Revenue Management unter Berücksichtigung des Kundenwahlverhaltens

Größe: px
Ab Seite anzeigen:

Download "Revenue Management unter Berücksichtigung des Kundenwahlverhaltens"

Transkript

1 Revenue Management unter Berücksichtigung des Kundenwahlverhaltens Prof. Dr. Alf Kimms und Dipl.-Wirt.-Inf. Michael Müller-Bungart, Freiberg Das Konzept des Revenue Managements ist für solche Unternehmen relevant, die ihren Kunden ein differenziertes Preis- und Leistungsangebot unterbreiten. Angesichts eines kurzfristig unflexiblen Ressourcenangebots hat das Unternehmen dabei insbesondere zu definieren, zu welchen Zeitpunkten welche Leistungen zu welchen Preisen verfügbar gemacht werden sollen (sog. Kapazitätssteuerung). Der vorliegende Beitrag verdeutlicht, in welcher Weise das Wahlverhalten der Kunden für diese Entscheidung relevant ist, und zeigt, wie die Auswahlmöglichkeit in Entscheidungsmodellen abgebildet werden kann. Prof. Dr. Alf Kimms ist Inhaber des Lehrstuhls für Allgemeine Betriebswirtschaftslehre, Industriebetriebslehre, Produktionswirtschaft und Logistik an der TU Bergakademie Freiberg. Bevorzugte Forschungsgebiete: Revenue Management, Produktionsplanung, Projektplanung, Materialwirtschaft und Logistik. Dipl.-Wirt.-Inf. Michael Müller-Bungart ist Wissenschaftlicher Mitarbeiter am Lehrstuhl für Industriebetriebslehre der TU Bergakademie Freiberg. Bevorzugte Forschungsgebiete: Revenue Management und ganzzahlige lineare Optimierung. 1. Grundlagen des Revenue Managements Revenue Management (RM) ist ein Konzept, das ursprünglich für die Passagierluftfahrt erdacht wurde. Das folgende Anwendungsbeispiel aus dieser Branche skizziert das Problemfeld: Die Deutsche Lufthansa AG bietet Flüge von Dresden nach Frankfurt am Main an. Ein Economy-Ticket auf dieser Strecke kostet heutzutage im Reisebüro regelmäßig über 400 Euro. Derselbe Sitzplatz im selben Flugzeug ist im WWW jedoch auch für ca. 100 Euro erhältlich. Restriktionen wie beispielsweise Vorausbuchungsfristen stellen sicher, dass bestimmte Kundengruppen mit hoher Preisbereitschaft (z. B. Geschäftsreisende) das hochpreisige Ticket erwerben. Die Preisdifferenzierung ermöglicht der Airline die Abschöpfung von Konsumentenrenten. Durch die darüber hinausgehende Leistungsdifferenzierung kann ein breiteres Nachfragespektrum erschlossen und die Auslastung der bereitgestellten Kapazität erhöht werden. Allerdings ist nunmehr für jeden Kundenauftrag (mit einem bestimmten Preis) zu entscheiden, ob er angenommen (und damit knappe Ressourcenkapazität belegt) oder ob die Kapazität für hochwertige Aufträge frei gehalten werden soll. Im ersteren Fall besteht das Risiko, einen später eintreffenden, höherwertigen Auftrag mangels der Verfügbarkeit von Ressourcen ablehnen zu müssen (sog. Umsatzverdrängung). Im zweiten Fall könnte ein Umsatzverlust eintreten, wenn solche höherwertigen Anfragen ausbleiben. Die skizzierte Vorgehensweise ist auch unter dem Namen Yield Management bekannt. In der Passageluftfahrt bedeutet Yield jedoch durchschnittlicher Erlös je Passagier und geflogener Meile. Ein maximaler Yield in diesem Sinne wird jedoch bereits durch einen einzigen Vollzahler erreicht. Daher ist Yield Management in Forschung und Praxis durch den präziseren Begriff Revenue Management abgelöst worden. Die Berücksichtigung der verschiedenen Wertigkeit der Ressourcennachfrage angesichts der Kapazitätsrestriktionen einerseits und der Unsicherheit der zukünftigen Nachfrage andererseits ist Gegenstand der Kapazitätssteuerung. Mit diesem Teilproblem des RM setzt sich der vorliegende Beitrag im Detail auseinander. Für einen umfassenden Überblick über das Problemfeld sei auf Kimms/ Klein (2005) verwiesen. Für die Kapazitätssteuerung sind drei Aspekte relevant: Der unsichere zeitliche Verlauf und die unsichere Wertigkeit der Nachfrage sowie die Reaktion des Kunden, wenn das von ihm nachgefragte Produkt (definiert als Kombination von Leistung und Preis) nicht verfügbar ist. Der unsichere zeitliche Verlauf der Nachfrage wird in der Regel durch einen oder mehrere Zufallsprozesse abgebildet, z. B. einen nicht-homogenen Poisson-Prozess (vgl. Kimms/Müller-Bungart, 2006, für einen Überblick und eine Diskussion). Die Wertigkeit von Aufträgen folgt einer bestimmten (diskreten oder stetigen) Wahrscheinlichkeitsverteilung. Die Reaktion des Kunden, wenn das von ihm nachgefragte Produkt nicht verfügbar ist, lässt sich grundsätzlich auf zwei Arten abbilden: durch das sog. Independent Demand Modell einerseits oder Choice Based Revenue Management andererseits. Bei Independent Demand Modellen (ID-Modellen) geht man davon aus, dass der Kunde ausschließlich an dem von ihm unmittelbar nachgefragten Produkt interessiert ist. Ist dieses Produkt nicht verfügbar, bleibt somit als einzig mögliche Reaktion des Kunden das Verlassen des Marktes (sog. Exit oder Lost Sale). Dies bedeutet insbesondere, dass der Kunde keine vergleichbaren Leistungen (zu evtl. anderen Preisen) als Ersatz wählt. Die Annahmen des in der Literatur weit verbreiteten ID-Modells sind in vielen praktischen Anwendungen nicht erfüllt: ) Der Kunde könnte ein teureres Produkt des betrachteten Unternehmens erwerben (z. B. ein Ticket für 400 statt 434 WiSt Heft 8 August 2006

