Mercator Stiftungslehrstuhl

für Demand Management & Sustainable Transport

Über uns

Herzlich Willkommen am Mercator Stiftungslehrstuhl für Demand Management & Sustainable Transport.

Unsere Arbeit konzentriert sich auf die Entwicklung innovativer digitaler Technologien, um nachhaltigen Transport zu ermöglichen. Ein Schwerpunkt liegt dabei auf der Kombination von Demand-Management-Konzepten (z.B. dynamische Preisgestaltung oder Verfügbarkeitskontrolle von Dienstleistungen) und klassischem Transport-/Logistikmanagement (z.B. Routenoptimierung) zur Steigerung der Nachhaltigkeit.

Unsere Arbeit umfasst Planungs- und Steuerungsprobleme der urbanen Logistik, der Mobilität sowie des Luftverkehrsmanagements. Typischerweise umfassen diese Anwendungen Prognosemodelle, Modellierung von Kundenwahlverhalten, optimale Steuerung, großskalierte Optimierung und optimales Lernen. Wir entwickeln Lösungen in Zusammenarbeit mit verschiedenen Stakeholdern.

Team

Unser Team

Professor Dr. Arne Strauss

Lehrstuhlinhaber

Büro V-004

+49 (0)261 6509 775
E-Mail senden

Mehr erfahren

Jens Frische

Wissenschaftlicher Mitarbeiter / Doktorand

Büro V-202

+49 (0)261 6509 778
E-Mail senden

Mehr erfahren

Gideon Gottschalg

Wissenschaftlicher Mitarbeiter / Doktorand

Büro V-202

+49 (0)261 6509 779
E-Mail senden

Mehr erfahren

Vivien Schoepf

Wissenschaftliche Mitarbeiterin / Doktorandin

Büro V-202

+49 (0)261 6509 774
E-Mail senden

Mehr erfahren

Ehemalige Mitarbeiter

Jan-Rasmus Künnen

Mehr erfahren

Lehre

Lehre –
Kursangebot in 2023

In diesem Kurs soll ein Gefühl dafür vermittelt werden, wie Analyseprojekte funktionieren, um sie managen und/oder ihren Nutzen beurteilen zu können.

Es handelt sich nicht um einen Modellierungskurs - obwohl wir uns mit Modellierung beschäftigen werden. Es ist auch kein Programmierkurs - obwohl wir in R viel programmieren werden (unterstützt durch DataCamp). Stattdessen dient die Modellierung und Programmierung nur zur Veranschaulichung der Schritte, die in typischen Analyseprojekten vorkommen. Dies soll bei der Planung eines solchen Projekts helfen, angefangen vom Verständnis des Geschäftsproblems über die Modellierung bis hin zur Modellbewertung und Kommunikation der Projektergebnisse (oder eines Projektvorschlags) an einen Kunden.

Es gibt keine klassische Trennung zwischen Vorlesungs- und Tutoriumssitzungen; stattdessen werden in allen Sitzungen Vorlesungselemente, praktische Demonstrationen und Übungen miteinander vermischt, um ein ansprechenderes Umfeld zu schaffen. In einer bewerteten Gruppenarbeit durchlaufen Sie alle Phasen eines datenwissenschaftlichen Projekts, einschließlich der Gestaltung der Geschäftsziele und der Verbindung der Modellierungsergebnisse mit diesen.

Wir werden auch Visualisierungskonzepte sowohl in der Theorie als auch in der Praxis behandeln, wobei wir für letzteres Tableau verwenden. Insbesondere werden wir uns mit dem Design von Dashboards, interaktiven Karten (wie die in Abb. 1 gezeigte) und Diagrammen sowie mit der Strukturierung von Verkaufsgesprächen befassen.

