UNSERE MISSION
Durch Methodenoffenheit und die Integration von Business Analytics und Management Science schaffen wir wissenschaftlich fundierte und praxisnahe Entscheidungsunterstützung.
Unsere Forschung befasst sich mit der Modellierung, Analyse und Lösung betriebswirtschaftlicher Planungs- und Entscheidungsprobleme. Sie basiert auf einem integrativen Verständnis von Business Analytics und Management Science, bei dem wir datenbasierte Prognosen mit geeigneten Optimierungsverfahren verbinden. Bei der Wahl und Entwicklung der Verfahren arbeiten wir problemorientiert und methodenoffen in den Bereichen der Künstlichen Intelligenz und des Operations Research. So gelingt es uns, den praktischen Anforderungen im Hinblick auf eine ganzheitliche Problemlösung und eine problemangepasste Methodik gerecht zu werden.
UNSERE EXPERTISE
Schwerpunktmäßig entwickeln wir Revenue Management Ansätze zur effizienten taktischen und operativen Steuerung hybrider Dienstleistungen.
Inhaltlich liegt der Schwerpunkt unserer Forschung auf Revenue Management Ansätzen zur taktischen und operativen Steuerung von hybriden Dienstleistungen, bei denen digitale und physische Leistungsanteile verzahnt werden. Dabei geht es beispielsweise um Entscheidungen über Produktverfügbarkeiten und Preisgestaltung, wobei je nach Anwendungsfall komplexe Zusammenhänge bei zeitgleicher oder nachgelagerter physischer Leistungserbringung – etwa im Hinblick auf logistische Prozesse im E-Fulfillment – mitbedacht werden müssen. Wir untersuchen entsprechende Fragestellungen unter anderem in der Reiseindustrie, der urbanen Logistik auf der letzten Meile sowie in digitalen Mobilitätsdiensten wie Car Sharing und Mobility-on-Demand.
UNSERE LEITPRINZIPIEN
Bei der Entwicklung der Ansätze legen wir besonderes Augenmerk auf Antizipation, Opportunitätskosten, Kundenwahlverhalten und Echtzeitfähigkeit.
Für eine bestmögliche Entscheidungsfindung entwickeln wir Ansätze, die künftige Entwicklungen und spätere eigene Entscheidungen antizipieren, Opportunitätskosten problemspezifisch quantifizieren und Kundenwahlverhalten differenziert prognostizieren. Diese Elemente werden gezielt in die Entscheidungslogik integriert. Dabei legen wir besonderen Wert auf die Umsetzbarkeit unter Echtzeitanforderungen – etwa in Online-Verkaufssystemen oder operativen, logistischen Steuerungssituationen.
UNSERE METHODIK
Methodisch entwickeln wir geeignete lern- und modellbasierte Optimierungsverfahren mit integrierter Berücksichtigung des Kundenwahlverhaltens.
Methodisch handelt es sich bei den betrachteten Fragestellungen häufig um stochastische, dynamische Optimierungsprobleme. Zur Lösung entwickeln wir sowohl lern- und simulationsbasierte Verfahren – insbesondere aus dem Bereich der Künstlichen Intelligenz, wie Reinforcement Learning und Approximative Dynamische Programmierung – als auch modellbasierte Ansätze auf Basis Linearer und Gemischt-ganzzahliger Optimierungsmodelle aus dem Operations Research. Zur endogenen Modellierung des Kundenwahlverhaltens integrieren wir etablierte ökonometrische und marketingwissenschaftliche Verfahren, insbesondere Discrete-Choice-Modelle, in unsere Entscheidungsmodelle (Choice-Based Optimization).