2 Kimms/Müller-Bungart, Revenue Management und Kundenwahlverhalten für 100 Euro). Dies wird als Vertical Shift (vgl. Belobaba, 1987, 1989), als Upgrade (vgl. Brumelle/McGill/ Oum/Sawaki/Tretheway, 1990), als Diversion (vgl. Belobaba/Weatherford, 1996; Zhao/Zheng, 2001) oder als BuyUp(vgl.Andersson, 1998) bezeichnet. ) Der Kunde könnte zum gleichen Preis eine Leistung aus dem Angebot der betrachteten Unternehmung kaufen, die er als Substitut ansieht. Sind beispielsweise keine billigen Tickets für einen Flug am Vormittag verfügbar, könnte der Fluggast auf den Nachmittag oder den Folgetag ausweichen. Dies wird als Horizontal Shift (vgl. Belobaba, 1987, 1989) oder als Recapture (vgl. Andersson, 1998) bezeichnet. ) Der Kunde könnte ein Produkt eines Wettbewerbers (z. B. einen British Airways- statt eines Lufthansa- Flugs) nachfragen. Dies wird als Deviation (vgl. Andersson, 1998) oder als Overflow (vgl. Netessine/ Shumsky. 2005) bezeichnet. ) Der Kunde könnte ein Substitutionsprodukt im weiteren Sinne in Betracht ziehen (z. B. eine Bahn- statt einer Flugreise). ) Neben diesen Alternativen bleibt die Unterlassungsalternative (Exit) weiterhin denkbar. Um eine Abbildung dieser Effekte bemüht sich das Choice Based Revenue Management. Bisher herrscht in der Operations Research-Literatur das ID-Modell vor. Nur wenige Autoren befassen sich mit dem Auswahlverhalten der Kunden. Dies ist vor allem auf folgende wesentliche Eigenschaft des ID-Modells zurückzuführen: Die Wertigkeit der Nachfrage ist von Kapazitätssteuerungsmaßnahmen unabhängig dadurch wird die Entwicklung von Methoden zur Kapazitätssteuerung erheblich vereinfacht. Im Gegensatz zum ID-Modell sind im Choice Based RM die Wertigkeit der Nachfrage und Kapazitätssteuerungsmaßnahmen interdependent: Wird beispielsweise ein billiges Produkt nicht länger angeboten, so kann dies Buy Ups zu höherwertigen Produkten forcieren. Im folgenden Abschnitt wird gezeigt, wie solche Kundenreaktionen durch explizite Berücksichtigung des Kundenwahlverhaltens in RM-Modelle integriert werden kann. 2. Möglichkeiten der Modellierung des Wahlverhaltens 2.1. Stand der Literatur Ältere Quellen betrachten Airline-RM-Probleme mit nur einem einzigen Non Stop-Flug (sog. Single Leg-Modelle) und berücksichtigen ausschließlich Buy Ups, so zum Beispiel Belobaba (1987, 1989), Brumelle/McGill/Oum/Sawaki/Tretheway (1990), Belobaba/Weatherford (1996) und Zhao/Zheng (2001). Andersson (1998) betrachtet ein ganzes Netzwerk von Flügen und berücksichtigt nicht nur Buy Ups, sondern auch Recaptures. In jüngerer Zeit wird jedoch eine umfassendere Abbildung des Wahlverhaltens des Kunden angestrebt: Es wird unterstellt, dass der Kunde zunächst die Menge der verfügbaren Produktalternativen wahrnimmt und dann seine Auswahl trifft. Diese Auswahl wird sich aus Sicht eines externen Beobachters in der Regel als stochastischer Prozess darstellen, so dass die vom Kunden getroffene Wahl als Auswahlwahrscheinlichkeit abgebildet wird. Die Wahrscheinlichkeitsverteilung hängt dabei von der Menge angebotener Produkte ab. Unter diesen Annahmen lässt sich das Wahlverhalten wie folgt abbilden: N={1,..., n} sei die Menge aller Produkte. 0 =P(j, S) = 1 bezeichnet die Wahrscheinlichkeit, dass ein Kunde Produkt j N wählt, wenn S N die Menge der Produkte ist, die angeboten wird. Sinnvollerweise ist j S P(j, S) =0zufordern. Für alle S N muss gelten: 7 j S P(j, S) e 1. Dann bezeichnet 1 7 j S P(j, S) die Wahrscheinlichkeit für ein Verlassen des Marktes (Exit). Die Wahrscheinlichkeiten P(j, S) sind in aller Regel durch ein sog. Wahlmodell gegeben, d. h. durch eine Funktion P(j, S) = f(j, S) definiert. Einen Überblick über solche Wahlmodelle bieten beispielsweise Ben-Akiva/Lerman (1985), Maier/Weiss (1990) und Ortúzar/Willumsen (1994). Es sei darauf hingewiesen, dass das ID-Modell einen Spezialfall der angegebenen Repräsentation des Kundenwahlverhaltens bildet: Dazu sind die P(j, S) sozuwählen,dass die Wahrscheinlichkeit der Wahl von Produkt j von der Angebotspolitik S unabhängig ist, d. h. es muss für alle S 1, S 2 N und alle j S 1 S 2 gelten: P(j, S 1 )=P(j, S 2 ). Im folgenden Abschnitt wird in Anlehnung an Talluri/van Ryzin (2004) gezeigt, wie sich mit Hilfe der Modellierung des Kundenwahlverhaltens in Form der Wahrscheinlichkeiten P(j, S) ein Single Leg-RM-Problem darstellen lässt. Im Anschluss wird das Modell dahin gehend erweitert, dass mehrere Ressourcen (wie ein Netzwerk von Flügen) Berücksichtigung finden Das Single Leg-Modell von Talluri/van Ryzin Das Single Leg-Modell von Talluri/van Ryzin (2004) besteht aus einer sog. Wertfunktion, welche die Abhängigkeit zwischen der zu maximierenden Größe (hier: der erwartete Erlös) und den zu treffenden Entscheidungen (hier: die Angebotspolitik S) beschreibt. Im Folgenden wird diese Wertfunktion zunächst erläutert. Danach werden einige bemerkenswerte Eigenschaften optimaler Angebotspolitiken aufgezeigt. Schließlich wird anhand eines bewusst einfach gehaltenen Beispiels gezeigt, wie sich eine optimale Politik konkret ermitteln lässt. ) Die Wertfunktion Talluri/van Ryzin (2004) betrachten ein Airline-RM-Problem mit nur einem Non Stop-Flug. Die Zahl der identischen Sitzplätze des betrachteten Flugzeugs sei mit C bezeichnet. Es wird angenommen, dass Reservierungen nicht wieder storniert werden und dass alle Passagiere zum Abflug erscheinen (d. h. sog. No Shows sind ausgeschlossen). Der Planungshorizont sei in T Perioden eingeteilt. Diese Perioden seien so klein (äquivalent: die Zahl T sei so WiSt Heft 8 August

3 Wissenschaftliche Beiträge groß), dass pro Periode maximal eine Anfrage eintrifft (d. h. genau eine oder keine). Dies stellt keine kritische Anforderung dar (vgl. dazu die Ausführungen von Subramaniam/Stidham/Lautenbacher, 1999). Jede Anfrage bezieht sich auf genau einen Sitzplatz. Die Perioden werden rückwärts gezählt, d. h. T ist der Beginn des Planungshorizonts und t=0bezeichnet den Zeitpunkt, zu dem das Flugzeug startet. 0 e 1 bezeichne die Wahrscheinlichkeit einer Anfrage in einer Periode. r(j) 8 0 bezeichne den Erlös (Preis) von Produkt j.wieobensei P(j, S) diewahrscheinlichkeit dafür, dass sich eine eintreffende Anfrage auf Produkt j bezieht, wenn S die Menge der angebotenen Produkte ist. Die Wahrscheinlichkeit, trotz einer Anfrage nichts zu verkaufen, ist: P(0,S) = 1 7 j S P(j,S) (1) Talluri/van Ryzin (2004) gehen davon aus, dass alle Wahrscheinlichkeiten von der Periode t unabhängig sind. Eine Erweiterung des Modells um zeitabhängige Wahrscheinlichkeiten (t) bzw.p(j, S, t), t=0,..., Tist jedoch problemlos möglich. Zusammengenommen beschreiben die Wahrscheinlichkeiten für eine beliebige Periode t=0,..., T also folgendes: P(j, S) = Wahrscheinlichkeit eines Verkaufs von j S in t (2) P(0, S)+(1 ) = Wahrscheinlichkeit keines Verkaufs in t (3) Die Gleichung (3) fasst dabei die Ereignisse Anfrage, aber kein Verkauf (erster Summand) und keine Anfrage (zweiter Summand) zusammen. Ziel der Kapazitätssteuerung soll es sein, den erwarteten Erlös zu maximieren. Im Folgenden wird ein Modell angeben, das sowohl die Dynamik als auch die Unsicherheit der Umwelt systematisch berücksichtigt. Die oben genannten Annahmen ermöglichen es, die Zielsetzung wie folgt in einer rekursiven Wertfunktion zu fassen, die mit Dynamischer Programmierung berechnet werden kann: Trifft eine Anfrage in Periode t ein, so kann diese angenommen oder abgelehnt werden. Bei Annahme wird sofort ein Erlös erzielt. Allerdings schränkt diese Entscheidung die Handlungsmöglichkeiten in der Zukunft ein, weil mit der Annahme der Anfrage eine Einheit der knappen Kapazität unwiederbringlich verzehrt wird. Formaler ausgedrückt heißt das: Erwarteter Erlös ab Periode t = Unmittelbarer Erlös (bei Verkauf) in t + Erwarteter Erlös ab Periode t 1 Es soll der erwartete Erlös maximiert werden. Dies lässt sich wie folgt vollständig formal notieren: Sei V(t, c) der maximale erwartete Erlös ab Periode t=0,..., T, wenn noch c=0,..., C Einheiten der Ressource zur Verfügung stehen. Es gelten die sog. Randbedingungen: V(0, c)=0fürallec=0,..., C (4) V(t,0)=0fürallet=0,..., T (5) wenn keine Zeit und/oder keine Kapazität mehr zur Verfügung stehen, ist der erwartete Erlös gleich null. Falls c 8 0undt 8 0, so gilt die folgende Bellman sche Funktionalgleichung: V(t,c) =max [ P(0,S) + (1 )]V(t 1,c) + 7 P(j,S)[r (j) +V(t 1,c 1)] (6) =V(t 1,c) +max 7 P(j,S)[r (j) +V(t 1,c 1) V(t 1,c)] Wie oben angedeutet, lässt sich der maximale erwartete Erlös mit time-to-go t und capacity-to-go c zusammen aus: ) dem Erlös V(t 1, c), wenn nichts verkauft wird. Dies passiert, wenn kein Kunde eintrifft oder ein eintreffender Kunde nicht kauft (Wahrscheinlichkeiten: 1 bzw. P(0, S)). ) dem unmittelbaren Erlös r(j), plus V(t 1,c 1),dem maximalen erwarteten Erlös in der Zukunft, wenn das Produkt j verkauft (und somit Kapazität verzehrt) wurde. Der Kauf von Produkt j tritt dabei mit Wahrscheinlichkeit P(j, S)ein. Die Summe dieser beiden voneinander abhängigen Komponenten ist durch die Wahl einer Angebotspolitik S N zu maximieren. ) Eigenschaften optimaler Politiken Die folgenden Definitionen sind nützlich, um die Wertfunktion etwas detaillierter zu charakterisieren: 2 V(t, c)=v(t, c) V(t, c 1) (7) m(j, t, c)=r(j) 2 V(t, c) (8) Die Gleichung (7) beschreibt die Grenzkosten einer Kapazitätseinheit zum Zeitpunkt t bei Restkapazität c. m(j, t, c) ist dann die Marge von Produkt j zum Zeitpunkt t bei Restkapazität c. Setzt man (7) bzw. (8) in die Bellman sche Funktionalgleichung (6) ein, so erhält man: V(t,c) =V(t 1,c) +max =V(t 1,c) +max 7 P(j,S)[r(j) 2 V(t 1,c)] 7 P(j,S)m(j,t,c) (9) Die mittels (7) und (8) definierten Begriffe lassen sich verwenden, um einige Eigenschaften optimaler Angebotspolitiken zu demonstrieren, die auf den ersten Blick nicht einsichtig sind: ) Es kann sein, dass Nachfrage für ein Produkt j zurückgewiesen wird (d. h. j S), obwohl die Marge m(j, t, c) 8 0 ist. Dies ist dann der Fall, wenn die Nicht-Verfügbarkeit von Produkt j genügend Kunden zu einem Buy Up zu Produkt i mit einer noch höheren Marge m(i, t, c) 8 m(j, t, c) anregt. Ein Zahlenbeispiel für diesen Fall findet sich weiter unten. 436 WiSt Heft 8 August 2006

