Preisindexerstellung Für Bildende Kunst

Diplomarbeit
Preisindexerstellung für Bildende Kunst

- Ein Überblick über den Stand der Forschung -
Universität Witten/Herdecke
Reinhard-Mohn-Stiftungslehrstuhl für Unternehmensführung,
Gesellschaftsethik und gesellschaftlichen Wandel
Prof. Dr. Bernd Frick
Alfred-Herrhausen-Strasse 50
D-58448 Witten
Vorgelegt von: Christian Knebel

Ruhrstrasse 94
58452 Witten
Kontakt: 0177-6031212 / cknebel@web.de
Matrikel-Nr.: 99 20 39
Vorgelegt: Witten, 20.07.2004

Diplomarbeit – Preisindexerstellung für Bildende Kunst
Inhaltsverzeichnis
Inhaltsverzeichnis .................................................................................................... I
Abkürzungs- und Symbolverzeichnis..................................................................... III
Abbildungsverzeichnis ........................................................................................... IV
Tabellenverzeichnis................................................................................................ V
1. Einleitung......................................................................................................... 1
2. Markt und Eigenschaften des Gutes „Kunst“ ................................................... 3
a. Kunstmarkt und Akteure 3
b. Kunst als Gut 7
c. Bewertung von Kunst 9
d. Zusammenfassung 11
3. Datenbasis .................................................................................................... 13
a. Datenquellen 13
b. Aufbereitungsprozess 16
c. Datenbeschreibung 23
d. Zusammenfassung 25
4. Berechnungsmethoden ................................................................................. 27
a. Einführung 27
b. „Weiche“ Methoden 28
c. „average price method“ 34
d. „double sale method“ 37
e. „representative painting method“ 38
f. „repeat-sale regression method“ 41
g. „hedonic price method“ 44
h. Zusammenfassung 46
5. Evaluation und Verbesserungsansätze ......................................................... 48
a. Verwendete (analoge) Datenbasis 48
b. Bezug auf den Tertiärmarkt 49
c. Eigenheiten von Auktionen 50
d. Berechnungsmethoden 51
e. Abkehr von klassischen Paradigmen 52
f. Alltagstauglichkeit der Ergebnisse und Popularisierung 53
6. Zusammenfassung........................................................................................ 55
Christian Knebel Seite I

Literaturverzeichnis .............................................................................................. 57
Anhang A: Datenquellen für Kunstpreise.............................................................. 63

Anhang B: Untersuchungen und Ergebnisse........................................................ 66
Anhang C: Java-Quellcode „Datensammler“ ........................................................ 70
Anhang D: Datenträger......................................................................................... 72
Eidesstattliche Erklärung ...................................................................................... 73
Christian Knebel Seite II

Abkürzungs- und Symbolverzeichnis

CPI „consumer price index“, Maßzahl für die Preisentwicklung der
Konsumpreise
CSV „comma seperated values“, Dateiformat für Daten ähnlich
Excel
DEM Währung: Deutsche Mark
EUR Währung: Euro
HTML „Hypertext Markup Language“, Beschreibungssprache für
Webseiten
ln natürlicher Logarithmus
Mio. Million
Mrd. Milliarde
SPSS Statistiksoftware der Firma „SPSS Inc.“
USD Währung: US-Dollar
XLS Excel-Dateiformat für Daten in Tabellenform
Christian Knebel Seite III

Abbildungsverzeichnis
Abbildung 1 Datenliste und Detailanzeige „NAX“ ............................................ 18
Abbildung 2 Variablendefinition in SPSS......................................................... 23
Abbildung 3 Histogramm der Schätz- und Hammerpreise............................... 24
Abbildung 4 Histogramm des Transaktionsdatums ......................................... 24
Abbildung 5 Histogramm der Transaktionsquartale......................................... 25
Abbildung 6 „average price“ auf Jahresbasis .................................................. 36
Abbildung 7 „representative painting“ auf Jahresbasis .................................... 40
Abbildung 8 Vergleich der Datenspanne Hammer- und Schätzpreis............... 41
Christian Knebel Seite IV

Tabellenverzeichnis
Tabelle 1 Datenausschnitt der Rohdaten in Excel .......................................... 19
Tabelle 2 Datenausschnitt der bereinigten Daten in Excel.............................. 20
Tabelle 3 Datenausschnitt der ökonomisch korrigierten Daten in SPSS ........ 21
Tabelle 4 Kennzahlen der Datenbeschreibung ............................................... 23
Tabelle 5 „average price“ auf Jahresbasis ...................................................... 36
Tabelle 6 Datenstruktur der Abweichung Hammer- und Schätzpreis ............. 40
Christian Knebel Seite V

1. Einleitung
Im September 1998 wurde im New Yorker Auktionshaus Christie´s das Gemälde

„Les valeurs personnelles“ von Magritte aus dem Jahre 1952 für 7,1 Mio. USD
versteigert, drei andere Magritte für jeweils über 5 Mio. USD. Ein Selbstportrait
von van Gogh wechselte noch am selben Tag für 71,5 Mio. USD seinen Besitzer.
Diese Rekordpreise für surrealistische Gemälde führten in der Presse zu einem
Trend, von Kunst als „neuem Investment“ zu sprechen, mit dem man überdurch-
schnittliche Renditen in kürzester Zeit erzielen kann. (Renneboog & van Houtte
1998)
Dem gegenüber stehen hauptsächlich ökonomische Untersuchungen, die sich seit

Jahren mit dem Gut „Kunst“ und dessen Wertentwicklung im Vergleich zu klassi-
schen Investitionsgütern beschäftigen. Dort wird regelmäßig nachgewiesen, dass
Kunst, ganz im Gegensatz zu zahlreichen Presseartikeln, eine unterdurchschnittli-
che Wertentwicklung bei gleichzeitig höherem Risiko besitzt. (Holub, Hutter, &
Tappeiner 1993)
Diese konträren Meinungen – zum einen inspiriert durch spektakuläre Auktionser-

gebnisse, zum anderen basierend auf ökonomischen Berechnungen – führen da-
zu, dass sich auch heute noch Forscher mit dieser Thematik beschäftigen. Die
Berechnung eines Preisindices für die Wertentwicklung von Kunstwerken zur
Überprüfung der o.g. Thesen scheint dabei zunächst einfach: Analog zu einem
Aktienpreisindex berechnet man anhand der Transaktionspreise einfach das ge-
wichtete Mittel und erhält eine Indexzahl mit der gewünschten Vergleichskraft.
Leider gestaltet sich dieses Vorgehen für Kunst in der Realität etwas schwerer.
Unregelmäßige Transaktionen mit heterogenen Gütern, ein kleiner Kreis von An-
bietern und Nachfragern sowie der schwer zu definierende Wert von Kunst sind
dabei nur ein paar Probleme und Diskussionspunkte. (Goetzmann & Spiegel
1995)
Um ein wenig Licht in das Dunkel dieser komplexen Thematik und die Vielzahl von
Untersuchungen zu bringen, soll sich die nachfolgende Arbeit genau damit be-
schäftigen. In Kapitel 2 wird zunächst kurz der Kunstmarkt umrissen und das Gut
„Kunst“ näher betrachtet, um den theoretischen Rahmen zu schaffen und auf all-
Christian Knebel Seite 1

gemeine Probleme und Anomalien im Gegensatz zu „normalen“ Gütern bzw. de-

ren Märkten hinzuweisen. Ab dem nachfolgenden Kapitel soll anhand der typi-
schen Vorgehensweise für die Erstellung eines Preisindex vorgegangen werden:
Kapitel 3 widmet sich dabei der Beschaffung und Aufbereitung der notwendigen
Daten. In Kapitel 4 stehen die möglichen Berechnungsmethoden im Fokus der
Betrachtung und in Kapitel 5 werden die gewonnenen Erkenntnisse evaluiert und
Verbesserungsmöglichkeiten für zukünftige Forschungsrichtungen aufgezeigt.
Ziel ist es, einen Überblick über die verschiedenen Sichtweisen und Methoden zur
Thematik der Kunstpreisindexberechnung zu geben. Dabei soll es weniger auf die
Beurteilung der „richtigen“ Vorgehensweise ankommen, als auf das Herausstellen
der Unterschiede und Probleme. Die vorliegende Arbeit soll den „Stand der Dinge“
dieses Forschungsbereiches darstellen und mit Anregungen für die Zukunft Anre-
gungen mögliche Denkweisen aufzeigen.

2. Markt und Eigenschaften des Gutes „Kunst“
Der Begriff „Kunst“ ist schwer zu definieren. Er kommt aus dem Althochdeutschen
mit der Bedeutung „Wissen, Weisheit, Fertigkeit und (geistiges) Vermögen“ (Wilke
1999). Seine genaue Definition hat sich seitdem sehr verschoben und reicht von
der handwerklichen Fertigkeit (16. Jahrhundert) über die Funktion als Sammelbe-
griff für die Gesamtheit der Einzelkünste bzw. Handwerke (18./19. Jahrhundert)
bis hin zur heutigen Undefiniertheit. Allgemein gesprochen ist Kunst heute „die
Gesamtheit der von Menschen geschaffenen, nicht durch Funktionen festgelegten
Werke, zu deren Schöpfung ein hervorragendes und spezifisches Können erfor-
derlich ist“ (Wilke 1999). Damit verbunden ist die hohe gesellschaftliche und indi-
viduelle Bedeutung des (Kunst)Werkes an sich. In jüngster Zeit sieht man Kunst –
unter dem Einfluss pluralistischer Haltung und Denkweise – zunehmend unter in-
dividuellen Gesichtspunkten. (Wilke 1999) Daraus kann man auch die immer stär-
ker werdende gesellschaftliche und individuelle Bedeutung von Kunst ablesen –
Kunst ist das, was der Betrachter dazu macht. Dieter Ronte, ein Kunstkritiker,
meint dazu: „Im Falle der Kunst gibt es keine objektiv überprüfbaren Kriterien, mit
deren Hilfe man die Qualität beurteilen könnte. Man kann nicht einmal objektiv
sagen, ob ein bestimmter Gegenstand überhaupt Kunst ist oder nicht.“ (heuchel-
heim.info 2004)
Formal wird Kunst heute in Literatur, Musik, Darstellende sowie Bildende Kunst
unterteilt. Bildende Kunst ist dabei die „zusammenfassende Bezeichnung für Male-
rei, Plastik, Baukunst, Graphik und Kunstgewerbe“. (Duden 2002) Hinzuzählen
muss man dabei auch die Bereiche der künstlerischen Photografie und Video-
kunst, die gerade in den letzten Jahren erheblich an Bedeutung gewonnen haben.
(xipolis.NET 2004)
Die nachfolgende Arbeit soll sich nur mit dem hier definierten Bereich der „Bilden-
den Kunst“ beschäftigen.1
a. Kunstmarkt und Akteure
Schon phönizische Händler der Antike handelten mit Schnitzereien, Möbeln

und Töpfereien aus dem künstlerischen Bereich. Die alten Griechen, das römi-

sche Reich und die ersten Auktionen in der Hochantike2 bildeten den Grund-
stein für einen weitreichenden und florierenden Kunsthandel. Die Struktur des
Marktes hat sich seitdem nur wenig verändert: Es handelt sich um kleine, per-
sönliche Märkte mit weitgehend unbekannten und flexiblen Preisen. (Gerard-
Varet L.-A. 1995; Hutter 1992) Aufzeichnungen aus der damaligen Zeit bele-
gen, dass schon damals unberechenbare Preisschwankungen und Spekulati-
onsblasen den Markt charakterisierten. (Peter 2003; Wilke 1999)
Schaut man sich den Markt für Kunst an, kann man ihn formal in drei Submärk-
te mit verschiedenen Akteuren teilen (Agnello 2002; Gerard-Varet L.-A. 1995;
Thorsby 1994):
Der so genannte Primärmarkt besteht aus unorganisierten Privatleuten, Händ-

lern und Künstlern. Hier finden lokale Messen im Sinne von Werkschauen statt.
Eine hohe Zahl von Anbietern (Künstler und lokale Händler) mit teilweise sub-
stituierbaren Angeboten buhlt um eine kleine Klientel; es handelt sich also um
einen Markt mit hoher Konkurrenz, bei dem die Transaktionspreise gemäß der
Theorie nahe an den Produktionskosten (z.B. Material und Arbeitseinsatz) lie-
gen. Charakteristisch sind zudem noch viele spekulative Käufe von privaten
Sammlern, die das Marktbild verzerren und oftmals nur der Vervollständigung
der eigenen Sammlung dienen. Ergebnis davon ist, dass betroffene Künstler
„vom Markt in den Keller“ verschwinden. Für Händler, die Interesse am Aufbau
eines Künstlers für den Kunstbetrieb haben, ist es deshalb von großer Wichtig-
keit die „richtigen“ Käufer zu finden, die auch nachfolgende Märkte weiter be-
dienen und das Kunstwerk im Diskurs halten. (von Rosenberg 2003) Es lassen
sich fast keine Daten über Transaktionen erfassen, da keinerlei offen zugängli-
che Aufzeichnungen vorhanden sind. Einzige Datenquelle sind die Händler, die
aber aufgrund ihrer lokalen Gebundenheit und Verschwiegenheit keine interes-
santen Daten liefern.
Der Sekundärmarkt entspricht von seiner Struktur eher regionalen Clustern

(große Städte und Regionen). Hier gibt es Ansammlungen bestimmter Künstler
und Kunstrichtungen, die durch spezialisierte Händler und Galerien oftmals
1
Ist nachfolgend von „Kunst“ die Rede, so ist natürlich „Bildende Kunst“ damit gemeint.
2
Die „Atria Auctionaria“, bei der neben Häusern und Sklaven auch Kunst gehandelt wurde.

monopolistisch vertrieben/vertreten werden – durch eine verringerte Substitu-

ierbarkeit kann man hier von monopolistischer Konkurrenz sprechen. Die Klien-
tel besteht ebenfalls noch aus Privatpersonen, erweitert sich jedoch um regio-
nale Firmen und öffentliche Institutionen, wie z.B. Museen, Kunstfonds, Vereine
und öffentliche Sammlungen. Preise und Entwicklungen lassen sich hier schon
viel besser beobachten. Mit Expertenwissen, besonders von den Galeristen
und Händlern dieser Ebene, könnte man einen Eindruck vom entsprechenden
Teilmarkt erlangen. Dagegen spricht jedoch die Verschwiegenheit der Akteure
über die realisierten Preise, was sicherlich damit zu tun hat, dass es sich beim
Kunstgeschäft um ein „Behauptungsgeschäft“ handelt. Gehandelte Kunst wird
bereits aktiv im Kunstmarkt besprochen, künstlerische und ökonomische Werte
werden „behauptet“ und müssen sich in folgenden Transaktionen bewahrhei-
ten. Daran lässt sich die Brisanz im Umgang mit Kunst erkennen: Händler
müssen ein sehr gutes Gefühl für den Markt haben um mit ihrer Preisbehaup-
tung auch Käufer zu finden. Ist der Preis zu niedrig, verkauft man Werke unter
Wert und verringert die Rendite – ist der behauptete Preis zu hoch, bleibt man
auf der Ware sitzen und verringert damit seinen Ruf als Galerist, da der Künst-
ler sich nicht gut verkauft. Das Ändern der Preisbehauptung funktioniert nur
nach oben, gegenläufige Entwicklungen machen dem Markt sichtbar, dass der
Künstler keine Perspektive am Markt mehr hat. (von Rosenberg 2003) Kann
sich ein Kunstwerk erfolgreich in diesem Markt behaupten, so wird es bald über
den lokalen Markt hinweg interessant und ist bereit in den nächsten Markt „auf-
zusteigen“.
Der Tertiärmarkt ist international. Hier agieren hauptsächlich große Händler

und Galerien gemeinsam mit wohlhabenden Privatiers, Firmen und öffentlichen
Einrichtungen. Man findet in diesem Teilmarkt ein geringes Angebot, dem eine
große Nachfrage gegenüber steht (Monopolmarkt). Es werden nur Werke ge-
handelt, die bereits als wert- und nachhaltig eingeschätzt wurden – also künst-
lerischen Wert besitzen. Eine Besonderheit ist hierbei die Tatsache, dass sehr
viele Transaktionen über Auktionen ablaufen. Das führt dazu, dass die Trans-
aktionen sehr gut beobachtbar sind und dadurch eine gute Datenbasis vorhan-
den ist. Bei Auktionen ist zudem erkennbar, dass Geschäfte zwar international
stattfinden, sich jedoch bestimmte Handelsorte und sogar Zeiten für bestimmte

Arten von Kunst herausbilden. (Ginsburgh & Jeanfils 1995) So werden z.B. die
in der Einleitung genannten Impressionisten in der Regel in New York zu den
Herbstauktionen (September) der großen Auktionshäuser versteigert. Im Juli
bzw. August finden generell keine großen Auktionen statt.
Nach dem Pareto-Prinzip (auch 80/20-Regel genannt) von Vilfredo Pareto

(ephorie.de 2004) kann man abstrakt sagen, dass 80 % des Marktwertes von
20 % der Akteure gehandelt werden – also die wichtigsten Auktionshäuser3
den Großteil der Umsätze erzeugen. Dagegen werden nur 20 % des Marktum-
satzes von den restlichen 80 % der Akteure generiert.
Das Volumen des weltweiten Gesamtkunstmarkts lässt sich nur grob beurtei-
len, da die Handelsumsätze nicht veröffentlicht werden: 1974 schätzten ameri-
kanische Experten das Gesamtvolumen auf rund 1 Mrd. USD. Für 1998 erga-
ben Schätzungen und Hochrechnungen einen Weltumsatz in Kunst von
40 Mrd. DEM – eine Zahl, die knapp einem Promille des Weltbruttosozialpro-
dukts entspricht. In den Jahren 1989/90, einem zyklischen Höhepunkt der
Marktpreise, lag das Weltmarktvolumen nach Schätzungen der Dresdner Bank
sogar bei über 70 Mrd. DEM. Weltweit führend auf dem Kunstmarkt sind die
USA mit einem Anteil von gut 50 % am Weltkunstauktionsmarkt, gefolgt von
Großbritannien mit knapp 30 % und dem übrigen Europa mit knapp 20 %. Auf-
fallend niedrig ist mit weniger als 1 % der Anteil Asiens. (Private - Das Magazin
für Vermögensberatung und Private Banking 2004; Wilke 1999)
Zusätzlich gibt es noch Akteure, die in der gängigen Literatur regelmäßig ver-
gessen werden, weil Sie keine Akteure im klassischen Sinne sind. Es handelt
sich dabei zum einen um Kunstkritiker und Experten, die eine große Rolle im
Kunstdiskurs spielen, jedoch nicht im System von Angebot und Nachfrage vor-
kommen. Durch die Behandlung von Kunst im wissenschaftlichen und populä-
ren Bereich der Literatur kommt Ihnen jedoch eine teilweise enorme preisbe-
einflussende Rolle zu – durch ihr Urteil können Werke und Stilrichtungen an
Wichtigkeit (und somit an Wert) gewinnen oder abgewertet werden. (von Ro-
senberg 2003) Zum anderen gibt es noch Kunstdiebe und Fälscher, die – aller-
3
Die aktuell internationalen Marktführer sind Sotheby´s (seit 1744) und Christie´s (seit 1766). Wei-
tere wichtige Auktionshäuser sind Bonhams sowie Phillips, de Pury & Luxembourg.

dings im negativen Sinne – ebenfalls den Wert von Kunst beeinflussen können.
Diebstahl führt dazu, dass Kunst völlig vom sichtbaren Markt verschwindet. Je-
doch führt die Tatsache, dass sich jemand für diese Kunst interessiert (und sei
es nur auf dem Schwarzmarkt) dazu, dass trotz alledem eine gewisse Bewer-
tung geschieht. Bei Fälschern ist es ähnlich. Sie kopieren ein Werk und bringen
es mit der Aussage, es handele sich um ein Original, auf den Markt. Sie ma-
chen sich die teilweise hohen Werte zunutze – wird die Fälschung jedoch be-
kannt, ist von Heute auf Morgen der Wert zerstört, obwohl sich an der Struktur
des Gutes nichts verändert hat. Studien besagen, dass für eine gut gemachte
Kopie eines Originalwerkes am Markt im Schnitt nur 11,7 % des Originalpreises
zu erzielen sind, obwohl sie die gleiche ästhetische Funktion erfüllen. (Tietzel
2001)
Zu guter Letzt sei auch noch das Phänomen der Flohmärkte erwähnt, welches
in den klassischen Betrachtungen der Marktstruktur nicht zur Geltung kommt.
Hierbei handelt es sich um einen nicht beachteten Teil des Marktes auf dem
Güter gehandelt werden, die aus bestimmten Gründen nicht mehr Teil des
Kunstdiskurses sind. Hier gehandelte „Kunst“ besitzt nicht mehr die Attribute
der Wertschätzung, die Kunst so besonders machen. Man könnte auch sagen,
dass es sich hier um die unterste Handelsform für Güter handelt, die einmal
Kunst waren, durch bestimmte Bewegungen nicht mehr unter diesen Begriff fal-
len und erst wieder zu Kunst werden müssen oder es niemals wieder werden.
(Thorsby 1994)
Nach der Betrachtung der Marktstrukturen ist als nächster Punkt natürlich inte-
ressant, welche Eigenschaften die dort gehandelten Güter haben. Das nachfol-
gende Kapitel soll darüber Auskunft geben.
b. Kunst als Gut
Stein (1977) spricht bei Kunst von einem „außergewöhnlichen Gut“ und macht
damit klar, dass wir es hier mit einem Gut zu tun haben, welches durch seinen
speziellen ökonomischen Charakter auffällt.
Bildende Kunst ist beständig, da sie nicht vom Verfall ohne menschliches Zutun
gefährdet ist. Wenn ein Sammler Werke „im Keller hortet“, handelt es sich um

ein privates Gut4 (oder auch „Sammler-Gut“), weil Dritte von der Nutzung aus-
geschlossen werden können. Stellt hingegen ein Museum Kunstwerke kosten-
los, für jedermann zugänglich und in hinreichendem Maße nicht rivalisierend im
Konsum aus, so ist Kunst ein öffentliches Gut5. (Stein 1977; Thorsby 1994)
Kunst wird, genau wie andere Güter auch, auf Märkten zu Preisen abhängig
von Angebot und Nachfrage gehandelt. Kunstwerke sind dabei aber extrem he-
terogen, da sich jedes Werk durch unzählige Kriterien von allen anderen unter-
scheidet (z.B. Stilrichtung, Material, Künstler, Zeit, usw.). Dadurch, dass fast
nur Einzelstücke gehandelt werden6, die zwar kopierbar, jedoch nicht reprodu-
zierbar sind, befindet sich der Anbieter in einer Monopolposition für das Origi-
nal, die ihm den Spielraum für Preisverhandlungen gibt. Dieses Monopol kann
bei nicht vorhandener Nachfrage aber auch dazu führen, dass das Kunstwerk
nicht liquidierbar ist. Die Folge dieser Faktoren sind zeitlich seltene und unre-
gelmäßige Transaktionen, zu sehr verschiedenen Preisen – was die Erstellung
eines Preisindices offensichtlich erschwert. Man spricht in diesem Zusammen-
hang auch von einem schwachen Gleichgewichtsprozess auf dem Kunstmarkt,
der durch die Eigenschaften des Gutes verursacht wird. (Gerard-Varet L.-A.
1995; Stein 1977; Tietzel 2001)
Ein weiteres Problem sind die hohen Informationsdifferenzen bzw. Asymmet-

rien zwischen den Akteuren. Diese verhindern durch räumliche und zeitliche
Trennung, dass z.B. Kriterien wie Echtheit oder Qualität eines Gutes glaubhaft
weitergegeben werden können. (Baumol 1985; Hutter 1989; Thorsby 1994)
Selbst Experten sind meist nicht fähig, den Markt zu überblicken und demnach
Werke eindeutig zu bewerten. (Rubino 2001; von Rosenberg 2003)
Die Eigenheiten des Kunstmarktes sowie der darin gehandelten Güter lassen
eine starke Entkopplung des Künstlers bzw. der Produktionskosten von der
Wertentwicklung eines Werkes vermuten. Dieser Prozess des „Aufladens mit
Bedeutung“ durch die zahlreichen beteiligten Akteure führt direkt zum schwieri-
4
Privates Gut: Güter mit ausschließbarer und konkurrierender Nutzung.
5
Öffentliches Gut: Güter, die weder eine ausschließbare noch eine konkurrierende Nutzung auf-
weisen.
6
Eine hier zu vernachlässigende Ausnahme bilden Auflagen oder Reihen von Drucken und Photo-
grafien.