Der Lehrplan sieht wie folgt aus:

  1. Einführung in den CRISP-DM-Prozess (Geschäftsverständnis)
  2. Probenahme und Partitionierung (Datenaufbereitung)
  3. Informationsauswahl, Modellierung und Überanpassung (Modellierung)
  4. Bewertung des Modells
  5. Beweiskombination (Naïve Bayes, Association Mining) und Visualisierung
  6. Visualisierung, Dashboards, Verkauf Ihres Projekts an Endbenutzer

Pricing Analytics BSc

Pricing Analytics (Die Preisanalyse) und  Revenue Management (das Ertragsmanagement) konzentrieren sich darauf, wie ein Unternehmen die Nachfrage modellieren, automatisierte Preis- und Produktverfügbarkeitsentscheidungen über seine verschiedenen Vertriebskanäle festlegen und aktualisieren sollte, um seine Rentabilität zu maximieren. Der Einsatz solcher Strategien hat das Transport- und Gastgewerbe verändert, und sie werden im Einzelhandel, in der Telekommunikation, in der Unterhaltungsbranche, bei Finanzdienstleistungen, im Gesundheitswesen und in der Fertigung immer wichtiger.

Innerhalb des breiteren Bereichs der Preistheorie legt der Kurs den Schwerpunkt auf die taktische Optimierung von Preis- und Kapazitätszuweisungsentscheidungen, die mit Hilfe von Nachfragemodellierung und eingeschränkter Optimierung - den beiden Hauptbausteinen von Ertragsmanagementsystemen - angegangen werden.

Fallstudien vermitteln praktische Erfahrungen mit dem Thema. Die Teilnehmer verwenden R für die meisten Übungen innerhalb der RStudio-Umgebung, wobei sowohl die Nachfragemodellierung als auch Optimierungsprobleme behandelt werden. Im Kontext der kundenspezifischen B2B-Preisgestaltung untersuchen wir zum Beispiel die Frage, wie die Gewinnwahrscheinlichkeitsfunktion aus historischen Daten geschätzt werden kann und wie diese zur Optimierung individueller Preisangebote verwendet werden kann.

Der Lehrplan sieht wie folgt aus:

  1. Einführung, Kundenbewertungsspiel
  2. Nachfragemodellierung (parametrische, nicht-parametrische Modelle, nicht einschränkend)
  3. Eingeschränkte Preisoptimierung, Kapazitätskontrolle, Netzertragsmanagement
  4. Dynamische Preiskontrolle, (ungefähre) dynamische Programmierung
  5. Preisabschläge, verhaltensorientierte Preisgestaltung
  6. Angepasste B2B-Preisgestaltung, Schätzung der Gewinnwahrscheinlichkeitsfunktion

Sustainable Urban Transport BSc

In diesem Kurs geht es darum, ein Bewusstsein dafür zu schaffen, was derzeit im Bereich der nachhaltigen Mobilität und Transportlösungen geschieht. Darüber hinaus wird erörtert, wie innovative Geschäftsmodelle bewertet werden können, wie ihr Ökoeffizienz- und Nachhaltigkeitspotenzial bewertet werden kann, und es werden einige datengestützte Modellierungsansätze betrachtet, die zur Erreichung von Nachhaltigkeit beitragen.

Der Kurs enthält mehrere Fallstudien, um die Konzepte praxisnah zu veranschaulichen. Inhaltlich befassen wir uns mit Trends nach dem Covid 19, der Nachhaltigkeitsbewertung, grünen Fahrzeugen (Elektrofahrzeuge, gemeinsam genutzte Mobilität, autonomes Fahren), innovativen Logistikkonzepten und bedarfsgerechter Luftmobilität.

Modern Tools and Applications of Data Science- MSc

In diesem Kurs soll ein Gefühl dafür vermittelt werden, wie Analyseprojekte funktionieren, um sie managen und/oder ihren Nutzen beurteilen zu können.

Es handelt sich nicht um einen Modellierungskurs - obwohl wir uns mit Modellierung beschäftigen werden. Es ist auch kein Programmierkurs - obwohl wir in R viel programmieren werden. Stattdessen dient die Modellierung und Programmierung nur zur Veranschaulichung der Schritte, die in typischen Analyseprojekten vorkommen. Dies soll bei der Planung eines solchen Projekts helfen, angefangen vom Verständnis des Geschäftsproblems über die Modellierung bis hin zur Modellbewertung und Kommunikation der Projektergebnisse (oder eines Projektvorschlags) an einen Kunden.

