von Dr. David Fleckenstein (Gewinner des GOR-Preises für Dissertationen 2026)
Ob Lebensmittellieferung, Same-Day-Delivery oder On-Demand-Verkehr: Immer häufiger werden logistische Dienstleistungen individuell konfiguriert und kurzfristig gebucht. Eine Anwendung mit besonders großer gesellschaftlicher Bedeutung ist der gebündelte On-Demand-Verkehr im ländlichen Raum (engl. abgek. SMOD). Als Teil des öffentlichen Verkehrs kann dieser eine flächendeckende Mobilitätsgrundversorgung im Sinne der Daseinsvorsorge auch bei geringer Nachfragedichte gewährleisten. Dienstleistungsanbieter müssen entscheiden, welche Liefer- oder Fahrtoptionen sie anfragenden Kunden zu welchen Preisen anbieten und können die Nachfrage dadurch gezielt steuern. Gleichzeitig müssen bestätigte Buchungen in den Tourenplan eingeplant werden. Daraus ergibt sich eine eigene Familie von Optimierungsproblemen: die integrierten Nachfragesteuerungs- und Tourenplanungsprobleme (engl. abgek. i-DMVRPs).
Die kumulative Dissertation untersucht i-DMVRPs aus zwei Perspektiven. Im ersten Teil werden sie aus theoretischer Sicht analysiert. Die Arbeit liefert eine formale Definition von Opportunitätskosten im Kontext von i-DMVRPs und beweist mathematische Eigenschaften. Zudem werden mithilfe von Methoden des Explainable Reinforcement Learning systematische Fehler bei der Approximation von Opportunitätskosten analysiert.
Der zweite Teil nimmt eine praktische Perspektive ein. Auf Basis von Realweltdaten des SMOD-Anbieters FLEXIBUS werden die Voraussetzungen für erfolgreiche Nachfragesteuerung untersucht. Die Analysen zeigen, dass Fahrgäste substanzielle zeitliche Flexibilität aufweisen, die der Anbieter mit aktiver Nachfragesteuerung ausnutzen kann. Zugleich werden Zielkonflikte zwischen ökologischer, ökonomischer und sozialer Nachhaltigkeit offenbar. Aufbauend darauf entwickelt die Dissertation einen Ansatz für nachhaltige dynamische Bepreisung, der alle drei Dimensionen der Nachhaltigkeit explizit berücksichtigt und dabei monopolistische Preissetzung ausschließt. Die Preise werden so optimiert, dass sie die bediente Nachfrage maximieren und zugleich die marginalen Kosten inkl. externer Kosten für Emissionen decken. Rechenstudien auf Basis von Realweltdaten zeigen, dass dieser Ansatz sowohl die Nachfragebündelung von SMOD-Systemen verbessert als auch den Subventionsbedarf senkt. Die Arbeit trägt somit zu Mobilitätswende und Daseinsvorsorge im ländlichen Raum bei.
Autor
Dr. David Fleckenstein
Lehrstuhl für Analytics & Optimization
Universität Augsburg