gen Thema der Bewertung von Kunst, welches im folgenden Kapitel behandelt
werden soll.
c. Bewertung von Kunst
Der allgemein bekannte Ausspruch „über Kunst lässt sich streiten“ deutet be-
reits an, dass die Bewertung diverse Problematiken aufweist. Für viele Men-
schen verkörpert Kunst etwas Individuelles, einen Gegenstand mit einem äs-
thetischen Wert. Dieser ist dabei nicht nur von der Meinung anderer abhängig,
sondern höchst individuell und kann diverse Kriterien wie z.B. Dekorationswert,
Stil, Größe oder Lieblingskünstler beinhalten. Andererseits hat Kunst neben
den immateriellen Werten auch einen materiellen Wert als Investitionsobjekt
mit Rendite und Risiko. Hierbei verhält sich der Käufer, wie bei einer Finanzin-
vestition, neutral zu den Eigenschaften des Kunstwerkes und achtet nur auf die
Passung in sein Portfolio sowie entsprechende Rendite- und Risikokennzahlen.
Die finanzielle Dividende von Kunst ist relativ einfach zu ermitteln: Bei Transak-
tionen am Markt wird durch Kauf und Verkauf eines Werkes jeweils ein Preis
ermittelt, mit dessen Entwicklung eine Rendite zu berechnen ist. Vor dem Hin-
tergrund dieses Gewinns (bzw. Verlustes) muss man noch bestehende Risiken
bzw. Kosten kalkulieren. Für Kunst besteht ein finanzielles Risiko im Verlust
des Werkes durch Diebstahl oder Zerstörung (Transportschaden, Brand o.ä.).
Vor diesem Risiko kann man sich mit Hilfe von Versicherungen schützen.
Kunstbesitz erzeugt aber noch weitere Kosten, wie z.B. für Transport und La-
gerung der Werke sowie Steuern und Auktionsgebühren für die Transaktion an
sich. (Chanel 1995; Frey 1997) Im Endeffekt ist mit diesen Angaben die finan-
zielle Rendite von Kunst leicht zu ermitteln. Motive für diese Anlageform kön-
nen Spekulation und Wertaufbewahrung sein – beide sind abhängig von der
verfügbaren Geldmenge der Individuen. Dieser Zusammenhang erklärt auch,
dass Kunstpreise (bzw. die Nachfrage nach Kunst) abhängig von der weltwirt-
schaftlichen Lage sind, was zahlreiche Studien statistisch nachweisen. (Hutter
1989) Je höher also das Einkommen bzw. das Vermögen eines Investors, je
höher seine Nachfrage nach Kunst. Stellt sich das Verhältnis von erzielbaren
Gewinnen im Vergleich zu anderen Anlagegütern als günstig dar, so steigt die

Nachfrage für Kunst als Investitionsgut ebenfalls. (Renneboog & van Houtte
1998)
Ungleich schwieriger wird das Vorgehen bei der immateriellen Bewertung. Ana-
log zur finanziellen Dividende kann man hier von einer „ästhetischen Dividen-
de“ bzw. einem Konsumnutzen von Kunst sprechen. Diese nicht messbare
Wertschätzung ist von einer Vielzahl von höchst persönlichen Attributen, wie
z.B. Farben, Formen, Motiven und Materialien des Werkes abhängig und tritt
bei der Betrachtung desselben auf. (Chanel 1995) Goethes Ausspruch „Samm-
ler sind glückliche Menschen“ lässt ebenfalls auf die Existenz dieses Konsum-
nutzens schließen: Kunst im Privatleben umgibt eine besondere Aura, die Aus-
einandersetzung mit Kunst fördert die Kreativität und wer in Kunst investiert, tä-
tigt eine Art „Bedeutungsinvestition“ für sein eigenes Leben. (Rubino, L. A.
2001; Wilke 1999) Kunst hat aber auch einen Statusnutzen, der sich z.B. in
Bewunderung des eigenen Besitzes durch andere Kunstliebhaber ausdrückt.
Man kann damit seinen Reichtum, Bildungsstand und die eigene Lebensquali-
tät in die Öffentlichkeit tragen – durch den Besitz von Kunst kann man also sei-
ne Persönlichkeit darstellen und sie als Kommunikationsinstrument nutzen.
(Hutter 1992) Die beschriebenen Nutzendimensionen können zusammenfas-
send als „ownership effect“ von Kunst bezeichnet werden. Je mehr diese teil-
weise sehr individuellen Zuschreibungen mit einem Kunstwerk verbunden wer-
den (je höher also der „ownership effect“ ist), desto höher ist die Nachfrage da-
nach. (Frey & Eichenberger 1995) Kunst hat darüber hinaus aber auch einen
kunsthistorischen Wert, der zumindest für eine kleine Personengruppe mit ent-
sprechender Bildung eine gemeinsame Basis für die Wertschätzung darstellt.
Kriterien für die kunsthistorische Bewertung sind z.B. das Vorkommen im
Kunstdiskurs, der Innovationsgrad sowie der Anspruch des Werkes. Je mehr
das Publikum an kunsthistorischem Wissen besitzt, je höher ist diese Dimensi-
on der Wertschätzung – was sich wiederum auf die Nachfrage auswirkt. (Hutter
1992) Auch die immaterielle Bewertung von Kunst unterliegt einem gewissen
Risiko, welches hauptsächlich durch den Zuschreibungscharakter der genann-
ten Eigenschaften zu Stande kommt. Ändern sich Moden, Trends und Ge-
schmäcker in der Gesellschaft, so kann es sehr schnell dazu kommen, dass
insbesondere der Statusnutzen des Besitzes von bestimmter Kunst und Kunst-

gattungen nicht mehr so hoch bewertet wird. Jedoch ist dieses Risiko bei typi-
schen Sammlern nicht präsent, da diese stärker nach dem individuellen Kon-
sumnutzen entscheiden. (Frey 1997)
Die Tatsache, dass sich in Kunstwerken sowohl materielle wie auch immateriel-
le Werte vereinen, unterscheidet sie von vielen klassischen Gütern7 und führt in
letzter Konsequenz dazu, dass sich kein einheitlicher Gleichgewichtspreis bil-
det – Kunst also schwer objektiv bewertbar ist. (Baumol 1985; Candela & Scor-
cu 1997; Rubino, L. A. 2001) Ein Spekulant wird das finanzielle Kriterium des
Spekulations- und Wertaufbewahrungsinteresses übergewichten – ein Samm-
ler wird bei seiner Entscheidung das Interesse am Konsum- und Statusnutzen
verfolgen. Dieser Unterschied lässt zudem den Versuch des Vergleichs mit der
Rentabilität von klassischen Anlagegütern in einem zweifelhaften Licht erschei-
nen. Als Erklärungsmodell für die generell niedrigere finanzielle Rendite von
Kunst kann er allerdings plausibel verwendet werden, da sich eine Gesamtren-
dite ja aus der Summe des materiellen und immateriellen Nutzens ergibt und
nicht nur aus der messbaren finanziellen Rendite. (Chanel 1995; Frey & Ei-
chenberger 1995; Thorsby 1994)
Die beschriebenen Nutzendimensionen und Faktoren der Nachfrage führen

dazu, dass Kunst mit steigendem Wohlstand und Bildungsniveau immer mehr
nachgefragt wird. Der Markt kann diese Nachfrage jedoch immer schlechter be-
friedigen, weil sich die Produktionsmethoden für Kunst in der Vergangenheit
nicht wesentlich weiter entwickelt haben. D.h. für die Erstellung eines Ölgemäl-
des werden heutzutage noch die Aufwände benötigt (z.B. Leinwand, Ölfarbe,
Pinsel, Künstler und Zeit) wie vor 200 Jahren zur Hochzeit dieser Kunstform.
Zudem ist das Angebot begrenzt, da durch den Tod eines Künstlers keine Mög-
lichkeit mehr besteht, neue Werke zu produzieren. (Thorsby 1994)
d. Zusammenfassung
„Ein unvollkommener Markt für vollkommene Werke.“ (Rubino, L. A. 2001)
7
In letzter Zeit versuchen immer mehr Markenhersteller zwar, ihre Produkte ähnlich wie Kunst mit
immateriellen Werten aufzuladen, dies soll hier jedoch nicht explizit hervorgehoben werden.

Kunst ist ein besonders vollkommenes Gut. Kaum etwas anderes verursacht
verschiedenste Emotionen, ist unangreifbar und zugleich unbeschreibbar. Das
führt dazu, dass man nur schwer mit rationalen Argumenten zu einer Bewer-
tung von Kunst kommen kann. Versucht man hingegen die weichen Faktoren in
eine Bewertung mit einzubeziehen, so verfängt man sich in subjektiven Wahr-
nehmungen. An diesem Grundproblem reibt sich der Kunstmarkt und erscheint
deshalb nach ökonomischen Kriterien unvollkommen. Eine komplexe und un-
durchsichtige Marktstruktur basierend auf persönlichen Netzwerken und Exper-
ten versucht, die „Schwächen“ des Marktes und der gehandelten Güter auszu-
gleichen und darin erfolgreich zu agieren. In letzter Konsequenz wird durch die
geschilderten Umstände klar, dass der Versuch der Marktbeobachtung und sta-
tistischen Beschreibung von Kunstpreisen ein äußerst komplexes Unterfangen
darstellt, was nicht immer so einfach behandelt werden kann, wie es einige der
nachfolgend beschriebenen Methoden tun.

3. Datenbasis
Will man nun mit der Berechnung eines Kunstpreisindices beginnen, so stellt sich
zuerst die Frage nach dem Datenmaterial. Aufgrund der in Kapitel 2 beschriebe-
nen Struktur ist klar, dass man sich hauptsächlich auf den Tertiärmarkt stützen
muss, da sich andere Teilbereiche durch ihre geringe Sichtbarkeit, Transparenz
und schlechte Datenverfügbarkeit nicht anbieten. Dies ist zu bedauern, da jedes
Kunstwerk des Tertiärmarktes früher auch in den vorgelagerten Märkten gehandelt
wurde. Eine vollständige Betrachtung der Wertentwicklung durch alle Märkte hin-
weg wäre sehr interessant – ist jedoch leider nach aktuellem Stand nicht machbar.
(Baumol 1985; Rubino, L. A. 2001)
Sich einen umfassenden Überblick über Kunstpreisquellen des Tertiärmarktes zu

machen kommt einer Lebensaufgabe gleich. Eine Vielzahl von Datenbanken und
Publikationen bietet Preisinformationen in diversen Formen, auf unterschiedlichen
Daten basierend und zu verschiedenen Bereichen. Auch die Kosten für diese
Dienste divergieren erheblich. Für jedermann kostenlos zugängliche Internetda-
tenbanken konkurrieren mit gedruckten Verzeichnissen, CD-ROMs oder kosten-
pflichtigen Online-Zugängen, deren Preismodelle von Pay-per-View bis zum Jah-
resabonnement reichen. Aus diesem Grund soll im ersten Teil dieses Kapitels ver-
sucht werden, einen groben Überblick über dieses weite Feld zu geben, bevor im
zweiten Teil anhand eines Beispieldatensatzes näher erläutert wird, wie man bei
der Aufbereitung der Daten vorgeht und was dabei zu beachten ist. Danach sollen
noch Methoden der deskriptiven Statistik verwendet werden, um die vorliegenden
Daten näher zu beschreiben.
a. Datenquellen
Im Jahr 1674 eröffnete in Stockholm das erste moderne Auktionshaus mit dem
Namen „Auktionsverket“. Will man Transaktionsdaten vor dieser Zeit gewinnen,
so stammen diese immer aus dem Bereich des Kunsthandels und der Kunst-
vermittlung. Solche Daten jedoch zu finden, verlangt ein großes Maß an For-
scherdrang: Sie befinden sich meist sehr versteckt in sachfremden Dokumen-
ten, wie z.B. Stücklisten für Schiffsfrachten, Tagebüchern von Kunsthändlern
oder Aufzeichnungen über Erbschaften. (Renneboog & van Houtte 1998) Aus

diesem Grund wird schnell klar, dass der Aufwand der Datenbeschaffung sehr
hoch sein kann, wenn man besonders lang in die Vergangenheit reichende Da-
tenreihen bekommen will.
Seit der Einführung von Auktionen 1674 werden die Transaktionspreise erheb-
lich besser aufgezeichnet. Vor jeder Auktion wird ein so genannter „pre-sale
Auktionskatalog“ veröffentlicht. In diesem werden Informationen über die Stü-
cke (Künstler, Werkname, Abmaße, Materialien; teilweise sogar mit Bild) und
deren Position in der Auktion abgedruckt (Handelstag und Zeit, Losnummer,
Auktionsreihenfolge). Für die bessere Preiseinschätzung wird noch eine Preis-
spanne angegeben, zu der das Auktionshaus die Versteigerung plant. Nach
großen Auktionen oder zum Ende eines Jahres werden noch „after-sale Aukti-
onskataloge“ veröffentlicht. In diesen werden die o.g. Daten, um den erzielten
Auktionspreis ergänzt, veröffentlicht. Manche Auktionshäuser verschweigen in
diesen Katalogen jedoch, wenn eine Transaktion nicht stattgefunden hat (sog.
„bought-ins“). In diesem Fall wird einfach die untere Preisgrenze als Transakti-
onspreis eingetragen, um den Wert des Werkes am Markt für spätere Auktio-
nen nicht zu „verbrennen“.8 (Ashenfelter 1989; Ashenfelter & Abowd 2002;
Ashenfelter, Graddy, & Stevens 2002; Mei & Moses 2002)
Diese Auktionskataloge findet man in den Archiven der jeweiligen Auktions-

häuser oder in großen Bibliotheken. Seit den 70er Jahren des letzten Jahrhun-
derts verwalten Auktionshäuser diese Daten auch digital – was gerade für die
Weiterverarbeitung einen großen Vorteil darstellt. (Wilke 1999) Die Beschaf-
fung von Preisdaten über Händler und Kunstvermittler gestaltet sich, wie schon
im vorigen Kapitel erwähnt, auch heute noch mehr als schwierig.
Aufgrund dieser vorliegenden Datenquellen lassen sich in der Literatur ver-

wendete und verfügbare Datenquellen in analoge und digitale Quellen teilen.
Bei den analogen Quellen kann man sich entweder auf die eigene Forschertä-
tigkeit verlassen und die Daten selbst zusammentragen oder auf Autoren rekur-
rieren, die diese Arbeit teilweise schon erledigt haben. Beispiele hierfür sind
8
Auf eine Betrachtung der genauen Funktionsweise von Auktionen soll hier verzichtet werden, da
dieses Thema für die Ermittlung von Kunstpreisindices keine Relevanz hat. Bei Interesse bieten
sich jedoch Blaug (2001) (Blaug 2001)oder Mossetto & Vecco (2002)(Mossetto & Vecco 2002) als
Einführung in diese Thematik an.

der Klassiker „Reitlinger´s Economies of Taste“ (Reitlinger 1982), das „World

Collectors Annuary“ (Diverse 1994), „Mayer´s International Auction Records“
(Mayer 2004), das „International Art Price Annual“ (Michel 2003) sowie das
deutsche „Kunstpreisjahrbuch“ (Diverse 2004). Alle Quellen haben gemeinsam,
dass sie eine ältere Datenbasis beinhalten und ihre Informationen nicht aus-
schließlich von Auktionen beziehen. Ein Nachteil ist allerdings, dass die Daten
teilweise große Datenlücken durch fehlendes Material aufweisen (z.B. durch
Kriege oder Zerstörung von Aufzeichnungen) oder durch persönliche Vorlieben
des jeweiligen Autors für bestimmte Künstler oder Gattungen nicht den kom-
pletten Markt abbilden. (Frey & Pommerehne 1989; Holub, Hutter, & Tappeiner
1993)
Die möglichen digitalen Datenquellen stellen sich da völlig anders dar. Hier
beginnen die Aufzeichnungen in den 70er und 80er Jahren des 20. Jahrhun-
derts und umfassen fast ausschließlich Auktionsdaten. Durch das digitale For-
mat ist eine Weiterverarbeitung einfacher möglich. Die Kennzeichnung von
mehrfachen Transaktionen des gleichen Stückes und einfache Gruppierungs-
möglichkeiten z.B. nach Künstler, Werkgattung oder Transaktionsdatum er-
leichtern weitergehende Analysen zusätzlich. Angeboten werden diese Daten
entweder als CD-ROM oder über das Internet. Besonders zu erwähnende An-
bieter sind hier die Firmen „Art Sales Index Ltd.“ (Art Sales Index Ltd. 2004),
„Artfact Inc.“ (Artfact Inc. 2004), „artprice.com“ (artprice.com 2004), „Gabrius
S.p.A.“ (Gabrius S.p.A. 2004) sowie „Gordon´s Art Reference Inc.“ (Gordon´s
Art Reference Inc. 2004), weil sich deren Datenbestände durch besonders um-
fangreiches Datenmaterial (bis zu 5 Mio. aufgezeichnete Transaktionen), wel-
ches teilweise manuell mit älteren Daten aufgebessert wurde, auszeichnen.
Diese Serviceleistung hat jedoch auch ihren Preis – die Nutzung schlägt ab
100 USD pro Jahr zu Buche. Der Nutzen für die Weiterverarbeitung ist dabei
jedoch noch lange nicht sichergestellt, da die Daten nur in HTML-Form oder
geschützt auf CD-ROM zur Verfügung gestellt werden.
In der Literatur findet man häufig die genannten analogen Datenquellen als Ba-
sis für die Berechnungen. (Holub, Hutter, & Tappeiner 1993) Neuere Studien
bedienen sich zögerlich auch bei digitalen Quellen – wobei auch diese oftmals

rückwärtig mit älteren Aufzeichnungen aufgebessert werden. (Mei & Moses

2002)
Für die folgenden Berechnungen benötigt man jedoch nicht nur Angaben über
die Transaktionspreise von Kunstwerken. Um die Daten auf eine einheitliche
Währung umzurechnen, werden historische Wechselkurse benötigt. Will man
dann noch die Inflation berücksichtigen, so ist auch die allgemeine Preisent-
wicklung im Vergleichszeitraum von Interesse. Für beide Angaben muss man
ebenfalls Archive und historische Quellen bemühen, die nicht immer in digitaler
Form vorliegen. Das Problem ist hier aber nicht so manifest wie bei den Kunst-
preisen selbst, da es sich in der Regel um eine überschaubare Anzahl von Da-
ten handelt, die in der ökonomischen Literatur auch für andere Themen benö-
tigt wurden. Aus diesem Grund sei hier nur auf Standardquellen, wie z.B. Oan-
da.com und die Deutsche Bundesbank für historische Wechselkurse und die
entsprechende Inflation verwiesen (Deutsche Bundesbank 2004; OANDA.com
2004), ohne umfangreich in eine Diskussion der Datenqualität und Beschaffung
zu verfallen. Daten über wirklich historische Kurse und Inflationen sind nur aus
analogen Quellen zu bekommen, wie sie z.B. in großen Staatsbibliotheken vor-
liegen.
Wie die vorangehenden Erläuterungen gezeigt haben, hat man bei der Kunst-
preisdatenbeschaffung die Qual der Wahl. Im Anhang befindet sich eine in die-
ser Form einmalige Übersicht über mögliche Quellen, den darin erfassten Da-
tenumfang und Preise für den Zugriff darauf. In den nachfolgenden Schritten
soll besonders auf die Weiterverarbeitung dieser Daten bis hin zur Indexerstel-
lung eingegangen werden – egal für welche Datenquelle man sich entschieden
hat.
b. Aufbereitungsprozess
Um die nötigen Schritte der Datenvorbereitung und Aufbereitung zu illustrieren,

soll auf die einzig digitale und kostenlos verfügbare Datenquelle zurückgegrif-
fen werden: Nagel´s Art Price Index „NAX“ (Nagel´s Art Price Index 2004). Im
Bereich der asiatischen Kunst liegen dort 7.295 Transaktionsdaten vor, die als
Datenbasis für die folgenden Schritte dienen sollen.

