwendung kommen. Da Individualdaten üblicherweise andere Anforderungen an ökonometrische Modelle stellen als aggregierte Daten, werden zunächst ausgewählte Besonderheiten verschiedener Datenaggregationsstufen im einführenden Abschn. 6.3.3.1 erläutert.

257

Dem schließt sich dann die konkrete Nutzung der CDC-Transaktionsdaten zur Ermittlung der Kartelldauer in Abschn. 6.3.3.2 sowie zur Ermittlung der Preisaufschläge in Abschn. 6.3.3.3 an. Insbesondere im Rahmen der Ermittlung der Preisaufschläge wird dabei explizit unterschieden zwischen einer Analyse auf Basis vollständig disaggregierter Transaktionsdaten einerseits sowie aggregierter Transaktionsdaten andererseits. Die Ergebnisse dieser Schätzungen fließen dann in die abschließende Ermittlung des Gesamtschadens in Abschn. 6.3.3.4 ein.

6.3.3.1 Einführung In Abschn.  6.3.1 wurden ökonometrische Modelle vorgestellt, deren Anwendung auf das deutsche Zementkartell in Abschn.  6.3.2 unter Berücksichtigung öffentlich verfügbarer Daten gezeigt wurde. Konkret wurde dort ein Zementpreisindex auf Monatsbasis verwendet, der aus dem gewichteten Durchschnitt der von ausgewählten Herstellern erfragten Rechnungsdaten gebildet wird. Dieser Index enthält somit wesentliche Informationen über die Entwicklung des Zementpreises im Zeitablauf und erlaubt so eine Abschätzung des Preisaufschlags mithilfe des Konzepts des zeitlichen Vergleichsmarkts oder  – bei Hinzuziehung von Zementpreisindizes anderer europäischer Länder  – mithilfe des Difference-­in-­Differences-Ansatzes. Da der Zementpreisindex nicht mit dem Ziel der Ermittlung von Kartellschäden erhoben wurde, handelt es sich bei diesen hoch aggregierten Daten um sogenannte Sekundärdaten. Im Gegensatz dazu werden Individualdaten in der Regel für eine bestimmte Untersuchung eigens erhoben. Solche Daten enthalten daher im Regelfall auch spezifischere Informationen und erlauben präzisere Aussagen über einzelne Detailfragen. Während beispielsweise der Zementpreisindex sich auf das gesamte Bundesgebiet bezieht, erlauben Individualdaten gegebenenfalls eine Analyse regionaler Unterschiede der Zementpreise. Hierbei muss allerdings beachtet werden, dass Individualdaten – im Gegensatz zu öffentlichen Preisindizes – in der Regel nicht repräsentativ für den gesamten Sektor sind – sofern sie nicht nach entsprechenden Kriterien zusam-

258

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

mengestellt wurden und dann auf Basis einer solchen Schichtung eine Hochrechnung erfolgte. Obwohl ein zentraler Vorteil von Individualdaten in ihrer Reichhaltigkeit und ihrem Detailgrad liegt, so kann es gute Gründe für eine (schwache) Aggregation solcher Datenbestände geben. Denn durch die Aggregation werden individuelle Unterschiede nivelliert, Informationen kanalisiert und somit die individuell bedingte Streuung hinsichtlich bestimmter Details reduziert. Gegenläufige Beobachtungen heben sich auf diese Weise auf und erreichen so eine Reduktion der Streuung des aggregierten Datensatzes im Vergleich zum ursprünglichen Datensatz. Eine solche Glättung der erhobenen Daten führt daher zu einer höheren Erklärungsqualität in ökonometrischen Modellen bei der Anwendung hochaggregierter Daten über die Zeit – im Vergleich zu einer Verwendung von Individualdaten. Übertragen auf die von CDC erhobenen Transaktionsdaten bedeutet dies, dass eine Aggregation der einzelnen Rechnungspositionen auf beispielsweise Monatsebene gerechtfertigt sein kann, da auf diese Weise der Einfluss von Ausreißern – wie beispielsweise wenig repräsentativen Rechnungspositionen  – auf die Schätzung des Preisaufschlags verringert wird. Da die Schätzungen dadurch präziser werden, kommt somit der Wahl des geeigneten Aggregationsniveaus  – beziehungsweise umgekehrt des verbleibendenden Detailierungsgrades – eine besondere Bedeutung zu. Da Individualdaten (beziehungsweise schwach aggregierte Individualdaten) einem gewissen gleichbleibenden Verhalten hinsichtlich einzelner Individuen über die Zeit folgen, müssen üblicherweise – anders als bei aggregierten Daten – Spezifika der Individuen in multivariaten Analysen kontrolliert werden. Zum Beispiel verhalten sich kleinere Unternehmen anders als größere, neu gegründete Unternehmen anders als etablierte oder Mehrproduktunternehmen anders als Einzelproduktunternehmen. So kann es sein, dass große und etablierte Abnehmer eine größere Verhandlungsmacht haben als kleinere und /oder neue Abnehmer und aufgrund dessen bessere Preise erzielen.

Um Spezifika dieser Art zu berücksichtigen, werden in mikroökonometrischen Modellen Approximationsmaße verwendet, da über einzelne Charakteristika häufig keine direkt messbaren Informationen zur Verfügung stehen oder nur mit erheblichem Aufwand zu ermitteln sind. Diese Approximationsmaße werden daher neben den interessierenden Variablen in die ökonometrischen Modelle mit aufgenommen, um mögliche systematische (Stör-)Einflüsse auf die interessierenden Effekte ausschließen zu können. Neben solch beobachtbarer Heterogenität gibt es im Regelfall allerdings auch Unterschiede zwischen Unternehmen, die nicht beobachtbar sind. Zum Beispiel unterscheiden sich Unternehmen im Hinblick auf den Führungsstil ihrer Manager oder in Bezug auf die zur Anwen­ dung kommenden Marketingstrategien. Derartige „weiche Faktoren“ können sich auch – direkt oder indirekt  – auf das Preissetzungsverhalten, die Angebotsvielfalt oder Qualitätsunterschiede auswirken, können aber – obwohl man um solche Unterschiede auf Basis unbeobachtbarer Heterogenität weiß  – in ökonometrischen Modellen nicht durch die Aufnahme zusätzlicher Variablen direkt berücksichtigt werden. In der Folge können solche individuellen Faktoren dann unter Umständen zu verzerrten Schätzungen des zu untersuchenden Zusammenhangs führen. Verschiedene Methoden der Paneldatenanalyse erlauben jedoch, solche potenziellen Verzerrungen zu beseitigen. Ein Beispiel sind die sogenannten Fixed-Effects-Schätzungen. Unter Fixed Effects versteht man dabei, dass für jedes Unternehmen ein konstanter Term in die Schätzung aufgenommen wird, um unternehmensindividuelle, über die Zeit konstante Einflüsse zu kontrollieren. Dies geht allerdings mit einem Verlust an Effizienz des Schätzers einher. Ist der unternehmensindividuelle, über die Zeit konstante Einfluss jedoch nicht mit weiteren unbeobachteten und zeitabhängigen Einflüssen korreliert, so kann das ökonometrische Modell – ohne Effizienzverlust  – mithilfe eines sogenannten Random-­ Effects-­Ansatzes geschätzt werden. Es kann somit festgehalten werden, dass wesentliche Unterschiede zwischen (nicht oder nur schwach aggregierten) Individualdaten und stark

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

aggregierten Sekundärdaten im Regelfall deutliche Auswirkungen auf die Datenanalyse, die Auswahl der ökonometrischen Modelle, die zu verwendenden Schätzmethoden sowie auch die Interpretation der erzielten Ergebnisse haben. Aus diesem Grund werden insbesondere im Rahmen der Ermittlung der Preisaufschläge in Abschn. 6.3.3.3 die entsprechenden Modelle und Methoden sowohl auf Basis der vollständig disaggregierten CDC-Transaktionsdaten als auch auf Basis einer teilweise aggregierten Form des CDC-Transaktionsdatensatzes angewendet. Ein anschließender Vergleich der jeweils erzielten Preisaufschläge erlaubt dann Rückschlüsse auf die Bedeutung der Datenaggregation im konkreten Fall des deutschen Zementkartells.

6.3.3.2 Ermittlung der Kartelldauer Obwohl der Schwerpunkt der nachfolgenden Analysen auf der Ermittlung der Preisaufschläge liegt, so erlauben die umfangreichen und detaillierten CDC-Transaktionsdaten auch spezifischere Aussagen zur Dauer des deutschen Zementkartells. Unter Bezugnahme auf die allgemeine Diskussion in Abschn.  6.3.1.1 bietet sich hierzu konkret die Durchführung einer Strukturbruchanalyse an, auf Basis derer dann insbesondere das Ende des Zementkartells untersucht werden kann, wie es sich in den individuellen Rechnungsdaten widerspiegelt. Eine Bestimmung des Kartellbeginns ist hingegen für den Fall des deutschen Zementkartells aufgrund fehlender Daten hier nicht möglich, wäre aber im Falle der Verfügbarkeit entsprechender Rechnungsdaten  – unter Anwendung derselben ökonometrischen Methode – leicht umsetzbar. Allgemein gesprochen liefert eine Strukturbruchanalyse statistische Hinweise für Veränderungen in der Datenstruktur im Zeitverlauf. Während eine solche Analyse oftmals ein geeignetes Instrument für aggregierte Daten ist, erweist sich eine Anwendung auf Individualdaten regelmäßig als schwierig. Denn durch die Aggregation von Daten gleichen sich die einzelnen Unterschiede aus und sorgen so für eine homogenere Entwicklung des Index – die dann die statistische Identifikation von Strukturbrüchen erleichtert. Im Gegensatz dazu hängen Individualdaten typi-

259

scherweise stark von idiosynkratischen Einflüssen mit höherer Gesamtvolatilität ab. Für den Fall des deutschen Zementkartells wird auf Basis der CDC-Transaktionsdaten eine Strukturbruchanalyse durchgeführt  – und zwar um das bekannte Datum des Kartellzusammenbruchs im Februar 2002 herum  – mit dem Ziel einer Beantwortung der Frage, ob und zu welchem Zeitpunkt die Kunden eine statistisch signifikante kartellzusammenbruchsbedingte Preissenkung erfahren haben. Konkret kommt hierzu ein iteratives Verfahren der Strukturbruchanalyse von jeweils sechs Monaten vor und nach dem vermuteten Ende des Kartells zur Anwendung, um zu prüfen, ob die Transaktionsdaten ein anderes Ende der Kartellvereinbarung nahelegen als die öffentlichen Sekundärdaten. Hierzu werden drei verschiedene Kennzahlen verwendet: die durchschnittlichen Listenpreise auf Basis des öffentlichen Preisindex, die durchschnittlichen Listenpreise auf Basis der (aggregierten) CDC-­ Listenpreise sowie der Variationskoeffizient für die (aggregierten) CDC-Listenpreise. Ein Strukturbruch liegt dann vor, wenn sich der folgende t-Wert signifikant von null unterscheidet: t=

 pc −  pnc . se ( pc ,pnc )nc

(Gl. 6.19)

 pc ist der Mittelwert für die erste Periode,  pnc ist der Mittelwert für die zweite Periode und se(pc, pnc)nc ist der entsprechende Standardfehler der Differenz der jeweiligen Werte zwischen den beiden Perioden für jede der drei Kennzahlen. Technisch gesprochen würden somit im Zeitablauf steigende t-Werte den Anstieg in der Abweichung der Nichtkartellpreise von den Kartellpreisen widerspiegeln und eine statistisch signifikante Abweichung dann den Strukturbruch identifizieren. Vor diesem Hintergrund zeigt Abb.  6.10 die jeweiligen Ergebnisse der Analyse in Form der t-Werte für die als variabel angenommenen Strukturbrüche unter Verwendung öffentlicher Sekundärdaten sowie aggregierter CDC-­ Trans­ aktionsdaten. Wie Abb.  6.10 verdeutlicht, weisen die entsprechenden Ausprägungen der drei Kennzahlen überwiegend in die gleiche Richtung und zeigen

