Advertisement

Agentenbasierte Marktsimulation – ein Spezialwerkzeug

  • Christian Stummer
  • Lars Lüpke
  • Sabrina Backs
  • Markus Günther
Chapter
Part of the Intelligente Technische Systeme – Lösungen aus dem Spitzencluster it’s OWL book series (ITSLSOWL)

Zusammenfassung

Nachdem unternehmensspezifische Szenarien erstellt worden sind, stellt sich die Frage nach den „besten“ Handlungsoptionen. Hierbei kann eine (agentenbasierte) Marktsimulation unterstützen, die es erlaubt, die Wirksamkeit der zur Wahl stehenden Maßnahmenportfolios für alternative „Zukünfte“ durchzuspielen. In diesem Kapitel wird zunächst der Nutzen einer solchen Simulation im Rahmen der strategischen Technologieplanung motiviert. Dann werden die Elemente und der Ablauf einer agentenbasierten Marktsimulation beschrieben. Schließlich wird ihr Einsatz anhand zweier Pilotanwendungen illustriert.

Literatur

  1. AnyLogic (2017) http://www.anylogic.com. Zugegriffen am 06.06.2017
  2. Barabási AL, Albert R (1999) Emergence of scaling in random networks. Science 286(5439):509–512MathSciNetCrossRefGoogle Scholar
  3. Chica M, Rand W (2017) Building agent-based decision support systems for word-of-mouth programs: a freemium application. J Market Res 54(5):752–767CrossRefGoogle Scholar
  4. Cialdini RB, Goldstein NJ (2004) Social influence: compliance and conformity. Annu Rev Psychol 55:591–621CrossRefGoogle Scholar
  5. Desmarchelier B, Fang ES (2016) National culture and innovation diffusion: exloratory insights from agent-based modeling. Technol Forecast Soc Change 105:121–128CrossRefGoogle Scholar
  6. Kiesling E, Günther M, Stummer C, Wakolbinger LM (2012) Agent-based simulation of innovation diffusion: a review. Cent Eur J Oper Res 20(2):183–230CrossRefGoogle Scholar
  7. Latané B, Liu JH, Nowak A, Bonevento M, Zheng L (1995) Distance matters: physical space and social impact. Pers Soc Psychol Bull 21(8):795–805CrossRefGoogle Scholar
  8. OWL Kinderbetreuung (2017) http://www.kinderbetreuung-owl.de. Zugegriffen am 06.06.2017
  9. Rogers EM (2003) Diffusion of innovations, 5. Aufl. Free Press, New YorkGoogle Scholar
  10. Stummer C, Kiesling E (2012) Simulating innovation adoption behavior: lessons learned for modelers and programmers. In: Breitenecker F, Bruzzone AG, Jimenez E et al (Hrsg) Proceedings of the 24th European Modeling and Simulation Symposium (EMSS-2012), S 90–96Google Scholar
  11. Stummer C, Kiesling E, Günther M, Vetschera R (2015a) Innovation diffusion of repeat purchase products in a competitive market: an agent-based simulation approach. Eur J Oper Res 245(1):157–167CrossRefGoogle Scholar
  12. Stummer C, Lüpke L, Günther M (2015b) Intelligente Produkte, Zukunftsszenarien und Agenten: Eine Marktsimulation zur Entscheidungsunterstützung bei der strategischen Technologieplanung. In: Gausemeier J (Hrsg) Vorausschau und Technologieplanung, Tagungsband vom 11. Symposium für Vorausschau und Technologieplanung (SVT). HNI Verlagsschriftenreihe Bd 347, S 449–470Google Scholar
  13. Xiao Y, Han J (2016) Forecasting new product diffusion with agent-based models. Technol Forecast Soc Change 105:167–178CrossRefGoogle Scholar
  14. Watts DJ, Strogatz SH (1998) Collective dynamics of „small-world“ networks. Nature 393(6684):440–442CrossRefGoogle Scholar
  15. Zsifkovits M, Günther M (2015) Simulating resistances in innovation diffusion over multiple generations: an agent-based approach for fuel-cell vehicles. Cent Eur J Oper Res 27(3):501–522MathSciNetCrossRefGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  • Christian Stummer
    • 1
  • Lars Lüpke
    • 1
  • Sabrina Backs
    • 1
  • Markus Günther
    • 1
  1. 1.Uni BielefeldBielefeldDeutschland

Personalised recommendations