Advertisement

Leistungskonfiguration zur Vermarktung gebrauchter Traktionsbatterien

  • Markus MonhofEmail author
  • Benjamin Klör
  • Sebastian Bräuer
Chapter

Zusammenfassung

Die Umwidmung und Weiterverwendung gebrauchter Traktionsbatterien aus Elektrofahrzeugen unterliegt einigen Hindernissen. Insbesondere der hohe Grad an Unsicherheit der zukünftigen Alterung der Energiespeicher aus gebrauchten Traktionsbatterien und des Zustands der Batterie erfordern über die Sicherstellung der technischen Eignung hinaus Maßnahmen, um eine erfolgreiche Vermarktung zu ermöglichen. Insbesondere gilt es, Risiken für den Kunden zu verringern (siehe Kap. 4). Diese ergeben sich zum einen aus den Charakteristiken des gebrauchten Guts (Bräuer et al. 2016), zum anderen aus der Immaterialität sowie der Untrennbarkeit von Erstellung und Konsum von Dienstleistungen (Fließ 2009). Eine Möglichkeit, diese Unsicherheiten und Risiken zu reduzieren, ist die Vermarktung der gebrauchten Traktionsbatterien als kundenindividuelle hybride Leistungsbündel, bestehend aus der Sachleistung Batterie und ergänzenden Dienstleistungen. Ein solches hybrides Leistungsbündel wird auch als Energiespeicherlösung bezeichnet (Beverungen et al. 2017).

Im Folgenden wird das zugehörige Entscheidungsproblem und der Entscheidungsprozess dargestellt (Abschn. 6.2). In Abschn. 6.3 und 6.4 werden Leistungskonfiguratoren und Empfehlungssysteme als Informationssysteme zur Unterstützung bei der Erstellung von Angeboten vorgestellt. Anschließend folgt in Abschn. 6.5 die Beschreibung des im EOL‐IS Projekts entwickelten Leistungskonfigurators für Energiespeicherlösungen aus gebrauchten Traktionsbatterien.