260

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Abb. 6.10  t-Werte für verschiedene Strukturbruchannahmen. (Quelle: Hüschelrath und Veith 2014; übersetzt durch den Autor)

durchaus auch einen deutlichen Gleichlauf. Je weiter sich die Periode des angenommenen Strukturbruchs auf den behördlich festgestellten Beginn der Nichtkartellperiode im Februar 2002 verschiebt, desto größer werden die entsprechenden t-Werte. Während hingegen die öffentlichen Daten einen Strukturbruch erst im Februar 2002 feststellen, zeigen die Auswertungen für sowohl die Listenpreise als auch den Lis­ tenpreisvariationskoeffizienten auf Basis der CDC-Transaktionsdaten entsprechende Strukturbrüche bereits im Dezember bzw. November 2001 (jeweils basierend auf einem kritischen Einprozent-­t-­Wert). Dieses Ergebnis erscheint auch insofern konsistent, als das Kartellmitglied Readymix die bevorstehende Abweichung von der Absprache – wie in Abschn. 5.3.1 detailliert beschrieben  – bereits im November 2001 ankündigte und dann erst im Februar 2002 implementierte. Insofern lässt sich argumentieren, dass die Ankündigung von den anderen Kartellmitgliedern insofern als glaubwürdig eingeschätzt wurde, als diese unmittelbar danach – noch vor der tatsächlichen Implementierung durch Readymix – mit Preissenkungen darauf reagierten. „Cartel dating“ Eine Studie von Boswijk et  al. (2019) greift das Pro­ blem der Bestimmung der Anfangs- und Enddaten von Kartellen mithilfe eines neuen ökonometrischen Ansatzes auf. Die Autoren zeigen zunächst theoretisch, dass falsch datierte Kartellwirkungen zu einer (schwachen)

Überschätzung von But-for-Preisen und somit zu einer Unterschätzung des kartellbedingten Gesamtschadens führen können. Anschließend wenden sie die neue Methode auf Preisdaten des Natriumchloratkartells an und finden empirische Bestätigung für ihre theoretischen Hypothesen.

Zusammenfassend lässt sich sagen, dass die Auswertung aggregierter CDC-­Transaktionsdaten darauf hindeutet, dass zumindest einige größere Kunden bereits einige Monate vor dem behördlich festgestellten Kartellende eine signifikante Preisreduktion erfahren haben und somit deren Kartellende – beziehungsweise der Beginn des zu vermutenden Übergangszeitraums (siehe dazu Abschn. 6.3.2.2) – bereits im November 2001 und nicht erst im Februar 2002 zu vermuten ist. Neben der hier durchgeführten Strukturbruchanalyse auf Basis von aggregierten Transaktionsdaten ist es grundsätzlich auch möglich, eine solche Analyse getrennt für jeden der 36 im Datensatz befindlichen Kunden der Zementunternehmen vorzunehmen. Einerseits kann eine solche Analyse dahin gehend einen Mehrwert schaffen, dass beispielsweise die Vertragsbedingungen zwischen den Kunden sehr unterschiedlich sein können – und in der Folge dann auch die jeweiligen individuellen Kartellenden noch unterschiedlicher ausfallen können. Andererseits sieht sich eine solche Analyse oftmals auch mit größeren methodischen Schwierigkeiten konfrontiert, die sich beispielsweise aus (erheblichen) Unterschieden im Kaufverhalten oder bei den Abnahmemengen der jeweiligen Kunden ergeben können.

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

261

Diesbezüglich gewährte die Entwicklung einer Methode zur proaktiven Kartellaufdeckung durch Kunden in Abschn. 6.2 bereits detailliertere Einblicke.

bruar 2002 recht kurz. Methodisch kommen zunächst gepoolte Modelle (Modelltyp 1) gefolgt von Paneldatenmodellen (Modelltyp 2) zur Anwendung.

6.3.3.3 Ermittlung des Preisaufschlags Im Anschluss an die empirische Ermittlung der Kartelldauer  – beziehungsweise genauer des Kartellendes  – als eine wichtige Dimension der Schadenshöhe erfolgt nun eine Betrachtung der zweiten wichtigen Dimension: der Ermittlung der Höhe des Kartellpreisaufschlags. In der konkreten Umsetzung werden insbesondere zwei Modelltypen geschätzt: Modelltyp 1, der sogenannte gepoolte Modelle umfasst und dabei zwischen Niveau- und Log-Level-Spezifikationen unterscheidet, und Modelltyp 2, der die Paneldatenstruktur vollumfänglich ausnutzt und sowohl Random- als auch Fixed-Effects-Modelle schätzt. Aufgrund von Datenbeschränkungen erfolgt wiederum eine Konzentration auf die Anwendung des Vorher-Nachher-Ansatzes  – also eines Vergleichs der Preise während des Kartellzeitraums mit den Preisen auf dem gleichen Markt vor und/oder nach dem Kartellzeitraum. Auf Basis der einführend skizzierten Bedeutung der Datenaggregation werden im Folgenden zwei unterschiedlich aggregierte Datensätze zugrunde gelegt: Während die beiden Modelltypen zunächst auf Basis des vollständig disaggregierten Transaktionsdatensatzes (Datensatztyp A) geschätzt werden, wird nachfolgend eine aggregierte Form des Transaktionsdatensatzes (Datensatztyp B) zur Anwendung gebracht.

Gepoolte Modelle (Modelltyp 1 – Datensatztyp A) Nachfolgend wird mithilfe gepoolter Modelle der Einfluss des Kartells auf die Preissetzung – unter Berücksichtigung weiterer möglicher Einflussfaktoren – untersucht. Dabei wird unterschieden zwischen einer Niveauspezifikation und einer log-linearen Spezifikation. Während die Niveauspezifikation absolute Aussagen erlaubt wie „Steigt der Preis um 1 Euro, sinkt die Nachfrage um x Mengeneinheiten“, so ermöglicht die logarithmierte Spezifikation der Daten relative Aussagen wie „Steigt der Preis um 1  %, sinkt die Nachfrage um x %“. Aus der Analyse auf Basis der öffentlich verfügbaren Preisindexdaten in Abschn.  6.3.2.2 ist bereits bekannt, dass grundsätzlich ein simultaner Zusammenhang zwischen Preis und nach­ gefragter Menge zu vermuten ist. Die hier vorliegenden Individualdaten auf Basis von Rechnungsdaten erlauben allerdings eine Vernachlässigung dieses Aspekts, da die pro Rechnung ausgewiesene Menge durch die Transportkapazität der LKWs bzw. Züge restringiert ist. Eine Instrumentierung der Nachfrage auf dieser Aggregationsstufe ist ebenso nicht notwendig, da der Preis nicht die rechnungsbezogene Menge beeinflusst. Im Gegensatz zur Verwendung aggregierter Preisindexdaten können im Folgenden Unterschiede zwischen den vier deutschen Teilmärkten für Zement kontrolliert werden. Dazu werden die entsprechenden Indikatorvariablen in die Schätzspezifikation mit aufgenommen. Zum Beispiel hat die Dummyvariable für die Region Süd den Wert 1, wenn eine Lieferung in der südlichen Marktregion abgeladen wird. Für alle anderen Lieferungen nimmt die Dummyvariable den Wert 0 an. Entsprechend werden auch Dummyvariablen für die anderen Marktregionen verwendet. Die Region Nord dient dabei als Referenzregion. Der Effekt dieser Dummyvariablen auf den Preis wird daher im Vergleich zur Region Nord inter-

Empirische Analyse auf Basis vollständig disaggregierter Daten Im Folgenden finden verschiedene multivariate Modelle Anwendung auf den vollständig disaggregierten CDC-Transaktionsdatensatz (Datensatztyp A) in Form von rund 245.000 einzelnen Rechnungspositionen. Aufgrund einer begrenzten Datenverfügbarkeit erfolgt dabei eine Konzentration auf den Beobachtungszeitraum von 1993 bis 2003. Dies hat einerseits zur Folge, dass nicht der gesamte Kartellzeitraum betrachtet werden kann, andererseits ist auch die Vergleichsperiode nach dem Kartellzusammenbruch im Fe-

262

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

pretiert. Darüber hinaus können analog auch Unterschiede in der Festigkeit durch Dummyvariablen berücksichtigt werden. In diesem Fall dient hinsichtlich der Interpretation des Effekts die Festigkeit 52,5 N/mm2 als Referenzgröße. Zur Ermittlung des mittleren Preisaufschlags im Kartellzeitraum kann nun das folgende Modell aufgestellt und geschätzt werden: pi = α + β Kartell Kartelli + β Bft Bfti + β JNf JNfi + βOstimp Ostimpi (Gl. 6.20)  + β Sud Sudi + βWest Westi + βOst Osti + β F 32,5 F 32, 5i + β F 42,5 F 42, 5i + ε i . Der deflationierte Preis pi je Transaktion i wird erklärt durch eine Variable Kartell für den Kartellzeitraum, Bft für den (trendbereinigten) Produktionsindex Betonfertigteile, JNf für die Jahresnachfrage eines Kunden, Ostimp für das Vorliegen eines Ostimports, Süd, West und Ost für die Region der jeweiligen Abladestelle (mit der Region West als Referenzgröße) sowie F32,5 und F42,5 für die jeweiligen Festigkeiten (mit der Festigkeit 52,5 als Referenzgröße). Dieses Modell wird dann in zwei Spezifikationen geschätzt: Einerseits werden die kontinuierlichen Variablen Preis und Jahresnachfrage in absoluter Form verwendet (Niveauspezifikation), andererseits werden sie logarithmiert (log-lineare Spezifikation). Der Produktionsindex Betonfertigteile geht dabei in absoluter Form in beide Modelle ein. Während die Schätzung in absoluten Werten einen linearen Zusammenhang zwischen der abhängigen und jeder erklärenden Variablen voraussetzt, ermöglicht die log-lineare Spezifikation eine relative Interpretation. Schätzt man die obige Gleichung in Logarithmen, so stellen die Koeffizienten der logarithmierten Variablen Elastizitäten dar, die der nicht logarithmierten Dummyvariablen Semielastizitäten. Man untersucht dann nicht mehr den absoluten Effekt auf den Zementpreis („Anstieg um x Einheiten“), sondern eine relative Veränderung („Anstieg um x  %“) im Fall eines Anstiegs der entsprechenden Variablen um 1  % (Elastizität) oder des Sprungs von null auf eins (Semielastizität). Der exakte Wert des relativen Anstiegs berechnet sich bei log-linearen Modellen im Fall

