EBusiness Elektronische Verhandlungen und Kombinatorische Auktionen Dr Michael

E-Business Elektronische Verhandlungen und Kombinatorische Auktionen Dr. Michael Schwind E-Business WS 06/07 Teil 5 / S. 1

Übersicht • Elektronische Verhandlungen & Dynamische Bepreisung • Kombinatorische Auktion: Grundlagen • Kombinatorische Auktion zur Ressourcenallokation im Grid • Kombinatorische Auktion zum Austausch von Logistikdiensten • Literatur E-Business WS 06/07 Teil 5 / S. 2

Elektronische Verhandlungen & Dynamische Bepreisung Electronic Market Engineering (EME) Beschäftigt sich mit der Gestaltung von elektronisch gestützten Verhandlungsprozessen über die Erstellung und Lieferung von Waren und Dienstleistungen im Bereich des B 2 B, B 2 C und B 2 A, so dass diese weitgehend automatisiert durchgeführt werden können. Christof Weinhardt EME ist eine Kerndisziplin des E-Business und vereinigt Bereiche der Wirtschaftsinformatik, der Spieltheorie und der Betriebswirtschaftlehre. Zwei wichtige Teilbereiche des EME: • Electronic Negotiations • Dynamic Pricing Martin Bichler E-Business WS 06/07 Teil 5 / S. 3

Elektronische Verhandlungen Beziehen Terms-of-Trade und Produktattribute in die elektronischen Verhandlungen mit ein: Qualität, Lieferzeitpunkt, Zuverlässigkeit etc. Klassifikation solcher Verhandlungen erfolgt z. B. in „The Montreal Taxonomy for Electronic Negotiations“ [Ströbel & Weinhardt 2003] Exogenous Criteria Endogenous Criteria Explicit Criteria • Constitution • Business Conduct • Negotiation • Situation • Trading Rules • Business Rules Implicit Criteria • Culture • Social Norms • Strategic Goals • Revenue E-Business WS 06/07 • Efficiency Teil 5 / S. 4

Elektronische Verhandlungen Klassifikation basiert auf dem „Media Reference Model“ [Schmid 1999] Knowledge Phase Intention Phase Agreement Phase Settlement Phase Knowledge Phase: Sammeln von Informationen über Produkte, Markteilnehmer, etc. Intention Phase: Spezifikation von Angebot und Nachfrage und Kauf- und Verkaufgeboten Agreement Phase: Identifikation der Konditionen für Vertragsabschluss und Transaktion Settlement Phase: Transaktion basierend auf dem Vertragsabschluss, Nachkauf-Support E-Business WS 06/07 Teil 5 / S. 5

Elektronische Verhandlungen Montreal Taxonomy [Ströbel & Weinhardt 2003] Intention Phase Knowledge Phase Agreement Phase Intention Phase Offer Specification Offer Submission Offer Analysis Settlement Phase Offer Matching Offer Allocation Offer Acceptance Endogenous explicit criteria Attributes Values Sides Directions Activities Value Threshold E-Business WS 06/07 Schedule Sorting Evaluation Resolution Distribution Provision Configuration Teil 5 / S. 6 Commitment

Dynamische Bepreisung Pricing Static Pricing Dynamic Price Posting Interactive Pricing Reverse Pricing Auctions Negotiationbased Pricing Dynamic Price Discrimination Yield Management [Schwind 2007] E-Business WS 06/07 Teil 5 / S. 7

Klassifikation von dynamischen Bepreisungsmethoden Criteria Seller-buyer interaction Dynamic Pricing Mechanism Negotiation. Based Pricing (NBP) Yield Management (YM) Allocation and pricing efficiency Bilateral negotiations lead to exchange contracts based on individually bargained prices. Multiple parties can be involved with alternating partners. 1 : 1 Customer places a bid (typically below his W 2 P). Seller accepts bid if threshold price is outbid. Threshold price is unknown to buyers. Dynamics depend on the threshold price setting and the consumers’ reaction. Low processing time and cost due to simplicity. Interactively determines the price and allocation of goods and services based on bids according to predefined rules. Dynamics depend on the iteration rate and is low for continuous auctions. Pricing time and costs are up to the auction setup. Allocation and pricing efficiency varies with the mechanism design. MD literat. discusses this topic in detail. 1 : 1 Differentiates prices according to a classification of the buyers according to their W 2 P. Dynamics depend on the sellers’ learning rate for the consumers’ reaction function. Low pricing time if ANPs are used. Exploits individual W 2 P leading to higher returns. Perceived inequality can cause customer disaffection. 1: n YM price differentiation follows a fixed scheme. YM uses consumer self-selection related to service level and timing conditions Dynamics strongly relate to the W 2 P learning rate and the quality of the YM model. Costs are in mid -range due to mature YMS. Targets high revenues and achieves satisfying allocation if pricing classes and contingents are appropriate. 1 : n n : 1 n : n Dynamic Price Discrimination (DPD) Response to market, processing time and cost 1 : 1 (1 : n) (n : 1) Reverse Pricing (RP) Auctions Description of the pricing mechanism E-Business WS 06/07 Dynamics depend on repetition frequency and possibility to renegotiate. Processing time and pricing costs are usually high. Teil 5 / S. 8 Efficiency corresponds to parties’ negotiation talent and bargaining position of the parties. Exploits the individual W 2 P of the customers. Due to the invisibility of the threshold price, in-equality is not perceived.

