Zusammenfassung
Der Wunsch nach individueller Mobilität ist in den letzten Jahren aufgrund steigender Einkommen, globaler Vernetzung sowie veränderter Rahmenbedingungen in den Städten und dem Umland stetig gewachsen. Megatrends, wie Digitalisierung, Urbanisierung, Nachhaltigkeit und Personalisierung, bieten Unternehmen in der Transport- und Mobilitätsbranche neben den Herausforderungen auch Chancen für Fortschritt und Wachstum. Vor allem im Zuge der Digitalisierung wird der Speicherung von und dem intelligenten Umgang mit Daten von Unternehmen immer mehr Bedeutung zugeschrieben. Die künftige Mobilität der Zukunft wird sich auf individuelle Bedürfnisse vor, während und nach der Fahrt konzentrieren und kann mithilfe von digitalen Plattformen sowie innovativen Fahrzeugkonzepten immer umfassender bedient werden. In dem Paradigmenwechsel der Mobilitätsbranche suchen Anbieter nach Wegen, effizienter und detaillierter zu erfassen, wie sich sowohl die Masse als auch jeder einzelne Nutzer heute und in Zukunft bewegen wird. Eine Möglichkeit, diese Voraussagen zu treffen, bietet Predictive Analytics. Aus dem Ansatz Predictive Analytics heraus wurde der sogenannnte HERO entwickelt. Bei diesem Konzept handelt es sich um eine cloudbasierte Lösung eines Mobilitätsdienstleisters mit neuartigen, untereinander kommunizierenden und elektrifizierten Fahrzeugen für eine nachfrageorientierte Personenbeförderung. Der Einsatz und die Vorteile des HERO werden anhand des flexiblen Transports von Arbeitnehmern im Arbeitsalltag innerhalb eines definierten Gebietes dargestellt.
Nichts ist so beständig wie der Wandel (Heraklit von Ephesos).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Bartels, B., Ermel, U., Sandborn, P., & Pecht, M. G. (2012). Strategies to the prediction, mitigation and management of Product obsolescence (1. Aufl.). New Jersey: Wiley.
Becker, L., Gora, W., & Michalski, T. (2014). Die Neue Führungskunst: Business Development Management: Von der Geschäftsidee bis zur Umsetzung (1. Aufl.). Düsseldorf: Symposion Publishing GmbH.
Bouton, S., Knupfer, S. M., Mihov, I., & Swartz, S. (2015). Urban mobility at a tipping point. http://www.mckinsey.com/business-functions/sustainability-and-resource-productivity/our-insights/urban-mobility-at-a-tipping-point. Zugegriffen: 13. Aug. 2016.
Continental AG. (2015). Im Schwarm besser: Continental testet das vernetzte Fahrzeug. http://www.continental-corporation.com/www/presseportal_com_de/themen/pressemitteilungen/3_automotive_group/interior/press_releases/pr_2015_11_05_swarm_intelligence_de.html. Zugegriffen: 22. Sept. 2016.
Danis, S. (2014). Informationsmanagement und Business Intelligence: Business Intelligence Systeme in mittelständischen Unternehmen (1. Aufl.). Hamburg: Diplomica Verlag GmbH.
Ebel, B., & Hofer, M. B. (Hrsg.). (2014). Automotive Management: Strategie und Marketing in der Automobilwirtschaft (2. Aufl.). Heidelberg: Springer Gabler.
Fuchs, W., & Unger, F. (2014). Management der Marketing-Kommunikation (5. Aufl.). Heidelberg: Springer Gabler.
Gluchowski, P., & Chamoni, P. (2016). Analytische Informationssysteme – Business Intelligence-Technologien und -Anwendungen (5. Aufl.). Heidelberg: Springer Gabler.
Gürtler, J., & Meyer, J. (2013). 30 Minuten Design Thinking. Offenbach: Gabal.
Institut für Mobilitätsforschung. (2008). Mobilität 2025: Der Einfluss von Einkommen, Mobilitätskosten und Demografie. https://www.ifmo.de/files/publications_content/2008/ifmo_2008_AP_4_Mobilitaet_und_Einkommen_2025_de.pdf. Zugegriffen: 4. Aug. 2016.
Institut für Mobilitätsforschung. (Hrsg.). (2010). Zukunft der Mobilität: Szenarien für das Jahr 2030. http://www.ifmo.de/tl_files/publications_content/2010/ifmo_2010_Zukunft_der_Mobilitaet_Szenarien_2030_de.pdf. Zugegriffen: 6. Aug. 2016.
Kleebinder, H.-P. (1995). International Public Relations: Analyse öffentlicher Meinungsbildung in Europa zum Thema Mobilität (1. Aufl.). Wiesbaden: Deutscher Universitätsverlag.