von Dummyvariablen mit exp(βj) – 1. Ist βj klein, so gilt exp(βj) – 1 » βj. Neben diesen eher ökonomischen Aspekten bietet die Logarithmierung von Variablen auch technische Vorzüge. Die Logarithmierung führt dazu, dass absolut größere Werte stärker gegen null verschoben werden als kleinere Werte. Dadurch ändert sich die Verteilung der in die Schätzung einfließenden Werte. Unter Umständen kann die Qualität eines Modells durch Logarithmierung der Variablen so steigen. Zudem wird häufig das Problem der Heteroskedastie abgemildert. Eine log-lineare Spezifikation kann allerdings nur angewendet werden, wenn alle zu logarithmierenden Ausprägungen einer Variablen > 0 sind. Bei den typischen wettbewerbsökonomischen Variablen  – Preisen und Mengen  – ist dies in der Regel gewährleistet. Im Folgenden wird nun obiges Modell einerseits in der Niveauspezifikation, andererseits in der beschriebenen logarithmierten Form geschätzt. Interessanterweise findet man auf Basis der jeweiligen Koeffizienten der Variable Kartell einerseits für die Niveaugleichung einen Preisaufschlag von 17,024 Euro pro Tonne, der sich in einen Preisaufschlag von 30,1  % umrechnen lässt. Andererseits erbringt die logarithmische Gleichung einen deutlichen höheren Preisaufschlag von 38,4 % – dies entspricht einem Preisaufschlag von 21,077 Euro pro Tonne. Auf der Suche nach Erklärungen für diese deutliche Abweichung ist zunächst daran zu erinnern, dass die Variable Kartell eine Dummyvariable und daher in der Niveau- und in der logarithmierten Spezifikation identisch ist – insofern muss die Abweichung durch die Logarithmierung der Preisvariablen begründet sein. Durch die Logarithmierung werden größere Werte stärker gegen null verschoben als kleinere Werte (> 1). Dadurch verschiebt sich auch das arithmetische Mittel. Die ursprüngliche Beobachtung, die den Wert des arithmetischen Mittels hatte, liegt rechts vom arithmetischen Mittel der logarithmierten Verteilung. Die Betrachtung der Schiefe der Preisverteilung im CDC-Datensatz zeigt für die absoluten Werte eine schwach linksschiefe Verteilung. Durch die Logarithmierung wird daher die Links-

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

schiefe der Verteilung erhöht. Dies wirkt sich auch auf das Schätzergebnis aus, da der Preis während der Nichtkartellperiode niedriger ist. Die nach links orientierte Abweichung der Verteilung wird daher – bedingt durch die Variable Kartell  – absorbiert. Dadurch ist der errechnete Preisaufschlag unter Verwendung der logarithmierten Verteilung größer, als dies allein durch das Kartell der Fall sein sollte. Da die Verteilung des absoluten Preises vergleichsweise nahe an die Normalverteilung herankommt, ist folglich beim hier vorliegenden Datensatz das Modell in absoluten Werten besser für die Schadensschätzung geeignet. Weiterhin fällt im Zuge einer Diskussion der Schätzergebnisse auf, dass die Angaben des Bestimmtheitsmaßes (adj.) R2 und auch der F-Test auf gemeinsame Signifikanz aller Variablen zwischen beiden Modellen relativ ähnlich sind. Dies war insoweit auch zu erwarten, als in der zweiten Schätzung lediglich eine lineare Transformation einzelner Variablen vorgenommen wurde. Es fällt allerdings weiterhin auf, dass das Bestimmtheitsmaß mit Werten um 0,4 wesentlich niedriger ausfällt als bei Verwendung der aggregierten Preisindexdaten mit Werten um 0,7. Dies ist darauf zurückzuführen, dass bei Transaktionsdaten eine höhere individuell bedingte Streuung zwischen den Beobachtungen existiert. Die Aggregation von Daten nivelliert diese Streuung, indem sich positive und negative Abweichungen vom Mittelwert ausgleichen. Da dies sowohl bei den erklärenden als auch bei der abhängigen Variablen auftritt, sinkt der nichterklärbare Anteil aus der Schätzung, und das R2 ist folglich höher. Hinsichtlich der Nachfrageparameter zeigt sich bei beiden Modellen ein gemischtes Bild: Während die Marktnachfrage (Produktionsindex Betonfertigteile) insgesamt nur einen statistisch schwach signifikanten Einfluss auf den Preis hat, ergibt sich für die individuelle Unternehmensnachfrage ein negativer Einfluss. Fragt ein Unternehmen pro Jahr 1000 Tonnen mehr Portlandzement nach, so sinkt der zu zahlende Preis für dieses Unternehmen um durchschnittlich 3,6 Cent bzw. 5,1 %. Es existiert also dahin gehend ein Größendegressionseffekt, dass große Nachfrager einen niedrigeren Preis je nachge-

263

fragter Tonne Zement zahlen müssen als kleinere Nachfrager. Weiterhin zeigen die Schätzergebnisse keinen signifikanten Effekt der Ostimporte auf den Preis für Zement. Dies ist auf den ersten Blick insofern überraschend, als die entsprechenden Ostimporte (zeitweise) preislich erheblich unter den deutschen Zementpreisen lagen und somit zumindest für Nachfrager im Süden und Osten Deutschlands trotz der höheren Transportkosten durchaus attraktiv waren. Eine genauere Betrachtung der Zusammenhänge erlaubt allerdings die Ableitung verschiedener Erklärungen für das Fehlen eines signifikanten Einflusses: • Kartellbedingte Übereinstimmung: Teilweise parallel zum deutschen Zementkartell existierte  – mindestens von 1998 bis 2006  – ein polnisches Zementkartell. In diesem Zusammenhang wurde bereits in Abschn.  5.2.1 ein gewisser Interessengleichlauf und – in diesem Zusammenhang  – ein weitgehender Verzicht auf direkten (internationalen) Wettbewerb vermutet. • Strategie der Abschottung: Eine alternative Erklärung könnte in den  – ebenso bereits in Abschn. 5.2.1 diskutierten – Akquisitionen von zahlreichen Zementwerken in Polen, Tschechien und der Slowakei durch deutsche Zementunternehmen – und der damit erzielten zunehmenden Abschottung von Importen aus diesen osteuropäischen Ländern – zu sehen sein. • Unzureichende Datenlage: Da der Anteil der Rechnungen für Ostimporte im Datensatz bei nur rund 5  % liegt, kann ein entsprechender Effekt einfach zu schwach sein, um insgesamt einen signifikanten Einfluss auf die Zementpreise auszuüben. • Modellspezifikation: Aufgrund der geringen Anzahl verfügbarer Informationen über Ostimporte wurden diese stets in Form einer Dummyvariablen in das ökonometrische Modell aufgenommen. Könnten weitere Informationen  – beispielsweise über Lieferbeziehungen oder Eigentumsverflechtungen – berücksichtigt werden, so ergäbe sich ein vollständigeres Bild, das sich dann auch auf die Signifikanz der Ostimportvariablen auswirken könnte.

264

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

unterschiedlicher Ausprägungen des Kriteriums nicht zu den gleichen Zeitpunkten stattfinden. Die einfacheren gepoolten Modelle vernachlässigen diese Paneldatenstruktur des CDC-Datensatzes. Dies bedeutet, dass die Wiederholung identischer Abladestellen und gleichzeitig die zeitliche Struktur in den multivariaten Analysen keine besondere Berücksichtigung finden. Widmet man sich konkret der Frage, wie die Vorteile eines Paneldatensatzes bestmöglich genutzt werden können, so wurde bereits in der Einführung zu Abschn.  6.3.3 erläutert, dass neben beobachtbaren Unterschieden zwischen Abnehmern und Lieferanten auch Unterschiede existieren, die nicht beobachtbar sind. Dies gilt ins­ besondere für individuelle Einflussfaktoren aufgrund bestehender Lieferbeziehungen. Die Varianz-Kovarianz-Matrix wurde daher in den vorangegangenen gepoolten Schätzungen angepasst, indem die Beobachtungen nach Abladestelle und Kunde zusammengefasst („geclustert“) wurden. Vernachlässigt wurde bei diesem Vorgehen allerdings der mögliche individuelle Einfluss, der sich für die Koeffizienten ergibt. Daher wurde zusätzlich die Größe der Abnehmer kontrolliert, indem deren Jahresnachfrage berücksichtigt wurde. Auf diese Weise kann ein negativer mengenmäßiger Einfluss auf den Preis identifiziert werden. Andere unbeobachtbare Faktoren wie etwa Verhandlungsgeschick oder Aspekte gleichStatische Paneldatenmodelle (Modelltyp bleibender Nachfrageeinflüsse wie örtliche Bin2 – Datensatztyp A) dung an bestimmte Zementhersteller könnten alBei den angewendeten gepoolten Modellen kön- lerdings auch einen Einfluss haben, der sich nen zwar zeitliche Trends oder zeitpunktbe­ wiederum im Preis niederschlägt. zogene Unterschiede aufgegriffen werden, ein Eine möglichst präzise Kontrolle individueller gleichbleibender individueller Einfluss über die Heterogenität ist bei der Analyse disaggregierter Zeit kann bei einer Paneldatenstruktur allerdings Datensätze von zentraler Bedeutung, da dieser nur mithilfe von Paneldatenmodellen wie Fixed-­ individuelle Charakter durch Aggregation übliEffects- oder Random-Effects-Modellen berück- cherweise nivelliert wird. Dadurch gehen allersichtigt werden. dings auch wichtige Unterschiede zwischen HerGrundsätzlich zeichnet sich ein Panel dadurch stellern und zwischen Nachfragern verloren, die aus, dass sich Daten hinsichtlich eines bestimm- einen Einfluss auf den Preis haben könnten. ten Kriteriums wiederholen. Im vorliegenden Methoden der Paneldatenanalyse erlauben es, Datensatz können dies die Abnehmer, die Her- mögliche Verzerrungen der Schätzergebnisse, die steller, die Lieferstellen oder Kombinationen da- durch nicht beobachtbare, aber zeitinvariante Heraus sein. Man spricht von einem „unbalanced terogenität entstehen können, zu beseitigen. Im panel“, wenn die Wiederholungen hinsichtlich Folgenden werden daher die beiden bekanntesten Betrachtet man mit den Abladestellen und den Festigkeiten die beiden letzten Variablentypen, so findet sich für erstgenannten Typ kein statistisch signifikanter Preisunterschied zwischen den Regionen Nord und Süd. Die Durchschnittspreise liegen allerdings in der Region West um 8,04 Euro (Niveau) bzw. 10,3 % (Log-Level) und der in der Region Ost um 11,25 Euro (Niveau) bzw. 15 % (Log-Level) unter dem Durchschnittspreis der Referenzregion Nord. Analog lassen sich die erhaltenen Koeffizienten der Festigkeit in Relation zur Festigkeit 52,5 N/mm2 interpretieren. Demnach ist der Preis für CEM-I-Zement der Festigkeit 32,5  N/mm2 durchschnittlich 15,83 Euro (Niveau) bzw. 18,5 % (Log-Level) und für CEM-I-Zement der Festigkeit 42,5 N/mm2 durchschnittlich 9,98 Euro (Niveau) bzw. 9,1  % (Log-Level) günstiger als für CEM-I-Zement der Festigkeit 52,5 N/mm2. Somit lässt sich vorläufig festhalten, dass multivariate ökonometrische Analysen zwar eine Verbesserung des Erklärungsgehalts bieten, allerdings auf teilweise unterschiedlichen Modellannahmen beruhen und in der Folge zu deutlich unterschiedlichen Schätzergebnissen führen können. Es ist daher, wie bei allen modellbasierten Analysen, auch bei empirischen Methoden stets notwendig, nicht nur die Ergebnisse, sondern insbesondere auch die Vorgehensweise und die unterstellten Annahmen zu plausibilisieren.