4 7 Kimms/Müller-Bungart, Revenue Management und Kundenwahlverhalten ) Sind die Produkte i, j Substitute, und gilt r(j) r(i), so werden selbst Kunden mit hoher Preisbereitschaft (die Produkt i kaufen, wenn j nicht verfügbar ist) das Produkt j erwerben. Falls i und j angeboten werden, gehen also Erlöse durch die sog. Buy Downs der Kunden mit hoher Preisbereitschaft verloren. Wird aus diesem Grund nur das Produkt i angeboten, verschwindet allerdings die Nachfrage von Kunden mit niedriger Preisbereitschaft. Ist der Anteil solcher Kunden groß genug, kann es günstiger sein, Produkt j anzubieten und die Buy Downs der Kunden mit hoher Preisbereitschaft in Kauf zu nehmen. Somit kann es optimal sein, Nachfrage für ein Produkt mit hoher Marge zurückzuweisen, obwohl ein Produkt mit niedrigerer Marge verfügbar ist. ) Schließlich kann es optimal sein, ein Produkt j mit negativer Marge (m(j, t, c) 0) anzubieten. Dies kann dann der Fall sein, wenn die Aufnahme von j in S genügend zusätzliche Nachfrage nach einem weiteren Produkt i mit positiver Marge stimuliert. Diese Situation kann z. B. dann eintreten, wenn das Produkt i eine sinnvolle oder notwendige Ergänzung des Produkts j ist, aber beide Produkte trotzdem nur isoliert gekauft werden können. Wird in dieser Situation i und j angeboten, so entsteht zwar ein Verlust, wenn das Produkt j (mit negativer Marge) abgesetzt wird. Andererseits fragen annahmegemäß alle Kunden, die an Produkt j interessiert sind, auch Produkt i (mit positiver Marge) nach. Ist die so zusätzlich generierte Nachfrage nach Produkt i groß genug, kann der resultierende Zusatzerlös die Erlösminderung durch den Verkauf von j überkompensieren. Man beachte, dass alle diese Punkte nicht zutreffend sind, wenn ein ID-Modell unterstellt wird. Dann ist es optimal, alle Produkte anzubieten, deren Marge positiv ist (und nur diese). ) Lösungsmethode Die Wertfunktion (6) bzw. (9) stellt ein Modell des vorliegenden Optimierungsproblems dar. Es stellt sich nunmehr die Frage nach einer Methode zur optimalen Lösung des Problems. Zunächst wird man sicherlich wissen wollen, welche Produkte man zu Beginn des Planungshorizonts (d. h. zum Zeitpunkt T bei Restkapazität C) anbieten soll. Zur Beantwortung dieser Frage können (6) bzw. (9) benutzt werden, um V(T, C) zu berechnen. Zur Berechnung von V(T, C) ist aber Kenntnis der Werte von V(T 1,C) und V(T 1,C 1) notwendig. Zur Berechnung dieser Werte werden wiederum V(T 2,C), V(T 2, C 1) und V(T 2,C 2) benötigt usw. Die Notwendigkeit dieser Rückschritte ist in der rekursiven Definition der Wertfunktion begründet. Die Rekursion endet dabei mit den Randbedingungen (4) und (5). Die Werte V(t,0)=V(0, c) = 0 sind zu Beginn die einzigen bekannten. Damit lässt sich V(t, 1), t =1,...,T berechnen, dann die Werte V(t,2),t = 1,..., T usw. So erhält man sukzessive alle Werte von V(t, c). Zur Illustration sei V(1, 1) heraus gegriffen: V(1,1)=V(0,1)+max 7 P(j,S)[r(j) +V(0,0) V(0,1)] =max 7 P(j,S)r (j) (10) Da die Wahrscheinlichkeit P(j, S)vonS abhängt, lässt sich nicht auf Anhieb sagen, welche Menge S die Summe P(j,S)r(j) maximiert. Man beachte dabei, dass das Angebot einer größeren Menge an Produkten nicht notwendigerweise zu höheren erwarteten Erlösen führt. Dies soll durch das folgende, bewusst einfach gehaltene Ein-Perioden-Beispiel verdeutlicht werden: Betrachtet werden n=2produkte mit den Erlösen r(1) = 400 und r(2) =100. Die Auswahlwahrscheinlichkeiten seien: P(1, {1}) = 0,3 P(2, {2}) = 0,5 P(1, {1,2}) = 0,1 P(2, {1,2}) = 0,5 Diese Daten sind angelehnt an das einleitende Beispiel des Flugs von Dresden nach Frankfurt am Main, der regulär für ca. 400 Euro und im WWW für ca. 100 Euro angeboten wird. Die angegebenen Wahrscheinlichkeiten lassen sich wie folgt interpretieren: ) 10 % aller Passagiere interessieren sich ausschließlich für Ticket 1, daher ist P(1, {1,2}) = 0,1. Dies sind Passagiere, die das billige Ticket nicht erwerben wollen oder können. Beispielsweise könnte es für das billige Ticket erforderlich sein, mindestens vier Wochen im Voraus zu buchen diese Restriktion ist von Geschäftsleuten häufig nicht zu erfüllen. ) 20 % aller Passagiere sind grundsätzlich bereit, das hochpreisige Ticket zu bezahlen, aber auch in der Lage, die Restriktionen, die für das billige Ticket gelten, zu erfüllen. Daher setzt sich P(1, {1}) zusammen aus diesen Passagieren und dem unter 1. genannten Anteil der Passagiere, die sowieso Ticket 1 erwerben, d. h. P(1, {1}) = P(1, {1,2}) + 0,2 = 0,3. ) 30 % aller Passagiere sind ausschließlich bereit, den niedrigeren Preis zu bezahlen. Falls also ausschließlich Ticket2 angeboten wird, wird diese Gruppe und die unter 2. genannte Gruppe von Passagieren kaufen, d. h. P(2, {2}) = 0,3 + 0,2 = 0,5. Werden beide Preisstufen angeboten, ergibt sich also P(2, {1,2}) = 0,5. In diesem Szenario sind vier Angebotspolitiken möglich. Es sei = 1, d. h. eine Anfrage in der letzten Periode t=1 ist sicher. Tab. 1 zeigt die vier möglichen Politiken und ihre erwarteten Erlöse. In diesem Fall ist also S = {1} optimal. Beim Angebot einer größeren Menge an Produkten (d. h. bei der Politik {1,2}, bei der zusätzlich das billige Produkt angeboten wird) findet zwar mit höherer Wahrscheinlichkeit ein Ver- WiSt Heft 8 August