Literatur

  1. Adomavicius G, Tuzhilin A (2005) Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering 17:734–749.CrossRefGoogle Scholar
  2. Aggarwal CC (2016) Recommender Systems. Springer International Publishing, Cham, Schweiz.Google Scholar
  3. Akerlof GA (1970) The Market for “Lemons”: Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics 84:488–500.CrossRefGoogle Scholar
  4. Backhaus K, Becker J, Beverungen D, Frohs M, Knackstedt R, Müller O, Steiner M, Weddeling M (2010) Vermarktung hybrider Leistungsbündel – Das ServPay-Konzept. Springer-Verlag, Berlin Heidelberg.Google Scholar
  5. Becker J, Beverungen D, Knackstedt R (2008) Wertschöpfungsnetzwerke von Produzenten und Dienstleistern als Option zur Organisation der Erstellung hybrider Leistungsbündel. In: Becker J, Knackstedt R, Pfeiffer D (Hrsg), Wertschöpfungsnetzwerke – Konzepte für das Netzwerkmanagement und Potenziale aktueller Informationstechnologien. Physica-Verlag HD, Heidelberg, 3–31.Google Scholar
  6. Beverungen D, Matzner M (2017) Informationsmodellierung in Dienstleistungssystemen. In: Corsten H, Roth S (Hrsg), Handbuch Dienstleistungsmanagement. Verlag Franz Vahlen, München, 519–536.Google Scholar
  7. Beverungen D, Kohlborn T, Fielt E (2011) The Morphology of Service Bundling Settings. In: Proceedings of the 22nd Australian Conference on Information Systems (ACIS 2011). Sydney, Australien.Google Scholar
  8. Beverungen D, Klör B, Bräuer S, Monhof M (2015) Will They Die Another Day? A Decision Support Perspective on Reusing Electric Vehicle Batteries. In: Proceedings of the Twenty-Third European Conference on Information Systems (ECIS 2015). Münster.Google Scholar
  9. Beverungen D, Bräuer S, Plenter F, Klör B, Monhof M (2017) Ensembles of context and form for repurposing electric vehicle batteries: an exploratory study. Computer Science – Research and Development 32:195–209.CrossRefGoogle Scholar
  10. Bräuer S (2016) They Not Only Live Once – Towards Product-Service Systems for Repurposed Electric Vehicle Batteries. In: Proceedings of the Multikonferenz Wirtschaftsinformatik (MKWI 2016). Ilmenau, 1299–1310.Google Scholar
  11. Bräuer S, Monhof M, Klör B, Plenter F, Siemen C, Beverungen D (2016) Residential Energy Storage from Repurposed Electric Vehicle Batteries – Market Overview and Development of a Service-Centered Business Model. In: 2016 IEEE 18th Conference on Business Informatics. Paris, Frankreich.Google Scholar
  12. Burke R (2002) Hybrid recommender systems: Survey and experiments. User Modeling and User-Adapted Interaction 12:331–370.CrossRefGoogle Scholar
  13. Burke R, Felfernig A, Göker MH (2011) Recommender Systems: An Overview. AI Magazine 32:13–18.CrossRefGoogle Scholar
  14. Deutsches Institut für Normung (DIN) (2010) PAS 1094: Hybride Wertschöpfung – Integration von Produktion und Dienstleistung. Beuth Verlag, Berlin.Google Scholar
  15. Falkner A, Felfernig A, Haag A (2011) Recommendation Technologies for Configurable Products. AI Magazine 32:99–108.CrossRefGoogle Scholar
  16. Felfernig A, Bagley C, Tiihonen J, Wortley L, Hotz L (2014) Benefits of Configuration Systems. In: Felfernig A, Hotz L, Bagley C, Tiihonen J (Hrsg), Knowledge-Based Configuration: From Research to Business Cases. Morgan Kaufmann, Waltham, MA, USA, 29–33.CrossRefGoogle Scholar
  17. Fließ S (2009) Dienstleistungsmanagement – Kundenintegration gestalten und steuern. Gabler, Wiesbaden.Google Scholar
  18. Hotz L, Felfernig A, Stumptner M, Ryabokon A, Bagley C, Wolter K (2014) Configuration Knowledge Representation and Reasoning. In: Felfernig A, Hotz L, Bagley C, Tiihonen J (Hrsg), Knowledge-Based Configuration: From Research to Business Cases. Morgan Kaufmann, Waltham, Massachusetts, USA, 41–72.CrossRefGoogle Scholar
  19. Klör B, Monhof M, Beverungen D, Bräuer S (2017) Recommendation and Configuration of Value-Added Services for Repurposing Electric Vehicle Batteries: A Vertical Software Prototype. In: Proceedings of the 19th IEEE Conference on Business Informatics (CBI 2017). Thessaloniki, Griechenland, 13–22.CrossRefGoogle Scholar
  20. Lops P, de Gemmis M, Semeraro G (2011) Content-based Recommender Systems: State of the Art and Trends. In: Recommender Systems Handbook. Springer US, Boston, MA, USA, 73–105.CrossRefGoogle Scholar
  21. MacQueen J (1967) Some methods for classification and analysis of multivariate observations. In: Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, Volume 1: Statistics. University of California Press, Berkeley, California, USA, 281–297.Google Scholar
  22. Mont O. (2002) Clarifying the concept of product–service system. Journal of Cleaner Production 10:237–245.CrossRefGoogle Scholar
  23. Randall T, Terwiesch C, Ulrich KT (2005) Principles for User Design of Customized Products. California Management Review 47:68–85.CrossRefGoogle Scholar
  24. Sabin D, Weigel R (1998) Product configuration frameworks – a survey. IEEE Intelligent Systems 13:42–49.CrossRefGoogle Scholar
  25. Salvador F, Forza C (2007) Principles for efficient and effective sales configuration design. International Journal of Mass Customisation 2:2007.CrossRefGoogle Scholar
  26. Sarwar B, Karypis G, Konstan JA, Riedl J (2001) Item-based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International Conference on World Wide Web. 285–295.Google Scholar
  27. Da Silveira G, Borenstein D, Fogliatto FS (2001) Mass customization: Literature review and research directions. International Journal of Production Economics 72:1–13.CrossRefGoogle Scholar
  28. Simon HA (1956) Rational choice and the structure of the environment. Psychological Review 63:129–138.CrossRefGoogle Scholar
  29. Simon HA (1979) Rational Decision Making in Business Organizations. The American Economic Review 69:493–513.Google Scholar
  30. Spence M (1973) Job Market Signaling. The Quarterly Journal of Economics 87:355–374.CrossRefGoogle Scholar
  31. Spremann K (1987) Agent and Principal. In: Bamberg G, Spremann K (Hrsg), Agency Theory, Information, and Incentives. Springer, Berlin Heidelberg, 3–37.CrossRefGoogle Scholar
  32. Tiihonen J, Mayer W, Stumptner M, Heiskala M (2014) Configuring Services and Processes. In: Felfernig A, Hotz L, Bagley C, Tiihonen J (Hrsg), Knowledge-Based Configuration: From Research to Business Cases. Morgan Kaufmann, Waltham, Massachusetts, USA, 251–260.CrossRefGoogle Scholar
  33. Tukker A (2004) Eight types of product–service system: eight ways to sustainability? Experiences from SusProNet. Business Strategy and the Environment 13:246–260.CrossRefGoogle Scholar
  34. Weinmann M, Hibbeln M, Robra-Bissantz S (2011) Customer-oriented configuration systems: one type fits all? In: Proceedings of the European Conference on Information Systems (ECIS 2011). Helsinki, Finnland.Google Scholar
  35. Xiao B, Benbasat I (2007) E-Commerce Product Recommendation Agents: Use, Characteristics, and Impact. MIS Quarterly 31:137–209.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Markus Monhof
    • 1
    Email author
  • Benjamin Klör
    • 1
  • Sebastian Bräuer
    • 2
  1. 1.Lehrstuhl für Wirtschaftsinformatik und InformationsmanagementWestfälische Wilhelms-Universität MünsterMünsterDeutschland
  2. 2.Institut für Betriebswirtschaft und Wirtschaftsinformatik, Abteilung Informationssysteme und UnternehmensmodellierungUniversität HildesheimHildesheimDeutschland

Personalised recommendations