Kotu, V., & Deshpande, B. (2015). Predictive analytics and data mining: Concepts and practice with rapid mine (1. Aufl.). Burlington: Morgan Kaufmann.
Lang, M. (Hrsg.). (2016). Business Intelligence erfolgreich umsetzen: Von der Technologie zum Geschäftserfolg (1. Aufl.). Düsseldorf: Symposion Publishing GmbH.
Larose, D., & Larose, C. (2015). Data mining and predictive analytics (1. Aufl.). New Jersey: Wiley.
Mikut, R. (2008). Data Mining in der Medizin und Medizintechnik (Bd. 22). Karlsruhe: Universitätsverlag.
Pfriem, M. (2015). Analyse der Realnutzung von Elektrofahrzeugen in kommerziellen Flotten zur Definition einer bedarfsgerechten Fahrzeugauslegung (Bd. 47). Karlsruhe: KIT Scientific Publishing.
Proff, H. (Hrsg.). (2014). Radikale Innovationen in der Mobilität: Technische und betriebswirtschaftliche Aspekte (1. Aufl.). Wiesbaden: Springer Gabler.
REFA Institut. (Hrsg.). (2016). Arbeitsorganisation erfolgreicher Unternehmen – Wandel in der Arbeitswelt (1. Aufl.). Darmstadt: Hanser.
Schoeneberg, K.-P. (Hrsg.). (2014). Komplexitätsmanagement in Unternehmen: Herausforderungen im Umgang mit Dynamik, Unsicherheit und Komplexität meistern (1. Aufl.). Wiesbaden: Springer Gabler.
Ulanoff, L. (2014). Amazon knows what you want before you buy it. http://www.predictiveanalyticsworld.com/patimes/amazon-knows-what-you-wantbeforeyou-buy-it/3185/. Zugegriffen: 7. Aug. 2016.
Umweltbundesamt. (2012). Daten zum Verkehr. https://www.umweltbundesamt.de/sites/default/files/medien/publikation/long/4364.pdf. Zugegriffen: 29. Juni 2016.
Verkehrsclub Deutschland e. V. (2016). Co2 Grenzwert: EU setzt Vorgaben für PKW. https://www.vcd.org/themen/auto-umwelt/co2-grenzwert/. Zugegriffen: 10. Aug. 2016.
Vieweg, C. (2016). Vernetzt und verraten: Eine ADAC-Untersuchung deckt auf: BMW sammelt in vernetzten Autos Daten über das Fahrverhalten und die Gewohnheiten ihrer Fahrer. Die Autofahrerlobby fordert Transparenz. http://www.zeit.de/mobilitaet/2016-02/datenschutz-autos-adac-aufklaerung-transparenz. Zugegriffen: 12. Aug. 2016.
Walter, S. (2005). GABALs großer Methodenkoffer: Managementtechniken (1. Aufl.). Offenbach: Gabal.
Winterhoff, M., Kahner, C., Ulrich, C., Sayler, P., & Wenzel, E. (2009). Zukunft der Mobilität 2020 – Die Automobilindustrie im Umbruch? http://www.adlittle.de/uploads/tx_extthoughtleadership/ADL_Zukunft_der_Mobilitaet_2020_Langfassung.pdf. Zugegriffen: 10. Aug. 2016.
Zeiler GmbH. (2015). So funktioniert das MVV-RufTaxi im Landkreis Fürstenfeldbruck. http://www.mvv-muenchen.de/fileadmin/media/Dateien/7_Der_MVV/dokumente/2015-09-23_Anmeldeverfahren_RufTaxi_FFB.pdf. Zugegriffen: 13. Aug. 2016.
Zukunftsinstitut. (2014). Automotive Zeitgeist Studie 2.0. https://www.zukunftsinstitut.de/fileadmin/user_upload/Publikationen/Auftragsstudien/Ford_Automotive_Zeitgeist_Studie_2.pdf. Zugegriffen: 8. Aug. 2016.
Zukunftsinstitut GmbH. (o. J.). Neo-Ökologie – Die Märkte werden grün. https://www.zukunftsinstitut.de/artikel/neo-oekologie-die-maerkte-werden-gruen/. Zugegriffen: 01. Aug. 2016.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Heggenberger, R., Mayer, C. (2018). Predictive Analytics in der Mobilitätsbranche. In: Wagner, H., Kabel, S. (eds) Mobilität 4.0 – neue Geschäftsmodelle für Produkt- und Dienstleistungsinnovationen. Schwerpunkt Business Model Innovation. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-21106-6_1
Download citation
DOI: https://doi.org/10.1007/978-3-658-21106-6_1
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-21105-9
Online ISBN: 978-3-658-21106-6
eBook Packages: Business and Economics (German Language)