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

Methoden – die Random-Effects-Schätzung und die Fixed-Effects-Schätzung  – einander gegenübergestellt. Neben einer Diskussion von Unterschieden im Aufbau und in den Schätzergebnissen wird auch das für den vorliegenden Datensatz besser geeignete Modell ermittelt. Konkret wird – unter Anwendung von Paneldatenmethoden – das folgende Modell geschätzt: pit = α + β K Kartellt + β Bft Bftt + β JNf JNfit  (Gl. 6.21) + βOstimpOstimpit + β F 32,5 F 32, 5it + β F 42,5 F 42, 5it + ε i + uit . Im Gegensatz zu den gepoolten Modellen wird hier die Abladeregion nicht explizit aufgenommen, da die Panelvariable Abladestelle-­ Kunde die Abladestelle bereits berücksichtigt, und die entsprechende Information dadurch im Modell bereits implizit vorkommt. Da sich in den gepoolten Modellen gezeigt hat, dass eine ­Schätzung in absoluten Werten angebrachter ist als eine logarithmische Transformierung, werden die folgenden Panelschätzungen nur in der absoluten Spezifikation durchgeführt. Im Falle der sogenannten Random-­ Effects-­ Schätzung ergeben sich die zentralen Unterschiede zum gepoolten Modell aus der Berücksichtigung und Modellierung individueller Effekte, die durch Aufnahme des Terms εi abgebildet sind. Dieser Term greift die zeitunabhängigen individuellen Unterschiede für jede Ablade­ stelle-­ Kunden-Kombination auf. Während die Random-Effects-Schätzung eine Korrelation der nicht beobachteten, individuellen, aber zeitinvarianten Effekte mit den erklärenden Variablen nicht zulässt, erlaubt die Fixed-­ Effects-­Schätzung eine Korrelation zwischen εi und den erklärenden Variablen. Allerdings ist  – für den Fall, dass keine derartige Korrelation vorliegt  – die Random-Effects-Schätzung die bessere, da effizientere Methode. Um zwischen einer Random-Effects- und einer Fixed-Effects-­Schät­ zung zu wählen, kann der sogenannte Haus­ man-­Test angewendet werden. Führt man die beiden Schätzungen gemäß dem obigen Schätzmodell durch, so ergibt sich für die Random-Effects-Schätzung ein Preisaufschlag von 15,059 Euro pro Tonne bzw. 25 % und

265

für die Fixed-Effects-Schätzung ein Preisaufschlag von 15,062 Euro pro Tonne bzw. 25,6 %. Beide Schätzspezifikationen führen also zu sehr ähnlichen Ergebnissen. Ein allgemeiner Vergleich der Koeffizienten der Panelschätzungen mit denen der gepoolten Schätzungen zeigt, dass diese betragsmäßig gesunken sind. Dies deutet darauf hin, dass ein Teil der unbeobachteten Heterogenität beim gepoolten Modell von den anderen Variablen absorbiert wurde. Dadurch sind die Koeffizienten entsprechend absolut größer geworden. Durch die Berücksichtigung in den Paneldatenmodellen wird dieser bei gepoolten Modellen fälschlicherweise den anderen erklärenden Variablen zugewiesene Effekt nun von der Panelvariablen Abladestelle-­ Kunde absorbiert, sodass die Koeffizienten nun insgesamt weniger verzerrt sind. Ein vergleichbarer Effekt lässt sich bei der Festigkeitsvariable feststellen. In den gepoolten Modellen wurde vermutlich ein Teil der indivi­ duellen Kundenunterschiede von den entspre­ chenden Kontrolldummys absorbiert. Da die Kundenspezifika im Paneldatenmodell explizit berücksichtigt werden, sinkt der Einfluss der Festigkeitsvariablen auf den Preis. Im gepoolten Modell war es ferner nicht möglich, den Einfluss von Ostimporten auf den Preis zu bestimmen, unter anderem, weil individuelle Aspekte der Abladestelle-Kunde-Beziehung nicht kontrolliert werden konnten. Die detailliertere Differenzierung der Paneldatenanalyse ermöglicht hingegen eine Reduktion der modellbedingten Unsicherheit, wodurch gegenläufige Effekte beim gepoolten Modell im hier betrachteten Paneldatenmodell durch die Panelvariable aufgefangen werden und der (negative) Koeffizient für Ostimporte nunmehr signifikant wird. Obwohl beide Paneldatenmodelle zu sehr ähnlichen Ergebnissen kommen, ist abschließend noch eine Entscheidung darüber zu treffen, ob das Random-Effects-Modell eine effizientere Spezifikation als das Fixed-Effects-Modell darstellt. Für eine entsprechende Überprüfung wird der sogenannte Hausman-Test verwendet, der (vereinfacht ausgedrückt) testet, ob ein Paneldatensatz eher einem Fixed-Effects-Modell oder einem Random-Effects-Modell folgt. Das Ergeb-

266

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

nis des Tests zeigt im vorliegenden Fall, dass ein systematischer Unterschied in den Koeffizienten zu vermuten ist und somit die Fixed-­ Effects-­ Schätzung der Random-Effects-Schätzung vorzuziehen ist. Empirische Analyse auf Basis aggregierter Transaktionsdaten Bislang wurden Auswertungen auf Basis der disaggregierten Transaktionsdaten vorgenommen. Zwar bieten solche Datensätze die umfangreichsten Informationen, aufgrund ihres Umfangs und ihrer ausgeprägten Heterogenität können diese allerdings oftmals nur bedingt nutzbar gemacht werden. Es ist daher im Regelfall hilfreich, disaggregierte Daten zusammenzufassen. Dadurch gehen zwar einerseits bestimmte Informationen verloren, andererseits erleichtert die Zusammenfassung dann aber die Handhabbarkeit und glättet potenzielle Ausreißermuster. Zu beachten ist ferner, dass durch die Aggregation von Individualdaten die ursprünglichen Informationen weiter verfügbar bleiben und dann später  – beispielsweise im Rahmen einer Interpretation der Schätzergebnisse  – durchaus auch genutzt werden können. Werden allerdings aggregierte Daten als Sekundärdaten verwendet, so sind dem Datennutzer im Regelfall weder die disaggregierten Datensätze noch die der Aggregation zugrunde liegenden Verfahrensschritte bekannt. Auf Basis mehrerer Tests – mit dem Ziel der Erreichung der notwendigen Repräsentativität – wurde der ursprüngliche CDC-­Transaktionsdatensatz zusammengefasst, um einerseits einen möglichst hochaggregierten Datensatz zu erhalten, der aber andererseits die Vergleichbarkeit mit den ursprünglichen disaggregierten Transaktionsdaten noch gewährleistet. Konkret wurde dabei – wie im bislang verwendeten disaggregierten Datensatz – wieder der Fokus auf Portlandzement CEM I gelegt, und somit wurden Sondersorten vernachlässigt. Hinsichtlich übergeordneter Variablen wurde der Datensatz nach Hersteller, Kunde, Abladestelle und Festigkeit geschichtet – unter anderem, um daraus Informationen über die Marktregionen und internationale Lieferungen aus osteuropäischen Ländern abzuleiten.

Im Hinblick auf die zeitliche Struktur erfolgte eine Aggregation auf Monatsebene. Auf weitere denkbare Aggregationen – beispielsweise auf Basis der Hersteller oder Abladestellen – wurde allerdings verzichtet, da diese die Informationen zu stark nivellieren und somit den angestrebten Vergleich der entsprechenden Ergebnisse unnötig erschweren würden. Durch die gerade beschriebene Aggregation ergibt sich eine Reduktion des zur Anwendung kommenden Datensatzes um rund 93 % des ursprünglichen Datensatzes auf knapp 16.200 Beobachtungen. Methodisch kommen wiederum zunächst gepoolte Modelle gefolgt von Paneldatenmodellen zur Anwendung. Gepoolte Modelle (Modelltyp 1 – Datensatztyp B) Nachfolgend werden die Schätzergebnisse der beiden gepoolten Modelle – Niveauspezifikation und log-lineare Spezifikation  – unter Verwendung des nunmehr aggregierten Datensatzes diskutiert. Die obige Gl. 6.20 bleibt folglich unverändert. Die Durchführung der entsprechenden Schätzungen ergibt einerseits für die Niveauspezifikation einen Preisaufschlag von 17,389  Euro pro Tonne, der sich in einen Preisaufschlag von 31,4  % umrechnen lässt. Andererseits erbringt die logarithmische Gleichung einen Preisaufschlag von 36,8 % – dies entspricht einem Preisaufschlag von 20,198  Euro pro Tonne. Im Vergleich zu den Schätzergebnissen auf Basis des vollständig disaggregierten Datensatzes zeigen sich kleinere Unterschiede von + 0,365 Euro pro Tonne (Niveau) bzw. −1,6 Prozentpunkten (Log-Level). Auf eine Diskussion der anderen Variablen soll an dieser Stelle verzichtet werden, da sich sowohl die jeweiligen Größen der Koeffizienten als auch deren Signifikanzniveaus kaum im Vergleich zu den Ergebnissen auf Basis des vollkommen disaggregierten Datensatzes ändern. Abschließend ist allerdings noch erwähnenswert, dass die Datenaggregation nur zu einer sehr geringfügigen Verbesserung der Modellgüte geführt hat. So stiegen die adj. R2-Werte von 0,427 auf 0,437 für die Niveauspezifikation und von