Es gibt keine klassische Trennung zwischen Vorlesungs- und Tutoriumssitzungen; stattdessen werden in allen Sitzungen Vorlesungselemente, praktische Demonstrationen und Übungen miteinander vermischt, um ein ansprechenderes Umfeld zu schaffen. In einer bewerteten Gruppenarbeit durchlaufen Sie alle Phasen eines datenwissenschaftlichen Projekts, einschließlich der Gestaltung der Geschäftsziele und der Verbindung der Modellierungsergebnisse mit diesen.

Wir werden auch Visualisierungskonzepte sowohl in der Theorie als auch in der Praxis behandeln, wobei wir für letzteres Tableau verwenden. Insbesondere werden wir uns mit dem Design von Dashboards (und der Erstellung einiger weniger, wie in Abb. 1), interaktiven Karten und Diagrammen und der Strukturierung von Verkaufsgesprächen befassen.

Der Lehrplan sieht wie folgt aus:

  1. Einführung in den CRISP-DM-Prozess (Geschäftsverständnis)
  2. Probenahme und Partitionierung (Datenaufbereitung)
  3. Informationsauswahl, Modellierung und Überanpassung (Modellierung)
  4. Bewertung des Modells
  5. Beweiskombination (Naïve Bayes, Association Mining) und Visualisierung
  6. Visualisierung, Dashboards, Verkauf Ihres Projekts an Endbenutzer
  7. Tableau: Verwendung von Web-Datenkonnektoren, Aufruf von R aus Tableau heraus und andere fortgeschrittenere Themen

Fundamentals of Optimization – Doctoral Program

Optimierung ist für viele Anwendungen in der Wirtschaft wichtig, sei es im Finanzwesen, im Betrieb, im Marketing oder in anderen Bereichen. Ziel dieses Kurses ist es, einen breiten Überblick über die Konzepte zu geben, die der Optimierung zugrunde liegen, um den Studenten ein Verständnis dafür zu vermitteln, mit welcher Art von Optimierungsproblemen sie sich in ihrem Studium beschäftigen und wie diese angegangen werden könnten.

Die Abdeckung umfasst:

  • Struktur eines Optimierungsproblems
  • Deterministische versus stochastische Optimierung
  • Kontinuierliche versus diskrete Optimierung
  • Eingeschränkte versus uneingeschränkte Optimierung
  • Grundlegend wichtige Konzepte wie Konvexität, Dualität, Komplexität, totale Unimodularität, ...
  • Einführung in verschiedene Techniken einschließlich linearer und nichtlinearer mathematischer Programmierung, (ungefähre) dynamische Programmierung für Steuerungsprobleme, optimales Lernen

Wir werden nicht aus Zeitgründen zu tief in die Themen einsteigen, sondern der Schwerpunkt liegt auf der Vermittlung eines intuitiven Verständnisses von Optimierungstechniken und von ausnutzbaren Strukturen. Die Absicht ist es, diesen Kurs nützlich und relevant für alle Studenten zu machen, die mit irgendeiner Form von Optimierungsproblemen konfrontiert sind und die noch keine formale Ausbildung in Optimierung erhalten haben.

PTMBA - Data Science for Managers

Mit dem drastischen Anstieg des Einsatzes von Data Science in Unternehmen steigt auch der Bedarf an Managern, die die Grundlagen der Data Science kennen, um effektive Entscheidungen zu treffen: McKinsey schätzte, dass für jeden Datenwissenschaftler etwa 10 Manager mit diesen Fähigkeiten benötigt werden (da der Nutzen eines Data-Science-Teams in mehreren Bereichen des Unternehmens erzielt werden kann).
Dieser Kurs versucht, dieses Wissen zu vermitteln. Konkret geht es darum, ein Verständnis für Data Science zu vermitteln, das ausreicht, um ein kritischer Konsument von Data-Science-Lösungen zu werden. Sie werden die notwendigen Fähigkeiten erwerben, um die richtigen Fragen zu stellen, wenn Berater Data-Science-Projekte vorschlagen, und Sie werden in der Lage sein, besser mit internen Data-Science-Teams zu kommunizieren, da Sie verstehen, wie Data Scientists arbeiten. Das Ziel ist nicht, Sie zu einem Datenwissenschaftler auszubilden, sondern mit ihnen als Manager zu arbeiten.