Daten in Excel übertragen
Das erste Problem bei allen genannten Quellen ist, die entsprechenden Daten
in verarbeitbarer, digitaler Form (z.B. in Excel oder in einer Datenbank) vorlie-
gen zu haben.
Analoge Daten müssen dafür langwierig abgetippt oder mit Hilfe von OCR-
Programmen9 automatisiert eingelesen werden. Viele der älteren Datensätze
liegen nur in analoger Form vor, weshalb man sich für umfangreiche Studien
den Aufwand der Digitalisierung machen sollte oder gleich auf digitale Quellen
zugreift, die alte Daten bereits digitalisiert haben. (siehe vorheriges Kapitel)
Aber auch digitale Quellen erleichtern die Arbeit nicht besonders. Die Rohdaten
auf CD-Publikationen sind durch diverse Mechanismen vor einem Direktzugriff
und der Übertragung in Excel geschützt. Über programmeigene Suchmasken
kann man zwar die Daten einsehen, jedoch immer nur auf einen kleinen Aus-
schnitt begrenzt und durch die programminterne Darstellung nicht weiter ver-
wendbar. Beispiele hierfür sind u.a. die populären CD-ROMs der Firma „artpri-
ce.com“ (artprice.com 2004) oder „Gordon´s Art Reference Inc.“ (Gordon´s Art
Reference Inc. 2004). Wenige Publikationen (z.B. „Proarte“ (Proarte.at 2004))
bieten Export-Funktionen der Suchergebnisse an, wobei man auch hier erheb-
lichen Zeitaufwand hat, weil die vielen einzelnen Exporte noch in eine einzige
Tabelle zusammenzufügen sind.
Online-Datenbanken funktionieren ähnlich: Auch hier muss man über Such-

masken die angezeigten Daten einschränken und erhält als Ergebnis HTML-
Seiten mit entsprechenden Daten in Tabellenform. Oftmals sind die relevanten
Treffer jedoch über mehrere Seiten verteilt oder relevante Informationen sind
auf Unterseiten „versteckt“. Einen Direktzugriff auf die Datenbanken räumt kei-
ner der im Anhang aufgelisteten Anbieter ein, was allerdings die einzige Mög-
lichkeit wäre, an die Rohdaten in vollem Umfang und entsprechender Informa-
tionstiefe zu kommen.
9
OCR steht für „optical character regocnition“ und bedeutet, dass man mit einem Scanner die Vor-
lagen einliest und mit Hilfe eines Programms per Zeichenerkennung die darin enthaltenen Daten
digital auslesen kann (z.B. in Word oder Excel).

Die verwendete Beispieldatenquelle „NAX“ ist eine Online-Datenbank, die ent-

sprechende Auflistungen in HTML-Form darstellt. Am hier dargestellten
Screenshot kann man leicht die beschriebenen Probleme erkennen: 1) die Da-
ten liegen in HTML-Code vor (nur einsehbar mit dem Internet Explorer), 2) die
insgesamt 7.295 Datensätze sind auf 244 einzelnen Seiten verteilt und 3) die
Angabe zum Transaktionsdatum wird erst auf der Detailseite zu jedem Daten-
satz (rechtes Bild) angezeigt.
Abbildung 1 Datenliste und Detailanzeige „NAX“
(Nagel´s Art Price Index 2004)
Um trotzdem an die in den Seiten enthaltenen Daten zu kommen, muss man

Kenntnisse im Bereich der Internet-Programmierung besitzen. Das Vorgehen
beschreibt sich dann wie folgt: Das zu erstellende Programm muss die Inter-
netseiten selbständig „besuchen“ und den dort verfügbaren HTML-Code spei-
chern. Danach muss dieser Code eingelesen und von nicht brauchbaren Ele-
menten befreit werden (das sind sog. HTML-Tags und alle nicht zu verwen-
denden Informationen). Das Programm schreibt nach diesem Prozess die übrig
gebliebenen Rohdaten entweder in eine Datenbank oder direkt in eine Excel-
Datei. Jetzt fehlt in diesem speziellen Fall noch die Angabe des Datums der
Transaktion, die sich auf einer Unterseite zu jedem Datensatz befindet. Hierfür
muss das Programm alle Unterseiten absuchen und die dort gefundenen Da-
tumsangaben den schon gewonnenen Datensätzen zuordnen. Der für diese
Vorgänge verwendete Algorithmus in der Programmiersprache „Java“
(SUN.com 2004) befindet sich im Anhang dieser Arbeit. Die gewonnenen Da-
ten in den verschiedenen Zwischenstufen befinden sich auf dem beiliegenden
Datenträger, der ebenfalls im Anhang zu finden ist.

Die aus den einzelnen Programmaufrufen resultierende Excel-Datei enthält

7.295 Datensätze (was dafür spricht, dass das Programm alle Daten verarbei-
ten konnte) mit folgenden Informationen: Lfd. Nr., Auktionsnummer, Losnum-
mer, Titel des Stückes, Angaben zum Stück, Maße, Schätzpreis (EUR), Zu-
schlagspreis (EUR) und Auktionsdatum.
Tabelle 1 Datenausschnitt der Rohdaten in Excel
(eigene Daten)
Fehler, Anomalien und Datenlücken korrigieren bzw. bereinigen
Bei der Durchsicht der Daten in Excel fallen sofort korrupte Datensätze auf (im
obigen Bild rot markiert), die bei den folgenden Berechnungen zu Fehlern in
der Verarbeitung durch SPSS führen. Konkret sind das Zahlenfelder, die mit
Zeichen wie z.B. „*“ (für Vermerke des Auktionshauses) oder dem Vorzeichen
„+“ versehen sind. Mit Ersetzungsroutinen in Excel sind diese Fehler leicht zu
beheben.
Für die Angabe des Schätzpreises findet man teilweise Angaben wie „fehlt“ o-
der „o.A.“. Auch diese wurden durch Ersetzungsroutinen entfernt, so dass man
ein leeres Feld erhält, wenn kein Schätzpreis vorhanden ist. Das Feld des
Schätzpreises enthielt auch des Öfteren eine Preisspanne, bei der im Sinne
gängiger Literatur (Holub, Hutter, & Tappeiner 1993) der Mittelwert eingetragen
wurde, um eine les- und auswertbare Zahl zu erhalten.
Auch beim Feld für das Transaktionsdatum waren für Excel und SPSS nicht
verwertbare Angaben verzeichnet. Datumsspannen von „Auktionswochenen-
den“ des Auktionshauses wurden gegen das Startdatum der Auktion ersetzt um
eine eindeutige Datumsangabe zu erhalten.

Tabelle 2 Datenausschnitt der bereinigten Daten in Excel
(eigene Daten)
Das Vorgehen für die Korrektur der vorliegenden Datensätze ist für jede ver-
wendete Datenquelle hoch individuell. Mit Erfahrungswerten im Umgang mit
Excel und SPSS kann man jedoch relativ leicht erkennen, in welcher Art und
Weise die vorliegenden Daten zu bearbeiten sind, damit sie in den nachfolgen-
den Schritten in den entsprechenden Programmen verwendet werden können.
Falls auffällig viele Datenlücken für ältere Datensätze vorhanden sind, bietet
sich unter Umständen das so genannte „backward filling“ für die Verbesserung
der Daten an. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1994; Mei & Moses
2002) Dabei greift man auf andere bzw. ältere Datenquellen zurück und erwei-
tert somit die vorliegenden Daten. Probleme, die sich dabei ergeben, liegen im
verschiedenen Charakter der verwendeten Daten. Je nach Quelle werden un-
terschiedliche Methoden für die Aufzeichnung verwendet (z.B. mit und ohne
Transaktionskosten, verschiedene Währungen und Inflationen), die dazu füh-
ren, dass man „Äpfel mit Birnen vergleicht“ – also einen Bias in den Daten er-
zeugt. Auf jeden Fall sollte man mit Hilfe von vermeintlich gleichen Datensät-
zen die Passung überprüfen.
Ökonomische Korrekturen
Nachdem die Daten in ein verarbeitbares Format gebracht und ggf. durch an-
dere Quellen erweitert worden sind, kann man sich um die ökonomischen Kor-
rekturen kümmern. Diese umfassen mindestens die Vereinheitlichung der Prei-
se im Bezug auf die verwendete Währung und die Bereinigung der Inflation des
entsprechenden Zeitraums. (Holub, Hutter, & Tappeiner 1993; Renneboog &
van Houtte 1998)

Der vorliegende Datensatz liegt schon in einer einheitlichen Währung vor

(EUR), weshalb hier das Suchen von historischen Wechselkursen und deren
Verrechnung entfällt. Jedoch müssen die Daten um die Inflation bereinigt wer-
den. Dazu wurden die Preise („estimate“ und „hammer“) mit Hilfe von Daten
des Statistischen Bundesamtes (Statistisches Bundesamt Deutschland 2004)
auf das Preisniveau des Jahres 2000 umgerechnet („est_cpi“ und „ham_cpi“).
Zu beachten ist dabei, dass die Angaben über das Preisniveau („cpi“) nur auf
Jahresbasis vorliegen. Für eventuelle Verbesserungen der Genauigkeit könnte
man bei diesem kurzen Zeitraum auch Daten auf Monatsbasis verwenden, um
ein genaueres Bild zu erhalten. Aufgrund der kostenlosen Datenverfügbarkeit
der Jahresdaten wurde auf dieses Vorgehen hier aber verzichtet.
Tabelle 3 Datenausschnitt der ökonomisch korrigierten Daten in SPSS
(eigene Daten)
In der Literatur findet man weitere Möglichkeiten, die Daten ökonomisch auf ein
vereinheitlichtes Niveau zu bringen. Zum Ersten sind dabei die Transaktions-
kosten zu nennen. (Ashenfelter 1989; Renneboog & van Houtte 1998) Der Ver-
käufer, der ein Auktionshaus mit dem Verkauf eines Werkes betraut, bekommt
in der Regel nur 85-88 % des erzielten Hammerpreises10. Der Käufer muss
zwischen 10 und 15 % des Kaufpreises als Gebühren an das Auktionshaus
zahlen. Aus dieser Tatsache ergibt sich die so genannte „winner´s curse“: Zwi-
schen Kauf und Verkauf eines Werkes über eine Auktion muss sich der Wert
eines Stückes mindestens um die dabei anfallenden Transaktionsgebühren er-
höht haben, damit der Käufer/Verkäufer nicht einen reellen Verlust erleidet.
(Goetzmann & Spiegel 1995) Sind nun für die vorliegenden Auktionsdaten die
anfallenden Gebühren bekannt (was äußerst selten der Fall ist), kann man die-
10
Bei einem „bought-in“ zahlt er 1 % des unteren Schätzpreises als Auktionsgebühr.

se vom erzielten Hammerpreis abziehen, um ein wahrheitsgetreueres Bild der

Wertentwicklung eines Kunstwerkes zu erhalten. (Locatelli-Biey M. & Zanola
1999)
Eine zweite „versteckte“ Gewinnminderung stellen Steuern und Versicherungs-

kosten dar. Je nach Land und Transaktion fallen Steuern auf die erzielten Ge-
winne und Transaktionsgebühren an. Diese Angaben liegen nur in seltenen
Fällen vor und sind für historische Daten nur schwer zu bestimmen, da weder
Käufer noch Verkäufer bekannt sind, um z.B. die in der Finanztransaktion be-
teiligten Länder und deren Besteuerungssätze zu ermitteln. Bei Versicherungs-
kosten sieht die Sache schon anders aus. Hier geht man aktuell von ca. 0,5 %
Versicherungskosten auf den Schätzwert eines Werkes aus, die pro Jahr für
dessen Versicherung gegen Zerstörung anfallen. (Ashenfelter, O., Graddy, K.,
and Stevens, M. 2002; Renneboog & van Houtte 1998) Wird nun ein Werk er-
folgreich verkauft, so müsste man vom erzielten Hammerpreis die in der trans-
aktionslosen Zeit davor angefallenen Versicherungskosten abziehen. Auch dies
wird jedoch in der Realität nur selten gemacht – es würde aber die im folgen-
den Kapitel vorgestellten Ergebnisse zum Teil radikal verändern.
Daten in SPSS verwenden
Nachdem die Daten für die weiteren Berechnungen entsprechend aufbereitet

wurden, sind diese noch für die bessere Verwendung in SPSS genauer zu be-
schreiben und zu spezifizieren.
Dafür macht man in der „Variablenansicht“ von SPSS Angaben zum Variablen-
namen, dem Typ der Variablen (Text oder Zahl) sowie die Skalierung der Wer-
te (Skala, Ordinal oder Nominal).

Abbildung 2 Variablendefinition in SPSS
(eigene Daten)
c. Datenbeschreibung
Im Rahmen der Datenbeschreibung (also deskriptiven Statistik) kann man eine

Reihe von Darstellungen der Datenstruktur zur Charakterisierung der vorlie-
genden Daten erstellen. Zu nennen sind dabei Standardberechnungen und
Histogramme für Transaktions- und Schätzpreise, die Transaktionshäufigkeit
pro Zeitspanne sowie Verkaufsquoten (also die Relation zwischen verkauften
Werken und „bought-ins“). Bei bestimmten Berechnungen bietet sich die Loga-
rithmierung der Zahlenwerte (hier z.B. bei den Transaktionspreisen) an, um Da-
ten mit vielen Ausreißern in ein aussagekräftigeres Format zu transformieren.
(Ashenfelter, O., Graddy, K., and Stevens, M. 2002; Candela, Figini, & Scorcu
2003)
Tabelle 4 Kennzahlen der Datenbeschreibung
(eigene Daten)
Wie man erkennen kann, gibt es Unterschiede in der Struktur der Schätz- und
Hammerpreise im Datensatz: Zum einen gibt es nicht für alle Datensätze auch
einen Schätzpreis, was wohl auf Datenlücken oder fehlende Angaben in den
Katalogen zurückzuführen ist. Zum anderen unterscheiden sich aber auch die
Minimal und Maximalwerte der beiden Variablen erheblich. Während es maxi-
mal Schätzpreise von knapp über 49.000 EUR gibt, reichen die realisierten
Hammerpreise bis über 365.000 EUR. Durch diese Unterschiede kann man
auch die Differenzen beim Mittelwert, der Standardabweichung und der Varianz

erklären. Für all diese Kenngrößen weist der Hammerpreis höhere Werte aus.
Des Weiteren liegen die verzeichneten Transaktionen alle zwischen Dezember
1994 und November 2003 – was fast einen Beobachtungshorizont von fast 10
Jahren ausmacht.
Abbildung 3 Histogramm der Schätz- und Hammerpreise
(eigene Daten)
Anhand der beiden Histogramme bestätigen sich die festgestellten Unterschie-

de weiter. Im Speziellen fallen noch die sehr nah an der Normalverteilung lie-
genden Werte der logarithmierten Hammerpreise, im Gegensatz zu den mit
kleinen Ausreißern versehenen logarithmierten Schätzpreisen, auf.
Abbildung 4 Histogramm des Transaktionsdatums
(eigene Daten)
Die Verteilung der Zeitpunkte aller Transaktionen zeigt bei digitalen Datenquel-
len häufig auftretendes Bild. Je jünger die Auktionsdaten, je mehr Transaktio-
nen sind im gesamten Datensatz zu finden. Dies lässt sich leicht mit der fort-
schreitenden Digitalisierung erklären. Immer mehr Auktionshäuser verfügen

über digitale Datenverarbeitungssysteme und verzeichnen die Ergebnisse Ihrer

Auktionen darin.
Des Weiteren kann man noch die Saisonalität der Auktionen untersuchen. Wie
schon erwähnt, gibt es für bestimmte Arten von Kunst feste Termine im Jah-
reskalender der Auktionen.
Abbildung 5 Histogramm der Transaktionsquartale
(eigene Daten)
Wie das dargestellte Histogramm zeigt, finden die Auktionen unseres Demo-
Datensatzes hauptsächlich im 2. und 4. Quartal des Jahres statt (99,1 %), was
ganz klar darauf schließen lässt, dass hier eine Saisonalität vorliegt.
Bei vielen Datensätzen findet man bei der Beschreibung der Daten noch die
Anzahl der im Beobachtungszeitraum mehrmals gehandelten Werte („repeat-
sales“) oder eine Klassifizierung nach Epoche, Stil oder Ähnlichem. (Candela,
Figini, & Scorcu 2003; Locatelli-Biey M. & Zanola 1999; Mei & Moses 2002) Bei
den vorliegenden Daten bieten sich diese Analyseschritte nicht an, weil weder
auswertbare Informationen über mehrmalige Transaktionen eines Stückes vor-
liegen, noch über Epochen oder Stile.
d. Zusammenfassung
Wie man an den vorangehenden Ausführungen sehen kann, ist die Datenzu-
sammenstellung und Aufbereitung schon bei dem verwendeten Beispiel sehr
aufwendig – auch wenn hier aufgrund der einfachen Datenstruktur nicht einmal
alle Probleme auftreten. Wie gezeigt wurde, kann man davon ausgehen, dass
bei umfangreicheren Datenquellen hier ein Großteil der Arbeit für die Erstellung

eines Kunstpreisindices liegt und das Endergebnis des Index in hohem Maße
von der Genauigkeit und Intensität dieser vorbereitenden Schritte abhängt. Die
Beschreibungsleistung im Rahmen der deskriptiven Statistik umfasst alle be-
kannten Spielarten, ist aber bei ordnungsgemäßer Ausführung der vorherge-
henden Schritte mit SPSS und den notwendigen Kenntnissen leicht durchzu-
führen.

4. Berechnungsmethoden
Hat man nun eine entsprechende Datenquelle aufgetan und die Daten für die fol-
genden Berechnungen ausreichend aufbereitet, so stellt sich die Frage nach dem
„Wie weiter?“. Im folgenden Kapitel soll deshalb aufgezeigt werden, welche Me-
thoden für die Berechnung von Kunstpreisindices bisher in der Literatur zu finden
sind und wie diese mathematisch funktionieren. Des Weiteren soll anhand des
Demonstrationsdatensatzes für jede mögliche Methode eine Beispielberechnung
durchgeführt werden, um die Unterschiede zwischen den verschiedenen Metho-
den noch besser herauszuarbeiten.
Ein Überblick über alle genannten Veröffentlichungen mit Angaben zur verwende-
ten Datenbasis, der Berechnungsmethode, ggf. der errechneten Ergebnisse (Ren-
dite) sowie eine Kurzbeschreibung befindet sich im Anhang.
a. Einführung
Preisindices messen die Entwicklung der Ausgaben bzw. Preise in bestimmten

Perioden, um a) ein festgelegtes Nutzenniveau zu erreichen (auch ökonomi-
scher Preisindex genannt) oder um b) einen bestimmten Warenkorb zu erwer-
ben (statistische Preisindices auf Basis von Preisen oder Mengen, z.B. nach
Laspeyres oder Paasche). (Pohl 2003) Da es bei bildender Kunst aufgrund des
Charakters des Gutes nicht möglich ist, einen festen Warenkorb mit gleich blei-
bendem Inhalt zu definieren und diesen in regelmäßigen Abständen erneut zu
kaufen (also: die gleichen Kunstwerke regelmäßig zu erwerben), beschränken
sich alle Versuche der Berechnung von Preisindices auf die ökonomischen
Preisindices. Diese sollen in der Praxis dazu verwendet werden, die Preisent-
wicklung des Gutes „Bildende Kunst“ (z.B. Einzelstücke, Werkgruppen oder
des Gesamtmarktes) transparenter und vergleichbarer zu machen – was für ein
Benchmarking von Rendite und Risiko in Investment-Portfolios verwendet wird.
Erste Schritte in diesem Gebiet unternahmen Wagenführ (1965) , Anderson

(1974) und Stein (1977) . Diese Studien beschäftigten sich mit der Erstellung
rudimentärer Methoden zur Berechnung der Rentabilität von Kunstinvestments.
Den ersten umfassenderen Versuch den Kunstmarkt und seine Besonderheiten
zu beschreiben, sowie mögliche Gewinne mit anderen Anlageformen zu ver-

gleichen, unternahm Baumol (1985) . Er legte mit seinem Werk die Basis für
eine immer größere werdende Zahl an Studien, die durch ihn inspiriert das
Thema weiter erforschten. Nebenher entwickelte sich noch eine neue Strö-
mung von Untersuchungen, die sich mehr auf die Spezifika des Kunstmarktes
konzentrierten und mit Hilfe dieser Ergebnisse die Erstellung von Preisindices
kritisch bewerteten und Verbesserungen entwickelten. (Blaug 2001; Frey 1997;
Frey & Eichenberger 1995)
Die in der Literatur zu findenden Methoden variieren dabei von einfachsten „ge-
fühlten“ oder „weichen“ Bewertungen bis hin zu hoch komplexen mathemati-
schen Berechnungen. Ein weiteres Unterscheidungsmerkmal ist dabei die Be-
trachtung von bestimmten Marktausschnitten: Hier finden sich Gesamtmarktbe-
trachtungen neben ausschnitthaften Untersuchungen von sehr kleinen Teil-
märkten. (Candela, Figini, & Scorcu 2003) Nachfolgend sollen die verschiede-
nen Methoden gruppiert näher betrachtet werden.
b. „Weiche“ Methoden
Zuerst zu nennen sind sog. „weiche“ Methoden der Ermittlung von Kunstpreis-
entwicklungen, die ohne komplexere Berechnungen auskommen.
Expertenheuristiken
Wie schon in Kapitel 2 beschrieben, sind Experten für bestimmte Teilmärkte

fähig, mit ihrem „Bauchgefühl“ Preise für Kunst zu bestimmen. Sie bedienen
sich dabei häufig einfacherer Heuristiken. Ein Beispiel dafür ist eine Berech-
nungsformel für Bilder, die rein über das Format und einen Multiplikator funkti-
oniert. Dabei rechnet man Höhe mal Breite des Werkes und multipliziert diesen
Wert mit einem Wertmultiplikator für die entsprechende Kunstgattung. (von Ro-
senberg 2003)
Wie man auf den ersten Blick erkennen kann, ist diese Methode sehr simpel
und damit auch ungenau. Es liegt auf der Hand, dass nicht nur das Format den
Wert eines Kunstwerkes bestimmt. Die wahre Schwierigkeit liegt demnach in
der Wahl des Multiplikators – die Berechnung dieses spielt hier aber keine Rol-
le, da sich der Experte auf seine Erfahrung in der Bewertung verlässt. Fraglich
ist, wie man mit Hilfe einer solchen Heuristik zu einer Marktbewertung kommen

kann. Der einzig variable Faktor ist eben der Wertmultiplikator und dieser
müsste auch Bestandteil eines Index sein. Die gezielte Erfassung dieses Multi-
plikators könnte einen Einblick in den „gefühlten“ Markt bieten – dem gegen-
über steht jedoch die Verschwiegenheit der Akteure.
Zeitschriftenindices
Die Zeitschrift „Capital“ hat in Zusammenarbeit mit Linde Rohr-Bongard und

Willi Bongard einen Index für Künstler entwickelt, der ihren Rang und Ruhm
misst. Hierbei wird die Teilnahme an bestimmten Ausstellungen und Rezensio-
nen der Künstler in ausgewählten Zeitschriften mit Hilfe eines Punktesystems
gewichtet und zu einer jährlichen Rangliste zusammengefasst. Diese Rangliste
wird seit 1970 in der Zeitschrift selbst publiziert und ebenfalls als gesammeltes
Buch veröffentlicht. (capital.de 2004)
In Anlehnung an diesen Kunstindex gab es außerdem noch die so genannte

„Focus-Bestenliste“, die mittlerweile nicht mehr gepflegt wird. Hierbei werden
nicht nur bereits gelaufene, sondern auch kommende Ausstellungen in die
Wertung mit einbezogen. Besprechungen fallen jedoch nicht ins Gewicht. (Ate-
lier Verlag 2004)
Als dritter Zeitschriften- bzw. Zeitungsindex ist der Art-100 Index des britischen
„Daily Telegraph“ zu nennen. Dieser Index wird vom Research-Dienstleister Art
Market Research Ltd. (Art Market Research 2004) erstellt und in dieser Zeitung
regelmäßig abgedruckt. Wie der Name schon sagt, werden hier die Preisent-
wicklungen der 100 weltweit wichtigsten Künstler sämtlicher Epochen mit einer
sehr einfachen Berechungsformel zusammengefasst. Diese basiert auf einfa-
chen Durchschnittswertberechnungen, wie sie nachfolgend noch beschrieben
werden. Die Auswahl der Künstler für diesen Index basiert wiederum auf sub-
jektiven Kriterien (Wer gehört zu den Top 100?), was analog der o.g. Methoden
zu wechselnden Zusammensetzungen des Index führt und somit die Aussage-
kraft beeinträchtigt. (BusinessWeek.com 1998; stare.com 2004)
Mit Hilfe der genannten Zeitschriftenindices kann man besonders gut Überhit-
zungen durch Trends und Moden aufzeigen, da sie sehr abhängig von der Prä-
senz eines Künstlers in den Medien (bzw. auf Top-Listen) sind. (Peter 2003)

Zweifelhaft ist jedoch die Ableitung eines generellen Kunstpreisindex aus die-
sen Ranglisten, da sie zu wenig Rücksicht auf neue oder sich in Nischen befin-
dende (und damit nicht so publizitätsträchtige) Kunstrichtungen nehmen, sowie
durch die angewandte Heuristik nur einen extrem geringen Anteil des Ge-
samtmarktes abbilden. Aus diesem Grund sind auch diese Methoden nicht re-
präsentativ für Kunstpreisentwicklungen im Allgemeinen – eine hohe Medien-
wirksamkeit führt aber dazu, dass sich eine Reihe von unbedarfteren Akteuren
am Kunstmarkt damit informieren und entsprechend handeln. Eine interessante
Thematik, auf die hier nicht weiter eingegangen werden soll, wäre z.B. die
Überprüfung des „self-fulfilling prophecy“ Theorems11 durch die Publikation von
Trends in solchen Zeitschriften.
Insiderindices
Das Auktionshaus Sotheby´s erstellte ebenfalls einen Index für Kunstpreise.