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

267

Vergleich der Ergebnisse Zum Abschluss der Anwendung der vier verschiedenen Modelle auf die zwei unterschiedlich aggregierten Datensätze liegt ein kurzer Vergleich und eine entsprechende Einordnung der Ergebnisse nahe. Da im Rahmen der Ermittlung der Kartelldauer keine konkurrierenden Modelle Statische Paneldatenmodelle (Modelltyp zum Einsatz kamen, erfolgt dabei eine Konzen­ 2 – Datensatztyp B) tration auf die Ermittlung des Preisaufschlags. Nachfolgend werden die Schätzergebnisse der Diesbezüglich fasst Tab.  6.6 die Ergebnisse der beiden Paneldatenmodelle – Random Effects und verschiedenen Schätzungen der Preisaufschläge Fixed Effects – unter Verwendung des nunmehr aus absoluter und relativer Perspektive zusamaggregierten Datensatzes diskutiert. Die obige men. Gl. 6.21 bleibt folglich unverändert. Startet man eine genauere Betrachtung von Die Durchführung der entsprechenden Schät- Tab.  6.6 mit einem Vergleich der jeweiligen zungen ergibt einerseits für die Random-­Effects-­ Preisaufschläge auf Grundlage (vollständig) disSpezifikation einen Preisaufschlag von 15,638 Euro aggregierter beziehungsweise aggregierter Transpro Tonne, der sich in einen ­Preisaufschlag von aktionsdaten, so zeigen sich eher kleine Unter27,1  % umrechnen lässt. Andererseits erbringt schiede in den jeweiligen Preisaufschlägen. die Fixed-Effects-Spezifikation einen Preisauf- Hieraus kann man zwar für den vorliegenden Fall schlag von 15,661  Euro pro Tonne  – dies ent- des deutschen Zementkartells unmittelbar die spricht einem Preisaufschlag von 27,3 %. Im Ver- Schlussfolgerung ableiten, dass die entspregleich zu den Schätzergebnissen auf Basis des chende Aggregation von eher untergeordneter vollständig disaggregierten Datensatzes zeigen Bedeutung ist  – eine Verallgemeinerung dieses sich somit kleinere Unterschiede von +0,579 Euro Ergebnisses auf alle Preisaufschlagsschätzungen pro Tonne (Random Effects) bzw. +0,599  Euro wäre allerdings unzulässig. pro Tonne (Fixed Effects). Im Hinblick auf die weiteren Variablen ist festzuhalten, dass der Koeffizient des Dummys für Tab. 6.6  Übersichtstabelle der PreisaufschlagsschätzunOstimporte betragsmäßig nochmals gestiegen ist gen. (Quelle: in Anlehnung an Hüschelrath et al. 2012) (und seine hohe Signifikanz behält)  – der aggreGeschätzter gierte Paneldatensatz hat den Erklärungsgehalt Geschätzter Preisaufschlag in dieser Variablen also weiter erhöht. Eine mögliche Preisaufschlag in EUR/t (in Prozent Erklärung hierfür kann in der überproportional Nr. Modelltyp 2010-Preisen) starken Präsenz der Regionen Süd und Ost im Da- Disaggregierte Transaktionsdaten (Datensatztyp A) 17,024 30,1 % tensatz gesehen werden. Wie bereits oben disku- 1a Niveau 1b Log-­ 21,077 38,4 % tiert, ermöglicht die Paneldatenstruktur generell Level eine bessere Erklärung des individuellen Einflus- 2a Random 15,059 25,0 % ses. Vor diesem Hintergrund steigt auch betragsEffects 15,062 25,6 % mäßig der Koeffizient der Festigkeitsdummys von 2b Fixed Effects der gepoolten Analyse zur Analyse unter BerückAggregierte Transaktionsdaten (Datensatztyp B) sichtigung der Paneldatenstruktur deutlich an. 1c Niveau 17,389 31,4 % Wie bei den Modellen mit den vollständig dis1d Log-­ 20,198 36,8 % aggregierten Transaktionsdaten kommt der HausLevel man-Test auch für den aggregierten Datensatz zu 2c Random 15,638 27,1 % dem Ergebnis, dass das Fixed-Effects-­ Modell Effects 15,661 27,3 % gegenüber dem Random-Effects-Modell vorzu- 2d Fixed Effects ziehen ist. 0,382 auf 0,389 für die log-lineare Spezifikation. Dies erscheint vor dem Hintergrund der oben erläuterten Gründe für die Durchführung einer Datenaggregation durchaus überraschend, ohne dass an dieser Stelle mögliche Erklärungen diskutiert werden sollen.

268

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

Während also die Wahl des Aggregationsgrades der Daten für die Ergebnisse im konkreten Fall nicht entscheidend ist, so erweist sich die Wahl des passenden Schätzmodells als deutlich wichtiger. Denn hier liegt das Spektrum der Schätzwerte zwischen 15,059  Euro pro Tonne (Random Effects; Datensatztyp A) und 21,077 Euro pro Tonne (Log-Linear; Datensatztyp A)  – also einer beachtlichen Differenz von 6,018 Euro pro Tonne. Da allerdings in den jeweiligen vorangegangenen Abschnitten sowohl die Log-Level- als auch die Random-Effects-­Modelle – aus statistischen wie ökonomischen Gründen – als klar unterlegen identifiziert wurden, ergibt sich ein deutlich geringeres Spektrum von 15,661 Euro und 17,389  Euro für den Preisaufschlag. Obwohl sich methodisch durchaus gute Argumente für die Auswahl des Wertes aus dem Paneldatenmodell finden lassen, so könnte alternativ auch ein Pooling der beiden Modellergebnisse  – und damit ein Preisaufschlag von (15,661  Euro/t  +  17,389  Euro/t): 2  =  16,525 Euro/t – erwogen werden. Eine weitere Möglichkeit, die erzielten Ergebnisse einzuordnen, ist ein Vergleich mit den Ergebnissen der Schätzungen unter Verwendung öffentlich verfügbarer Preisindexdaten in Abschn.  6.3.2. Das dortige (instrumentierte) Grundmodell erbrachte einen Kartellpreisaufschlag von 20,3 % und damit einen Wert deutlich unterhalb der auf Basis der aggregierten Transaktionsdaten erzielten Preisaufschläge von 31,4  % (Niveau) bzw. 27,3  % (Fixed Effects). Diese deutlichen Unterschiede über­ raschen allerdings insofern nicht, als der CDC-Datensatz – im Gegensatz zu den öffentlichen Preisindexdaten – nicht nur eine Analyse der Listenpreise, sondern der tatsächlich gezahlten Transaktionspreise  – unter expliziter Berücksichtigung verschiedener Formen von Rabatten – erlaubt. Zusammenfassend lässt sich also festhalten, dass die Anwendung verschiedener multivariater Modelle durchaus zu unterschiedlichen Ergebnissen führt. Im Allgemeinen lassen sich zwei Hauptquellen für diese Beobachtung identifizieren: die Struktur des angewendeten Datensatzes und das gewählte Schätzmodell. Aufgrund der

Tatsache, dass der Datensatz in vielen Situationen nicht geändert werden kann, bleibt somit die Modellauswahl der Schlüsselfaktor für eine robuste und aussagekräftige multivariate Ermittlung der Kartellpreisaufschläge. Um die Robustheit der erhaltenen Ergebnisse zu zeigen, ist es ein etablierter Standard in der Wirtschaftsforschung, verschiedene Modelle anzuwenden. Der Analyst ist dabei jedoch angehalten, die potenzielle Relevanz der gewählten Modelle und der enthaltenen Variablen im spezifischen Kontext des Datensatzes und der wirtschaftlichen Merkmale der untersuchten Branche zu erläutern.

6.3.3.4 Ermittlung des Gesamtschadens Auf Basis der vorangegangenen Schätzungen des Preisaufschlags soll im Folgenden das Vorgehen zur Ermittlung des entstandenen Gesamtschadens verdeutlicht werden. Neben dem einfachen Aufaddieren der (monatlichen) Schadenssummen müssen dabei insbesondere die Verzinsung sowie die Inflation Berücksichtigung finden. Grundsätzlich handelt es sich bei den geschätzten Preisaufschlägen jeweils um durchschnittliche Preisunterschiede zwischen dem Kartellpreis und dem hypothetischen Preis zu jedem Zeitpunkt. Obwohl dieser Preisunterschied zwar zum jeweiligen Zeitpunkt unteroder überschritten wird, gleichen sich die Abweichungen bei Verwendung dieses Mittelwerts perfekt aus. Unabhängig vom jeweiligen Betrachtungszeitpunkt ist es daher möglich, den durchschnittlichen kartellbedingten Preisaufschlag zu verwenden, um den Gesamtschaden zu ermitteln. Der ermittelte Preisaufschlag muss dann (zunächst) nur noch mit der abgenommenen Menge im jeweiligen Zeitraum multipliziert werden. Zum Beispiel beträgt die gesamte verkaufte Menge in der Periode Januar 2000 für CEM-I-­ Zement im CDC-Datensatz ca. 40.236  Tonnen. Multipliziert man diese Menge mit dem oben ermittelten Preisaufschlag von 15,661  Euro pro Tonne (Fixed Effects – Datensatz-Typ B), so ergibt sich ein kartellbedingter Schaden in Höhe von rund 630.136  Euro  (zum Zeitwert vom 31. Dezember 2010). Analog lässt sich dieses Vorgehen für jede einzelne Periode während des Kar-

6.3  Schadensermittlung im Rahmen der privaten Kartellrechtsdurchsetzung

tells anwenden und anschließend zum Gesamtschaden aufaddieren. Obwohl dieses einfache Vorgehen den zusätzlichen Schaden infolge der Geldentwertung bereits – über die Deflationierung im Rahmen der Ermittlung der Preisaufschläge – berücksichtigt, so vernachlässigt es allerdings den Schaden, der den Abnehmern durch die Nichtverfügbarkeit der entsprechend zu viel entrichteten finanziellen Mittel entstanden ist. Wie in Abschn. 6.3.1.3 beschrieben, muss daher noch eine Verzinsung der jeweiligen Gesamtschäden erfolgen. In Deutschland entspricht der dafür gültige Zinssatz (p. a.) fünf Prozentpunkten über dem jeweiligen Basiszinssatz, wobei entsprechende Informationen zum Basiszins in regelmäßigen Abständen von der Europäischen Zentralbank veröffentlicht wer­ den. Da der Basiszins stets auf Jahresbasis angegeben wird, ist es notwendig, diesen unterjährig entsprechend zu korrigieren und eine endfällige Verrechnung zu ermitteln. Die unterjährige Anpassung erfolgt nach dem Durchschnittsprinzip auf Monats- oder Tagesbasis. Zum Beispiel betrug der für die Periode Januar 2000 gültige Zinssatz 4 %. Dieser hatte allerdings nur für die Zeit von Januar bis April 2000, also 121 Tage, Bestand. Um nun die Jahresverzinsung – unter Beachtung des Zinseszinsverbots (§ 289 BGB) – für das Gesamtjahr 2000 zu ermitteln, müssen die jeweiligen Zinssätze anteilig addiert werden. Für das Jahr 2000 galten beispielsweise die folgenden Zinssätze: Januar–April 4  %, Mai–August 8,42 %, September–Dezember 9,26 %. Gewichtet mit der jeweiligen Zahl gültiger Tage, errechnet sich der Jahreszinssatz dann wie folgt:

(121 : 366 ) × 0, 04 + (123 : 366 ) × 0, 0842 + (122 : 366 ) × 0, 0926 = 7, 24 %.

