Entwicklung eines bedürfnisorientierten und erklärbaren Preisgestaltungssystems für die nachhaltige und faire Kostenverteilung durch Künstliche Intelligenz im On-Demand Ridepooling

Der Bedarf an innovativen Mobilitätskonzepten im Zuge einer nachhaltigen Mobilitätswende
steigt stetig. Ein vielversprechendes und bedarfsorientiertes Konzept bieten
On-Demand Ridepooling (ODR) Angebote. Während sich diese in den letzten Jahren
etablierten und eine hohe Nutzungsakzeptanz erfuhren, zeigen Praxisbeispiele, dass
ODR im öffentlichen Kontext häufig durch Finanzierungsprobleme keinen langfristigen
Betrieb sichern kann, was den Beitrag als verlässliche Mobilitätsalternative schmälert.
Insbesondere niedrige Tarife sorgen hierbei für hohe Betriebsdefizite. Im Rahmen dieser
Arbeit wurde untersucht, wie die Preisgestaltung fair und bedürfnisorientiert gestaltet
werden kann, um nutzerzentriert einen nachhaltigen Betrieb des ODR-Angebots zu
unterstützen. Hierfür wurde innerhalb eines menschzentrierten Entwicklungsprozesses
die Potenziale für eine individuelle Preisgestaltung mithilfe eines Expertenworkshops
und einer Conjoint Analysis im Zuge einer Nutzerstudie untersucht. Anhand von Rahmenbedingungen
und Nutzerpräferenzen wurde ein bedürfnisorientiertes Preismodell
entwickelt, dass Fahrten anhand eines regelbasierten und erklärbaren Entscheidungssystems
und durch individuelle und situationsbedingte Faktoren bepreist. Dieses wurde
als webbasierter Prototyp realisiert, der sich an der bestehenden Buchungsanwendung
des ODR-Dienstes lümo orientierte. Die abschließende Evaluation zeigte, dass die
bedürfnisorientierte Preisgestaltung durch das erklärbare System für Nutzende nachvollziehbar
war und insgesamt einen gebrauchstauglichen und nützlichen Eindruck im
Hinblick auf die wahrgenommene Akzeptanz und Fairness erzeugte. Die Integration
situationsbedingter Faktoren ließ sich somit als ein sinnvoller Ansatz für die Anpassung
und Abbildung situativer Unterschiede in der Tarifstruktur identifizieren.