Dynamische Bepreisung Regeln interaktiver Preisverhandlungen Teilnahmeregeln • offen, geschlossen, 1: 1, Intermediär: zwingend/optional Gebotsregeln • Preis/ Menge, kombinatorisch, kontinuierliche Funktion, Gebotsbeschränkungen Markträumungspolitik • Closing- und Clearing-Zeiten Informationspolitik • Offenlegung / Verbergen von: Identität, Preisstellung, Orderbuch etc. [Schwind et al. 2005] E-Business WS 06/07 Teil 5 / S. 9

Kombinatorische Auktion Grundlagen E-Business WS 06/07 Teil 5 / S. 10

Kombinatorische Auktionen Grundlagen Auction “Auctions are resource allocation mechanisms based on a competitive bidding process over a single well defined object and involve a set of auction rules that specify how the winner is determined and how much he has to pay” [Bichler et al. 2003, Wolfstetter 1996] Complementarity “If the valuation of a bid bundle is higher than the valuation of the individual goods the effect is described as superadditivity. This results from complementarities in the bidder’s utility function. ” [De. Vries 2001] Combinatorial Auction “Combinatorial auctions allow bidders to bid for bundles of goods, services or resources, while the valuation of the bundles depends on synergies between the individual goods, services or resources. ” [Cramton 2005] E-Business WS 06/07 Teil 5 / S. 11

Kombinatorische Auktion Komplementarität Videokonferenz IT-Ressourcen Allokation ? IT-Dienste CPU Memory Disk Netzwerk E-Business Komplementarität 1. Ressourcen • Videokonferenz • komplementär • 3 Ressourcen • verteilt benötigt • Netzwerkausfall • Ausfall 2. Allokation der Konferenz • Entwertung • der optimal Ressourcen Datenbankberechnung • dynamisch WS 06/07 Teil 5 / S. 12

Kombinatorische Auktion CAP Mechanismus Example Bidder b b 321 and b 2 (E, 9 MU) MEM, t 1 MEM, t 2 Database Calculation MEM, t 3 (D, 8 MU) Resources {MEM, CPU, NET} (C, 8 MU) (A, 8 MU) CPU, t 1 CPU, t 2 CPU, t 3 Maximum ? (B und D, 12 MU) NET, t 1 NET, t 2 NET, t 3 (B, 4 MU) Video Conference Time Slots {t 1, t 2, t 3} 3 Bidder {b 1, b 2, b 3} bid for bundles {A, B, C, D, E} E-Business WS 06/07 Teil 5 / S. 13

Kombinatorische Auktion CAP Mechanismus Combinatorial Auction Problem under constraints: E-Business WS 06/07 Teil 5 / S. 14

Kombinatorische Auktion Entscheidungsunterstützung Preisfeedback – Einrundig: Sealed-bid VCG verwendbar, nur für Annahmeentscheidung – Iterativ: Preisfeedback, Anonyme Preise, Verwendung von Sealed-bid Proxy-Agenten, Clock Auction Gebotsformulierung – Gebotsbewertung: Multiattributive, manuelle / automatisierte Gebotsbildung (Logistik), Präferenzbestimmung durch Fragen, Rücknahme der Gebote erlaubt (leveled-commitment) in Verbindung mit Proxy-Agenten [Schwind 2005, König & Schwind 2005] E-Business WS 06/07 Teil 5 / S. 15

Kombinatorische Auktion Entscheidungsunterstützung Gebotsformulierung (fortgesetzt) – Beschränkung der Gebotssprache: Logik (AND / OR, XOR, OR-of XOR), Ausdrucksstärke vs. Einfachheit Gewinnerbestimmung – – – Ganzzahlige Programmierung: kleine Problemgrößen, exakt, langsam, VCG GA / SA / Greedy: große Problemgröße, näherungsweise, schnell, Rechengeschwindigkeit vs. ökonomische Effizienz Beschränkungen bei der Gewinnerermittlung: Menge / Umsatzanteil, Anzahl der Anbieter [Schwind 2005, König & Schwind 2005] E-Business WS 06/07 Teil 5 / S. 16