(Gl. 6.22)

Dieses Vorgehen muss über die gesamte Zeitspanne bis zur letzten Beobachtungszeiteinheit wiederholt werden. Möchte man beispielsweise den Zinssatz für den oben erwähnten Schaden in der Periode Januar 2000 ermitteln, so muss der Zinssatz für die Aufzinsung ab 01. Februar 2000 hergeleitet werden. Analog dem oben beschrie-

269

benen Vorgehen ergibt dieser sich zu 76,23 % für den Endzeitpunkt 31. Dezember 2010. Während ein im Januar 1993 entstandener und (hier annahmegemäß) ab 01. Februar 1993 zu verzinsender Schaden mit einem Gesamtzinssatz von 104,23  % verzinst wird, gilt beispielsweise für den im letzten Monat der Kartellperiode entstandenen Schaden (Januar 2002) ein Gesamtzinssatz von 59,64 %. Eine Besonderheit ergibt sich allerdings auch aus der Rolle des Zinssatzes. Grundsätzlich soll der Geschädigte mit dem Zinsanspruch nach Art. 101 Abs. 1 AEUV für die negativen Auswirkungen aus dem Zeitablauf seit Schadensentstehung – namentlich für Geldentwertung und Opportunitätskosten  – entschädigt werden. Die in der Gesetzgebung festgelegte Zinshöhe berücksichtigt also nicht nur entgangene Investitionsmöglichkeiten, sondern auch den durch die Geldentwertung entstandenen Schaden. Für die Ermittlung der Preisaufschläge mithilfe verschiedener Regressionsanalysen war es allerdings notwendig, sowohl die Kartellpreise als auch die Preise der Vergleichsperiode zum gleichen Geldwert zu ermitteln – daher wurden dort sowohl die Preise der Kartellperiode als auch die Preise der Nachkartellperiode auf den 31. Dezember 2010 deflationiert. Eine Verzinsung des Schadens im Geldwert von 2010 – wie er in den Regressionsanalysen ermittelt wurde  – nach den gesetzlichen Bestimmungen zu fünf Prozentpunkten über dem je­ weiligen Basiszinssatz würde daher zu einer Doppelberücksichtigung der Inflation führen. Um dies zu vermeiden, muss der ermittelte Preisaufschlag daher für jede Zeiteinheit – im vorliegenden Fall also für jeden Monat – wieder durch die jeweiligen Preise ausgedrückt und somit um die marktbezogene Inflation zum jeweiligen Zeitpunkt der Schadensentstehung bereinigt werden. Nach Durchführung dieser Bereinigung ergibt sich im obigen Beispiel für die Periode Januar 2000 ein nominaler – also in Preisen von Januar 2000 ausgedrückter  – Preisaufschlag von 13,039 Euro pro Tonne. Multipliziert mit der im Januar 2000 tatsächlich gekauften Menge CEM-I-Portlandzement von ca. 40.236  Tonnen, ergibt sich daraus ein nominaler Schaden von

270

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

rund 524.637  Euro. Verzinst man diesen Wert nun auf einen angenommenen Zahlungstermin am 31. Dezember 2010, so muss ein Gesamtzinssatz von 76,23  % Anwendung finden. Daraus lässt sich dann leicht ein zum 31. Dezember 2010 verzinster Schaden für die Periode Januar 2000 von 924.568  Euro ermitteln. Dieses Vorgehen  – Berechnung des nominalen Schadens pro Tonne, Ermittlung der relevanten Menge, Aufzinsung – ist dann für jeden Monat des Kartells zu wiederholen, um durch Addition der verzinsten monatlichen Kartellschäden den finalen Gesamtschaden zu ermitteln. Ein abschließender Vergleich der Gesamtschadenswerte verdeutlicht noch einmal eindrucksvoll den (potenziell) großen Einfluss der Verzinsung. So wurde ein Gesamtschaden für die im Januar 2000 nachgefragte Menge von rund 630.136 Euro (zum Zeitwert vom 31. Dezember 2010) ermittelt. Nach Berücksichtigung der in Deutschland geltenden Verzinsungsregeln sowie einer Bereinigung der Doppelberücksichtigung von Inflation ergibt sich schließlich ein zum 31. Dezember 2010 verzinster finaler Gesamtschaden für die Periode Januar 2000 von rund 924.568 Euro – also ein rund 294.432 Euro höherer Betrag. Wenngleich die absolute Höhe dieser Abweichung sowohl von den anzuwendenden Zinssätzen als auch diversen charakteristischen Merkmalen des jeweiligen Kartells – wie insbesondere der zeitlichen Distanz zwischen dem Zeitraum der Schadensentstehung und dem Verzinsungszeitpunkt  – abhängt (siehe dazu Abschn. 6.3.1.3), so wird die (potenzielle) Signifikanz einer Verzinsung für die Ermittlung kartellbedingter Schäden deutlich.

6.3.4 Zusammenfassung und Schlussfolgerungen In der jüngeren Vergangenheit haben Wissenschaftler und Praktiker verstärkt Anstrengungen unternommen, das Für und Wider verschiedener Techniken zur Quantifizierung der durch Kartellabsprachen verursachten Schäden zu untersuchen. Während solche allgemeinen Diskussionen der verschiedenen Methoden und Modelle si-

cherlich der – von der Europäischen Kommission beabsichtigten – Förderung privater Schadensersatzklagen in der Europäischen Union zuträglich sind, so ignorieren sie in der Regel die Herausforderungen einer konkreten Anwendung der entsprechenden Werkzeuge im Rahmen realer Fälle mit realen Daten. Vor diesem Hintergrund beschränkte sich Abschn. 6.3 nicht auf eine allgemeine Charakterisierung der verschiedenen Methoden und Modelle, sondern wendete diese im Anschluss auch auf konkrete Daten des deutschen Zementkartells an. Hierbei war nicht nur eine Analyse auf Basis öffentlich verfügbarer – allerdings auch hochaggregierter  – Preisindexdaten möglich, sondern komplementär hierzu ebenso die Nutzung eines detaillierten Transaktionsdatensatzes bestehend aus rund 340.000 Rechnungspositionen von 36 kleineren und größeren Kunden deutscher Zementhersteller (sowohl während als auch im Anschluss an den Zusammenbruch des Kartells im Februar 2002). Konkret erlaubten die detaillierten Daten sowohl eine Ermittlung der Kartelldauer als insbesondere auch des kartellbedingten Preisaufschlags. In Bezug auf die erste wichtige Dimension einer Kartellschadensschätzung  – der Kartelldauer – führte die auf Basis der Transaktionsdaten durchgeführte Strukturbruchanalyse zu ähnlichen Ergebnissen wie die öffentlich verfügbaren Preisindexdaten. Die empirischen Ergebnisse deuten jedoch darauf hin, dass einige (größere) Kunden einen signifikanten Preisrückgang bereits einige Monate vor dem öffentlich festgestellten Zusammenbruch des Kartells erfahren hatten. Dies müsste dann in den entsprechenden Ermittlungen der individuellen Gesamtschadenshöhen ebenso Berücksichtigung finden wie etwaige Übergangszeiträume vom Kartellpreisniveau zum Nachkartellpreisniveau. Im Hinblick auf die zweite wichtige Di­ mension der Kartellschadensschätzung – den Kar­ tellpreisaufschlag  – zeigte der Vergleich verschiedener multivariater Modelle, dass diese typischerweise zu leicht unterschiedlichen – mitunter allerdings auch zu deutlicher unterschiedlichen  – Ergebnissen führen. Im Allgemeinen lassen sich hierfür zwei Hauptquellen identifizie-

6.4 Wiederholungsfragen

ren: die Struktur des angewendeten Datensatzes sowie das gewählte Schätzmodell. Da der für eine Schadensschätzung verfügbare Datensatz oftmals nicht geändert werden kann, kommt somit der Modellauswahl die Schlüsselrolle in einer robusten und aussagekräftigen multivariaten Analyse zu. Um die Robustheit der erhaltenen Ergebnisse zu verdeutlichen, ist es ein etablierter Standard in der empirischen Wirtschaftsforschung, verschiedene Modelle anzuwenden. Der Analyst ist jedoch weiterhin verpflichtet, die potenzielle Relevanz der gewählten Modelle und der enthaltenen Variablen im spezifischen Kontext des Datensatzes und der wirtschaftlichen Merkmale der untersuchten Branche zu erläutern und – aus statistischen und/oder ökonomischen Gründen  – klar unterlegene Modellergebnisse auszusortieren. Abschließend kann festgehalten werden, dass Transaktionsdatensätze – trotz der üblicherweise fehlenden Repräsentativität  – für Kartellschadensschätzungen einen geeigneteren Startpunkt bieten als öffentlich verfügbare  – allerdings im Regelfall hochaggregierte  – Preisindexdatensätze. Obwohl die Erfassung detaillierter Transaktionsdaten eine komplexe Infrastruktur, hohen Aufwand für die geschädigten Kunden sowie einen erheblichen Aufwand bei der Datenaufbereitung und -auswertung erfordert, bieten die resultierenden Datensätze und Analysen wesentlich detailliertere Perspektiven auf das Verhalten der Kartellanten (siehe dazu Kap.  5) und ermöglichen so eine wesentlich exaktere Schadensermittlung (siehe dazu Kap. 6).

6.4

Wiederholungsfragen

1. Wie sahen die wesentlichen Schritte und Ergebnisse in der öffentlichen Verfolgung des deutschen Zementkartells aus? Lösung Abschn. 6.1.1 2. Welche Auswirkungen hatte der Zusammenbruch des deutschen Zementkartells auf den öffentlichen Preisindex für Zement? Lösung Abschn. 6.1.1 3. Welche Gründe könnten für den beobachtbaren starken Abfall des öffentlichen Preisindex

271

für Zement nach dem Kartellzusammenbruch angeführt werden? Lösung Abschn. 6.1.1 4. Wie sahen die wesentlichen Schritte und Ergebnisse in der privaten Verfolgung des deutschen Zementkartells aus? Lösung Abschn. 6.1.2 5. Welche Konsequenzen hat die Existenz eines Kartells für nachgelagerte Wirtschaftsstufen, und inwiefern erwachsen daraus Anreize für eine proaktive Aufdeckung solcher illegalen Absprachen? Lösung Abschn. 6.2 6. Welche Parteien können prinzipiell eine Rolle in der proaktiven Aufdeckung von Kartellabsprachen spielen? Lösung Abschn. 6.2.1 7. Welche Rolle kommt Wettbewerbsbehörden in der proaktiven Kartellaufdeckung zu, und welche besonderen Vorteile können sie dabei nutzen? Lösung Abschn. 6.2.1.1 8. Welche Rolle kommt Unternehmen mit erhöhtem Kartellrisiko in der proaktiven Kartellaufdeckung zu, und welche besonderen Vorteile können sie dabei nutzen? Lösung Abschn. 6.2.1.2 9. Welche zwei wesentlichen Stufen sollte ein empirischer Ansatz zur proaktiven Kartellaufdeckung durch Kunden in ihren Beschaffungsmärkten aufweisen? Lösung Abschn. 6.2.2 10. Wie kann eine Strukturbruchanalyse bei der proaktiven Aufdeckung von Kartellen in Beschaffungsmärkten helfen? Lösung Abschn. 6.2.2.1 11. Weshalb ist neben einer Strukturbruchanalyse noch eine multivariate Regressionsanalyse notwendig, um hinreichende Belege für die mögliche Existenz eines Kartells in einem Beschaffungsmarkt zu erlangen? Lösung Abschn. 6.2.2.2 12. Worin liegen besondere empirische Herausforderungen in der Durchführung einer proaktiven Kartellaufdeckung durch Kunden in Beschaffungsmärkten? Lösung Abschn. 6.2.2 13. Wie lässt sich der kartellbedingte Gesamtschaden mithilfe einer einfachen Skizze darstellen? Lösung Abschn. 6.3.1 14. Weswegen stellt die Ermittlung des kartellbedingten Preisaufschlags eine besondere ökonometrische Herausforderung dar? Lösung Abschn. 6.3.1

