Carsharing: Entwicklung von KI-basierten Pricing-Algorithmen

7 April 2021

Wissenschaftler der UniBw M entwickeln KI-basierte Pricing-Algorithmen zur kundenorientierten und nachhaltigen Nachfrage- und Flottensteuerung für Europas größten Carsharing Anbieter SHARE NOW.

Shared Mobility Systeme wie das Carsharing stellen eine attraktive und weit verbreitete Alternative innerhalb der städtischen Mobilität dar, die es erlaubt, Fahrzeuge spontan für kurze Fahrten zu mieten. Vor allem die sogenannten Free-Floating Shared Mobility Systeme, bei denen Mieten an beliebigen öffentlichen Orten innerhalb eines Geschäftsgebietes begonnen und beendet werden können, erlauben den Kundinnen und Kunden ein hohes Maß an Flexibilität und erfreuen sich großer Beliebtheit. Diese höhere Flexibilität führt allerdings auch verstärkt zu einem Ungleichgewicht in der räumlichen Verteilung zwischen dem Angebot an verfügbaren Fahrzeugen einerseits und der Nachfrage nach Fahrten andererseits. Konkret äußert sich dieses Ungleichgewicht darin, dass in unmittelbarer Laufreichweite eines Kunden oder einer Kundin kein Fahrzeug zur Verfügung steht, obwohl an anderen Orten innerhalb des Geschäftsgebiets Fahrzeuge nicht in Benutzung sind. Daher versuchen Anbieter von Shared Mobility Systemen durch ständige operative Steuerungsmaßnahmen ein entsprechendes Gleichgewicht zwischen Angebot und Nachfrage wiederherzustellen.

Intelligentes Pricing als Steuerungsmechanismus in Shared Mobility Systemen

Hierfür hat sich neben der häufig nachts durchgeführten Überführung von Fahrzeugen von niedrig- zu höherfrequentierten Orten – der sogenannten Relokation – das Pricing als vielversprechende Steuerungsmöglichkeit herausgestellt. Bei diesem nachfrageorientierten Mechanismus beabsichtigt der Shared Mobility Anbieter durch Preisdifferenzierung auf das Kundenanmietverhalten und damit auf das System als Ganzes einzuwirken und dabei gleichzeitig den individuellen Bedürfnissen der Kundschaft bestmöglich Rechnung zu tragen.

So werden eine Großzahl kostspieliger und gleichzeitig umweltbelastender Relokationen vermieden. Damit wird ein profitabler Betrieb des Shared Mobility Systems überhaupt erst ermöglicht und die Servicequalität durch eine höhere lokale Fahrzeugverfügbarkeit gesteigert.

KI-basiertes dynamisches Pricing für SHARE NOW

Im Rahmen eines zweijährigen Kooperationsprojektes mit SHARE NOW entwickelten Prof. Claudius Steinhardt und Matthias Soppert (Professur für Business Analytics & Management Science an der Fakultät für Wirtschafts- und Organisationswissenschaften) gemeinsam mit zwei Wissenschaftlern der Universität Duisburg-Essen verschiedene intelligente Pricing-Ansätze für die effiziente operative Steuerung des Carsharing Systems. SHARE NOW ist Europas größter Carsharing-Anbieter, der im Jahr 2019 aus der Fusion von car2go und Drive Now hervorging und aktuell in 16 Städten und 8 Ländern operiert.

Das Team der Forschenden unterstützte SHARE NOW zunächst bei der weltweiten Umstellung von einem einheitlich geltenden Minutenpreis hin zu einer räumlich und zeitlich differenzierten Preisgestaltung mit teilweise tausenden Preispunkten pro Geschäftsgebiet. Die berechneten Preise basieren dabei auf einem mathematischen Optimierungsmodell, welches das komplexe Zusammenspiel zwischen dem Angebot hunderter Fahrzeuge und der Nachfrage im Geschäftsgebiet berücksichtigt und dabei zukünftige Fahrzeugbewegungen basierend auf historischen Daten prognostiziert. Aufgrund der Komplexität der resultierenden Optimierungsprobleme mussten spezifische Lösungsverfahren entwickelt werden, mit denen – basierend auf Ansätzen des maschinellen Lernens und der Künstlichen Intelligenz (KI) – das Gesamtproblem in mehrere Teilprobleme zerlegt werden kann, ohne das entscheidende Zusammenspiel zwischen Angebot und Nachfrage zu vernachlässigen.

Weiterer Bestandteil des Projektes mit SHARE NOW war die Entwicklung von KI-basierten dynamischen Pricing-Algorithmen, die eine ständige Neuberechnung der Preise in Echtzeit ermöglichen. Zu diesem Zweck analysierten und modellierten die Wissenschaftler auch das Entscheidungsverhalten der Kunden unter Berücksichtigung der jeweils situativ zur Verfügung stehenden Anmietalternativen. Basierend auf einer mit realen Daten kalibrierten Simulation, mit der das Carsharing System detailgetreu nachgebildet wird, lernt der Pricing Algorithmus Vor- und Nachteile von unterschiedlichen Fahrzeugverteilungen mit Hinblick auf das übergeordnete Ziel und nutzt diese Informationen im Rahmen der Preisoptimierung.

Forschungsergebnisse mit breiter Relevanz für On-Demand Dienstleistungen

Die im Rahmen des Projekts entwickelten Pricing-Ansätze wurden in der Folge intensiv weitergehend untersucht und verallgemeinert. Die erzielten Forschungsergebnisse sind nicht nur für das Carsharing von SHARE NOW relevant, sondern liefern wichtige Erkenntnisse für den effizienten Betrieb von Shared Mobility Systemen im Allgemeinen sowie, noch grundlegender, für On-Demand Dienstleistungen mit räumlich verteilter Nachfrage und Ressourcenverfügbarkeit. Die Ergebnisse wurden in einer Reihe von Arbeitspapieren zusammengestellt, die sich zu Großteil bereits im Begutachtungsprozess für die Veröffentlichung in internationalen Fachzeitschriften befinden.

Die Professur für Business Analytics & Management Science befasst sich in der Forschung schwerpunktmäßig mit der Entwicklung und Anwendung von Ansätzen zur Angebots- und Preissteuerung für Dienstleistungen aus dem Bereich Smart Mobility & Logistics, etwa zur urbanen Mobilität, zu Vermietdienstleistungen und zur Auslieferungslogistik auf der letzten Meile. Dabei werden Methoden an der Schnittstelle zwischen mathematischer Optimierung und künstlicher Intelligenz einsetzt.

Weitere Informationen zur Professur finden Sie hier >>

_{Titelbild: Matthias Soppert (li.) und Prof. Claudius Steinhardt (re.) forschen gemeinsam an KI-basierten Pricing-Algorithmen
© Universität der Bundeswehr München/Siebold}