Dieser besteht aus einer Kombination von durchschnittlichen Auktionsdaten
bestimmter Kunstgattungen (bzw. bestimmter Auktionen, die ja sowieso nach
Kunstgattungen gegliedert sind) sowie Expertenmeinungen des Auktionshau-
ses und wurde in Buchform alle 2 Jahre bis Ende 1990 veröffentlicht. Aufgrund
fehlender Nachfrage wurde diese Art von Veröffentlichung eingestellt. (Ama-
zon.com 2004)
Auch hier erhält man erhebliche Verfälschungen des Index durch einen starken
Einfluss von Expertenmeinungen und die darin enthaltenen Interessen des
Auktionshauses. Man kann davon ausgehen, dass diese Publikationen eher als
Verkaufsprospekte für nachfolgende Auktionen zu betrachten sind und weniger
als seriöse Quellen für die Beobachtung von Preisentwicklungen. Die resultie-
renden Daten sind zudem statistisch nicht reproduzierbar, weil man nicht alle
Faktoren zweifelsfrei messen kann. (Candela & Scorcu 1997; Frey 1997) Die
theoretisch sehr gute Datenbasis des Auktionshauses an sich könnte jedoch
durchaus zu brauchbaren Ergebnissen führen – wenn man die richtigen Me-
thoden zur Berechnung verwendet.
11
Auch „Pygmalion Effekt“ genannt und durch die Herren Stumpt und Pfungst erstmalig 1911 be-
schrieben. (Accel-Team.com 2004)

Ein weiteres Beispiel in dieser Reihe ist Reitlinger´s Band „Economies of Taste“
(Reitlinger 1982). Besonders in den Bänden 1 und 2 aus den Jahren 1963 und
1970 versucht Reitlinger, Daten aufzulisten und bestimmte Entwicklungen dar-
aus zu interpretieren. Die schon erwähnte eingeschränkte Sicht auf den Ge-
samtmarkt in der Datenauswahl, gepaart mit der subjektiven Meinung von Reit-
linger selbst über den Teilmarkt, führt ebenso wie beim Auktionshaus „Chris-
tie´s“ zu verfälschten Ergebnissen. Wie jedoch zahlreiche Anwendungen in der
Literatur zeigen, bedienen sich nachfolgende Studien zumindest gern an den
von Reitlinger zusammen getragenen Daten. (Candela, Figini, & Scorcu 2003)
Die genannten Insiderindices zeichnen sich dadurch aus, dass die Insider Zu-
griff auf spezielle Daten haben und daran scheinbar erkennbare Entwicklun-
gen, teilweise retrospektiv, aufzeigen. Die Selektion der Daten und der freie In-
terpretationsspielraum lassen jedoch für eine exakte und nachvollziehbare Be-
wertung von Marktentwicklungen zu großen Spielraum. Der Einfluss dieser In-
sider auf den Markt selbst ist als nicht gering einzuschätzen.
Kunstfonds
Kunstfonds stellen auch eine Art „weichen“ Preisindex dar, da sie ebenfalls die
Wertentwicklung einer bestimmten Menge an Kunst durch den entsprechenden
Kaufpreis und die Rendite der Fondanteile dokumentieren. Exemplarisch sollen
nachfolgend drei der populärsten/medienträchtigsten Kunstfonds vorgestellt
werden.
Einer der ersten Fonds dieser Art war der „British Rail Pension Fund“ – ein alt-
eingesessener geschlossener Pensionsfond für britische Eisenbahner. Dieser
kaufte in den 70er Jahren in großem Umfang Kunstwerke an und investierte
dabei innerhalb von acht Jahren 62 Mio. USD. Das Ergebnis dieser Transakti-
onen waren ca. zweieinhalbtausend Werke aus verschiedenen Genres. Neben
Werken von Impressionisten und der Moderne wurde auch englisches Silber,
Keramik, chinesisches Porzellan etc. erstanden. Ziel war es, die Risikostreuung
des Gesamtportfolios zu erhöhen sowie die Rendite positiv zu beeinflussen –
kurzum dem Gesamtfonds neue Impulse zu geben. Die Rendite des Gesamt-
fonds lag in den Folgejahren bei sechs Prozent – wobei durch die unbekannte
Fondstruktur nicht nachweisbar ist, welchen Anteil daran die Kunst hatte.

Frühere Wertsteigerungen und andere Fonds wiesen jedoch ähnliche Renditen

auf, weshalb der Einfluss der Kunst im Gesamtportfolio generell in Frage zu
stellen ist. Auch aktuell befindet sich noch Kunst im Portfolio dieses Fonds –
jedoch ist das Gewicht im Vergleich zur damaligen Summe deutlich gesunken
und der Einfluss damit mehr als marginal einzuschätzen. (Fiske 2003;
Yahoo!Finance 2004) Gerade durch die Untergewichtung von Kunst in diesem
Fond lässt sich damit keine Aussage über die Wertentwicklung von Kunst im
Allgemeinen treffen.
Der „Global Art Fund“ der DG Bank Luxemburg S.A. wurde im Jahre 1997 auf-
gelegt und war damit einer der ersten reinen und börsennotierten Kunstfonds.
Demzufolge wurde dafür auch eine Investmentstrategie entwickelt, auf deren
Basis gezielt Wertsteigerungen erreicht werden können. Basis dafür war die
Überlegung, nur in vermeintlich unterbewertete Werke bzw. Sammlungen zu
investieren12, diese dann durch gezielte Ausstellungsteilnahmen und Ergän-
zungen zu einer (größeren) Sammlung zu valorisieren und durch den darauf
folgenden Verkauf eine entsprechende Rendite vorzuweisen. Man konzentrier-
te sich dabei zwar auf Werke etablierter Künstler, nicht jedoch auf schwerver-
käufliche Millionenstücke. Junge Kunst wurde ebenfalls wenig Beachtung ge-
schenkt, weil es dort keine Möglichkeit gibt, auf Basis vorhandener Daten eine
Unterbewertung festzustellen. Die Bewertung der Fondanteile geschah monat-
lich und hatte den geschätzten Verkaufspreis der Gesamtwerke zur Basis. Im
Jahr 2000 wurde der Fond aufgrund fehlender Investoren und damit fehlenden
Geldes für den Kauf weiterer Kunstwerke geschlossen. Derzeit lagern Werke
im Wert von ca. 8 Mio. EUR in den Tresoren der Bank, die Stück für Stück am
Markt veräußert werden. In der Zeit der Notierung am Markt konnte der Fond
jährliche Renditen zwischen 30 und 40 % aufweisen. Die Tatsache, dass die
enthaltenen Werke nur zögerlich verkauft werden können, zeigt jedoch auch
anschaulich das Risiko der schweren Liquidierbarkeit der Anteile. (Brückner
2002; Handelsblatt 1997; Handelsblatt 1998) Auch aus diesem Fond lässt sich
keine Aussage über Wertentwicklung von Kunst treffen, da durch die gewählte
Investmentstrategie gezielt bestimmte Werke gekauft wurden. Der Versuch von
12
Damals wurden besonders Werke der Stilrichtungen „Europäischer Konstruktivismus“, „Neue
Sachlichkeit“ und „Bauhaus“ in dieser Kategorie gesehen.

Arbitrage und der gezielten Aufwertung der gekauften Kunst durch Aktionen
des Fonds sollte den Wert positiv beeinflussen. Diese Beeinflussung wurde
ebenfalls durch Experten geschätzt – am Markt wurde sie jedoch niemals reali-
siert. Die dadurch entstandene Investitionsblase kann kein Indiz für eine gene-
relle Entwicklung des Kunstmarktes sein, wie auch die aktuellen Probleme mit
dem Abverkauf der Werke weiter zeigen.
Neben Pensions- und Publikumsfonds gibt es aber auch noch einen geschlos-
senen Kunstfond, der eine Erwähnung verdient. Der von der Dresdner Klein-
wort Capital aufgelegte „Fine Art Fond“ verlangt eine Mindestbeteiligung von
250.000 USD verbunden mit einer 10-jährigen Laufzeit. Ein Handel kann nur
durch Tausch erfolgen. Diese Kriterien schließen kleinere Investoren aus, die
beim o.g. Publikumsfond ohne Mindestlaufzeit und einer Mindesteinlage von
25.000 DEM noch einfacher investieren konnten. Besonderheit dieses Fonds
ist, dass man sich als Anleger gegen eine Leihgebühr die Werke ausleihen
kann und am Ende der Laufzeit seiner Anteile ein Vorkaufsrecht auf die Werke
hat. Investiert wird vorrangig in „Blue Chips“ der feinen Kunst, also Altmeister-
gemälde, Impressionisten und Gemälde der klassischen Moderne. Die so er-
standenen Werke der oberen Preisklassen sollen in der Regel nach 7 bis 13
Jahren wieder verkauft werden. Zu hoffen bleibt nur, dass diese Werke am
Markt auch zu renditeträchtigen Preisen abgenommen werden. (Brückner
2002; Handelsblatt 2002) Interessant ist an diesem Kunstfonds, dass versucht
wird, die im Kapitel 2 beschriebenen Nutzendimensionen von Kunst dem Anle-
ger vollständig nutzbar zu machen. Durch die Bündelung der Kaufkraft wird es
möglich, die „Master-Pieces“ am Markt zu erwerben, bei späterem Verkauf am
finanziellen Erlös zu partizipieren und während des Besitzes sogar den Kon-
sum- und Statusnutzen zu „konsumieren“.
Alle genannten Fonds funktionieren entsprechend des selben Musters: Durch

die Sammlung von Kapital wird es möglich, am Kunstmarkt zu agieren und be-
achtliche Mengen und Werte von Kunst anzusammeln. Durch die Steuerung
dieses Investments durch Experten soll eine positive finanzielle Performance
für die Anleger erwirtschaftet werden – höher als durch das Agieren der einzel-
nen Akteure am Markt. Wie die o.g. Beispiele zeigen, ist jedoch die Wertent-

wicklung eines Fonds schwer auf die darin enthaltene Kunst zurückzuführen
und steuerbar. Zusätzlich wird durch das selektive Investment nur die Entwick-
lung eines schwer zu definierenden Teilmarktes abgebildet, dessen Wertent-
wicklung von Experten als positiv bewertet wird. Es kommt also auch hier zu
einer äußerst bruchstückhaften und verzerrten Betrachtung des Marktes.
Zusammenfassung
Wie an den gezeigten Beispielen erkennbar ist, handelt es sich bei den „wei-
chen“ Methoden der Kunstpreisbeobachtung um keine geeigneten Mittel zur
Beobachtung von Preisentwicklungen am Kunstmarkt. Alle Methoden richten
ihren Blick auf einen subjektiv eingeschränkten Teilmarkt, was wohl das größte
Problem für eine generelle Betrachtung darstellt. Zusätzlich sind die Bewertun-
gen teilweise noch durch individuelle Einschätzungen geprägt, was ebenfalls
kritisch zu sehen ist. Trotz alledem ist zu beachten, dass die genannten Me-
thoden am plakativsten und publikumswirksamsten scheinbare Marktentwick-
lungen abbilden und dadurch eine enorme Beeinflussung der Marktakteure er-
reicht werden kann.
Mit diesen Bewertungsmethoden kann man auf Basis des vorliegenden Daten-
satzes für asiatische Kunst keine Berechnungen durchführen, da nur auf sub-
jektive Gefühle eingegangen wird. Vielmehr müsste man anhand von Inter-
views und Lektüre einschlägiger Zeitschriften einen Einblick in den Markt er-
langen, um im Sinne der vorgestellten Methoden einen Marktüberblick und eine
Ahnung von der aktuellen Bewertung zu bekommen. Auf diese Vorgehenswei-
se soll wegen anders lautender Ziele der Arbeit hier verzichtet werden.
c. „average price method“
Verlassen wir nun den Bereich der subjektiven und streitbaren Bewertungen
und wenden uns den ersten mathematischen Überlegungen zu. Die Durch-
schnittspreisberechnung ist dabei die einfachste Methode, der sich damals und
heute viele Wissenschaftler bedient haben.
Wie der Name schon sagt, wird hier nur ein Durchschnittspreis und dessen
Entwicklung über die Zeit betrachtet. In der Praxis bestimmt man dabei zuerst
einen zu beobachtenden Teil des Kunstmarktes, z.B. eine bestimmte Kunst-

richtung, einen bestimmten Künstler oder sogar nur bestimmte saisonale Aukti-
onen. Auf Basis dieses „Samples“ wird der Durchschnittspreis aller gehandel-
ten Werke ermittelt, welcher im jährlichen Vergleich dann zur Erstellung eines
Index auf Basis des Startjahres verwendet werden kann. Annahme dabei ist,
dass die Verteilung der Qualität der im Sample enthaltenen Werke über die Zeit
stabil ist, d.h. dass es sich um einen annähernd gleich zusammengesetzten
Warenkorb handelt, dessen Wertentwicklung man einfach mit der Durch-
schnittspreisberechnung ermitteln kann. (Renneboog & van Houtte 1998)
Erste Anwendung fand diese Berechnungsform bei Stein (1977) , der als
Sample einfach eine Menge an bereits verstorbenen Künstlern und deren Wer-
ke definierte und die Preisentwicklung mit Hilfe des Durchschnittswertes auf
Jahresbasis ermittelte. Wagenführ (1965) , Baumol (1985) , Frey & Pommer-
ehne (1989) , Holub, Hutter & Tappeiner (1993) , Chanel et al. (1996) sowie
Renneboog & van Houtte (1998) haben sich ebenfalls mit dieser Methode be-
schäftigt, andere Definitionen des „Samples“ vorgenommen und damit für eini-
ge Teilmärkte interessante Erkenntnisse gewonnen.
Diese Methode hat jedoch viele offensichtliche Schwächen: Zum einen ist die
Wahl des „Samples“ und des zu beobachtenden Zeitraumes sehr von persönli-
chen Vorlieben des Indexerstellers abhängig und wird sehr stark von der Um-
welt (verfügbare Datenquellen) beeinflusst. Zum anderen ist die Annahme, es
handele sich bei den beobachteten Transaktionen um eine homogene (also
vergleichbare) Datenmenge, nicht haltbar und kommt keineswegs den Charak-
teristiken des Marktes nach. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996;
Holub, Hutter, & Tappeiner 1993) Weiterhin ist der Einfluss von Ausreißern und
geringen Transaktionszahlen auf das Gesamtergebnis für bestimmte Perioden
immens, weshalb sich reichlich Kritik an der Methode herausgebildet hat.
(Renneboog & van Houtte 1998) Für diese Methode spricht jedoch, dass sie es
jedem ermöglicht, mit relativ geringem Aufwand eigene Berechnungen und
Vergleiche durchzuführen, was am nachfolgenden Beispiel verdeutlicht werden
soll.

Berechnet man mit Hilfe von SPSS nun die Jahresdurchschnittspreise der ge-
handelten Werke unseres 7.294 Transaktionen umfassenden Beispielsamples
asiatischer Kunst, so kommt man zu folgendem Ergebnis:
Tabelle 5 „average price“ auf Jahresbasis
(eigene Daten)
Wie man schon anhand der Tabelle sieht, sind die gehandelten Durchschnitts-
preise durchaus auf einem ähnlichen Niveau. Im ersten Jahr finden wir eine er-
hebliche Abweichung, da dort nur sehr wenige Transaktionen vorliegen – wie
schon erwähnt ist die verwendete Methode besonders empfindlich bei solchen
Konstellationen. Die folgende Grafik soll die Preisentwicklung im Sinne eines
Preisindex für asiatische Kunst noch einmal optisch darstellen, wobei auf die
Darstellung des Jahres 1994 wegen der geringen Transaktionszahl verzichtet
wird:
Abbildung 6 „average price“ auf Jahresbasis
(eigene Daten)
Es ist gut zu erkennen, dass in den Jahren 1996 bis 1999 asiatische Kunst be-
sonders werthaltig gehandelt wurde. Preissteigerungen von zeitweise mehr als

100 % waren zu realisieren13. Diese Aussage stimmt mit Beobachtungen von

z.B. Wilke (1999) überein – was man bei der Einfachheit der Berechnungsme-
thode durchaus als überraschend einschätzen kann. Interessant ist auch, dass
diese Beeinflussung durch die Anzahl der gehandelten Stücke bei den nachfol-
genden Durchschnittswerten nicht mehr so stark ins Gewicht fällt. Obwohl die
Transaktionshäufigkeit von Jahr zu Jahr steigt, wird der Durchschnittspreis da-
von nicht beeinflusst. Anhand der in der Tabelle dargestellten erhöhten Stan-
dardabweichungen in den besonders „starken“ Jahren kann man jedoch auch
erkennen, dass der höhere Durchschnittspreis durch sog. „Ausreißer“ entstan-
den ist – also Stücke, die besonders hoch gehandelt wurden und das Preisni-
veau deutlich angehoben haben. Auch diese Schwäche wurde in der Theorie
schon genannt und durch das praktische Beispiel nochmals unterstrichen.
Zusammenfassend kann man über die simple Durchschnittspreisberechnung

sagen, dass sie zwar Schwächen gerade in Bezug auf die Beachtung der Ei-
genheiten des Gutes „Kunst“ besitzt, jedoch erstaunlicherweise gute und an-
wendbare Ergebnisse liefert.
d. „double sale method“
Diese Methode ist die Erweiterung der oben beschrieben Vorgehensweise.

Neben der Einschränkung auf Stilrichtungen, Künstler oder ähnliche Kriterien
werden als „Sample“ nur Werke verwendet, die innerhalb des zu betrachtenden
Zeitraumes mindestens zwei Transaktionen aufzuweisen haben. Mit Hilfe der
bereits vorher um die Inflation und Transaktionskosten bereinigten Preise wird
ebenfalls wieder eine Entwicklung des Preisniveaus berechnet.
Entwickelt wurde diese Methode von Baumol (1985) . Feld & Pommerehne
(1997) sowie Frey & Pommerehne (1989) griffen diese Methodik auf, betrach-
teten sie kritisch und fügten Verbesserungen hinzu.
Ein Vorteil gegenüber der o.g. Methode ist die deutlich erhöhte Homogenität
der Werke innerhalb der Berechnung aufgrund der Einführung des Kriteriums
zur notwendigen Mehrfachtransaktion. Ebenso wie bei der „average price“-
13
Genau gesagt waren es 113 % zwischen 1995 und 1998 und immerhin noch 83 % zwischen
1995 und 1996.