5 & Wissenschaftliche Beiträge Politik S Erwarteter Erlös 0 {1} P(1, {1}) r(1) = 1 0,3 400 = 120 {2} P(2, {2}) r(2) = 1 0,5 100 = 50 {1,2} P(1, {1,2}) r(1) + P(2, {1,2}) r(2) = 1 0, ,5 100 = = 90 Tab. 1: Mögliche Politiken und ihre Erlöse kauf statt, aber dieser positive Effekt wird durch Buy Downs von Passagieren mit hoher Preisbereitschaft zum billigen Produkt überkompensiert, so dass der erwartete Erlös letztlich um 30 Euro niedriger ist. Die optimale Politik besitzt hier also eine der ungewöhnlichen Eigenschaften, die eben angesprochen wurden: Produkt 2 hat eine positive Marge, wird aber trotzdem nicht angeboten, da so genügend Buy Ups zu Produkt 1 (mit noch höherer Marge) forciert werden. Allgemein kann man zeigen, dass es in (10) bzw. (6) zum Auffinden des Maximierers S keine bessere Möglichkeit als die hier gezeigte vollständige Enumeration (d.h.systematisches Ausprobieren aller Teilmengen S N) gibt. Unglücklicherweise gibt es jedoch 2 n Teilmengen von N= {1,..., n}, so dass der Berechnungsaufwand exponentiell mit der Anzahl der Produkte n ansteigt. Talluri/van Ryzin (2004) gehen dieses Problem wie folgt an: ) Nicht jede beliebige Menge S kann ein Maximierer in (6) sein, dafür kommen nur sog. effiziente Mengen in Betracht, die bestimmte Eigenschaften erfüllen müssen. Sei m=2 n die Anzahl der effizienten Mengen, d. h. die effizienten Mengen sind S(1),..., S(m). ) Die Zusammenstellung der Familie S(1),..., S(m) aller effizienten Mengen erfordert allgemein immer noch exponentiellen Aufwand. Allerdings zeigen Talluri/van Ryzin (2004) für drei spezielle Modelle des Kundenwahlverhaltens (d. h. für bestimmte Funktionen f mit P(j, S) = f(j, S)), dass die effizienten Mengen eine extrem einfache Struktur besitzen, so dass die S(1),..., S(m) ohne größeren Rechenaufwand ermittelt werden können. Bei diesen Modellen des Kundenwahlverhaltens handelt es sich um (1) das ID-Modell, (2) ein Wahl-Modell, bei dem alle Kunden stets das billigste Ticket kaufen, sowie (3) das sog. Multinomial Logit- Modell. ) Es gibt eine Sortierung der effizienten Mengen S(1),..., S(m), so dass eine optimale Politik folgende Monotonieeigenschaft besitzt: Sei k {1,..., m} derindexder optimalen Angebotspolitik für einen gegebenen Zeitpunkt t und eine gegebene Kapazität c (d. h. S(k) ist die Angebotspolitik, die V(t, c) maximiert). Dann gilt: Wenn c größer wird, wird k kleiner (bei festem t). Wenn t größer wird, wird k größer (bei festem c). Für die drei angegebenen Wahlmodelle ist aufgrund dieser monotonen Struktur einer optimalen Angebotspolitik kein exponentieller Rechenaufwand erforderlich, das Problem lässt sich im Gegenteil sehr leicht lösen Vom Single Leg-Modell zum Netzwerkmodell Das Entscheidungsproblem soll nun auf ein ganzes Netzwerk von Flügen ausgedehnt werden. Dieses Netzwerk wird wie folgt abgebildet: Insgesamt gibt es in dem Netzwerk m Non Stop-Flüge. Die gegebene Zahl der Sitzplätze auf dem Flug k sei C k, k=1,..., m. Die noch verfügbare Kapazität wird dann durch einen m-stelligen Vektor c= (c 1,...,c m ) ausgedrückt. Ferner muss abgebildet werden, dass der Kapazitätsverbrauch der Produkte nunmehr verschieden sein kann (im oben diskutierten Single Leg-Fall ohne Gruppenbuchungen war der Kapazitätsverbrauch jedes Produkts konstant 1). Den Kapazitätsverbrauch von Produkt i N wird daher in einem m-stelligen Vektor a(i) =(a i1,..., a im )erfasst. Dabei ist a ik die Anzahl der Sitzplätze, die Produkt i auf dem k-ten Non Stop-Flug benötigt. Ein Beispiel mit m = 5 Non Stop-Flügen: Sei a(i)=(0,1,1,0,1).dies bedeutet, dass Produkt i den ersten und vierten Non Stop-Flug gar nicht benutzt. Auf dem zweiten, dritten und fünften Non Stop-Flug wird jeweils ein Sitzplatz benötigt. Man beachte, dass auf diese Weise auch sehr leicht Gruppenbuchungen berücksichtigt werden können. Soll etwa die Buchung einer vierköpfigen Familie betrachtet werden, so ist der Kapazitätsverbrauchsvektor wie folgt: (0, 4, 4, 0, 4). Mit derselben Vorgehensweise ist es möglich, das folgende Modell auf RM-Probleme anzuwenden, die nicht aus der Passageluftfahrt stammen. Wird beispielsweise ein Industriebetrieb mit m = 5 Maschinen betrachtet, so repräsentiert c die zur Verfügung stehende Kapazität der Maschinen in der Planungsperiode (etwa gemessen in Stunden). Der Vektor a(i) gibt dann die zeitliche Beanspruchung der Maschinen durch das Produkt i an. Zum Beispiel bedeutet a(i) = (0,5; 2; 1,5; 0; 0), dass Produkt i die ersten drei Maschinen eine halbe, zwei bzw. eineinhalb Stunden beansprucht und die vierte und fünfte Maschine nicht benötigt. Als Konsequenz der unterschiedlichen Kapazitätsbeanspruchung verschiedener Produkte ist es nicht mehr so leicht zu bestimmen, wann die Kapazität noch ausreicht, um weitere Produkte abzusetzen im vorher diskutierten Single Leg-Problem war das immer dann der Fall, wenn c 1 war. Hier sei dazu die Menge N(c) N der Produkte definiert, die bei einer verfügbaren Restkapazität von c= (c 1,...,c m ) noch angeboten werden können: N(c)={j N a(i)=c} & Analog zu (6) ist der maximale erwarteten Erlös V(t, c) ab Periode t 1 bei Restkapazität c=(c 1,..., c m ) gegeben durch: 438 WiSt Heft 8 August 2006