Kombinatorische Auktion zur Ressourcenallokation im Grid E-Business WS 06/07 Teil 5 / S. 17

Kombinatorische Auktion zur Ressourcenallokation Ökonomische Allokation Iterativer Allokations- und Bepreisungsprozess durch den Marktmediator Ressourcenstatus IT-Anbieter Gebotsannahme E-Business Bepreisung Marktmediator Allokation WS 06/07 Ressourcenpreis IT-Nachfrager Gebotsabgabe Teil 5 / S. 18

Kombinatorische Auktion zur Ressourcenallokation Gebote Nachfrager geben Gebote Matrizen ab: Gebot für Ressourcenkapazität q (o, t) in Form von Zeitslot (t) Ressourcen (o) t 1 CPU 2 t 3 2 1 1 Disk 2 2 E-Business 3 WS 06/07 3 t 5 t 6 t 7 t 8 3 3 1 1 1 2 2 3 Netzwerk Memory t 4 1 1 Teil 5 / S. 19

Kombinatorische Auktion zur Ressourcenallokation Aufgaben • Steuert den iterativen Allokationsprozess im System • Sammelt die Gebote der Agenten • Löst das kombinatorische Auktionsproblem (CAP) • Berechnet die Ressourcenpreise und kommuniziert diese den bietenden Agenten Optimierungsziel • Maximierung des Erlöses in der jeweiligen Auktionsrunde Probleme • CAP ist NP-hartes Optimierungsproblem • • zeitkritisch in großen Systemen Berechnung der Ressourcenpreise aus der Allokation • unterschiedliche Bewertung der Ressourcen in den Bündeln: oft keine einheitliche Preisstellung möglich (nicht-anonyme, nicht-lineare Preise) E-Business WS 06/07 Teil 5 / S. 20

Kombinatorische Auktion zur Ressourcenallokation CAP-Lösungsverfahren Verfahren • Greedy (GR) Gebote werden nach dem Verhältnis von Gebotspreis zu Ressourceneinheiten sortiert und solange in die Allokation eingefügt bis Kapazität überschritten ist • Simulated Annealing (SA) Gebote werden gesteuert durch Temperatur und Straffunktion für Kapazitätsüberschreitung zur Allokation hinzugefügt bzw. herausgenommen • Genetischer Algorithmus (GA) Verwendung von Random-Key-Kodierung erlaubt es, Ressourcenrestriktionen des CAP in den GA mit Tournament-Selektion zu integrieren [Schwind et al. 2003 a] Benchmark Verwendung von unterschiedlich strukturierten, stochastisch generierten Ressourcenanfragen (Gebotsmatrizen: unstrukturiert, substrukturiert, strukturiert) [Schwind et al. 2003 a] E-Business WS 06/07 Teil 5 / S. 21

Kombinatorische Auktion zur Ressourcenallokation CAP-Lösungsverfahren Rechenzeit Lösungsqualität Benchmark (unstrukturierte Gebote bei 25 - 75 Agenten) Lösungsverfahren zur schnelleren Berechnung des CAP: Greedy (GR), Simulated Annealing (SA) und Genetischer Algorithmus (GA) im Vergleich zu Integer Programming (IP) E-Business WS 06/07 [Schwind et al. 2003 a] Teil 5 / S. 22

Kombinatorische Auktion zur Ressourcenallokation: Preise Schattenpreise (Duales Problem des relaxierten CAP) unter den Nebenbedingungen Schattenpreis für Ressource o über Periode T: E-Business WS 06/07 Marktwert einer Ressourceneinheit: Teil 5 / S. 23

Kombinatorische Auktion zur Ressourcenallokation: Preise Marktpreise der Ressourcen Knappheit der Ressourcen 1 1, 4 0, 8 1, 2 Knappheit Markpreise 1 0, 8 0, 6 0, 4 0, 2 0 0 1 25 50 25 1 Res. 2 50 Runde Res. 3 Res. 4 Res. 1 Res. 2 Res. 3 Res. 4 Ressourcenpreise Marktpreisreaktion für vier komplementäre Ressourcen auf Basis der vom Auktionator ermittelten Schattenpreisen in einer iterativen kombinatorischen Auktion mit 10 kompetitiv bietenden Agenten Komplementaritäten bewirken starken Preisanstieg in Runde 25 für die um 37 % verknappte Res. 1 E-Business WS 06/07 [Schwind et al. 2006 b] Teil 5 / S. 24