Methode ergibt sich aber das Problem, dass man nur wenig über die Einfluss-
faktoren der Bewertung von Kunst erfährt, sondern nur Entwicklungen beo-
bachtet. (Agnello 2002; Feld & Pommerehne 1997; Frey & Pommerehne 1989;
Holub, Hutter, & Tappeiner 1993) Zusätzlich ist noch zu nennen, dass man
durch das Kriterium der Transaktionshäufigkeit viele Werke kategorisch aus-
schließt (z.B. unmodische oder unbekannte, durch Sammler vom Markt gekauf-
te). Das führt zu einer enormen Datenreduktion und dem Verlust der Repräsen-
tativität für die Untersuchung, weil man nur Teile des Marktes beobachten
kann. (Frey & Pommerehne 1989)
Da für das vorliegende Beispielsample keine mehrfachen Transaktionen ver-

zeichnet bzw. diese Aufgrund der Datenstruktur nicht erkennbar sind, kann hier
leider keine Beispielberechnung durchgeführt werden. Diese Tatsache zeigt
aber noch einmal die Problematik der Berechnung mit Mehrfachtransaktionen:
Nur wenige Datenquellen verzeichnen ihre Daten entsprechend, was dazu
führt, dass man bei dieser Methode eine erheblich eingeschränkte Datenbasis
verwenden muss. Darunter leidet die Repräsentativität der Ergebnisse und die
Anwendbarkeit für bestimmte Märkte ist generell zu bezweifeln.
e. „representative painting method“
Diese Methode knüpft an die bereits genannten Durchschnittspreisermittlungen

an. Candela & Scorcu haben 1997 eine Weiterentwicklung dieses Gedankens
mit Hilfe statistischer Verfahren gewagt. Hierbei wird nach wie vor ein Sample
zur Durchschnittsberechnung gewählt. Jedoch wird dieses nicht auf Basis per-
sönlicher Präferenzen (Stilrichtung, nur tote Künstler, usw.) oder verfügbaren
Mehrfachtransaktionen erstellt, sondern mit Hilfe von statistischen Berechnun-
gen: Es werden die Abweichungen der Schätzpreise („estimate“) und erzielten
Preise („hammer“) bei Auktionen berechnet. Diese werden in eine Verteilung
übertragen und „Ausreißer“ aus den Ursprungsdaten eliminiert14. Man geht bei
dieser Vorgehensweise davon aus, dass die Schätzungen der Auktionshäuser
nah am vom Markt wahrgenommenen Preisen liegen. Weicht ein Hammerpreis
zu stark von den Schätzungen des Auktionshauses ab, so sollte dieser nicht in
14
Dies kann z.B. durch die Berechnung von links- und rechtsseitige Quantilen der Verteilung erle-
digt werden.

die Errechnung eines Preisindices einfließen. Der Käufer scheint durch beson-
dere Beweggründe zur Zahlung eines signifikant höheren Preises bewegt wor-
den zu sein, die so nicht im Markt widergespiegelt werden. Die übrigen geblie-
benen Datensätze werden, wie bei der Durchschnittspreismethode, auf Jah-
resbasis verrechnet und anschließend miteinander verglichen. Der daraus ent-
standene Index stellt ebenfalls Marktentwicklungen in gutem Maße dar, was
Vergleiche mit bestehenden Indices und deren durchaus komplexeren Berech-
nungsmethoden zeigen. (Candela, Figini, & Scorcu 2003; Candela & Scorcu
1997)
Wie der Name schon sagt, handelt es sich bei der Weiterentwicklung im We-
sentlichen um die „repräsentativere“ Auswahl des Samples für die Durch-
schnittspreisberechnung. Ein klarer Vorteil ist die Tatsache, dass man wiede-
rum keine doppelten Datensätze zur Anwendung benötigt und die damit ver-
bundenen Nachteile umgeht. Diese Methode ist außerdem für alle Kunstmärkte
anwendbar, in denen Auktionen stattfinden (weil man ja die Differenz der
Schätzpreise zu den Hammerpreisen benötigt). Eine stetige Neuberechnung ist
möglich und sinnvoll, da es sich hauptsächlich um statistische Verfahren han-
delt, die sehr leicht anzuwenden sind. (Candela & Scorcu 1997) Problematisch
in der Anwendung dieses Index ist hingegen, dass sich die Ergebnisse nicht
zum Vergleich von z.B. bestimmten Kunstgattungen/Stilrichtungen oder Künst-
lern eignen. Das liegt daran, dass das Sample-Kriterium nicht aus kunsthistori-
schen oder persönlichen Vorgaben besteht, sondern aus rein statistischen. Um
dies zu umgehen, könnte man in einem vorgelagerten Schritt das komplette
Sample erst nach solchen Kriterien gliedern, um nachfolgend die beschriebe-
nen Schritte durchzuführen.
Bei unserem Beispieldatensatz für asiatische Kunst stellen sich die mit dieser
Methode errechneten Ergebnisse wie folgt dar: Zuerst einmal muss man die
prozentualen Abweichungen der Hammerpreise von den Schätzpreisen ermit-
teln. Nachfolgende Tabelle beschreibt die Struktur dieser Daten.

Tabelle 6 Datenstruktur der Abweichung Hammer- und Schätzpreis
(eigene Daten)
Wie man erkennen kann, liegen die Mittelwerte für diese Abweichung bei 20 %
(Median) bzw. fast 58 % (arithmetische Mittel), was heißt, dass der erzielte
Hammerpreis im Schnitt entsprechend dieser Mittelwerte über dem Schätzpreis
liegt. Wichtig für die Auswahl der Daten für die weiteren Berechnungen hierbei
sind die Angaben zum 10 % sowie 90 % Perzentil. Diese bedeuten, dass 80 %
der Hammerpreise in der Verteilung eine Abweichung zwischen -17,15 % und
150 % haben und der Rest außerhalb dieser Schwellen liegt – also als Ausrei-
ßer zu betrachten ist. Beispielhaft sollen diese Datensätze für die nachfolgende
Durchschnittswertberechnung auf Jahresbasis (analog zur „average price“-
Methode) außer Acht gelassen werden, weshalb zu einer Datenbasis von nur
noch 5.399 Datensätzen führt. Nachfolgend ist das Ergebnis wieder ohne das
Jahr 1994 abgebildet.
Abbildung 7 „representative painting“ auf Jahresbasis
(eigene Daten)
Führt man nun die normale „average price“-Berechnung mit diesen Datensät-
zen durch, so erhält man das oben stehende Bild für die Preisentwicklung. Wie

man erkennen kann ist die Spanne der Durchschnittspreise viel geringer, es
ergibt sich maximal eine Preissteigerung von 44 % vom Jahr 1995 zum Jahr
1997. Aus der sich auf dem Datenträger in Anhang befindlichen Detaildatei
kann man zusätzlich noch ersehen, dass die Standardabweichung der Datens-
ätze für die Berechnungen deutlich weniger Unterschiede aufweist, als in der
ursprünglichen Berechnungsmethode. Um diese Bereinigung durch die Ausrei-
ßer zu illustrieren, nachfolgend noch der Vergleich der beiden Datensätze mit
Hilfe einer Darstellung der sog. Datenspanne (auch „datarange“ genannt).
Abbildung 8 Vergleich der Datenspanne Hammer- und Schätzpreis
(eigene Daten)
Wie man hier erkennen kann, befinden sich in der linken Darstellung deutlich
mehr in der Betrachtung, was zu einer erheblichen Datenspanne führt. Allein
durch die Entfernung der oberen und unteren 10 % an Datenausreißern kann
das Bild deutlich gebessert werden.
Als Fazit zu dieser Methode kann man sagen, dass sie viele der o.g. Probleme
der Subjektivität umgeht und somit eine sinnvolle Weiterentwicklung darstellt.
Sie ist relativ einfach zu verwenden und erzeugt brauchbare Ergebnisse, die
jedoch die generellen Renditeaussichten weiter zu schmälern scheinen.
f. „repeat-sale regression method“
Aufbauend auf der Methode der Durchschnittserrechnung von wiederholten

Transaktionen verwendet Anderson (1974) die Regressionsanalyse erstmals
für die Berechnung eines Kunstpreisindex und begibt sich damit auf deutlich
komplexeres und statistischeres Terrain. Auf Basis der Preisdaten für einen

auszuwählenden Teilmarkt wird hierbei ebenfalls der vorhandene Datenbe-

stand auf die Mehrfachtransaktionen verkürzt. Danach wird für jedes Werk der
Gewinn bzw. Verlust zwischen den jeweiligen Transaktionen errechnet. Dies
geschieht bei mehr als zwei Transaktionen für ein Werk so oft, bis für jede Pe-
riode zwischen Kauf und Verkauf eine prozentuale Rendite errechnet ist. Die
errechneten Renditen werden auf ein jährliches Maß umgerechnet, um Ver-
gleichbarkeit zu gewährleisten. Als Ergebnis erhält man für jedes Kunstwerk
eine Zeitreihe mit jährlichen Renditen – jeweils von der ersten auftretenden
Transaktion bis zur letzten. Diese jährlichen Renditen werden jetzt für alle Wer-
ke des Samples auf Jahresbasis zu einem Durchschnittswert zusammenge-
rechnet, der die jährliche Rendite des Gesamtsamples abbildet. Anhand dieses
Durchschnittswertes lässt sich ein Preisindex für das gesamte Sample erstel-
len, indem auf einer zu wählenden Basis (z.B. 1 oder 100) die jährlichen
Durchschnittsrenditen in eine Indexzahl umgerechnet werden.
Mathematisch wird das hier „bildlich“ beschriebene Verfahren anhand einer

Matrix durchgeführt – Spalten stehen für Perioden und Zeilen für die verschie-
denen Kunstwerke. In dieser Matrix werden alle Daten abgetragen, die im
Sample vorhanden sind. Dabei wird ein Feld mit einer „0“ gefüllt, wenn das
fragliche Werk im besagten Jahr noch nicht gehandelt wurde bzw. die letzte
Transaktion schon verzeichnet wurde. Mit einer „1“ wird die Stelle gefüllt, wenn
die entsprechende Handelsperiode für das Werk zwischen zwei oder mehreren
Transaktionen liegt – also eine Rendite im oben beschriebenen Sinne vorhan-
den ist. Jeweils an den Punkten der Transaktion pro Werk und Periode wird der
aufgezeichnete Preis eingetragen. Alle Stellen mit einer „1“ in der Matrix sind
Platzhalter für die Renditen, die durch die Differenz zwischen Kaufpreis und
Verkaufspreis errechnet werden können. Kalkuliert man nun die Matrix, so er-
hält man das oben beschriebene Ergebnis.
Diese Methode wurde mit der Zeit von diversen Wissenschaftlern, wie z.B.
Goetzmann (1993) und Pesando (1993) verbessert. Zu nennen ist dabei vor
allem die Trennung von festen und variablen Anteilen der resultierenden Rendi-
te. Als feste oder „eingebaute“ Anteile der Rendite wurden dabei besonders die
Inflation und z.B. eine generell steigende Nachfrage nach Kunst aus der variab-

len Steigung (also der wirklichen, kunstwerkspezifischen Rendite) heraus ge-

rechnet, was zu realistischeren Betrachtungen geführt hat. Zusätzlich wurde
mit den Jahren am Problem der zu kleinen Datenbasis für wiederholte Transak-
tionen gearbeitet. Neue Studien verwenden eine viel höhere Anzahl an Trans-
aktionen und sind damit aussagekräftiger. Ende der 90er Jahre entdeckten
Forscher Ähnlichkeiten zu Berechnungsmethoden für den Häusermarkt. So
haben z.B. Goetzmann & Spiegel (1995) mit dieser Erkenntnis weitere Fein-
heiten für den Kunstmarkt ergänzt. Locatelli-Biey & Zanola (1999) haben als
erste einen vollständigen Markt mit dieser Methode abgebildet, indem sie für
den italienischen Markt von Gemälden einen Preisindex errechneten. Die aktu-
ellste Anwendung findet man bei Mei & Moses (2002) , die mit ihrem Index sehr
viel Anerkennung und Aufmerksamkeit in der Presse bekommen haben. Sie
haben die Probleme der zu kleinen Datenbasis aufgegriffen und durch enorme
Recherchearbeit eine sehr große Datenbasis an wiederholten Transaktionen
gewonnen (durch die schon erwähnte Rückwärtsdatenfindung). Damit wurde
es möglich, auch Indices für Submärkte zu errechnen und diese mit dem gene-
rellen Kunstmarkt zu vergleichen.
Mit der Einbeziehung der Regressionsanalyse ist es immer noch möglich, rela-
tiv einfach einen Kunstpreisindex zu errechnen. Durch die Verwendung von
Mehrfachtransaktionen sind wesentliche Kritikpunkte einiger der vorherigen
Methoden allerdings noch nicht behoben – was die generelle Qualität der Er-
gebnisse teilweise in Frage stellt. Trotz alledem ist im Vergleich zur noch dar-
gestellten „hedonic price“-Methode der nötige Aufwand gering und man muss
sich nicht in eine subjektive Diskussion der wertbestimmenden Faktoren ein-
lassen. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996; Gerard-Varet L.-A.
1995)
Leider kann diese Methode nicht am Praxisbeispiel gezeigt werden, da auch

hierfür wiederholte Transaktionen im Datensatz vorhanden sein müssen.

g. „hedonic price method“
Bei dieser Berechnungsform, die ebenfalls bei Indices für Häuser- und Oldti-
merpreise verwendet wird15, spielen die Eigenschaften des Kunstwerkes eine
zentrale Rolle. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996) Mit Hilfe von
Regressionsgleichungen werden die Einwirkungen von Eigenschaften des
Kunstwerkes auf den Preis berechnet. Dies sind z.B. die Reputation, Leistung
und der Lebensabschnitt des Künstlers, kunsthistorischer Wert, Stilrichtung,
Thema, Medium, Technik, Größe, Echtheit und Zustand des Kunstwerkes so-
wie Historie des Besitzes und der Zeitpunkt / die Umgebung der Transaktion.
Mit Hilfe der möglichst umfangreichen Transaktionsdaten, die neben dem Preis
auch viele der o.g. Faktoren enthalten, kann man über Computer eben diesen
Einfluss bzw. das Gewicht der jeweiligen Variablen auf den Handelspreis in ei-
nem zu wählenden Basisjahr aus den vorliegenden Daten berechnen. Statisti-
sche Feinheiten, wie z.B. „Schaltervariablen“ (auch „Dummy-Variablen“ ge-
nannt), die nur die Werte 0 und 1 annehmen können (um z.B. den Handelsort
oder Künstlernamen in die Berechnungen einzubeziehen), verkomplizieren den
Modellaufbau zusätzlich. Hat man die Berechnungen für das Basisjahr einmal
durchgeführt, so kann man die Preisentwicklung des Gesamtmarktes eindeutig
ermitteln: Man setzt die Eigenschaften der Kunstwerke für die anderen Jahre
einfach in die mit Gewichten versehene Regressionsgleichung ein, summiert
die daraus resultierenden „neutralen“ Werte auf und vergleicht diese Summe
mit dem vorherigen gesamten Transaktionswert für das zu untersuchende Jahr.
Aus der Abweichung dieser beiden Gesamtmarktwerte ergibt sich die mögliche
Rendite. Ebenso kann man auch mit den Preisen von Einzelwerken verfahren –
hier lässt sich mit der Regressionsgleichung ebenfalls ein neutraler Wert ermit-
teln, den man mit dem realen Transaktionswert vergleichen kann. Es wird auch
möglich, Preiserwartungen für die Zukunft zu bestimmen, sofern man die Ei-
genschaften eines Werkes ausreichend kennt. (Agnello 2002; Chanel, Gerard-
Varet L.-A., & Ginsburgh 1996)
15
Bei Häusern und Oldtimern handelt es sich um ähnlich heterogene und selten gehandelte Güter,
wobei bei Immobilien durch ihre nicht vorhandene Beweglichkeit sicherlich längere Ausführungen
notwendig sind, um diese Analogie zu belegen.

Problematisch bei dieser Methodik ist vor allem die Tatsache, dass man sich
über die Anzahl, den Charakter und die Messbarkeit der verwendeten Kriterien
trefflich streiten kann und diese natürlich auch im Datensatz vorliegen müssen.
(Chanel, Gerard-Varet L.-A., & Ginsburgh 1996) Des Weiteren kann man an-
nehmen, dass sich die errechneten Gewichte der Variablen im Basisjahr über
die Zeit ändern, weil z.B. bestimmte Moden die Popularität bestimmter Formate
fördern und damit dieser Faktor in der Zukunft einen höheren Einfluss auf den
erzielbaren Preis hat. (Candela & Scorcu 1997; Locatelli-Biey M. & Zanola
1999) All das verhindert die Aufstellung eines Preisindex, der Preisentwicklun-
gen über lange Zeit korrekt vergleichbar darstellt. Zusätzlich ist der hohe statis-
tische Aufwand als Kritikpunkt zu nennen – einfache Berechnungen für Laien
sind schier unmöglich, weil das Modelldesign sehr viel Erfahrung im Umgang
mit den genannten Methoden erfordert. Ein wesentlicher Vorteil ist, dass die
Einschränkung der Datenbasis einiger genannter Methoden durch die Bedin-
gung der Mehrfachtransaktion heraus fällt und damit ein repräsentativeres Bild
des Marktes aufgezeigt werden kann – obwohl man auch die Notwendigkeit
sehen muss, dass die verwendeten Daten Angaben zu den Kriterien enthalten.
(Buelens & Ginsburgh 1993)
Die Relevanz und Popularität dieser Methode kann man an der Anzahl der Ver-
treter erkennen: Erstmals wurde sie von Anderson (1974) für den Kunstmarkt
theoretisch angedacht. Chanel et al. (1994) , Buelens & Ginsburgh (1993) , de
la Barre et. al (1994) , Chanel et al. (1996) , Mossetto & Lazzaro (1996) , Czu-
jack (1997) , Locatelli-Biey & Zanola (2002) , Renneboog & van Houtte (1998) ,
Ginsburgh & Jeanfils (1995) , Gerard-Varet (1995) sowie Agnello (2002) ver-
wendeten diese Methode für eigene Berechnungen, beschäftigten sich mit den
Problemen bei der Anwendung und entwickelten sie weiter.
Ein praktisches Beispiel für die Anwendung der Erkenntnisse aus diesem Teil-
bereich ist das Computerprogramm „TaxSim“. Dieses Programm bietet einen
Kunstpreis-Richtwert für zweidimensionale Kunstwerke der zeitgenössischen
bildenden Kunst. Anhand von 66 Fragen (also 66 Einflussfaktoren) zum Werk,
zum Künstler, zur Ausstellungsaktivität und zur Medienpräsenz soll eine mög-
lichst realistische Einschätzung des Künstlers und des zu taxierenden Werkes

erstellt werden. Problematisch hierbei sind jedoch die Fragen, die zu beantwor-
ten sind. Es werden sehr genaue Angaben über den Künstler verlangt, sodass
es wirklich nur ein Programm für Leute ist, die einerseits bereits Werke eines
Künstlers besitzen und sich andererseits ausführlich mit diesem beschäftigt
haben. Des Weiteren gibt es Restriktionen für die Verwendung der Software:
Die Objektgröße darf das Maß 3x3 Meter nicht überschreiten und der zu taxie-
rende Wert darf nicht über 30.000 EUR liegen. Diese Einschränkungen sind auf
den Charakter der Regressionsformel (also „Preisfunktion“) zurückzuführen, die
aus einem so genormten Sample erstellt wurde und deshalb auch nur dafür
Gültigkeit besitzt. (Atelier Verlag 2004)
Auch für diese Methode ist das hier verwendete Beispielsample für asiatische
Kunst leider nicht geeignet. Neben dem Transaktionspreis findet sich zwar das
Transaktionsdatum im Datensatz, jedoch liegen wichtige Kriterien wie z.B. Ma-
ße, Herkunft, Qualität und Art des Stückes hier nur in gesammelter Textform
vor – was eine technische Weiterverwendung stark erschwert. Nochmals sei in
diesem Zusammenhang auf die zentrale Entscheidung für eine geeignete Da-
tenquelle und die Aufbereitung der Daten verwiesen. Die Möglichkeit des Me-
thodeneinsatzes hängt zentral von diesen vermeintlich vorbereitenden Schrit-
ten ab.
Wie man an den vorhergehenden Ausführungen erkennen kann, handelt es

sich bei dieser Methode um die statistisch sauberste Lösung für die Erstellung
eines Kunstpreisindex. Durch das geschickte Anwenden von mathematischen
Methoden gelingt es, die meisten der bei den vorigen Methoden erwähnten
Probleme zu umgehen – wenngleich auch enormer Sachverstand dafür von
Nöten ist.
h. Zusammenfassung
Generell lässt sich sagen, dass sich mit der Verwendung von mathematisch
und statistisch anspruchsvolleren Berechnungsmethoden die Genauigkeit der
Ergebnisse erhöht und die Anzahl der Kritikpunkte daran verringert hat. Von
den Methoden der Durchschnittspreisberechnung über die Regressionsanalyse
bis hin zur „hedonic price method“ kommen die Forscher immer mehr zu dem
Schluss, dass Kunst im Vergleich zu klassischen Investitionsgütern eine gerin-

gere Rendite aufweist. (Ashenfelter, O., Graddy, K., and Stevens, M. 2002)
Dieser immer genauere Nachweis dieser „underperformance“ im Zusammen-
hang mit der Weiterentwicklung der verwendeten Methoden lässt sich am ge-
wählten Praxisbeispiel in Ansätzen nachvollziehen und wird auch in zahlrei-
chen Veröffentlichungen behandelt, wie im Anhang zu erkennen ist. (Chanel,
Gerard-Varet L.-A., & Ginsburgh 1996; Locatelli-Biey M. & Zanola 1999)
Trotz des Plädoyers für die komplexen Methoden lässt sich erkennen, dass
entgegen der Ideologie der 90er Jahre einige Forscher wieder einfachere Me-
thoden verwenden. (Mei & Moses 2002) Je nach verfolgtem Ziel ist dies durch-
aus eine Alternative zu den komplexeren Methoden – und das bei ähnlichen
Ergebnissen und Aussagen.