6 Kimms/Müller-Bungart, Revenue Management und Kundenwahlverhalten V(t,c) =V(t 1,c) +max (c) 7 S P(j,S)[r(j) j (11) +V(t 1,c a (j)) V(t 1,c)] Aufgrund der Verwendung von N(c) genügt hier V(0, c) = 0 als Randbedingung. Mit (11) vergleichbare Ansätze geben Gallego/Iyengar/ Phillips/Dubey (2004) und van Ryzin/Liu (2004) an. Es sei angemerkt, dass im Gegensatz zum Single Leg-Fall selbst für spezielle Modelle des Kundenwahlverhaltens (d. h. für spezielle Wahl der P(j, S)) keine effiziente Methode zur optimalen Lösung des Problems bekannt ist. Dies ist vor allem dadurch zu begründen, dass optimale Politiken für das Netzwerkproblem keine Monotonieeigenschaften besitzen wie im Single Leg-Fall. 3. Fazit und Ausblick Die Kapazitätssteuerung ist ein Kernproblem des Revenue Managements auf taktisch-operativer Ebene. Das Wahlverhalten der Kunden ist in diesem Zusammenhang von hoher Relevanz. In diesem Beitrag wurde dargestellt, wie sich dieses Wahlverhalten umfassend in einem Optimierungsmodell zur Kapazitätssteuerung berücksichtigen lässt. Dabei wurden sowohl Single Leg-RM-Probleme als auch allgemeinere Problemstellungen mit mehreren Ressourcen und heterogenem Kapazitätsverzehr durch die angebotenen Produkte diskutiert. Das vorliegende Entscheidungsproblem ist durch die angegebenen formalen Modelle präzise beschrieben. Die Modelle in diesem Beitrag lassen sich prinzipiell mit Dynamischer Programmierung lösen. Für Probleme von praxisrelevanter Größenordnung ist der Nutzen dieser Methode jedoch begrenzt, da der notwendige Zeitaufwand exponentiell mit der Problemgröße (gemessen durch die Anzahl der Produkte und die Anzahl der Ressourcen) wächst. Ähnlich problematisch ist der Speicherplatzbedarf, da für eine praktische Anwendung der Methode eine Tabelle der Wertfunktion V(t, c) für alle Werte von t und c gespeichert werden muss. Für ein RM-Problem mit 10 Ressourcen, die eine Kapazität von jeweils 100 Einheiten besitzen, gibt es bereits =10 20 verschiedene Kapazitätsvektoren c. Benötigt die Speicherung eines V(t, c)-werts auf der Festplatte eines Computers vier Byte, wären selbst bei Vernachlässigung der Zahl der PeriodenT zur Speicherung einer Tabelle der V(t, c) ca.3, Gigabyte erforderlich. Somit ist die Entwicklung von heuristischen Verfahren geboten, die das Entscheidungsproblem nicht optimal, aber in akzeptabler Zeit und mit praktikablem Speicherplatzbedarf lösen. Ferner wurde in diesem Beitrag zur Vereinfachung der Darstellung bewusst von bestimmten Praxiskonzepten abstrahiert, welche die Entwicklung von Methoden zur Kapazitätsteuerung erheblich erschweren, beispielsweise Code Sharing. In diesem Rahmen auftretende Kapazitätsteuerungsprobleme können mit den präsentierten Methoden gelöst werden, wenn die Kapazität des Flugzeugs C vor Buchungsbeginn fest zwischen den Partnern aufgeteilt wird. Andernfalls müssen erheblich komplexere Modelle formuliert werden, welche die Besonderheiten des gemeinsamen Kapazitätszugriffs adäquat abbilden. Literatur Andersson, S.-E., Passenger Choice Analysis for Seat Capacity Control: A Pilot Project in Scandinavian Airlines, in: International Transactions in Operational Research, Vol. 5 (1998), S Belobaba, P. P., Air Travel Demand and Airline Seat Inventory Management, Dissertation, Flight Transportation Laboratory, Massachusetts Institute of Technology, Cambridge, MA, Belobaba, P., L., Weatherford: Comparing Decision Rules That Incorporate Customer Diversion in Perishable Asset Management Situations, in: Decision Sciences, Vol. 27 (1996), S Belobaba, P. P., Application of a probabilistic decision model to airline seat inventory control, in: Operations Research, Vol. 37 (1989), S Ben-Akiva, M. E., S. R. Lerman, Discrete Choice Analysis: Theory and Application to Travel Demand, Cambridge Brumelle, S. L, J. I. McGill, T. H. Oum, K. Sawaki, M. W. Tretheway, Allocation of Airline Seats between Stochastically Dependent Demands, in: Transportation Science, Vol. 24 (1990), S Gallego, G., G. Iyengar, R. Phillips, A. Dubey, Managing Flexible Products on a Network, Arbeitspapier, URL: 10 6_Gallego_Paper2.pdf. Kimms, A., R. Klein, Revenue Management im Branchenvergleich, in: Zeitschrift für Betriebswirtschaft, Ergänzungsheft 1 Revenue Management, 2005, S Kimms, A., M. Müller-Bungart, Simulation of Stochastic Demand Data Streams for Network Revenue Management Problems, erscheint in: OR Spectrum, Maier,G.,P.Weiss, Modelle diskreter Entscheidungen. Theorie und Anwendung in den Sozial- und Wirtschaftswissenschaften, Wien, New York 1990 Netessine, S., R. Shumsky, Revenue Management Games. Horizontal and Vertical Competition, in: Management Science, Vol. 51 (2005), S Ortúzar, J., L. G. Willumsen, Modelling Transport, 2. Aufl., Chichester 1994 Subramanian, J., S. J. Stidham, C. J. Lautenbacher, Airline Yield Management with Overbooking, Cancellations, and No-Shows, in: Transportation Science, Vol. 33 (1999), S van Ryzin, G., Q. Liu, On the Choice-Based Linear Programming Model for Network Revenue Management, Arbeitspapier, Columbia Business School, New York Talluri, K., G. van Ryzin, Revenue Management under a general discrete choice model of consumer behavior, in: Management Science, Vol. 50 (2004), S Zhao,Wen,Y.-S.Zheng, A Dynamic Model for Airline Seat Allocation with Passenger Diversion and No-Shows, in: Transportation Science, Vol. 35 (2001), S WiSt Heft 8 August

Ein Flugticket ein Preis?

Ein Flugticket ein Preis? Ein Flugticket ein Preis? Wie Fluggesellschaften Preise festsetzen t und Erträge optimieren i Lehrstuhl für Unternehmungsrechnung und Controlling Dr. Marc Toebe / Dipl.-Kfm. Thomas Dobbertin 1 Vereinfachung

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr

Heuristische Lösungsansätze für das Revenue Management

Heuristische Lösungsansätze für das Revenue Management Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik, insbes. Informationssysteme im Dienstleistungsbereich Heuristische Lösungsansätze für das Revenue Management Diplomarbeit zur Erlangung

Mehr

Derivatebewertung im Binomialmodell

Derivatebewertung im Binomialmodell Derivatebewertung im Binomialmodell Roland Stamm 27. Juni 2013 Roland Stamm 1 / 24 Agenda 1 Einleitung 2 Binomialmodell mit einer Periode 3 Binomialmodell mit mehreren Perioden 4 Kritische Würdigung und

Mehr

Einleitung. Kapitel 1. 1.1 Motivation

Einleitung. Kapitel 1. 1.1 Motivation 1 Kapitel 1 Einleitung 1.1 Motivation Verkehrswege auf der Straße, auf Schienen, zu Wasser oder in der Luft erhalten in der heutigen Zeit eine immer stärker werdende Bedeutung. So leisten die Gestaltung

Mehr

Motivation. Problemstellung. Lösungsansätze. Fazit und Ausblick. Dipl. Wi.-Inf. Thomas Huth. Problemstellung. Lösungsansätze. Fazit und Ausblick

Motivation. Problemstellung. Lösungsansätze. Fazit und Ausblick. Dipl. Wi.-Inf. Thomas Huth. Problemstellung. Lösungsansätze. Fazit und Ausblick Dynamische Aspekte in der mehrperiodischen Tourenplanung Doktorandenkolloquium Sonnenberg, März M 2007 1 Motivation Dynamische Aspekte in der Tourenplanung werden zunehmend wichtiger Gründe dafür sind

Mehr

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik Irrfahrten Und ihre Bedeutung in der Finanzmathematik Alexander Hahn, 04.11.2008 Überblick Ziele der Finanzmathematik Grundsätzliches zu Finanzmarkt, Aktien, Optionen Problemstellung in der Praxis Der

Mehr

Theoretische Grundlagen und Herleitung der Untersuchungshypothesen

Theoretische Grundlagen und Herleitung der Untersuchungshypothesen Theoretische Grundlagen und Herleitung der Untersuchungshypothesen 41 B Theoretische Grundlagen und Herleitung der Untersuchungshypothesen 1 Revenue Management 1.1 Begriff und Anwendungsvoraussetzungen

Mehr

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Masterstudiengang Wirtschaftswissenschaft

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Formulierungshilfen für das wissenschaftliche Schreiben

Formulierungshilfen für das wissenschaftliche Schreiben Formulierungshilfen für das wissenschaftliche Schreiben 1. Einleitendes Kapitel 1.1.1 Einen Text einleiten und zum Thema hinführen In der vorliegenden Arbeit geht es um... Schwerpunkt dieser Arbeit ist...

