The paper explores the investment behaviour of German firms in the context of the Qapproach, which plays a dominant role in empirical investment research. The analysis is based on the Deutsche Bundesbank's corporate balance sheet statistics. The panel data set contains some 2,300 German firms' balance sheet data covering the years 1988-1998. While the Q-theory is mainly applied on the basis of stock market data, which facilitates the exploitation of market expectations and the calculation of average Q, the direct forecasting approach (Chirinko 1993) suggested by Abel and Blanchard (1986) and extended to panel data by Gilchrist and Himmelberg (1995, 1998) enables the Q-theory to be applied to non-quoted firms which are by far the majority in Germany. One of the key variables when using balance sheet data, which has attracted much detailed research, is firms' net capital stock at replacement costs. The challenge is to transform historical cost data, depreciated at non-economic, tax-oriented depreciation rates, into unreported and probably unknown economically meaningful data at actual replacement values. We suggest a complex procedure for calculating reliable replacement values of a firm's capital stock. To calculate Q we follow two different operationalisation strategies. First we estimate average Q based on balance sheet data by forecasting the present value of future profits using a VAR model. Second, we estimate marginal Q following the approach suggested by Gilchrist and Himmelberg. We compare the results from two different estimation techniques for dynamic investment models, GMM and direct bias correction. The results show that marginal as well as average Q influence investment significantly. When classifying the firms by size, we find that smaller firms react more strongly to Q and, to a lesser extent, to lagged investment.Die vorliegende Arbeit untersucht das Investitionsverhalten deutscher Unternehmen im Rahmen der Q-Theorie, die eine der dominierenden Investitionstheorien darstellt. Grundlage der geschätzten Investitionsfunktionen ist die Unternehmensbilanzstatistik der Deutschen Bundesbank. Der Paneldatensatz umfasst über 2300 Unternehmen und den Zeitraum 1988 bis 1998. Die übliche Verwendung von Aktienkursen zur Berechnung des durchschnittlichen Q beschränkt die Anwendung der Q-Theorie auf börsennotierten Unternehmen. Die explizite Modellierung eines Prognosemodells (direct forecasting appraoch, Chirinko (1993)) in Anlehnung an Arbeiten von Abel and Blanchard (1986) und Gilchrist and Himmelberg (1995, 1998) ermöglicht die Anwendung auch für nicht börsennotierte Unternehmen, die in Deutschland eindeutig dominieren. Eine zentrale Größe der Analyse des Investitionsverhaltens auf der Grundlage von Unternehmensbilanzdaten ist der Kapitalstock der Unternehmen zu Wiederbeschaffungskosten anstelle des bilanziellen Nettoanlagevermögens zu historischen Anschaffungskosten. In der Arbeit wird ein komplexer Algorithmus zu einer möglichst exakten Schätzung vorgeschlagen. Zur Berechnung von Q werden zwei unterschiedliche Operationalisierungsstrategien verfolgt. Zum einen wird in Anlehnung an Abel und Blanchard das durchschnittliche Q über eine Schätzung des Marktwertes des Eigenkapitals mittels eines Vektor- Autoregressiven-Modells für Paneldaten ermittelt. Zum anderen wird auf dem Ansatz von Gilchrist and Himmelberg beruhend eine Abschätzung des marginalen Q vorgenommen. Die Ergebnisse der Q-Investitionsfunktionen werden für zwei alternative Schätztechniken, GMM und eine direkte Biaskorrektur, verglichen. Es zeigt sich, dass sowohl das durchschnittliche als auch das marginale Q die Investitionen in signifikantem Ausmaß beeinflussen. Die Analyse für Größenklassen zeigt, dass im wesentlichen kleinere Unternehmen in stärkerem Maße auf Q und in geringerem Maße auf zeitlich verzögerte Investitionen reagieren.