5. Evaluation und Verbesserungsansätze
Wenn man alle vorangegangenen Schritte sauber durchgeführt hat, so hat man
einen theoretisch korrekten Kunstpreisindex erstellt. Die äußerst divergierenden
Ergebnisse der verschiedenen Berechnungsmethoden und die Vielzahl der zu be-
achtenden Dinge zeigen jedoch auch, dass die Berechnung keinesfalls das Ende
unserer Betrachtung sein kann. Nachfolgend sollen noch mal die größten „Fallen“
bei der Berechnung aufgezeigt und über mögliche Verbesserungsansätze nach-
gedacht werden.
a. Verwendete (analoge) Datenbasis
Ein schon oft im Laufe dieser Ausarbeitung angesprochenes Problem ist die
verwendete Datenbasis. Bei fast allen Veröffentlichungen wird Reitlinger´s
Sammelband „The Economics of Taste“ (Reitlinger 1982) verwendet, welcher
Daten über Kunstpreisauktionen von 1760 bis 1963 (Band 1 und 2) und in den
60ern beinhaltet (Band 3). Hierbei sind Fehler, wie z.B. die Erfassung von
„Bought-Ins“ der Auktionshäuser oder die Vernachlässigung der Transaktions-
kosten vorhanden. Außerdem ist in den dargestellten Daten unklar, ob struktu-
relle Brüche, wie z.B. Kriege, Inflation, Deflation, Währungsumrechnungskurse,
Veränderungen in der Besteuerung von Kunst oder ein Wandel des Kunstbe-
griffes an sich berücksichtigt sind. Des Weiteren kann man annehmen, dass
Reitlinger seinen persönlichen Geschmack bei der Auswahl der aufgezeichne-
ten Daten mit ins Spiel gebracht hat, d.h. nur bestimmte Kunstgattungen im
Fokus seiner Betrachtung standen. (Goetzmann 1993; Holub, Hutter, & Tapp-
einer 1993; Mei & Moses 2002) All diese Punkte führen dazu, dass sich schon
bei der Verwendung mehrerer Datenquellen miteinander Differenzen zwischen
bestimmten Angaben ergeben, die man nur schwer auflösen kann. (Chanel,
Gerard-Varet L.-A., & Ginsburgh 1996; Holub, Hutter, & Tappeiner 1993)
Mit der Verwendung von digitalen und damit umfangreicheren Datenquellen

kann man dieses Problem teilweise lösen. Geht man davon aus, dass der ent-
sprechende Dienstleister einheitliche Aufzeichnungsmethoden verwendet, so
hat man homogenere Daten, die man für die Weiterverarbeitung verwenden
kann. Die Kopplung von mehreren Datenquellen scheint zudem ein interessan-

ter Weg, um mit heutiger Computertechnik Auswertungen über immens große

Datenbestände zu machen. Zu beachten ist dabei allerdings der bereits be-
schriebene unterschiedliche Charakter der Daten, den man jedoch ebenfalls
per Computertechnik wesentlich einfacher abstellen kann, als mit klassischen
Methoden. Zieht man nach der Vereinheitlichung noch Bereinigungsmethoden
zu Rate (Inflation, Umrechnungskurse, Transaktionskosten usw.), so sollte es
möglich werden, auf ungeahnt große und gut nutzbare Datenbestände zurück-
zugreifen. Mit diesen digitalen Daten scheint gerade die Kombination mit alten
Datenquellen eine viel versprechende Richtung. Anhand des „backward filling“
aus mehreren Quellen kann man die Datenbasis gezielt ausweiten und für die
entsprechenden Zwecke repräsentativer machen.
b. Bezug auf den Tertiärmarkt
Trotz der vorgeschlagenen Verschmelzung von Datenquellen bleibt ein Prob-

lem: Der fast alleinige Bezug auf Auktionsdaten und damit den Tertiärmarkt.
(Frey & Eichenberger 1995) Um auch den Sekundärmarkt und den Primär-
markt mit in die Berechnungen einbeziehen zu können, benötigt man Daten
aus diesen Märkten. Da hierfür nur wenige Datenquellen vorhanden sind, muss
man auf exotischere Methoden der Erfassung zurückgreifen.
Ein Weg dabei könnte die Vermischung von „weichen“ Indexmethoden, die sich
auch mit dem Primär- und Sekundärmarkt beschäftigen, mit Auktionsindices
des Tertiärmarktes sein. Beispielsweise könnten Daten des Capital Kunstkom-
pass (capital.de 2004) mit Auktionsdaten vermengt werden, um eine Kunst-
preisentwicklung von Sekundär- zum Tertiärmarkt zu untersuchen. Im Kunst-
kompass werden anhand eines Punktesystems auch Erscheinungen des
Künstlers in den Medien, bei Ausstellungen und in Museen gewertet, außer-
dem befindet sich eine Preisspanne der Preise von Galerien abgedruckt. Diese
Daten könnte man geschickt mit Auktionspreisen (wahrscheinlich späterer Jah-
re) verrechnen, um eine Aussage über eine weiter gefasste Preisentwicklung
zu bekommen. Diese Methode ist sicherlich auch mit anderen Quellen dieser
untergeordneten Märkte machbar – müsste jedoch noch im Detail auf die dabei
auftretenden Probleme untersucht werden.

Ein weiterer Weg wäre die eigene Erfassung von Daten auf dem Primär- und
Sekundärmarkt. Hier ist es allein durch die Anzahl der Akteure nicht sinnvoll,
diese Daten auf dem Beobachtungsweg zu erfassen – vielmehr muss ein Sys-
tem erdacht werden, welches die Akteure veranlasst, selbst Daten anzugeben.
Denkbar wäre z.B. der Aufbau einer virtuellen Galerie, in der sich speziell klei-
nere Galerien samt ihrer Künstler und Werke darstellen können. Analog zu z.B.
der Internetgalerie bigart.de (bigart.de 2004) könnte es sich dabei um eine
Plattform handeln, auf der Kunstinteressierte nach Kunst suchen können. Gale-
rien, die sich diesem Medium bedienen, erweitern damit Ihre Zielgruppe und
können sich und ihre Werke darstellen. Durch die dort gemachten Angaben,
wie z.B. Künstlername, Werkname, Preis usw. wäre es möglich, den Primär-
und Sekundärmarkt gezielter zu erfassen. Analog zu dieser Idee des „Geben
und Nehmen“ wäre ein weiterer, aus der betriebswirtschaftlichen Betrachtung
schon bekannter Weg, möglich: Seit 1960 erfasst die Harvard Business School
unternehmensinterne Kennzahlen in einem Projekt namens PIMS. Dabei geht
es darum, die Faktoren für unternehmerischen Erfolg zu ergründen. Unterneh-
men, die ihre teilweise geheimen Daten in das PIMS-System einpflegen, be-
kommen im Gegenzug Zugriff auf aggregierte Daten ihrer Branche, um sich
selbst besser einschätzen zu können. (Buzzell & Gale 1987; Unternehmerin-
fo.de 2004) Analog zu dieser Idee könnte man ein System entwerfen, in dem
Galerien ihre Verkaufsdaten offen legen und im Gegenzug Zugriff auf zusam-
mengefasste Daten – also eine Art Kunstpreisindex – bekommen, die ihnen
helfen in ihrem Markt zu agieren.
Eine Diskussion dieser Ideen mit betroffenen Akteuren würde zu einem besse-
ren Gespür für tragfähige Konzepte führen und damit auch mögliche Realisati-
onsrichtungen vorgeben. Mit Daten solcher Ausprägung wären nie da gewese-
ne Untersuchungen möglich, die diesen Forschungsbereich mit neuem Leben
füllen.
c. Eigenheiten von Auktionen
Wenn man den Auktionsmarkt vorerst als einziges Betrachtungsfeld sieht, so

fällt auf, dass im Bereich der Kunst bisher wenig auf die Besonderheiten einge-
gangen wurde, die bei Auktionen als Transaktionsform auftreten.

Ein Beispiel hierfür ist der so genannte „afternoon effect“. (Beggs & Graddy
1997) Dieser besagt, dass gegen Ende von Auktionen tendenziell niedrigere
Preise erzielt werden, als am Anfang. Um diesem Effekt entgegenzuwirken
bzw. diesen auszunutzen, ordnen Auktionshäuser ihre Stücke auf besondere
Art und Weise in den Losen an. Je nach Gut findet außerdem eine Mengen-
oder Qualitätsanpassung in den Losen statt, um diesem Effekt entgegen zu
wirken. Interessant wäre es zu untersuchen, ob diese Effekte auch im Kunst-
markt eine Rolle spielen und wie Auktionshäuser damit umgehen – denn eine
Mengenanpassung scheint schon aufgrund des Charakters von Kunst unmög-
lich.
Ein weiteres bekanntes Phänomen ist das „law of one price“, welches besagt,
dass bei zu vernachlässigenden Transaktionskosten gleichartige Stücke überall
auf der Welt den gleichen Preis erzielen sollten. Im Kunstbereich ist aber zu er-
kennen, dass je nach Handelsort und Auktionshaus durchaus sehr unterschied-
liche Preise für Werke oder Gattungen erzielt werden – wenngleich diese Be-
obachtung schwieriger zu treffen ist, weil es sich ja um inhomogene Güter han-
delt. Interessant wäre aus diesem Grund, dieses Phänomen mit geeigneten
und auf den Kunstmarkt angepassten Mitteln zu untersuchen. Ergebnisse
könnten interessante Hinweise auf die Saisonalität, Ortsgebundenheit sowie
die Strahlkraft von Auktionshäusern als Marke geben. (Ashenfelter 1989; Pe-
sando 1993)
Eine dritte verfolgenswerte Richtung könnte auf die Funktionsweise von Aukti-
onen abzielen: Hierbei wäre besonders die Existenz von „bought-ins“ sowie ei-
nes geheimen Reservationspreises von Interesse. Wie gehen Auktionshäuser
damit im Kunstmarkt um und welche Maßnahmen ergreifen Käufer und Verkäu-
fer um diese Effekte auszunutzen bzw. zu beeinflussen? Eine zu beachtende
Denkrichtung ist dabei sicherlich die Institutionenökonomik – wenngleich ge-
nauere Überlegungen in diese Richtung noch angestellt werden müssten.
(Ashenfelter 1989; Beggs & Graddy 1997)
d. Berechnungsmethoden
Auf Seite der Berechnungsmethoden haben die vorigen Erläuterungen gezeigt,

dass die Tücken nicht mehr in den Methoden selbst liegen. Hier sind durch den

Einsatz von moderner Technik alle Berechnungen schnell durchzuführen und

somit auch aussagekräftige Vergleiche anzustellen. Vielmehr sei hier nochmals
darauf verwiesen, dass die Qualität der dabei verwendeten Daten enorme Re-
levanz besitzt – der zukünftige Fokus also darauf gelegt werden sollte.
Eine Denkrichtung, die eventuell noch neue Impulse liefern könnte, wäre das
Recherchieren nach weiteren Märkten mit ähnlichen Anomalien, wie im Kunst-
markt. Ein Vergleich der dort aktuell zu findenden Indexerstellungsmethoden
könnte bisher noch vernachlässigte Denkweisen hervorbringen, deren Anwen-
dung für den Kunstmarkt ggf. noch weitere Informationen liefern könnte. Märk-
te, bei denen diese Methode teilweise schon verwendet wurde, sind zum einen
der Immobilien- und Grundstücksmarkt, der Markt für historische Fahrzeuge
(Oldtimer) sowie der Markt für Weine. Doch auch für diese Märkte scheint eine
Überprüfung eventuell noch nicht übertragener Ansätze noch lohnenswert zu
sein.
e. Abkehr von klassischen Paradigmen
Die vorigen Analysen bezogen sich alle auf die Paradigmen des rationalen
Verhaltens bzw. der Nutzenmaximierung von Individuen. (Machina 1987) Ein
weiterer Denkweg für folgende Forschungen könnte sich aufgrund der vorge-
stellten Anomalien von diesen Paradigmen abwenden.
Eine mögliche Richtung stellt dabei der Bereich der „behavioural finance“ dar.
Seit 1955 beschäftigen sich Forscher mit Anomalien des Aktienmarktes, die
durch menschliche Schwächen oder psychologische Phänomene zu erklären
sind. (behaviouralfinance.net 2004; Thaler 1993) Aufgrund der Unterschiede
zwischen dem Gut Kunst und klassischen auf Finanzmärkten gehandelten An-
lagegütern lässt sich vermuten, dass gerade diese oder ähnliche Effekte noch
stärker auf dem Kunstmarkt auftreten und man diese mit bereits bekannten Me-
thoden finden und analysieren kann.
Bekannte Effekte sind z.B. der „Januareffekt“, der besagt, dass besonders im
Januar die Aktienmärkte positive Entwicklungen aufweisen. Dies wird durch
steuerliche Aspekte, das „window dressing“ der Fonds sowie eine hohe Liquidi-
tät der Anleger erklärt. Weiterhin besagt der „Größeneffekt“, dass Portfolios mit

kleineren Werten in Krisenzeiten bessere Entwicklungen als der Gesamtmarkt

aufweisen – sich in Boomphasen hingegen schlechter als der Gesamtmarkt mit
vergleichbarem Risiko entwickeln. Verschiedene Anlagestrategien beeinflussen
den Markt ebenfalls: Akteure, die längerfristig orientiert sind, kaufen eher „ge-
gen“ den Markt (also bei sinkenden Kursen); Personen mit einer Präferenz für
kurzfristigen Erfolg springen auf bestehende Trends auf und kaufen demzufol-
ge eher bei steigenden Kursen. Der so genannte „Herdentrieb“ ist laut der „be-
havioural finance“ durch Informationskaskaden zu erklären, d.h. Marktakteure
folgen zur Minimierung des eigenen Aufwands der Informationsbeschaffung
lieber Marktinsidern, die vermeintlich die richtige Entscheidung treffen. (Shefrin
2002; Shleifer 1999) All diese Effekte werden größtenteils individualpsycholo-
gisch erklärt. Menschen handeln anhand von Referenzorientierung, Verlusta-
version, selektiver Wahrnehmung sowie unter Wahrnehmungsfehlern, Vergan-
genheitsorientierung und am Beispiel von Moden. Besonders Männer leiden
unter Selbstüberschätzung und verfallen dem „mental accounting“. (Wikipedia -
The Free Encyclopedia 2004)
Eine Übertragung dieser Überlegungen auf den Kunstmarkt scheint lohnens-

wert und sollte mit entsprechendem Datenmaterial leicht durchführbar sein.
Überlegungen, dass auch und insbesondere Sammler diesen psychologischen
„Fallstricken“ unterliegen, scheinen auf der Hand zu liegen und sollten in späte-
ren Untersuchungen thematisiert werden. Eine geeignete Übersicht über die-
ses Thema befindet sich im „History“-Bereich von behaviouralfinance.net (be-
haviouralfinance.net 2004) und sollte ausreichend inspirierendes Material lie-
fern können, um diese Thematik näher zu betrachten.
f. Alltagstauglichkeit der Ergebnisse und Popularisierung
Ein letzter Verbesserungspunkt bezieht sich nicht auf die bisher vorgestellten
Denkansätze und Ergebnisse, sondern auf deren Vermarktung. Bisher ist es
so, dass wissenschaftlich zu bezweifelnde Methoden die größte Resonanz in
Medien erzeugten. Diese teilweise falschen Aussagen verzerren die Informati-
onslage am Markt und führen dazu, dass sich eine Reihe von Akteuren von
diesen falschen Aussagen beeinflussen lassen. (Frey 1997)

Doch gerade die Forschung sollte in diesem Diskurs eine größere Rolle spie-
len. Mit der so genannten „Versionierung“ von Forschungsergebnissen sollte es
möglich sein, auch größere Zielgruppen mit den interessanten Ergebnissen zu
versorgen. (Jansen & Göbel 2004)
Eine Dimension dabei ist eine adäquate Publikationsstrategie: Zum einen zählt
natürlich die Platzierung der Forschungsergebnisse in bekannten „Journals“,
um vor allem der „scientific community“ zu signalisieren, dass entsprechende
Aktivitäten existieren. Dieser aktive Beitrag in der Weiterentwicklung von wis-
senschaftlichen Denkrichtungen ist die Basis für weitere Versionierungen. Da-
rauf aufbauend wird es möglich, mit Lehrbüchern auch den wissenschaftlichen
Nachwuchs zu versorgen. Dabei ist besonderer Wert auf die Beschreibung der
Vorgehensweise zu legen, um das Nachvollziehen zu ermöglichen und Lernef-
fekte zu erzielen. Der dritte Weg – und hier liegen die wirklichen Defizite im ak-
tuellen Vorgehen – geht in Richtung Presse. Durch eine populistischere und
teilweise trivialisierende Darstellungsweise soll es möglich werden, die For-
schung auch in der Presse darzustellen. Zu nennen sind hierbei vor allem über-
regionale Tageszeitungen, Magazine sowie Radio und TV.
Ein zweiter Weg der Darstellung der gewonnenen Erkenntnisse stellt die Teil-
nahme an Konferenzen sowie das Halten von Vorträgen dar. Beginnend mit
Forschungskolloquien und der Nutzung von bereits existierenden Bürgeruni-
versitäten, bis hin zur Teilnahme an überregionalen Veranstaltungen zu ent-
sprechenden Themen muss auch persönlicher Einsatz für den „Vertrieb“ der
eigenen Leistungen gezeigt werden.
Kriterien für die Auswahl entsprechender Aktivitäten können unter dem Ziel der
Maximierung des Bekanntheitsgrades z.B. die Diffusionswahrscheinlichkeit in
der Gesellschaft, der Reputationseffekt sowie die Marktaktivität des Themas
sein.

6. Zusammenfassung
Die vorliegende Arbeit hat gezeigt, dass die Probleme in der Bewertung von Kunst
und der Erstellung eines Preisindex im Wesentlichen in der Struktur des Gutes
sowie des Marktes begründet sind. Bei der Berechnung von Kunstpreisindices
wird diesem Umstand mit der Verwendung von mehr oder weniger komplexen
Verfahren Rechnung getragen, die allesamt zu dem Ergebnis kommen, dass
Kunst im Vergleich zu klassischen Investitionsgütern eine geringere Rendite auf-
weist. Dies liegt in den verschiedenen Nutzendimensionen von Kunst begründet,
die nicht nur in finanziellen Werten zu messen sind. Anderslautende Aussagen
kommen meist aus dem mit fehlerhaften Annahmen und unsauberen Methoden
behafteten Bereich der Populistik – sind für eine wissenschaftliche Betrachtung
allerdings kaum tragfähig. Eine nicht zu unterschätzende Rolle für den Gesamt-
prozess der Indexberechnung spielt die verwendete Datenbasis.
Anhand folgender Punkte können weitere Verbesserungen für zukünftige For-

schungen erzielt werden:
 Datenbasis: Durch die konsequentere Verwendung digitaler Datenquellen

mit einer höheren Anzahl von verzeichneten Transaktionen und deren Ver-
bindung miteinander kann eine neue Qualität von Ergebnissen erzielt wer-
den.
 Einbeziehung von Primär- und Sekundärmarkt: Durch die Erhebung und

Verwendung von Transaktionsdaten aus den Bereichen des kleineren
Kunsthandels sowie von Kunstgalerien kann die Wertentwicklung von Kunst
vollständiger abgebildet werden. Für die Erfassung solcher Daten müssen
Möglichkeiten erdacht und evaluiert werden.
 Besonderheiten von Auktionen: Durch Einbeziehung von theoretischen Er-

kenntnissen zur Handelsform von Auktionen kann die Systematik von
Kunstauktionen besser verstanden werden und damit auch besser bewertet.
 Neue Berechnungsmethoden: Anhand von Indexberechnungen aus ähnli-

chen, aber detaillierter betrachteten Märkten, können wertvolle Erkenntnisse

für den Kunstmarkt gewonnen werden. Eine Übertragung dieser Methoden

kann neue Sichtweisen eröffnen.
 „behavioural finance“: Mit einer Abkehr von klassischen Paradigmen können

Marktphänomene erklärt werden, die bislang als gegeben hingenommen
wurden. Die „behavioural finance“ liefert dabei Erklärungsansätze, deren
Relevanz für den Kunstmarkt ebenfalls gegeben scheint.
 Popularisierung: Durch eine breitere Publikation und Versionierung der ge-

wonnenen Ergebnisse können neue Zielgruppen erreicht werden und der
gesamten Kunstmarktforschung eine größere Praxisrelevanz sowie Auf-
merksamkeit verliehen werden.
Denkt man sich mögliche Weiterentwicklungen der Preisindexberechnung anhand

der genannten Punkte in Verbindung mit einer höheren Alltagstauglichkeit der Er-
gebnisse, so ergeben sich viele interessante Bereiche der Forschung für die
nächsten Jahre.

Literaturverzeichnis
Accel-Team.com. Begriffsdefinition. Verfügbar: http://www.accel-
team.com/pygmalion/ (Stand: 09.07.2004)
Agnello, R. J. 2002, "Investment Returns and Risk for Art: Evidence from Auctions
of American Paintings", Eastern Economic Journal, Vol. 28, Nr. 4, pp. 443-462.
Amazon.com. Sotheby's International Price Guide. Verfügbar:

http://www.amazon.com/exec/obidos/tg/detail/-
/0856673668/qid=1063032933/sr=1-5/ref=sr_1_5/002-6083157-
9088867?v=glance&s=books (Stand: 17.04.2004)
Anderson, R. C. 1974, "Paintings as an Investment", Economic Inquiry, Vol. 12,

Nr. 1, pp. 13-27.
Art Market Research. Homepage. Verfügbar: http://www.artmarketresearch.com

(Stand: 17.04.2004)
Art Sales Index Ltd. Homepage. Verfügbar: http://www.art-sales-index.com (Stand:

07.05.2004)
Artfact Inc. Homepage. Verfügbar: http://www.artfact.com (Stand: 07.05.2004)
artnet.com. Homepage. Verfügbar: http://www.artnet.com (Stand: 07.05.2004)
artprice.com. Homepage. Verfügbar: http://www.artprice.com (Stand: 15.04.2004)
Ashenfelter, O. 1989, "How Auctions Work for Wine and Art", Journal of Economic
Perspectives, Vol. 3, Nr. 3, pp. 23-36.
Ashenfelter, O. & Abowd, J. 2002, "Using Price Indeces and Sale Rates to assess
Short Run Changes in the Market for Impressionist and Contemporary
Paintings," in Economics Of Art Auctions, G. Mossetto & M. Vecco, eds.,
International Center for Art Economics - University Ca´ Foscari of Venice,
Venice, pp. 71-83.
Ashenfelter, O., Graddy, K., & Stevens, M. A Study of Sale Rates and Prices in
Impressionist and Contemporary Art Auctions. Verfügbar:
http://www.econ.ox.ac.uk/members/kathryn.graddy/research/sale14ms.pdf
(Stand: 05.2002)
AskART.com. Homepage. Verfügbar: http://www.askart.com (Stand: 07.05.2004)
Atelier Verlag. TaxSim - Kunstsimulationsprogramm. Verfügbar: http://www.atelier-

verlag.de/preise.html (Stand: 16.04.2004)
Baumol, W. 1985, "Unnatural Value: Or Art Investment As Floating Crap Game," in

New York University, C.V. Starr Center - Working Papers, New York University,
C.V. Starr Center - Working Papers, C.V. Starr Center, New York.

Beggs, A. & Graddy, K. 1997, "Declining values and the afternoon effect: evidence
from art auctions", RAND Journal of Economics, Vol. 28, Nr. 3, pp. 544-565.
behaviouralfinance.net. Themenüberblick. Verfügbar:

http://www.behaviouralfinance.net (Stand: 10.07.2004)
bigart.de. Homepage. Verfügbar: http://www.bigart.de (Stand: 10.07.2004)
Blaug, M. 2001, "Where Are We Now On Cultural Economics?", Journal of

Economic Surveys, Vol. 15, Nr. 2, pp. 123-142.
Brückner, M. Warum nicht in Kunstwerke investieren? Die Tagespost [129].