Mehr

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen -

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen - Die Duration von Standard-Anleihen - Berechnungsverfahren und Einflussgrößen - Gliederung Einleitendes Herleitung einer Berechnungsvorschrift Berechnungsvorschriften für Standardfälle Einflussgrößen und

Mehr

Revenue Management Konzepte zur operativen Steuerung von Mobilitätsdienstleistungen am Beispiel von ecarsharing

Revenue Management Konzepte zur operativen Steuerung von Mobilitätsdienstleistungen am Beispiel von ecarsharing Revenue Management Konzepte zur operativen Steuerung von Mobilitätsdienstleistungen am Beispiel von ecarsharing Isa von Hoesslin 16. DoWoNO, 24. Mai 2014 Motivation CarSharing Auslastungen zw. 7% - 15%

Mehr

IWW Studienprogramm. Aufbaustudium. Informationsbasiertes Supply Chain Management. Lösungshinweise zur 1. Musterklausur

IWW Studienprogramm. Aufbaustudium. Informationsbasiertes Supply Chain Management. Lösungshinweise zur 1. Musterklausur Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen IWW Studienprogramm Aufbaustudium Informationsbasiertes Supply Chain Management Lösungshinweise

Mehr

Department of Department of Department of. Technology and Operations Management. Department of Managerial Economics

Department of Department of Department of. Technology and Operations Management. Department of Managerial Economics Die organisatorische Verteilung Struktur nach der Studiengängen Mercator School of Department of Department of Department of Accounting and Finance Technology and Operations and Marketing Accounting and

Mehr

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung Julius-Maximilians-Universität Würzburg 07.02.2012 Erwerb von Kompetenzen

Mehr

Unsere vier hilfreichsten Tipps für szenarienbasierte Nachfrageplanung

Unsere vier hilfreichsten Tipps für szenarienbasierte Nachfrageplanung Management Briefing Unsere vier hilfreichsten Tipps für szenarienbasierte Nachfrageplanung Erhalten Sie die Einblicke, die Sie brauchen, um schnell auf Nachfrageschwankungen reagieren zu können Sales and

Mehr

ETWR TEIL B ÜBUNGSBLATT 4 WS14/15

ETWR TEIL B ÜBUNGSBLATT 4 WS14/15 ETWR TEIL B ÜBUNGSBLATT 4 WS14/15 OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG F A K U L T Ä T F Ü R W I R T S C H A F T S W I S S E N S C H A FT LEHRSTUHL FÜR EMPIRISCHE WIRTSCHAFTSFORSCHUNG & GESUNDHEITSÖKONOMIE,

Mehr

Leitfaden. für die Anfertigung. von. Abschlussarbeiten

Leitfaden. für die Anfertigung. von. Abschlussarbeiten FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Unternehmensrechnung und Controlling Lehrstuhlleiterin: Prof. Dr. Barbara Schöndube-Pirchegger Leitfaden für die Anfertigung

Mehr

Einfache Derivate. Stefan Raminger. 4. Dezember 2007. 2 Arten von Derivaten 3 2.1 Forward... 3 2.2 Future... 4 2.3 Optionen... 5

Einfache Derivate. Stefan Raminger. 4. Dezember 2007. 2 Arten von Derivaten 3 2.1 Forward... 3 2.2 Future... 4 2.3 Optionen... 5 Einfache Derivate Stefan Raminger 4. Dezember 2007 Inhaltsverzeichnis 1 Begriffsbestimmungen 1 2 Arten von Derivaten 3 2.1 Forward..................................... 3 2.2 Future......................................

Mehr

Lehrveranstaltungsverzeichnis Dr. Jörn Schönberger

Lehrveranstaltungsverzeichnis Dr. Jörn Schönberger Lehrveranstaltungsverzeichnis Dr. Jörn Schönberger Verantwortlicher Veranstalter in Diplom-, Bachelor- und Master- Studiengängen WS 2013 / 2014 Vorlesung Optimierung in Produktion und Logistik (Introduction

Mehr

Preisdiskriminierung. Lernziele

Preisdiskriminierung. Lernziele Preisdiskriminierung Helmut M. Dietl 1 Lernziele Nach dieser Veranstaltung sollten Sie wissen, was man unter Preisdiskriminierung 1., 2. und 3. Grades versteht unter welchen Voraussetzungen welche Form

Mehr

Vorlesung. Verkehrsplanungsmethodik. Prof. K. W. Axhausen Assistenz: D. Charypar

Vorlesung. Verkehrsplanungsmethodik. Prof. K. W. Axhausen Assistenz: D. Charypar orlesung erkehrsplanungsmethodik Prof. K. W. ssistenz: D. September 2011 Tabelle 1 orlesungsplan Datum Zeit Ort Typ Thema Dozent Mi, 21. 9. 08 10 HIL E 6 Einführung (ufgabe der erkehrsplanung) U1 Literaturdurchsicht

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, SS 2008 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden

Mehr

Der Cost-Average Effekt

Der Cost-Average Effekt Der Cost-Average Effekt Einleitung Wie sollte ich mein Geld am besten investieren? Diese Frage ist von immerwährender Relevanz, und im Zuge des demographischen Wandels auch für Aspekte wie die private

Mehr

Softwarewartung in der Produktentwicklung Anforderungen im komplexen Umfeld mit ITIL Prozessen managen

Softwarewartung in der Produktentwicklung Anforderungen im komplexen Umfeld mit ITIL Prozessen managen Anforderungen im komplexen Umfeld mit ITIL Anforderungen im komplexen Umfeld mit ITIL Softwarewartung ist ein unterschätzter Erfolgsfaktor für die im Markt wahrgenommene Qualität der Produkte. In einem

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

LEITFADEN ZUM YIELD MANAGEMENT VON URS SCHAFFER

LEITFADEN ZUM YIELD MANAGEMENT VON URS SCHAFFER LEITFADEN ZUM YIELD MANAGEMENT VON URS SCHAFFER Copyright by Urs Schaffer 2005 INHALTSVERZEICHNIS 1. Einleitung 2. Begriff 3. Geschichte 4. Technik 5. Grundlagen 6. Logik 7. Fazit 1. EINLEITUNG Ueber das

Mehr

Anhang 1.3: Minor Bankbetriebslehre (24 LP) Prüfungs - form KL 6 24

Anhang 1.3: Minor Bankbetriebslehre (24 LP) Prüfungs - form KL 6 24 Anhang 1: Nebenfach Betriebswirtschaftslehre 24 Anhang 1.1: Minor Accounting (24 ) Betriebswirtschaftliche Steuerlehre I Betriebswirtschaftliche Steuerlehre II International Taxation Internationale Rechnungslegung

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Mit welcher Strategie hast Du am Glücksrad Erfolg?

Mit welcher Strategie hast Du am Glücksrad Erfolg? Mit welcher Strategie hast Du am Glücksrad Erfolg? Kinderuni, Workshop an der TU Wien 24. Juli 2009, 10:30 11:30 Uhr Univ.-Prof. Dr. Uwe Schmock Forschungsgruppe Finanz- und Versicherungsmathematik Institut

Mehr

Auslegung eines Testaments bezüglich der Folgen bei Ableben der eingesetzten Miterben

Auslegung eines Testaments bezüglich der Folgen bei Ableben der eingesetzten Miterben DNotI Deutsches Notarinstitut letzte Aktualisierung: 28.10.2014 OLG Düsseldorf, 16.6.2014 I-3 Wx 256/13 BGB 133, 2069, 2084, 2093, 2094 Abs. 1 Auslegung eines Testaments bezüglich der Folgen bei Ableben

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Absolut, relativ oder einfach mehr Geld? Analyse der Netto-Differenzen 2014

Absolut, relativ oder einfach mehr Geld? Analyse der Netto-Differenzen 2014 Voraussetzungen Absolut, relativ oder einfach mehr Geld? Analyse der -en 2014 Tarifbeschäftigte und beamtete Lehrerinnen und Lehrer erhalten bei gleicher Arbeitszeit, gleichen Aufgaben und gleichen Belastungen

Mehr

Einführung in die Optionspreisbewertung

Einführung in die Optionspreisbewertung Einführung in die Optionspreisbewertung Bonn, Juni 2011 MAF BN SS 2011 Huong Nguyen Gliederung Einführung Definition der Parameter Zwei Komponente zur Ermittlung der Optionsprämie Callwert-Kurve Wirkungen

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Francesca Biagini Mathematisches Institut, LMU biagini@math.lmu.de Münchner Wissenschaftstage im Jahr der Mathematik 21. Oktober 28

Mehr

Zusammenfassung des Berichts vom 15. Mai 2006 von RA Beat Badertscher an Frau Stadträtin Monika Stocker. Sperrfrist bis Montag, 22.

