Bei statistischen Vergleichen von Regionen oder Ländern werden gewöhnlich mehrere, gelegentlich (etwa bei den Wettbewerbsfähigkeits-Rankings des IMD und des WEF) sogar mehrere hundert Indikatoren herangezogen. Da die untersuchten Einheiten bei den einzelnen Merkmalsausprägungen unterschiedlich abschneiden, stellt sich regelmäßig das Problem der Aggregation von Einzelergebnissen zu einer Gesamtaussage.
Ein populärer Lösungsansatz besteht in der Konstruktion eines Index auf der Grundlage einer gegebenen Anzahl von Indikatoren. Dies könnte zum Beispiel ein Innovationsindex sein, der mit Hilfe von aussagekräftigen Indikatoren ein adäquates Bild der Innovationsfähigkeit der analysierten Region(en) wiedergibt. Dies ermöglicht insbesondere einen entsprechenden Vergleich der einzelnen Regionen untereinander.
Bevor die verschiedenen Indikatoren in einen Index einfließen können, sind sie aufgrund unterschiedlicher Skalen zu normieren. Hierzu steht eine Reihe von Methoden zur Verfügung, beispielsweise die z-Transformation, bei der von der Merkmalsausprägung einer Region der durchschnittliche Wert abgezogen wird und die Differenz durch die Standardabweichung als Streuungsmaß dividiert wird.
Sodann werden die für eine bestimmte Thematik relevanten Indikatoren häufig zu Indikatorengruppen zusammengefasst. Dabei werden die einzelnen Indikatorengruppen üblicherweise additiv oder multiplikativ miteinander verknüpft, was zu erheblichen Unterschieden in den Ergebnissen führen kann. Bei einer multiplikativen Verknüpfung kann sich beispielsweise ein sehr niedriger Wert bei nur einem einzigen Indikator oder einer Indikatorengruppe insgesamt stark dämpfend auf den Wert des Gesamtindex auswirken.
Besonders sensibel für die Aussagekraft solcher Indizes ist jedoch die Wahl des Gewichtungsvektors. Hier besteht generell das Risiko des „Rank Engineerings“, also der bewusst gesteuerten Festlegung der Gewichte. Unter Verwendung von Methoden der forensischen Statistik lassen sich solche Einflussnahmen nachweisen. Um zu prüfen, ob und inwieweit die Wahl eines spezifischen Gewichtungsvektors das Gesamtergebnis verzerrt, müssen lediglich die Merkmalsausprägungen der Einzelindikatoren und das Gesamtergebnis bekannt sein.
Aufgrund der Anfälligkeit der klassischen Vorgehensweise gegenüber subjektiven Einflussnahmen folgt der Cognion Forschungsverbund bei seinen indexbasierten Benchmarkings einem gänzlich anderen Zugang. Statt exogen (etwa von einem Expertengremium) festgelegte Gewichtungsvektoren heranzuziehen, werden zunächst sogenannte Fairnesskriterien und/oder Optimalitätskriterien definiert und operationalisiert. Darauf aufbauend lässt sich ein Gewichtungsvektor modellendogen algorithmisch ableiten. Dieser Gewichtungsvektor ist jeder Einflussnahme auf seine einzelnen Faktoren (etwa in Kenntnis des Ergebnisses eines ersten Benchmarking-Durchlaufs) entzogen, was zu einer substanziellen Objektivierung des Benchmarking-Prozesses beiträgt. Wiederholungen des Durchlaufes im Hinblick auf möglicherweise unerwartete oder unerwünschte Ergebnisse infolge bestimmter Gewichtungen sind gegenstandlos, da der Gewichtungsvektor jedenfalls unverändert bleibt.
Der Cognion Forschungsverbund wendet diesen objektivierten Benchmarking- oder Ranking-Ansatz für eine breite Palette unterschiedlicher Fragestellungen an, welche von der laufend aktualisierten Analyse der Wettbewerbsfähigkeit von 78 europäischen Regionen als Standort für die industrielle Produktion über die Attraktivität europäischer Metropolregionen als Standort für Headquarter-Funktionen bis zur Objektivierung von Förderprogrammen und Stellenbesetzungsverfahren reicht.