26.10.2002.
Buelens, N. & Ginsburgh, V. 1993, "Revisiting Baumol´s 'Art as a Floating Crap

Game'", European Economic Review, Vol. 37, Nr. 7, pp. 1351-1372.
BusinessWeek.com. Art: This Prices are Surreal. Verfügbar:

http://www.businessweek.com/1998/52/b3610073.htm (Stand: 28.12.1998)
Buzzell, R. D. & Gale, B. T. 1987, The PIMS principles: linking strategy to

performance Free Press, New York.
Candela, G., Figini, P., & Scorcu, A. E. 2003, Price indices for artists - A proposal,
Department of Economics - University of Bologna.
Candela, G. & Scorcu, A. E. 1997, "Art Price Index for Art Market Auctions: An
Application to the Italian Market of Modern and Contemporary Oil Paintings",
Journal of Cultural Economics, Vol. 21, Nr. 3, pp. 175-196.
capital.de. Kunstkompass. Verfügbar: http://www.capital.de/leb/kkp/index.html

(Stand: 17.04.2004)
Chanel, O. 1995, "Is the Art Market Behaviour Predictable?", European Economic
Review Nr. 39, pp. 519-527.
Chanel, O., Gerard-Varet L.-A., & Ginsburgh, V. 1994, "Prices and Returns on
Paintings: An Excercise How to Price the Priceless", Geneva Papers on Risk
and Insurance Theory, Vol. 19, Nr. 1, pp. 7-21.
Chanel, O., Gerard-Varet L.-A., & Ginsburgh, V. 1996, "The Relevance of Hedonic
Price Indices: The Case of Paintings", Journal of Cultural Economics, Vol. 20,
Nr. 1, pp. 1-24.
Czujack, C. 1997, "Picasso Paintings at Auction", Journal of Cultural Economics,

Vol. 21, Nr. 3, pp. 229-247.
Davenport, R. J. 2003, Davenport´s Art Reference & Price Guide Gordon´s Art
Reference Inc..

de la Barre, M., Docclo, S., & Ginsburgh, V. 1994, "Returns of Impressionist,

Modern and Contemporary European Paintings 1962-1991", Annales
d'Economie et de Statistique, Vol. 0, Nr. 35, pp. 143-181.
Deutsche Bundesbank. Zeitreihendatenbank. Verfügbar:

http://www.bundesbank.de/statistik/statistik_zeitreihen.php (Stand: 10.07.2004)
Diverse 2004, Kunstpreisjahrbuch Weltkunst Verlag.
Diverse 1994, World Collectors Annuary IBD Ltd..
Duden 2002, Duden Lexikon Bibliographisches Institut (Dudenverlag), Mannheim.
ephorie.de. Definition "Pareto-Prinzip". Verfügbar:

http://www.ephorie.de/hindle_pareto-prinzip.htm (Stand: 23.05.2004)
Falk, P. H. 1994, Falk´s Print Price Index The Haworth Press, Inc..
Falk, P. H. 2003, Falk´s Art Price Index Dealers Choice Books.
Feld, L. P. & Pommerehne, W. W. 1997, "The Impact of Museum Purchase on the

Auction Prices of Paintings", Journal of Cultural Economics, Vol. 21, Nr. 3, pp.
249-271.
Fiske, J. The Fine Art Fund. Verfügbar:

http://www.fiskeandfreeman.com/Article_Text/Fine%20Art%20Fund.htm
(Stand: 20.09.2003)
Frey, B. S. 1997, "Art Markets and Economics: Introduction", Journal of Cultural

Economics, Vol. 21, Nr. 3, pp. 165-173.
Frey, B. S. & Eichenberger, R. 1995, "Ont the rate of return in the art market:
Survey and evaluation", European Economic Review, Vol. 39, pp. 528-537.
Frey, B. S. & Pommerehne, W. W. 1989, "Art Investment: An Empirical Enquiry",

Southern Economic Journal, Vol. 56, Nr. 2.
Gabrius S.p.A. Homepage. Verfügbar: http://www.gabrius.com (Stand:

07.05.2004)
Gerard-Varet L.-A. 1995, "On pricing the priceless: Comments on the economics
of the visual art market", European Economic Review, Vol. 39, pp. 509-518.
Ginsburgh, V. & Jeanfils, P. 1995, "Long-term comovements in international

markets for paintings", European Economic Review, Vol. 39, pp. 538-548.
Goetzmann, W. N. 1993, "Accounting for Taste: Art and the Financial Markets over
Three Centuries", American Economic Review, Vol. 83, Nr. 5.
Goetzmann, W. N. & Spiegel, M. 1995, "Private value components, and the

winner's curse in an art", European Economic Review, Vol. 39, Nr. 3/4, pp. 549-
556.

Gordon´s Art Reference Inc. Homepage. Verfügbar: http://www.gordonsart.com

(Stand: 08.05.2004)
Handelsblatt. Investmentfond Global Art Fund. Handelsblatt [166], 31. 29.08.1997.
Handelsblatt. Anleihen: Global Art Fund. Handelsblatt [243], 37. 16.12.1998.
Handelsblatt. Ein neuer Fine Art Fund nur für Großanleger. Handelsblatt [38], 43.
22.02.2002.
heuchelheim.info. ArtInvestor durchleuchtet Kunstmarkt. Verfügbar:

http://www.heuchelheim.info/archiv/kunstundkultur/01b9fd92a1060e794.html
(Stand: 15.04.2004)
Hislop, R. 2003, Art Sales Index Dealers Choice Books.
Holub, H. W., Hutter, M., & Tappeiner, G. 1993, "Light and Shadow in Art Price
Computation", Journal of Cultural Economics, Vol. 17, Nr. 1, pp. 49-69.
Hutter, M. 1989, "Kommunikationsphänomen Kunst: Ein Gang durch die

kunstökonomische Forschung," in Festschrift für Clemens-August Andreae, P.
M. Schmidhuber et al., eds., Mittelstands-Verlag-GmbH, Bonn, pp. 461-485.
Hutter, M. 1992, "Die bildende Kunst und ihre Wirtschaft," in Kulturmanagement -

Kulturökonomik, Kulturmanagement - Kulturökonomik, Fernuniversität Hagen,
Hagen, pp. 82-99.
Jansen, S. A. & Göbel, T. Internes Strategiepapier der Zeppelin University:

Vertriebsstrategien, Versionierung und Trivialisierung. 07.2004.
Locatelli-Biey M. & Zanola, R. 2002, "The Sculpture Market: An Adjacent Year

Regression Index", Journal of Cultural Economics, Vol. 26, Nr. 1, pp. 65-78.
Locatelli-Biey M. & Zanola, R. 1999, "Investment in Paintings: A Short-Run Price

Index", Journal of Cultural Economics, Vol. 23, Nr. 3, pp. 211-222.
Machina, M. J. 1987, "Choice under uncertainty: Problems solved and unsolved.",

Journal of Economic Perspectives, Vol. 1, pp. 121-154.
Mayer, E. 2004, International Auction Records Mayer & Archer Fields, New York.
Mei, J. & Moses, M. 2002, "Art as an Investment and the Underperformance of

Masterpieces", American Economic Review, Vol. 92, Nr. 5.
Michel, E. 2003, ADEC International Art Price Annual (Annuaire Des Cotes) ADEC
Diffusion.
Mossetto, G. & Lazzaro, E. 1996, Le determinanti dei prezzi delle opere d´arte
University of Venice, Mimeo.
Mossetto, G. & Vecco, M. 2002, Economics of Art Auctions FrankoAngeli s.r.l.,

Milano.

Nagel´s Art Price Index. Homepage. Verfügbar: http://www.auction.de (Stand:

08.05.2004)
OANDA.com. Historische Wechselkurse. Verfügbar:

http://www.oanda.com/convert/fxhistory (Stand: 10.07.2004)
Persky, R. S. 2002, Photographic Art Market Auction Prices Photograph Collector.
Pesando, J. E. 1993, "Art as an Investment: The Market for Modern Prints",

American Economic Review, Vol. 83, Nr. 5, pp. 1075-1090.
Peter, J. M. Wertstabile Anlage mit Macken. Frankfurter Allgemeine Zeitung , 9.

08.05.2003.
Pohl, R. Inflationstheorie SS 2003. Verfügbar: http://www.wiwi.uni-

halle.de/wiwi/lui/vwl/geld/UmdrInflat/Inflation%202.pdf (Stand: 03.05.2003)
Private - Das Magazin für Vermögensberatung und Private Banking. Kunst als
Kapitalanlage. Verfügbar: http://www.private-
magazine.ch/Datenbank/04.2001/kunst_d.pdf (Stand: 10.07.2004)
Proarte.at. Homepage. Verfügbar: http://www.proarte.at (Stand: 07.05.2004)
Reitlinger, G. 1982, The Economics of Taste. The Rise and Fall of Picture Prices
1760-1960. Hacker Art Books, New York.
Renneboog, L. & van Houtte, T. 1998, The Monetary Appreciation of Paintings:

From Realism to Magritte Tilburg University.
RLG.org. Homepage. Verfügbar: http://www.rlg.org (Stand: 07.05.2004)
Rubino, L. A. Art as an Asset Class. Verfügbar:

http://faculty.fuqua.duke.edu/~charvey/Teaching/Independent_Studies_2001/R
ubino/Art%20final.doc (Stand: 15.10.2001)
Shefrin, H. 2002, Beyond Greed and Fear: Understanding behavioral finance and
the psychology of investing Oxford University Press, Oxford.
Shleifer, A. 1999, Inefficient Markets: An Introduction to Behavioral Finance Oxford

University Press, Oxford.
stare.com. Art Futures. Verfügbar: http://www.stare.com/1996/9607/960723.html

(Stand: 20.06.2004)
Statistisches Bundesamt Deutschland. GENESIS-Online. Verfügbar:

http://www.destatis.de/genesis (Stand: 20.05.2004)
Stein, J. P. 1977, "The Monetary Appreciation of Paintings", Journal of Political

Economy, Vol. 85, Nr. 5, pp. 1021-1035.
SUN.com. Homepage. Verfügbar: http://java.sun.com (Stand: 11.06.2004)
Thaler, R. H. 1993, Advances in behavioural finance Russel Sage, New York.

Theran, S. 1998, Leonard´s Index of Art Auctions Auction Index Inc..
Thorsby, D. 1994, "The Production and Consumption of the Arts: A View of

Cultural Economics", Journal of Economic Literature, Vol. XXXII, Nr. 1, pp. 1-
29.
Tietzel, M. 2001, ""Money for Nothing"? Die Preisbildung von Originalkunstwerken

und Kopien", Perspektiven der Wirtschaftspolitik, Vol. 2, Nr. 1, pp. 15-30.
TKH GmbH. Homepage. Verfügbar: http://www.mageda.de (Stand: 07.05.2004)
Unternehmerinfo.de. Begriffsdefinition. Verfügbar:

http://www.unternehmerinfo.de/Lexikon/p/PIMS.htm (Stand: 10.07.2004)
von Rosenberg. Interview in der Galerie Kewenig. 27.06.2003.
Wagenführ, H. 1965, Kunst als Kapitalanlage Forkel-Verlag, Stuttgart.
Wikipedia - The Free Encyclopedia. Definition "behavioral finance". Verfügbar:

http://en.wikipedia.org/wiki/Behavioral_finance (Stand: 10.07.2004)
Wilke, W. 1999, Kunstvoll Investieren, Dresdner Bank, Frankfurt am Main.
xipolis.NET. Stichwortsuche. Verfügbar: http://www.xipolis.net (Stand: 23.05.2004)
Yahoo!Finance. Banks map out the investment minefield. Verfügbar:

http://uk.biz.yahoo.com/030905/66/e7mzu.html (Stand: 15.04.2004)

Anhang A: Datenquellen für Kunstpreise

Name Autor / Quelle Datenbasis Zeitraum Beschreibung Preis
In 1988 nur französische Auktionen Verzeichnet. Danach

Auktionspreise:
ADEC International Art auch Westeuropa, Nordamerkika, Japan und Skandinavien.
Gemälde, Drucke, Photo-
Price Annual: Annuaire Michel, E. (Michel 2003) 1988 - Heute Einträge sind in Englisch und Französisch. Aktuell auch im Buch: 99 EUR p.a.
grafien, Zeichnungen und
des Cotes Bundle mit „Falk´s Art Price Index“ (Falk 2003) erhältlich.
Skulpturen
Onlinedaten erhältlich bei artprice.com.
Auktions- und Handelsprei- Buch: ca. 150 EUR

Oft verwendete Quelle. Eine Saison läuft von August bis
Hislop, R. (Hislop 2003) se: p.a.
Juli. Über 2.8 Millionen Transaktionen von 250.000 Künst-
Art Sales Index Ltd. http://www.art-sales-index.com (Art Gemälde, Zeichnungen, 1920 - Heute CD: 449 EUR p.a.
lern. Zeichnungen werden seit 1976 aufgezeichnet, Skulp-
Sales Index Ltd. 2004) Miniaturen, Skulpturen und Online: 750 EUR
turen seit 1983. Nur Werke ab einem Wert von 250 USD.
Aquarelle p.a.
Auktionspreise:
http://www.artfact.com (Artfact Inc. Antiquitäten, Gemälde, Mehr als 5.000.000 Auktionsergebnisse. Texte aus Aukti- Online: 1995 USD
Artfact Inc. 1986 - Heute
2004) Drucke, Skulpturen, Juwe- onskatalogen, teilweise mit Bild. p.a.
len u.a.
Bietet nur bereits berechnete Indices an. Es muss aber

http://www.artmarketresearch.com Auktionspreise:
Art Market Research 1985 - Heute einer Datenquelle als Basis geben, die man ggf. erfragen
(Art Market Research 2004) Bildende Kunst
könnte.
http://www.artnet.com (artnet.com Auktionspreise: Über 2.4 Millionen Einträge, 500 Auktionshäuser aus 28 30 Suchen pro
artnet.com 1985 - Heute
2004) sog. „Fine Art“ Ländern. 176.000 Künstler. Teilweise inkl. Bild. Monat für 80 USD
3.7 Millionen Einträge mit 306.000 Künstlern aus 270.000

99 USD p.a. (Zugriff
http://www.artprice.com (artpri- Auktionspreise: Auktionskatalogen. Teilweise Texte und Bilder. Nachschla-
artprice.com 1987 - Heute nur auf Auktions-
ce.com 2004) sog. „Fine Art“ gewerk der Kunstverkäufe von 1700-1900 als Buch erhält-
preise)
lich.
http://www.askart.com (AskART.com Auktionspreise: 32.000 Amerikanische Künstler mit Auktionspreisen und 19,50 USD pro
AskART.com unbekannt
2004) Amerikanische Künstler Kataloginformationen. Monat
Auktions- und Handelsprei- Buch: 159 USD p.a.

Davenport, R.J. (Davenport 2003)
Davenport´s Art Refe- se: Mehr als 250.000 internationale Künstler- und Preisinfor- CD: 185 USD p.a.
http://www.gordonsart.com (Gor- unbekannt
rence & Price Guide Öl, Aquarelle, Zeichnungen mationen. Wird in jährlich aktualisierter Auflage angeboten. Online: 240 USD
don´s Art Reference Inc. 2004)
und Skulpturen p.a..

Über 1500 Transaktionen von 366 Auktionshäusern aus 27

Auktionspreise:
Ländern. Inklusive "bought-ins". Verzeichnet alle Auktions-
Gemälde, Zeichnungen,
Falk´s Art Price Index Falk, P.H. (Falk 2003) 1992 - Heute ergebnisse ab USD 100. Aktuell auch im Bundle mit „ADEC Buch: 109 USD p.a.
Miniaturen, Skulpturen,
International Art Price Annual: Annuaire Des Cotes“ (Michel
Aquarelle und Drucke
2003) erhältlich.
Nach Künstler geordnet. Aber auch viele andere Kategori-

Auktionspreise: Nicht mehr erhält-
Falk´s Print Price Index Falk, P.H. (Falk 1994) 1991 - 1992 sierungen von Drucken. Ab 1993 aufgegangen in „Falk´s
Drucke lich.
Art Price Index“ (Falk 2003).
Minimumpreise 1000 EUR. Die digitalen Daten können

http://www.gabrius.com (Gabrius Auktionsdaten: Online: 990 EUR
Gabrius S.p.A. 1985 - Heute ergänzt werden um Daten seit dem 14. Jh. (mit analogen
S.p.A. 2004) sog. „Fine Art“ p.a.
Quellen).
Gordon´s Art Reference Inc. Auktions- und Handelsprei- Mehr als 145.000 Transaktionspreise von Auktionen und
Gordon´s Photography CD / Online: 595
http://www.gordonsart.com (Gor- se: 1970 - Heute Händlern, bibliographische Informationen und teilweise
Prices USD p.a.
don´s Art Reference Inc. 2004) Photografien Bilder.
Gordon´s Art Reference Inc. Auktions- und Handelsprei- Beste Quelle für Drucke mit mehr als 675.000 Einträgen Buch: 350 EUR p.a.
Gordon´s Print Prices http://www.gordonsart.com (Gor- se: 1978 - Heute inkl. Transaktionspreisen, Textinformationen und teilweise CD / Online: 595
don´s Art Reference Inc. 2004) Drucke Bildern. USD p.a.
Auktions- und Handelsprei-

se:
International Auction Über 120.000 Auktionsergebnisse zu 50.000 Künstlern.
Mayer, E. (Mayer 2004) Gemälde, Drucke, Zeich- 1963 - Heute Buch: 180 EUR p.a.
Records Auch Künstler der niedrigeren Preisregionen verzeichnet.
nungen, Skulpturen und
Aquarelle
Auktionspreise:
Gemälde, Zeichnungen,
Klassiker mit pro Jahr ca. 15-20.000 weltweiten Transakti-
Weltkunst Verlag, Diverse Autoren Miniaturen, Ikonen, Drucke,
Kunstpreisjahrbuch 1978/79 - Heute onsdaten. Teilweise mit Textinformationen und Bildern. Buch: 125 EUR p.a.
(Diverse 2004) Photografien, Skulpturen,
Schwerpunkt auf dem deutschen Markt.
Münzen, Möbel, Dekorative
Kunst, Manuskripte
Gordon´s Art Reference Inc.

Lawrence´s Dealer Print Handelspreise: CD / Online: 595
http://www.gordonsart.com (Gor- 1992 - Heute Über 250.000 Preise von Händlern.
Prices Drucke USD p.a.
don´s Art Reference Inc. 2004)
Auktionspreise: Amerikanische Künstler verkauft in den USA. Beste Zu-

Leonard´s Index of Art Gemälde, Skulpturen, sammenstellung für diesen Bereich. Sehr gut für unbekann-
Theran, S. (Theran 1998) 1980 - 1998 Buch: 245 USD p.a.
Auctions Zeichnungen und verschie- te Künstler, weil alle Preise erfasst werden. In Teilen wei-
dene andere Medien tergeführt für den lateinamerikanischen Markt.

103.000 Bildinformationen (Preise, Text und Bild) von über Online: 710 EUR
Auktionspreise:
Mageda Maler- und Ge- http://www.mageda.de (TKH GmbH 18.000 Künstlern. Beschränkung auf ca. 40 Auktionshäuser p.a. (Click&Buy:
Gemälde, Aquarelle, Zeich- unbekannt
mäldedatenbank 2004) des deutschsprachigen Bereichs. Kleinster Anbieter in 2,45 EUR für 10
nungen
diesem Bereich. Minuten)
Auktionspreise:
25 Kategorien mit über 25.000 Auktionsergebnissen des
Nagel´s Art Price Index http://www.auction.de (Nagel´s Art Asiatische Kunst, Moderne
unbekannt Stuttgarter Auktionshauses Nagel. Einzige im Internet kostenlos
NAX Price Index 2004) Kunst, Möbel, Gemälde
verfügbare kostenlose Quelle. Wächst ständig.
u.v.a.
Photographic Art Market Auktionspreise: Nur Auktionen von Sotheby´s, Christie´s, Swann Galleries
Persky, R.S.(Persky 2002) 1980 - Heute Buch: 70 USD p.a.
Auction Prices Photografien und Butterfield & Butterfield verzeichnet.
Mehr als 365.000 Transaktionsdaten von über 40.000

Künstlern. Hauptsächlich Auktionsdaten der Häuser CD: 150 EUR p.a.
http://www.proarte.at (Proarte.at Auktionspreise:
Proarte 1975 - Heute „Dorotheum Wien“ und „Wiener Kunstauktionen“. Seit 1996 Online: 100 EUR
2004) Diverse Kunstgattungen
auch Daten von Auktionshäusern aus Deutschland, der p.a.
Schweiz, Tschechien und Ungarn.
Auktions- und Handelsprei- Zusammenstellung von Transaktionsdaten in 3 Bänden aus

Reitlinger´s Economies of
Reitlinger, G. (Reitlinger 1982) se: 17. Jh. - 1960 diversen Bereichen. Teilweise selektierte Daten durch Buch: 100 USD
Taste
Bildende Kunst einen eingeschränkten Blick auf den Kunstmarkt.
Mehr als 894.000 Einträge mit mehr als 285.000 Einzelti- Online: 1000 Anfra-
SCIPIO: RLG´s Art and Auktionspreise:
teln von nordamerikanischen und europäischen Auktions- gen für 890 USD
Rare Book Sales Catalogs http://www.rlg.org (RLG.org 2004) Diverse Kunstgattungen 1599 - Heute
häusern. Besonderheit: Datensammlung durch Zusam- (Vollzugriff auf
Database und Bücher
menschluss von öffentlichen Institutionen. Nachfrage)
Auktionspreise:
Begrenzte Anzahl von Auktionshäusern aufgezeichnet. Für
Gemälde, Pastellzeichnun-
World Collectors Annuary Diverse Autoren (Diverse 1994) 1946 - 1994 manche Jahre "Spezialdaten" von z.B. Japan, Israel, Buch: 175 USD p.a.
gen, Zeichnungen, Gou-
UdSSR und Schweden. Eine Saison geht von Juni bis Juli.
aches, Aquarelle

Anhang B: Untersuchungen und Ergebnisse

16
Quelle Datenbasis Methode Rendite Beschreibung
Die Untersuchung umfasst die Berechnung von Renditen für den amerikani-
Mehr als 25.000 Auktionsdaten von
schen Markt und verschiedenen Submärkten. Mit einer Durchschnittsrendite von
amerikanischen Malern verschiede- 2,7 – 9,9 % (je nach
Agnello (2002) „hedonic price“ 4,2 % liegt diese noch unter der Inflation im gleichen Zeitraum bei signifikant
ner Genres. Zeitraum von 1971 – Kunstsegment)
höherem Risiko. Bei Kunst im high-end Bereich kann die Rendite u.U. höher
1996.
liegen.
1.730 wiederholte Transaktionsdaten

1800 bis 1970: 3,3 %
(Reitlinger 1982) von Impressionis- „repeat-sale regressi-
Anderson (1974) 1951 bis 1969: 7 – 27 %
ten und Künstlern des 20. Jahrhun- on“, „hedonic price”
(je nach Kunstsegment)
derts.
Professioneller Anbieter von Marktdaten für Kunst. Je nach Suchauswahl kann

300 – 900 % (je nach
Art Market Research Auktionsdaten von 1974 bis Heute. man Grafiken für Künstler oder Kunstsegmente bekommen. Die dahinter liegen-
Kunstsegment)
de Datenbasis und die Berechnungsmethode sind unklar.
Mehr als 16.000 Auktionspreise

Ziel ist es den meist geheimen Reservationspreis bei Auktionen bzw. eine reale
direkt von Christie´s und Sotheby´s
Ashenfelter, Graddy & Verkaufsquote zu bekommen. Ergebnis war, dass der Reservationspreis meist
über Impressionisten und zeitgenös- „hedonic price“
Stevens (2002) zwischen 70 und 80 % des unteren Schätzpreises bei Auktionen liegt und die
sische Künstler zwischen 1980 und
Verkaufsquote dadurch auch bei sog. „bought-ins“ zu berechnen ist.
1994).
650 wiederholte Transaktionen

„average price“, „dou- 0,55 – 0,85 % (versch.
Baumol (1985) zwischen 1652 und 1961. (Reitlinger
ble sale“ Berechnungsmethoden)
1982)
Buelens & Ginsburgh

„hedonic price“
(1993)
Ziel ist der Erstellung eines Index für einzelne Künstler auf Basis der Jahres-
Auktionsdaten zwischen 1990-2001 durchschnittspreise, gewichtet mit der Gesamtmarktentwicklung. Im Gegensatz
Candela, Figini & Scor- „representative pain-
(Gabrius S.p.A.) mit über 330.000 zum „hedonic price“ Modell braucht man keine Aussagen zu Bewertungskrite-
cu (2003) ting“
Aufzeichnungen. rien. Die neue Berechnungsform zeigt einer geringere Varianz und ermöglicht
genauere Aussagen zur Entwicklung eines Künstlers.
16
Die Rendite ist für die jeweilige gesamte Zeitspanne angegeben. Die starken Unterschiede ergeben sich durch die Berechnungsmethoden, Zielsetzungen und
Intentionen der Untersuchungen sowie den Unterschieden im verwendeten Datenmaterial (Kunstgattung, Quelle, Einbeziehung von Transaktionskosten usw.).