Zusammenfassung des Berichts vom 15. Mai 2006 von RA Beat Badertscher an Frau Stadträtin Monika Stocker. Sperrfrist bis Montag, 22. Time Out Platzierungen Zusammenfassung des Berichts vom 15. Mai 2006 von RA Beat Badertscher an Frau Stadträtin Monika Stocker Sperrfrist bis Montag, 22. Mai 2006 14 Uhr 2 1. Auftrag vom 7. April 2006

Mehr

Zukünftige Konzepte zur Optimierung von Trajektorien Drei Ansätze

Zukünftige Konzepte zur Optimierung von Trajektorien Drei Ansätze Zukünftige Konzepte zur Optimierung von Trajektorien Drei Ansätze DGLR L6.1 Workshop: Bestimmung optimaler Trajektorien im Air Traffic Management, 23.04.2013 Dr. Matthias Poppe, DFS 1.) CATO Decision Support

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Optimieren von Requirements Management & Engineering

Optimieren von Requirements Management & Engineering Xpert.press Optimieren von Requirements Management & Engineering Mit dem HOOD Capability Model Bearbeitet von Colin Hood, Rupert Wiebel 1. Auflage 2005. Buch. xii, 245 S. Hardcover ISBN 978 3 540 21178

Mehr

Studienverlaufspläne des Masterstudiengangs Betriebswirtschaftslehre (technische Linien)

Studienverlaufspläne des Masterstudiengangs Betriebswirtschaftslehre (technische Linien) Studienverlaufspläne des Masterstudiengangs (technische Linien) mit den Vertiefungslinien Business Analytics Supply Chain and Logistics Telecommunications Bitte beachten: in Modulen mit Wahlmöglichkeiten

Mehr

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners 1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man

Mehr

Zeit- und Dividendeneinfluss. auf einen amerikanischen Aktien-Call-Optionsschein.

Zeit- und Dividendeneinfluss. auf einen amerikanischen Aktien-Call-Optionsschein. HSBC Zertifikate-Akademie Zeit- und Dividendeneinfluss auf einen amerikanischen Aktien-Call-Optionsschein Liebe Leserinnen und Leser der HSBC Zertifikate-Akademie In den vergangenen Ausgaben wurden verschiedene

Mehr

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Aufgabe 1: Wetterbericht Im Mittel sagt der Wetterbericht für den kommenden Tag zu 60 % schönes und zu 40% schlechtes

Mehr

IMPLEMENTIERUNG EINES INTERACTIVE-PRICE- RESPONSE-SYSTEMS BEI EINER LOW-COST-AIRLINE. Stefan Mang, Martin Spann 1, David Post 2

IMPLEMENTIERUNG EINES INTERACTIVE-PRICE- RESPONSE-SYSTEMS BEI EINER LOW-COST-AIRLINE. Stefan Mang, Martin Spann 1, David Post 2 IMPLEMENTIERUNG EINES INTERACTIVE-PRICE- RESPONSE-SYSTEMS BEI EINER LOW-COST-AIRLINE Stefan Mang, Martin Spann 1, David Post 2 Kurzfassung Das Wettbewerbsumfeld in der Airline-Branche hat sich in den letzten

Mehr

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

Mehr

Absender: Herr Wilm Diedrich Müller mit dem Hauptberuf: Möbelverkäufer, dem Nebenberuf: Möchte-gern-Bundespräsident, dem Geburtsdatum: 25.

Absender: Herr Wilm Diedrich Müller mit dem Hauptberuf: Möbelverkäufer, dem Nebenberuf: Möchte-gern-Bundespräsident, dem Geburtsdatum: 25. Datum: Mittowch, 14. Januar '009 Reykjavik-Zeit: 10.40 Uhr Nachrichtlich an Firma Reederei Herbert Ekkenga AG mit dem Firmensitz hier bei uns beiden in Bad Zwischenahn an dem Zwischenahner Meer und der

Mehr

2. Gesundheitsfinanzierung

2. Gesundheitsfinanzierung 2. Gesundheitsfinanzierung Inhalte dieses Abschnitts 2.1 Grundmodell der Versicherung Versicherungsmotiv Optimale Versicherungsnachfrage Aktuarisch faire und unfaire Prämien 145 2.1 Grundmodell der Versicherung

Mehr

Rail&Fly E-Ticketing. Information für IATA-Agenturen. Rail&Fly E-Ticketing. (Stand: 01. Juli 2008)

Rail&Fly E-Ticketing. Information für IATA-Agenturen. Rail&Fly E-Ticketing. (Stand: 01. Juli 2008) Rail&Fly E-Ticketing Information für IATA-Agenturen Rail&Fly E-Ticketing (Stand: 01. Juli 2008) Index 1 Vorwort 3 2 Buchen von Rail&Fly-Segmenten... 3 3 Reisedokumente für Rail&Fly-Kunden 3 4 Zeitliche

Mehr

16 Risiko und Versicherungsmärkte

16 Risiko und Versicherungsmärkte 16 Risiko und Versicherungsmärkte Entscheidungen bei Unsicherheit sind Entscheidungen, die mehrere mögliche Auswirkungen haben. Kauf eines Lotterieloses Kauf einer Aktie Mitnahme eines Regenschirms Abschluss

Mehr

Warteschlangenmodelle. Prof. Dr. Helmut Dietl

Warteschlangenmodelle. Prof. Dr. Helmut Dietl Warteschlangenmodelle Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollten Sie, die strategische Bedeutung von Serverkapazitätsentscheidungen kennen die wichtigsten Warteschlangenmodelle

Mehr

Kundenbindung. 1 Kundenwünsche erfüllen oder Erträge maximieren?, 23. April 2015, Wiesbaden Prof. Dr. Andreas Wilbers

Kundenbindung. 1 Kundenwünsche erfüllen oder Erträge maximieren?, 23. April 2015, Wiesbaden Prof. Dr. Andreas Wilbers Kundenbindung Aus Sicht des liefernden Unternehmens werden Aufbau und Erhalt von Kundenbeziehungen Kundenbindung also zum zentralen Erfolgsfaktor. Die gilt gerade in reifen und gesättigten Märkten, die

Mehr

Klausur Mikroökonomie I Diplom SS 06 Lösungen

Klausur Mikroökonomie I Diplom SS 06 Lösungen Universität Lüneburg Prüfer: Prof. Dr. Thomas Wein Fakultät II Prof. Dr. Joachim Wagner Institut für Volkswirtschaftslehre Datum: 17.7.2006 Klausur Mikroökonomie I Diplom SS 06 Lösungen 1. Eine neue Erfindung

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Ermittlung kalkulatorischer Zinsen nach der finanzmathematischen Durchschnittswertmethode

Ermittlung kalkulatorischer Zinsen nach der finanzmathematischen Durchschnittswertmethode Ermittlung r finanzmathematischen (von D. Ulbig, Verfahrensprüfer der SAKD) 1. Einleitung Die n Zinsen können gemäß 12 SächsKAG nach der oder der ermittelt werden. Bei Anwendung der sind die n Zinsen nach

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Fragenkatalog zur Übung Markt und Preistheorie

Fragenkatalog zur Übung Markt und Preistheorie Fragenkatalog zur Übung Markt und Preistheorie Übung 1 (05.11.2009) (1) Arbeiten Sie anhand des beigefügten Zeitungsartikels heraus, welchen Zweck Unternehmen mit einer Preisdifferenzierung verfolgen.

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Kapitel 5: Dynamisches Programmieren Gliederung

Kapitel 5: Dynamisches Programmieren Gliederung Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen

Mehr

Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK

Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK IMW - Institutsmitteilung Nr. 35 (2010) 103 Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK M. Leng; Z. Liang Die Auswahl der Hauptfreiheitsgrade spielt

Mehr

Software Engineering Übung 4 Architektur, Modulentwurf

Software Engineering Übung 4 Architektur, Modulentwurf software evolution & architecture lab Software Engineering Übung 4 Architektur, Modulentwurf 1 Informationen 1.1 Daten Ausgabe Di 27.10.2009 Abgabe So 08.11.2009 bis 23:59 Uhr Besprechung am Di 17.11.2009

Mehr

Credit Risk+: Eine Einführung

Credit Risk+: Eine Einführung Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.