Die folgenden Konzepte werden behandelt (praxisnah und fallbasiert):

  • Einführung in den branchenübergreifenden Standardprozess für Data Mining: vom Geschäftsverständnis über das Datenverständnis, die Datenaufbereitung, die Modellierung, die Auswertung bis hin zum Einsatz.
  • Datentypen und warum diese wichtig sind
  • Daten-Sampling und Partitionierung
  • Konzeptionelles Verständnis der wichtigsten Modelle des maschinellen Lernens für prädiktive Analysen (Entscheidungsbäume, lineare Klassifikatoren, ...)
  • Was ist ein gutes Modell? Bewertung und Visualisierung der Modellleistung
  • Datenwissenschaft und Unternehmensstrategie: Bewertung von Projektvorschlägen für Datenwissenschaft, Zusammenarbeit mit Datenwissenschaftlern
  • Visualisierungskonzepte, interaktive Karten und Dashboards: Theorie und Praxis mit Tableau

In dem Kurs wird R zur Veranschaulichung eines datenwissenschaftlichen Projekts verwendet, Programmierfähigkeiten ist kein Lernziel, daher ist das Erlernen der R-Programmierung völlig freiwillig. 

Data Science for Decision Makers

Der Nutzen, auf Basis von Daten bessere Entscheidungen zu treffen, liegt auf der Hand: "Wenn uns Daten vorliegen, sollten wir uns diese Daten ansehen. Wenn wir nur Meinungen haben, sollten wir uns auf meine verlassen." (Jim Barksdale, ehemaliger Präsident und CEO von Netscape)

Das WHU-Programm "Data Science for Decision Makers" vermittelt Teilnehmenden das notwendige Wissen für eine erfolgreiche Zusammenarbeit mit Datenwissenschaftlern. Ziel ist es nicht, die Teilnehmer:innen zu Datenwissenschaftlern auszubilden, sondern ein Verständnis für Datenwissenschaft zu entwickeln, was die Kommunikationsbarrieren zwischen Entscheidungsträgern und Datenwissenschaftlern reduziert. Sie lernen, wie man Daten mit Hilfe von Werkzeugen des maschinellen Lernens sinnvoll auswertet und wie man die Vorzüge von datenwissenschaftlichen Projektvorschlägen kritisch bewertet.

Nach erfolgreichem Abschluss des Programms erhalten Sie ein WHU Executive Education Certificate.

Für mehr lesen Sie hier

Publikationen & Forschung

Erfahren Sie mehr über unsere Forschung

Zeige mehr
News

Lesen Sie unsere News –
Erfahren Sie mehr über unsere Lehrstuhlaktivitäten.

Fachjurymitglied Professor Dr. Arne Strauss bewertete Unternehmen im Bereich Transport- und Logistikwirtschaft

Weiterlesen

Jan-Rasmus Künnen erhält den INFORMS Aviation Applications Section Dissertation Award

Weiterlesen

Dr Jan-Rasmus Kuennen erhält die "Bronze Anna Valicek Medal"

Weiterlesen

Veröffentlicht in Transportation Research Part A: Policy

Weiterlesen

Top-Ergebnis: Bestnote mit Publikationen in internationalen Top-Fachzeitschriften

Weiterlesen

"Operational Research: Methods and Applications"

Weiterlesen

Prof Strauss, Jan Künnen & Ko-Autoren entwickeln neue Methodik

Weiterlesen
Kontakt

Kontaktieren Sie uns –
Wir freuen uns von Ihnen zu hören.

Prof. Dr. Arne Strauss

Lehrstuhlinhaber

Büro V-004

+49 (0)261 6509 775
arne.strauss(at)whu.edu

WHU – Otto Beisheim School of Management

Lehrstuhl für Demand Management & Sustainable Transport
D'Esterstraße 9; Gebäude V
56179 Vallendar