22.371 Auktionspreise des italieni-

Die Preisentwicklung des betrachteten Teilmarktes bewegt sich parallel zur
schen Marktes für moderne und
Candela & Scorcu Inflation und ist damit schlechter als Immobilien oder Finanzanlagen in gleichen
zeitgenössische Gemälde zwischen „representative pain-
(1997) (Candela & 58,06 % Zeitraum. Im Vergleich zu den Indices von Sotheby´s (274 %), Pesando (80 %)
1983 und 1994. Die Daten stammen ting“
Scorcu 1997) und de la Barre (210 %) sieht man die „vorsichtigen“ Ergebnisse (Achtung:
direkt von einem Auktionshaus mit
teilweise eingeschränkte Zeiträume).
Sitz in Rom und Milan.
Es sollte eine eventuelle Verbindung zwischen der Entwicklung von Kunstprei-

Daten von 82 Künstlern zwischen
sen und dem Gesamtkapitalmarkt untersucht werden. Festgestellt wurde eine
1963 und 1993 mit ca. 25.300 Aukti-
Chanel (1995) „hedonic price“ Abhängigkeit des Kunstmarktes mit einer Verschiebung von ca. einem Jahr. Es
onspreisen aus den „International
scheint sich daraus aber keine Vorhersagbarkeit der Entwicklung des Kunst-
Auction Records“. (Mayer 2004)
marktes ableiten zu können.
Hier wurden mit verschieden Methoden Preisentwicklungen berechnet und

Daten von Handel und Auktionen für
gegenübergestellt. Besonderes Augenmerk wurde dabei auf die Aufteilung in
impressionistische und moderne „average price“, 1855 bis 1914: 6 – 14 %
(Chanel, Gerard-Varet Zeitperioden verschiedener Entwicklung gelegt. So sieht man z.B., dass Ereig-
Kunst aus Reitlinger´s Economies of „repeat-sale regressi- 1915 bis 1949: ca. -3 %
L.-A., & Ginsburgh nisse wie Kriege oder ein Wirtschaftsaufschwung direkt auf die Kunstpreisent-
Taste (Reitlinger 1982) für Künsterl, on“ und „hedonic 1950 bis 1960: 13 – 24 %
1996) wicklung durchschlägt. Des Weiteren wurde festgestellt, dass man für die Be-
die nach 1830 geboren sind. Daten- price“ 1961 bis 1969: 4 – 12 %
rechnung die „hedonic price“-Methode wählen sollte um immer alle verfügbaren
spanne: 1855 – 1969.
Daten mit einzubeziehen.
Auktionsdaten von Picasso-Bildern Mit Hilfe der „hedonic price“-Methode wurden Faktoren herausgefunden, die auf
(Czujack 1997) „hedonic price“
zwischen 1963 und 1994. den Preis eines Gemäldes Einfluss nehmen.
Del la Barre, Docclo &

“hedonic price”
Ginsburgh (1994)
Feld & Pommerehne

„double sale“
(1997)
Handels- und Auktionsdaten zwi-

In dieser Studie sollten die Index-Berechnungen mit der Einbeziehung von
schen 1635 und 1987 von 800 be- „average price“, „dou-
Frey & Pommerehne 1635 bis 1949: 1,8 % Transaktionskosten und neuen Rohdaten verbessert werden. Ergebnis war,
rühmten Künstlern. Quelle: Reitlinger ble sale“, „repeat-sale
(1989) 1959 bis 1987: 6,7 % dass bei Kunst sehr niedrige Gewinne zu erwarten sind und diese durch Kriege
(1982) und das „Art Price Annual“. regression“
weiter gesenkt werden.
(Michel 2003)
Nach einer Untersuchung der Besonderheiten des Gutes Kunst wird hier eine
30 Künstler mit Auktionsdaten zwi- 1855 bis 1914: 6,2 %
eigene Wertentwicklung aus Basis abgeglichener Datenquellen erstellt, um
schen 1855 und 1988, die in Reitlin- „repeat-sale regressi- 1915 bis 1949: -2 %
Gerard-Varet (1995) Vergleiche mit bisherigen Ergebnissen zu machen bzw. den Kunstmarkt besser
ger (1982) und Mayer (2004) vor- on“ 1950 bis 1960: 22,6 %
zu beschreiben. Ergebnis sind mehr ökonomische Feststellungen als Zahlen und
kommen. 1960 bis 1988: 6,8 %
Fakten.
Es wird ein Vergleich mit klassischen Finanzmärkten angestrebt, bei dem zu-
Über 25.000 Auktionspreise aus den
sätzlich noch eventuelle Zusammenhänge zwischen den Märkten (innerhalb von
Ginsburgh & Jeanfils „International Auction Records“
„hedonic price“ Kunst und mit Finanzmärkten) gefunden werden sollen. Kurzfristig ergab sich,
(1995) zwischen 1962 und 1991 (Mayer
dass Zusammenhänge bestehen. Langfristig eher nicht – wobei sich die Rendi-
2004), ergänzt um analoge Quellen.
ten der Kunstgattungen dann auch angleichen.

3.329 wiederholte Auktionsdaten

1716 bis 1986: 3,2 % Der Vergleich von Rendite und Risiko ergibt, dass Kunst in den letzten Jahren
zusammengestellt aus Reitlinger „repeat-sale regressi-
Goetzmann (1993) 1850 bis 1986: 6,2 % ein gutes Investment war. Über lange Zeit kann sie jedoch im Vergleich zu
(1982) und Mayer (2004). Zeitspan- on“
1900 bis 1986: 17,5 % stabileren Anlagen nicht mithalten.
ne: 1716 – 1989.
Diese Untersuchung bezog sich eher auf das Berechnen des „winner´s curse“
1.800 wiederholte Auktionsdaten aus
Goetzmann & Spiegel „repeat-sale regressi- Phänomens bei Kunst. Es wurde herausgefunden, dass kurzfristig diese Eigen-
Reitlinger (1982) und Mayer (2004) 5,75 – 11,13 %
(1995) on“ art durchaus Bedeutung besitzt, jedoch langfristig die Kapitalwerterträge größe-
für die Zeit zwischen 1907 und 1987.
res Gewicht erlangen (in Form von verschiedenen Nutzendimensionen).
Ergebnisse dieser kritischen Betrachtung der bisherigen Methoden und Ergeb-

6.900 Auktionspreisdaten aus Reit-
nisse waren, dass das Verwenden von wiederholten Transaktionen die Proble-
Holub, Hutter & Tapp- linger (1982), dem Kunstpreisjahr- 11,3 – 15,8 % (je nach
„average price“ me von inhomogenen Daten bzw. Gütern nicht behebt. Aus diesem Grund wur-
einer (1993) buch und dem World Collectors Kunstsegment)
de die „average price“-Methode auf engere Kunstgattungen angewendet, um
Annuary (Diverse 1994).
mehr Homogenität zu erhalten.
Es soll hier eine kurze Phase des Kunstbooms untersucht werden. Ergebnisse
1.446 wiederholte Auktionspreise
Locatelli-Biey & Zanola „repeat-sale regressi- -3 bis – 22 % (je nach waren, dass zeitweise Kunst sehr gute Renditen lieferte (bis 230 %), was jedoch
von Gemälden (Mayer 2004) im
(1999) on“ Methode) durch zeitweise schlechtere Ergebnisse wieder relativiert wird. Verschiedene
Zeitraum von 1987 bis 1995.
Verfeinerungen der RSR-Methode werden ebenfalls aufgezeigt.
27.101 Auktionsdaten (Mayer 2004) Ergebnis war, dass sich große Unterschiede für anders zusammengestellte
Locatelli-Biey & Zanola - 30 bis 51 % (je nach
für den Skulpturenmarkt zwischen „hedonic price“ Portfolios ergeben. Im Hochpreissegment sind gute Renditen realisierbar gewe-
(2002) Kunstsegment)
1987 und 1995. sen, im Niedrigpreissegment dagegen sind Verluste verzeichnet.
Zum Testen der Hypothesen „law of one price“ sowie niedrigen Renditeerwar-
4.896 wiederholte Transaktionen aus tungen wurde diese Untersuchung gestartet. Es wurde eine höhere Quote an
1875 bis 1999: 4,9 %
diversen analogen Quellen (Muse- „repeat-sale regressi- wiederholten Transaktionen durch neues Datenmaterial verwendet. Ergebnisse
Mei & Moses (2002) 1900 bis 1999: 5,2 %
umskatalogen) zwischen 1875 und on“ waren: 1) Kunst hat eine höhere Rendite als andere Investments, 2) Bekannte
1950 bis 1999: 8,2 %
1999. Werke haben eine niedrigere Rendite als der Kunstmarkt insgesamt und 3) das
„law of one price“ kann nicht eindeutig bewiesen bzw. verworfen werden.
Mossetto & Lazzaro

„hedonic price“
(1996)
Ziel war der Test des „law of one price“ (perfekter Markt) und die Perfor-
manceanalyse von bekannteren Werken im Vergleich zum Gesamtmarkt. Durch
27.961 repeat-sales (Gordon´s Art
die hohe Zahl an Drucken (multiples) gibt es eine gute Datenbasis. Ergebnis
Reference Inc. 2004) moderner „repeat-sale regressi-
Pesando (1993) 1,51 % war, dass es teilweise große Schwankungen der Handelspreise zwischen ver-
Drucke (multiples) zwischen 1977 on“
schiedenen Orten gibt und bekannte Kunstwerke bzw. Künstler nicht zwangsläu-
und 1992.
fig höhere Renditen haben müssen. Insgesamt ist die Rendite für Drucke unter-
durchschnittlich.
10.598 Auktionsdaten (Hislop 2003) Die Rendite sowie das Risiko von Kunst als Geldanlage soll mit modernen Theo-
Renneboo & van Houtte zwischen 1970 und 1997 von aus- „average price“, „he- 7,6 % „average price“ rien der Portfoliotheorie analysiert werden. Als Ergebnis underperformed Kunst
(1998) schließlich belgischen Künstlern donic price“ 5,6 % „hedonic price“ wegen versteckten Transaktionskosten deutlich. Das Diversifikationspotential ist
(71). zudem sehr gering.

Stein (1977) 1946 - 1968 „average price“ 10,47 %
Wagenführ (1965) „average price“
In einem Report über Kunst als Investitionsobjekt (Dresdner Bank) wurde das
Chinesische Keramik zwischen 1804
Wilke (1999) 900 % Beispiel der chinesischen Keramik verwendet, um das lohnende Investment in
und 1999.
Kunst zu bewerben.

Anhang C: Java-Quellcode „Datensammler“

import java.io.BufferedReader;
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.URL;
// Programmaufruf Daten laden: java.exe DataCollector downloadall

// Programmaufruf Datum ergänzen: java.exe DataCollector downloaddate
// Programmaufruf Daten bereinigen: java.exe DataCollector parseall
class DataCollector {
static int max = 7295; // wieviele datensätze sind zu lesen (7295)

static int inc = 200; // wieviele treffer pro seite werden angezeigt
static String datafile_html = "data.html";
static String datafile_csv = "data.csv";
static String datafile_date = "data_date.csv";
static String datafile_date_full = "data_date_full.csv";
public static void main(String[] args) {
String command = args[0];
if (command != null) {
// datei runterladen und zusammenbauen

if (command.equals("downloadall")) {
try {
// output-datei erzeugen
FileOutputStream csv = new FileOutputStream(datafile_html);
String output = new String();
// internetseite absurfen und leicht bearbeitete daten in "output" schreiben
for (int i = 1; i <= max; i = i + inc) {
System.out.println("getting from " + i + " (" + inc + " sets)...");
String url_str = http://www.auction.de/_scripts/nax_browse.asp?category=Asiatische+Kunst&language=g&startpos=
+ i + "&hitsperpage=" + inc + "&action=Browse";
URL url = new URL(url_str);
InputStream in = url.openStream();
BufferedReader myReader = new BufferedReader(new InputStreamReader(in));
String tmpString;
StringBuffer tempBuf = new StringBuffer();
while ((tmpString = myReader.readLine()) != null) {
tempBuf.append(tmpString + "\n");
}
String pageString = tempBuf.toString();
String tokens[] = pageString.split("Details</td>\n </tr>\n ");
pageString = tokens[1];
tokens = pageString.split(" \n </table>");
output = output + pageString;
// alles zumachen
myReader.close();
in.close();
}
csv.write(output.getBytes());
// alles schliessen
csv.close();
} catch (Exception e) {
e.printStackTrace();
}
}
// downgeloadete datei parsen und grundbereinigen

else if (command.equals("parseall")) {
try {
FileOutputStream csv = new FileOutputStream(datafile_csv);
// datei lesen
System.out.println("reading file \"" + datafile_html + "\"...");
BufferedReader myReader = new BufferedReader(new FileReader(new File(datafile_html)));
String tmpString;
tempBuf.append(tmpString + "\n");
}
String pageString = tempBuf.toString();
System.out.println("splitting by rows...");
// zeilenumbrüche für datensätze
String tokens[] = pageString.split("\n <tr valign=\"top\">\n "
+ "<td align=\"right\" bgcolor=\"#D8E1E7\">");
for (int i = 0; i < tokens.length; i++) {
System.out.println("row: " + i);
output = output + "\n" + tokens[i];
}
// alles schliessen
myReader.close();
csv.close();
}
}
// fehlendes datum von unterseite downloaden und parsen...

else if (command.equals("downloaddate")) {
try {
FileOutputStream csv = new FileOutputStream(datafile_date_full);
// datei lesen
System.out.println("reading file \"" + datafile_date + "\"...");
BufferedReader myReader = new BufferedReader(new FileReader(new File(datafile_date)));
String tmpString;
System.out.print("getting date for "+tmpString+": ");
URL url = new URL("http://www.auction.de/_scripts/nax_object.asp?id=" + tmpString + "&language=g");
InputStream in = url.openStream();
BufferedReader myReader1 = new BufferedReader(new InputStreamReader(in));
String tmpString1;
StringBuffer tempBuf1 = new StringBuffer();
while ((tmpString1 = myReader1.readLine()) != null) {
tempBuf1.append(tmpString1 + "\n");
}
String pageString = tempBuf1.toString();
// datum rausfinden
String tokens[] = pageString.split("Datum</th>\n "
+ "<td bgcolor=\"#D8E1E7\">");
tokens = pageString.split("</td>\n </tr>\n "
+ " \n <tr>\n "
+ "<th bgcolor=\"#41637E\" align=\"center\" width=\"10%\">Los");
// alte datei erweitern um datum
System.out.println(pageString+" ok!");
tempBuf.append(tmpString + ";" + pageString + "\n");
// alles zumachen
myReader1.close();
in.close();
}
output = tempBuf.toString();
// alles schliessen
myReader.close();
csv.close();
}
}
}

Anhang D: Datenträger
Datei Beschreibung
1_data.txt Textdatei mit dem Ergebnis des Programmaufrufs „downloadall“. Enthalten ist der
HTML-Quellcode aller Internetseiten mit den relevanten Informationen.
2_data.csv CSV-Datei („comma-seperated-values“) mit den aus der vorigen Datei extrahierten
Werten. Ergebnis des Programmaufrufs mit dem Parameter „parseall“.
3_data_date.csv CSV-Datei mit den ID´s der Einzelwerke der vorigen Datei, ergänzt um das Transakti-
onsdatum. (Programmaufruf „downloaddate“)
4_data.xls Excel-Datei mit allen Daten. (2_data.csv und 3_data_date.csv zusammengefügt)
5_data.xls Excel-Datei mit bereinigten Daten für die Verwendung in SPSS.
6_data.sav Erste SPSS-Datei samt Variablenbeschreibungen und ökonomischen Korrekturen.
7_data.sav Vorstufe für die Erstellung der deskriptiven Statistik.
8_desk.spo Ergebnisse der deskriptiven Datenanalyse.
9_data.sav Datendatei als Vorbereitung der Berechnungen für die „average price“-Methode.
10_avgprice.spo Darstellung der Ergebnisse der Berechnungen für die „average price“-Methode.
11_data.sav Datendatei als Vorstufe für die Berechnungen im Rahmen der „representative painting“-
Methode.
12_reprpainting.spo Ergebnisdatei für die Berechnungen der „representative painting“-Methode.
CPI_DE.xls Excel-Datei mit dem „consumer-price-index“ (CPI) für die letzten Jahre.
DataCollector.class Ausführbare (also compilierte) Java-Datei des erstellten Programms.
DataCollector.java Quellcode-Datei des erstellten Programms in Java.
Diplom.pdf Diese Diplomarbeit in Dateiform.

Eidesstattliche Erklärung
Ich erkläre hiermit, dass ich die vorliegende Arbeit
„Preisindexerstellung für Bildende Kunst“
selbst angefertigt habe. Die aus fremden Quellen direkt oder indirekt übernomme-
nen Gedanken sind als solche kenntlich gemacht.
Diese Arbeit wurde bisher keiner anderen Prüfungsbehörde vorgelegt und auch
nicht veröffentlicht.
Witten, den 20.07.2004
Christian Knebel

Preisindexerstellung Für Bildende Kunst - Ein Überblick Über Den Stand Der Forschung

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Preisindexerstellung Für Bildende Kunst - Ein Überblick Über Den Stand Der Forschung

Uploaded by

Copyright:

Available Formats

Diplomarbeit

Vorgelegt von: Christian Knebel

Vorgelegt: Witten, 20.07.2004

Christian Knebel Seite I

Anhang A: Datenquellen für Kunstpreise.............................................................. 63

Eidesstattliche Erklärung ...................................................................................... 73

Christian Knebel Seite II

Abkürzungs- und Symbolverzeichnis

Christian Knebel Seite III

Christian Knebel Seite IV

Christian Knebel Seite V

Im September 1998 wurde im New Yorker Auktionshaus Christie´s das Gemälde

Dem gegenüber stehen hauptsächlich ökonomische Untersuchungen, die sich seit

Diese konträren Meinungen – zum einen inspiriert durch spektakuläre Auktionser-

Christian Knebel Seite 1

gemeine Probleme und Anomalien im Gegensatz zu „normalen“ Gütern bzw. de-

Christian Knebel Seite 2

2. Markt und Eigenschaften des Gutes „Kunst“

a. Kunstmarkt und Akteure

Schon phönizische Händler der Antike handelten mit Schnitzereien, Möbeln

Christian Knebel Seite 3

Der so genannte Primärmarkt besteht aus unorganisierten Privatleuten, Händ-

Der Sekundärmarkt entspricht von seiner Struktur eher regionalen Clustern

Christian Knebel Seite 4

monopolistisch vertrieben/vertreten werden – durch eine verringerte Substitu-

Der Tertiärmarkt ist international. Hier agieren hauptsächlich große Händler

Christian Knebel Seite 5

Nach dem Pareto-Prinzip (auch 80/20-Regel genannt) von Vilfredo Pareto

Christian Knebel Seite 6

b. Kunst als Gut

Christian Knebel Seite 7

Ein weiteres Problem sind die hohen Informationsdifferenzen bzw. Asymmet-

Christian Knebel Seite 8

c. Bewertung von Kunst

Christian Knebel Seite 9

Christian Knebel Seite 10

Die beschriebenen Nutzendimensionen und Faktoren der Nachfrage führen

„Ein unvollkommener Markt für vollkommene Werke.“ (Rubino, L. A. 2001)

Christian Knebel Seite 11

Christian Knebel Seite 12

Sich einen umfassenden Überblick über Kunstpreisquellen des Tertiärmarktes zu

Christian Knebel Seite 13

Diese Auktionskataloge findet man in den Archiven der jeweiligen Auktions-

Aufgrund dieser vorliegenden Datenquellen lassen sich in der Literatur ver-

Christian Knebel Seite 14

der Klassiker „Reitlinger´s Economies of Taste“ (Reitlinger 1982), das „World

Christian Knebel Seite 15

rückwärtig mit älteren Aufzeichnungen aufgebessert werden. (Mei & Moses

Um die nötigen Schritte der Datenvorbereitung und Aufbereitung zu illustrieren,

Christian Knebel Seite 16

Daten in Excel übertragen

Online-Datenbanken funktionieren ähnlich: Auch hier muss man über Such-

Christian Knebel Seite 17

Die verwendete Beispieldatenquelle „NAX“ ist eine Online-Datenbank, die ent-

Abbildung 1 Datenliste und Detailanzeige „NAX“

(Nagel´s Art Price Index 2004)

Um trotzdem an die in den Seiten enthaltenen Daten zu kommen, muss man

Christian Knebel Seite 18

Die aus den einzelnen Programmaufrufen resultierende Excel-Datei enthält

Tabelle 1 Datenausschnitt der Rohdaten in Excel

Fehler, Anomalien und Datenlücken korrigieren bzw. bereinigen

Christian Knebel Seite 19