Mehr

Single Parity check Codes (1)

Single Parity check Codes (1) Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN INFORMATIONEN ZU DEN WAHLPFLICHTMODULEN IM BACHELORSTUDIENGANG IN MANAGEMENT & ECONOMICS AGENDA Was ist OR / Management Science Wer kann

Mehr

1 YAWL Yet Another Workflow Language

1 YAWL Yet Another Workflow Language 1 YAWL Yet Another Workflow Language Das YAWL Workflow-Management-System wurde von Wil van der Aalst und seinem Team an der Eindhoven University of Technology entwickelt. Das System ist in seiner jetzigen

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Algorithmen und deren Programmierung Prof. Dr. Nikolaus Wulff Definition Algorithmus Ein Algorithmus ist eine präzise formulierte Handlungsanweisung zur Lösung einer gleichartigen

Mehr

Large Scale Data Management

Large Scale Data Management Large Scale Data Management Beirat für Informationsgesellschaft / GOING LOCAL Wien, 21. November 2011 Prof. Dr. Wolrad Rommel FTW Forschungszentrum Telekommunikation Wien rommel@ftw.at Gartner's 2011 Hype

Mehr

Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung

Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung MAIX Market Research & Consulting GmbH Kackertstr. 20 52072 Aachen 0241 8879 0 www.maix.de Inhalt Einleitung Grundlagen zur Conjoint

Mehr

Übersicht über den Studiengang

Übersicht über den Studiengang Inhaltsübersicht - Übersicht über den Studiengang - Modellstudienpläne - Übersicht Vertiefungen (optional) - Modellstudienpläne "Research Track" (optional) Übersicht über den Studiengang Varianten "Ohne

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Internationale Finanzierung 6. Bewertung von Aktien

Internationale Finanzierung 6. Bewertung von Aktien Übersicht Kapitel 6: 6.1. Einführung 6.2. Aktienbewertung mittels Kennzahlen aus Rechnungswesen 6.3. Aktienbewertung unter Berücksichtigung der Wachstumschancen 6.4. Aktienbewertung mittels Dividenden

Mehr

Zuschauer beim Berlin-Marathon

Zuschauer beim Berlin-Marathon Zuschauer beim Berlin-Marathon Stefan Hougardy, Stefan Kirchner und Mariano Zelke Jedes Computerprogramm, sei es ein Betriebssystem, eine Textverarbeitung oder ein Computerspiel, ist aus einer Vielzahl

Mehr

Indirekte Teilliquidation

Indirekte Teilliquidation Transponierung und Unsere Serie Was ist eigentlich... behandelt aktuelle und viel diskutierte Themen, die beim Nicht-Spezialisten eine gewisse Unsicherheit hinterlassen. Wir wollen das Thema jeweils einfach

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 378 Umsetzung ausgewählter Supply-Chain-Operations-Reference-Metriken durch das

Mehr

Grundlagen und Basisalgorithmus

Grundlagen und Basisalgorithmus Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

USB KEYBOARD CHARACTER ASSIGNMENT für OM-Gryphon USB, Gryphon x30, Heron D130 SB3570, Firescan 2.x und Touch Pro 2.x

USB KEYBOARD CHARACTER ASSIGNMENT für OM-Gryphon USB, Gryphon x30, Heron D130 SB3570, Firescan 2.x und Touch Pro 2.x USB KEYBOARD CHARACTER ASSIGNMENT für OM-Gryphon USB, Gryphon x30, Heron D130 SB3570, Firescan 2.x und Touch Pro 2.x Die Konfiguration wird anhand der 2 folgenden Beispielen erläutert: Beispiel 1: LALT-TAB

Mehr

Allgemeine Beschreibung von Blockcodes

Allgemeine Beschreibung von Blockcodes Allgemeine Beschreibung von Blockcodes Bei Blockcodierung wird jeweils eine Sequenz von m q binären Quellensymbolen (M q = 2) durch einen Block von m c Codesymbolen mit dem Symbolumfang M c dargestellt.

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Klassische Risikomodelle

Klassische Risikomodelle Klassische Risikomodelle Kathrin Sachernegg 15. Jänner 2008 1 Inhaltsverzeichnis 1 Einführung 3 1.1 Begriffserklärung.................................. 3 2 Individuelles Risikomodell 3 2.1 Geschlossenes

Mehr

Aktuelle Trends im CRM

Aktuelle Trends im CRM . CRM-Symposium.. Aktuelle Trends im CRM Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt. &. Generation KM ext Best X Aktionsorientiertes

Mehr

Informatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany

Informatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany Informatik I Grundlagen der systematischen Programmierung Peter Thiemann Universität Freiburg, Germany WS 2008/09 Organisatorisches Vorlesung Di und Do, 11-13 Uhr, HS 101-00-036 Dozent Prof. Dr. Peter

Mehr

Mädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62

Mädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62 Unabhängigkeit ================================================================== 1. Im Rahmen der sogenannten JIM-Studie wurde in Deutschland im Jahr 2012 der Umgang von Jugendlichen im Alter von 12 bis

Mehr

Lehrstuhl für Produktion und Wirtschaftsinformatik Prof. Dr. Joachim Reese

Lehrstuhl für Produktion und Wirtschaftsinformatik Prof. Dr. Joachim Reese Lehrstuhl für Produktion und Wirtschaftsinformatik Prof. Dr. Joachim Reese Hinweise zur Anfertigung von Seminar- und Diplom- und Bachelor- Arbeiten (Stand: Januar 2010) 1. Ziel der Arbeit Ziel einer Seminar-

Mehr

4.2.5 Wie berücksichtigt man den Einsatz und die Abnutzung der Anlagen?

4.2.5 Wie berücksichtigt man den Einsatz und die Abnutzung der Anlagen? Seite 1 4.2.5 4.2.5 den Einsatz und die Bei der Erzeugung von Produkten bzw. der Erbringung von Leistungen sind in der Regel Anlagen (wie zum Beispiel Gebäude, Maschinen, Betriebs- und Geschäftsausstattung)

Mehr

Effiziente Anwendungen von In-Memory Datenbanken

Effiziente Anwendungen von In-Memory Datenbanken Effiziente Anwendungen von In-Memory Datenbanken Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaften der Wirtschaftswissenschaftlichen

Mehr

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Dolga Olena Otto-von-Guericke-Universität Fakultät für Informatik Seminar-Das virtuelle Labor Inhaltsverzeichnis Überblick Geschichte Anwendung -Bereiche -Spezielle Methoden Mathematische

Mehr

Optimierung der operativen Produktionsplanung und. Lagerhaltung in heterogenen Produktionssystemen. Dissertation. zur Erlangung des Grades eines

Optimierung der operativen Produktionsplanung und. Lagerhaltung in heterogenen Produktionssystemen. Dissertation. zur Erlangung des Grades eines Optimierung der operativen Produktionsplanung und Lagerhaltung in heterogenen Produktionssystemen Dissertation zur Erlangung des Grades eines Dr. rer. pol. der Fakultät für Wirtschaftswissenschaften der

Mehr

B2B-Lead-Generierung. mit Webinar und Whitepaper

B2B-Lead-Generierung. mit Webinar und Whitepaper mit Webinar und Whitepaper Webinare und Whitepaper erfolgreich einsetzen im B2B-Marketing Joachim Graf Das Präsentations-Genie Steve Jobs Registrieren zukünftig Sie gratis sich und über laden aktuell Sie

Mehr

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Viola Ricker Bike-Sharing Bereitstellung von Fahrrädern als öffentliches Verkehrsmittel

Mehr

Profilgruppe. Supply Chain Management

Profilgruppe. Supply Chain Management Profilgruppe Supply Chain Management Stand: Juni 2015 Inhaltliche Darstellung: Seminar für Allgemeine Betriebswirtschaftslehre, Supply Chain Management und Management Science Seminar für Allgemeine Betriebswirtschaftslehre,

Mehr

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 TECHNISCHE UNIVERSITÄT MÜNCHEN Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 Patrick Christ und Daniel Biedermann 16.10.2009 1. INHALTSVERZEICHNIS 1. INHALTSVERZEICHNIS... 2 2. AUFGABE 1...

Mehr