272

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

15. Worin liegen die besonderen ökonometri schen Herausforderungen in der Ermittlung der Kartelldauer? Lösung Abschn. 6.3.1 16. Welche zentralen Wohlfahrtseffekte werden durch eine kartellbedingte Preiserhöhung über das Wettbewerbsniveau hinaus verursacht, und inwiefern spielen diese in privaten Schadensersatzklagen eine Rolle? Lösung Abschn. 6.3.1 17. Welche empirischen Methoden können bei der Ermittlung der Kartelldauer zum Einsatz kommen? Lösung Abschn. 6.3.1.1 18. Welche generellen Möglichkeiten einer Definition des Begriffs des Preisaufschlags ­lassen sich unterscheiden, und wo liegen deren jeweiligen Vor- und Nachteile? Lösung Abschn. 6.3.1.2 19. Wie lassen sich empirische Methoden zur Ermittlung des kartellbedingten Preisaufschlags grundlegend klassifizieren? Lösung Abschn. 6.3.1.2 20. Welche drei Methoden stehen im Rahmen einer Anwendung von komparatorenbasierten Ansätzen zur Verfügung, und wo liegen deren jeweiligen Vor- und Nachteile? Lösung Abschn. 6.3.1.2 21. Was versteht man unter der Before-and-­ after-­Methode zur Ermittlung des kartellbedingten Preisaufschlags, und wie kann man sie konkret im Rahmen einer ökonometrischen Schätzung zur Anwendung bringen? Lösung Abschn. 6.3.1.2 22. Was versteht man unter der Yardstickme thode zur Ermittlung des kartellbedingten Preisaufschlags, und wie kann man sie konkret im Rahmen einer ökonometrischen Schätzung zur Anwendung bringen? Lösung Abschn. 6.3.1.2 23. Was versteht man unter der Difference-­in-­ Differences-Methode zur Ermittlung des kartellbedingten Preisaufschlags, und wie kann man sie konkret im Rahmen einer ökonometrischen Schätzung zur Anwendung bringen? Lösung Abschn. 6.3.1.2 24. Was versteht man unter der Cost-plus-­ margin-­Methode zur Ermittlung des kartellbedingten Preisaufschlags, und wie kann man sie konkret im Rahmen einer ökonome-

trischen Schätzung zur Anwendung bringen? Lösung Abschn. 6.3.1.2 25. Was versteht man unter der gewinnbasierten Methode zur Ermittlung des kartellbedingten Preisaufschlags, und wie kann man sie konkret im Rahmen einer ökonometrischen Schätzung zur Anwendung bringen? Lösung Abschn. 6.3.1.2 26. Wie kann im Rahmen einer ökonometrischen Schätzung des Preisaufschlags unter den verschiedenen Methoden und Modellen das geeignetste ausgewählt werden? Lösung Abschn. 6.3.1.3 27. In welchen Situationen kann ein Pooling der Ergebnisse einer Auswahl an aussagekräftigen Methoden im Rahmen der Wahl eines einzelnen Schadensersatzwertes erwogen werden? Lösung Abschn. 6.3.1.3 28. Welche zehn obligatorischen Schritte müssen im Rahmen der Berechnung des Gesamtschadens durchlaufen werden? Lösung Abschn. 6.3.1.3 29. Weshalb sollten aus ökonomischer Sicht die ermittelten kartellbedingten Gesamtschäden einer Verzinsung unterliegen? Lösung Abschn. 6.3.1.3 30. Welche Bedeutung kommt der Wahl des Zinssatzes bzw. der Verzinsung des ermittelten Gesamtschadens in der privaten Durchsetzung des Kartellrechts zu? Lösung Abschn. 6.3.1.3 31. Wie lässt sich die Before-and-after-Me thode konkret unter Nutzung öffentlicher Preisindexdaten für das deutsche Zementkartell ökonometrisch umsetzen? Lösung Abschn. 6.3.2.2 32. Inwiefern kann die Einführung einer instrumentellen Variablen eine mögliche Verzerrung der Koeffizienten reduzieren? Lösung Abschn. 6.3.2.2 33. Inwiefern kann eine explizite Modellierung eines Übergangszeitraums von der Kartellzur Nichtkartellperiode notwendig sein im Zuge einer ökonometrischen Ermittlung des kartellbedingten Preisaufschlags? Lösung Abschn. 6.3.2.2 34. Wie lässt sich die Difference-in-Differences-­ Methode konkret unter Nutzung öffentlicher

Literatur

Preisindexdaten für das deutsche Zementkartell ökonometrisch umsetzen, und wo liegen besondere Herausforderungen? Lösung Abschn. 6.3.2.3 35. Inwiefern erlauben Individualdaten bzw. Transaktionsdaten eine genauere Ermittlung des kartellbedingten Preisaufschlags? Lösung Abschn. 6.3.3.1 36. Weshalb ist auch bei detaillierten Transaktionsdaten im Regelfall eine Aggregation der Daten geboten? Lösung Abschn. 6.3.3.1 37. Wie lässt sich das Ende des deutschen Zementkartells mithilfe eines ­Strukturbruchtests auf Basis von Transaktionsdaten ermitteln? Lösung Abschn. 6.3.3.2 38. Wie sieht ein konkretes (gepooltes) ökonometrisches Modell zur Ermittlung des mittleren Preisaufschlags im Kartellzeitraum mithilfe von Transaktionsdaten aus, und wie unterscheidet es sich von dem ökonometrischen Modell auf Basis von Preisindexdaten? Lösung Abschn. 6.3.3.3 39. Welche Vorteile weisen Paneldatenmodelle im Vergleich zu gepoolten Modellen auf? Lösung Abschn. 6.3.3.3 40. Wie sieht ein konkretes Paneldatenmodell zur Ermittlung des mittleren Preisaufschlags im Kartellzeitraum auf Basis von Transaktionsdaten aus? Lösung Abschn. 6.3.3.3 41. Welche Schlussfolgerungen erlaubt ein Vergleich der verschiedenen Preisaufschlagsschätzungen  – auf Basis gepoolter Modelle und Paneldatenmodelle  – für das deutsche Zementkartell? Lösung Abschn. 6.3.3.3

Literatur Abrantes-Metz, R., & Bajari, P. (2009). Screens for conspiracies and their multiple applications. Antitrust, 24, 66–71. Abrantes-Metz, R., Froeb, L., Geweke, J., & Taylor, C. (2006). A variance screen for collusion. International Journal of Industrial Organization, 24, 467–486. Abrantes-Metz, R., Bajari, P., & Murphy, J. (2010). Antitrust screening: Making compliance programs robust Working Paper. New York.

273 Abrantes-Metz, R., Kraten, M., Metz, A., & Seow, G. (2012). Libor manipulation? Journal of Banking & Finance, 36, 136–150. American Bar Association. (2005). Econometrics: Legal, practical and technical issues. Chicago: ABA Book Publishing. American Bar Association. (2010). Proving antitrust damages: Legal and economic issues (2. Aufl.). Washington, DC: ABA Book Publishing. Ashurst. (2004). Study on the conditions of claims for damages in case of infringement of EC competition rules: Analysis of economic models for the calculation of damages. Report for the European Commission, Brüssel. Bajari, P., & Summers, G. (2002). Detecting collusion in procurement auctions. Antitrust Law Journal, 70, 143–170. Bajari, P., & Ye, L. (2003). Deciding between competition and collusion. Review of Economics and Statistics, 85, 971–989. Bolotova, Y. (2009). Cartel overcharges: An empirical analysis. Journal of Economic Behavior & Organization, 70, 321–341. Boswijk, P., Bun, M., & Schinkel, M.  P. (2019). Cartel dating. Journal of Applied Econometrics, 34, 26–42. Boyer, M., & Kotchoni, R. (2011). The econometrics of cartel overcharges. Ecole Polytechnique, Departement D’Economie Cahier No. 2011-18, Montreal. Brander, J., & Ross, T. (2006). Estimating damages from price-fixing. Canadian Class Action Review, 3, 335–369. Bueren, E., Hüschelrath, K., & Veith, T. (2016). Time is money – But how much money is time? Interest and inflation in competition law actions for damages. Antitrust Law Journal, 81, 271–336. Bundeskartellamt. (2005). Private Kartellrechtsdurchsetzung: Stand, Probleme, Perspektiven. Diskussionspapier für die Sitzung des Arbeitskreises Kartellrecht am 26. September 2005, Bonn. CEPS. (2007). Making antitrust damages actions more effective in the EU: Welfare impact and potential scenarios. Report for the European Commission. Brüssel. Connor, J. (2008a). Global cartels redux: The amino acid lysine antitrust litigation (1996). In J.  Kwoka & L. White (Hrsg.), The antitrust revolution (S. 252–276). Oxford: Oxford University Press. Connor, J. (2008b). Forensic economics: An introduction with special emphasis on price fixing. Journal of Competition Law and Economics, 4, 31–59. Connor, J. (2010). Price-fixing overcharges (Working Paper). Purdue University, West Lafayette. Connor, J., & Bolotova, Y. (2006). Cartel overcharges: Survey and meta-analysis. International Journal of Industrial Organization, 24, 1109–1137. Davis, P., & Garcés, E. (2010). Quantitative techniques for competition and antitrust analysis. Princeton: Princeton University Press. De Coninck, R. (2010). Application of the Nonhorizontal Merger Guidelines. Antitrust Bulletin, 55, 929–952. Europäische Kommission. (2019). Leitlinien für die nationalen Gerichte zur Schätzung des Teils des auf den

274

6  Das Zementkartell in Deutschland: Kartellaufdeckung und -verfolgung

mittelbaren Abnehmer abgewälzten Preisaufschlags. 2019/C 267/07, Brüssel. Friederiszick, H. (2009). Overcharge estimation in the cement industry. Präsentation, ACE-Konferenz am 26. November 2009, Berlin. Friederiszick, H., & Röller, L.-R. (2010). Quantification of harm in damages actions for antitrust infringements: Insights from German cartel cases. Journal of Competition Law and Economics, 6, 595–618. Harrington, J. (2004). Post-cartel pricing during litigation. Journal of Industrial Economics, 52, 517–533. Harrington, J. (2006a). How do cartels operate? Foundations and Trends in Microeconomics, 2, 1–105. Harrington, J. (2006b). Behavioral screening and the detection of cartels (EUIRSCAS/EU Competition Working Paper). Florence. Harrington, J. (2008). Detecting cartels. In P. Buccirossi (Hrsg.), Handbook of antitrust economics. Cambridge: MIT Press. Hovenkamp, H. (2011). Quantification of harm in private antitrust actions in the United States Working Paper. University of Pennsylvania Law School, Philadelphia. Hüschelrath, K. (2010). Competition law compliance programmes: Motivation, design and implementation. Competition Law Journal, 9, 481–506. Hüschelrath, K., & Veith, T. (2014). Cartel detection in procurement markets. Managerial and Decision Economics, 35, 404–422. Hüschelrath, K., Leheyda, N., & Beschorner, P. (2011). The deterrent effect of antitrust sanctions: Evidence from Switzerland. Antitrust Bulletin, 56, 427–460. Hüschelrath, K., Leheyda, N., Müller, K., & Veith, T. (2012). Schadensermittlung und Schadensersatz bei Hardcore-Kartellen: Ökonomische Methoden und rechtlicher Rahmen. Baden-Baden: Nomos. Hüschelrath, K., Müller, K., & Veith, T. (2013). Concrete shoes for competition: The effect of the German ce-

ment cartel on market price. Journal of Competition Law and Economics, 9, 97–123. Hüschelrath, K., Müller, K., & Veith, T. (2016). Estimating damages from price-fixing: The value of transaction data. European Journal of Law and Economics, 41, 509–535. McCrary, J., & Rubinfeld, D. (2009). Measuring benchmark damages in antitrust litigation (Working Paper). Economist Workshop on the Quantification of Antitrust Harm in Actions for Damages, DG Wettbewerb am 26. Januar 2010, Brüssel. Nieberding, J. (2006). Estimating overcharges in antitrust cases using a reduced-form approach: Methods and issues. Journal of Applied Economics, 9, 361–380. Oxera. (2003). Assessing profitability in competition policy analysis. Report prepared for the UK Office of Fair Trading, London. Oxera. (2009). Quantifying antitrust damages: Towards non-binding guidance for courts. Study prepared for the European Commission, Brüssel. Rubinfeld, D., & Steiner, P. (1983). Quantitative methods in antitrust litigation. Law and Contemporary Pro­ blems, 46, 69–141. Stangle, B. (2009). Calculating cartel overcharges. Presentation at Fordham Law School, New York. Van der Veer, J.P., & Lofaro, A. (2010), Estimating Pass-On, The CPI Antitrust Journal, 2, ohne Seitenangabe. van Dijk, T., & Verboven, F. (2008). Quantification of damages. In W.  Collins (Hrsg.), Issues in competition law and policy. Chicago: ABA Book Publishing. Veljanovski, C. (2007). The economics of cartels (Working Paper). Case Associates. London. Verboven, F. (2007). Quantification of cartel damages: Economic framework and empirical methods. Presentation at NMa Conference on Measuring the Economic Effects of Competition Law Enforcement, Den Haag.

Stichwortverzeichnis

A Abschreckungseffekt 36, 55, 144 Absprache, stillschweigende 8, 21 Abweichung 16, 17, 188 AEUV (Vertrag über die Arbeitsweise der Europäischen Union) 104 Aktienkurs 53 Algorithmus 20 Anhörung, mündliche 105 Art 76 der Kartellaufdeckung 110 der Vereinbarung 76, 80, 88 Aufdeckung 29, 34, 37 Aufdeckungsinstrument 213 Aufdeckungswahrscheinlichkeit 36 B Before-and-after-Methode 100, 229, 241, 247 Berufungsgrund 160, 161 Berufungsverfahren 106, 120, 141, 145, 151 Beschaffungsmarkt 215 Beschwerde 29 Betonhersteller 189 Branche 71, 80, 88 Bundeskartellamt 208 Bundesverband der Deutschen Zementindustrie 173, 188 Bußgeld 28, 36, 37, 49, 106, 116, 117, 129, 139, 151, 155, 157, 160, 164, 209 abschreckungsoptimales 38 Bußgeldreduktion 35, 112, 113, 123, 140, 142, 162 But-for-Preis 48, 54, 227 C Cartel Damage Claims (CDC) 210 Chow-Strukturbruchtest 225 Competition and Markets Authority 56 Compliance 37, 55, 214 Cost-plus-margin-Methode 237 Courage Ltd. 45

D Dauer 82 der Kartellbeteiligung 82, 83, 128, 151 der Kartellverfolgung 107 der Kommissionsuntersuchung 115, 161 des Berufungsverfahrens 109, 157 Difference-in-Differences-Methode 99, 236, 255 Direktvertrieb 180, 185 Diskontfaktor 17 Dominoeffekt 90 Dummyvariable-Methode 229, 230 Durchsetzung öffentliche 26, 208 private 25, 44, 142, 152, 210 Durchsetzungsinstrument 26 Durchsetzungssystem 25 E Eintrittsbarriere 20 Entladestelle 175, 193, 198 European Competition Network (ECN) 30 Evaluation 49, 127, 132, 134, 146, 148, 157 Event-Study-Methode 53 Ex-ante-Durchsetzungsinstrument 26 Ex-post-Durchsetzungsinstrument 28 Externalität 10 Externe Kartellstabilität 18 F Firmengruppe 65, 67, 135, 149, 156 Fixed Effects 237, 261, 264, 267 Formen der Kartellbildung 9 Fusion 28, 92, 94, 97 G Gefängnisstrafe 42 Gefangenendilemma 42 Gesamtschaden 223, 224, 240, 243, 268 Gesetz gegen Wettbewerbsbeschränkungen 25 Gewinnaufschlag 238

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020 K. Hüschelrath, Kartelle klipp & klar, WiWi klipp & klar, https://doi.org/10.1007/978-3-658-29139-6

275

Stichwortverzeichnis

276 H Harberger-Dreieck 14 Hardcorekartell 8, 9 Hausdurchsuchung 34 Hausman-Test 267 Hazardfunktion 85 Herfindahl-Hirschman-Index 70 Hub-and-Spoke-Kartell 9 Hürdenmodell 152 I Identifizierung von Schäden 46 Individualdaten 257 Industrieverband 32 Ineffizienz allokative 13 dynamische 14 produktive 14 Informant 29 In-Sample-Prognose 252 Instrumentierung 250 Intermediär 180, 185 Intervention 36 K Kapazitätsauslastung 172, 191, 202 Kartell 8 Anzahl 68 Aufdeckung 44, 68, 212 Außenseiter 18, 69, 177, 179, 186 Beginn 225 Begriff 8 Bildungswahrscheinlichkeit 24 Dauer 21, 78, 82, 84, 90, 223, 225, 259 Dynamik 89 Effekt 248 Ende 77, 225 legales 11 Rechtsdurchsetzung 163 Risiko 214 Schaden 22, 156 Stabilität 22 Verbot 11 Verfolgungsprozess 105, 133 Zusammenbruch 54, 68, 77, 92, 94, 95, 99, 174, 176, 190, 193, 199, 209, 216, 221 Kartellmitglied, unzufriedenes 186 Kartellstabilität externe 177 interne 15, 18, 186 Kinder der Not 10

Kollusionsfaktor 20, 31 Kollusionsmarker 213 Komplementärprodukt 47 Kronzeuge 30, 42, 112, 124, 155, 156 Kronzeugenprogramm 35, 42, 43, 53, 88, 110, 111, 123, 140, 151, 164 L Länder 72, 88, 130, 150 Lebensdaueranalyse 85, 100 Listenpreis 174, 191, 193, 219 Logit-Modell 185 Lysinindustrie 32 M Manager 12, 214 Marktanteil 69, 81, 130 Marktanteilsasymmetrie 69 Marktaufteilung 187, 190 Marktnachfrage 186, 190 Marktscreening 29, 30, 216, 219 Mehrmarktkontakt 20 Mindestbußgeld 39 Mitteilung der Beschwerdepunkte 105, 115 Modellauswahl 240 Modell, gepooltes 261, 266 Monopolist 14 Motivation zur Kartellbildung 10 N Nachfragewachstum 89 Nash-Gleichgewicht 17 Nettoschaden 36 Niveauspezifikation 261, 266 O Ökonomie, forensische 212 OLS-Modell 135, 159, 231, 248 One-Shot-Spiel 17 Ostimport 178, 263 Outputeffekt 224 P Paneldatenanalyse 220, 258, 261, 264, 267 pass-on 47 PH-Modell 85 Pooling 242 Preisaufschlag 22, 55, 223, 226, 241, 261, 268

Stichwortverzeichnis Preiskrieg 11, 33, 209, 215, 247 Preisvarianz 33 Preisvolatilität 34, 213 Price-Prediction-Methode 229, 232 Produkthomogenität 20 Produktionskapazität 187 Prozesskosten 52

Q Quantifizierung von Schäden 47

R Rabatt 48, 190, 191 Anteil 191 Rädelsführer 117, 151, 154 Random Effects 261, 264, 267 Readymix AG 173, 187, 191, 194, 260 Reduced-Form-Modell 241 Referenzmarkt 235 Regulierungspolitik 2 Reputation 50, 53 Risiko, konkurrierendes 86 Rückwärtsinduktion 17, 183 S Schadensermittlung 222, 246 Schadensersatz 52, 210, 216 Schadenshöhe 48, 222, 242 Screening 139, 212, 215 Selektionsverzerrung 87 Stabilität 15, 19 Strategie, dominante 17 Strukturanalyse 31 Strukturauflage 55 Strukturbruchanalyse 32, 216, 218, 226, 259 Szenario, kontrafaktisches 48

T Tobitmodell 152 Todesstrafe 37 Transaktionsdaten 258 Transaktionspreis 174, 191, 196 Transportentfernung 198, 199, 202 Transportkosten 173, 184, 198, 203 treble damages 45

277 U Überabschreckung 45 Übergangszeitraum 252 Überkapazität 189, 201 Übernahme 183 Umbrellapricing 47 Umstand erschwerender 151 mildernder 117, 151 Umweltwirkung 197 Unterabschreckung 50 Untersuchungsdauer 52, 107, 164 V Variationskoeffizient 219, 220 Vergleichsverfahren 134 Verhaltensscreening 33, 213 Verhandlungslösung 183 Verkaufsquote 173 Verständigungsverfahren 114, 132, 138 Verzinsung 243, 269 W Weitergaberate 47 Wertschöpfungsstufe 47 Wettbewerb 1 Wettbewerbsbehörde 212 Wettbewerbsbeschränkung 2 Wettbewerbspolitik 2, 9, 30, 49, 56, 93, 100, 129, 132, 148, 196, 224 Whistleblower 29 Wiederholungstäter 117, 128, 151, 154, 155 Wirtschaftsforschung, empirische 3 Wohlfahrtsverlust 13, 225 Y Yardstickmethode 235, 241 Z Zement 170 Hersteller 180 Import 171, 178 Industrie 171 Kartell 173, 179, 186, 208, 218, 246 Preisindex 175, 208, 247, 255 Zinssatz 89, 244, 269