Kombinatorische Auktion zur Ressourcenallokation: Preise Relative Preisänderung 100 10 1 0. 01 0. 001 1 2 3 4 5 6 7 Verknappung von Ressource 1 Res. 2 Res. 3 Res. 4 Ressourcenpreise bei sukzessiver Verknappung Relative Preisänderung als Verhältnis der Schattenpreise vor und nach der Verknappung von Ressource 1 bei sukzessiver Reduktion um bis zu 7 Einheiten E-Business WS 06/07 [Schwind et al. 2006 b] Teil 5 / S. 25

Kombinatorische Auktionen zum Austausch von Logistikdiensten E-Business WS 06/07 Teil 5 / S. 26

Kombinatorische Börse für Logistikdienstleistungen Ausgangssituation Empirische Untersuchung in der Nahrungsmittelindustrie: Güterauslieferung an Kunden ist zeitkritisch und entscheidender Kostenfaktor (n= 109, 11 Antworten aus der Branche) [Wendt et al. 2006] E-Business WS 06/07 Teil 5 / S. 27

Kombinatorische Börse für Logistikdienstleistungen Liefergebiete E-Business WS 06/07 Teil 5 / S. 28

Kombinatorische Börse für Logistikdienstleistungen Problem & Lösung Probleme der innerbetrieblichen Auftragsoptimierung Anreizproblematik • Abwanderung von Kunden zum nächsten Profitcenter möglich Neutralität des innerbetrieblichen Leistungsaustausches • Hohe Komplexität der Kostenstruktur ändert sich mit der Routenplanung Lösung • Auftragsoptimierungssystem durch eine kombinatorische Börse zum innerbetrieblichen Austausch von Aufträgen hebt Synergieeffekte [Gujo et al. 2007] E-Business WS 06/07 Teil 5 / S. 29

Kombinatorische Börse für Logistikdienstleistungen Outsourcing, Insourcing, Clusterung Outsourcing: Profitcenter geben automatisiert Abgabegebote ab Insourcing: Profitcenter geben automatisiert Übernahmegebote ab Einsparung Outsourcing von. A: 2: 2 A 1 3 GE von. B: 1: 1 B 2 von. C: 1: 1 C 2 3 GE 2 GE von. BC: 1: 1 BC 2 8 GE Beste Lösung: A, BC Insourcing 1 GE von 2 zu 1: A 1 von GE 1 zu 2: B 2 GE 0 von GE 1 zu 2: C 3 von GE 1 zu 2: BC 2 GE 5 GE 4 GE Profitcenter 2 C A B Cluster Profitcenter 1 E-Business WS 06/07 Teil 5 / S. 30

Kombinatorische Börse für Logistikdienstleistungen Com. Ex Varlog Software Routenoptimierung Kombinatorisch e Auktion Clusterbildung E-Business WS 06/07 Teil 5 / S. 31

Kombinatorische Börse für Logistikdienstleistungen Com. Ex Varlog Software Vorteile • • • Skalierbarkeit Nachrichtenaustausch in CAMe. L (Combinatorial Auction Meta Language) Verwendung verschiedener Auktionsalgorithmen möglich Bearbeitung großer Datenmengen durch verteilte Architektur Wahrheitsgemäßes Bieten durch standardisierte Gebotsabgabe Fragen • • • Optimale Clustergröße Zusammenwirken von Routenoptimierung und kombinatorischer Auktion Anreizkompatibilität bei Verteilung der Ersparnis zwischen den einzelnen Profit Centern E-Business WS 06/07 Teil 5 / S. 32

Kombinatorische Börse für Logistikdienstleistungen Simulationsergebnisse Lieferkosteneinsparung durch den Einsatz von Com. Ex [Gujo et al. 2007] E-Business WS 06/07 Teil 5 / S. 33

Kombinatorische Börse für Logistikdienstleistungen Simulationsergebnisse Gesamtlieferstrecke in Abhängigkeit von erlaubter Anzahl von Geboten [Gujo et al. 2007] E-Business WS 06/07 Teil 5 / S. 34

Literatur E-Business WS 06/07 Teil 5 / S. 35

Literatur • Crampton, P. , Shoham, Y. and Steinberg, R. (2006) ‘Introduction to Combinatorial Auctions’‚ in Crampton, P. , Shoham, Y. , Steinberg, R. (ed. ): Combinatorial Auctions, MIT Press, Cambridge • de Vries, S. and Vohra R. (2001) ‘Combinatorial Auctions: A Survey. ’ INFORMS Journal on Computing 15 (3): pp. 284 -309. • Gujo, O. , Schwind, M. , Stockheim, T. , Wendt O. , Vykoukal J. , Weiß K. : Com. Ex: Kombinatorische Auktionen zum innerbetrieblichen Austausch von Logistikdienstleistungen In 8. Internationale Tagung Wirtschaftsinformatik, Karlsruhe, Germany, 2007 • König, W. , and Schwind, M. "Entwurf von kombinatorischen Auktionen für Allokations- und Beschaffungsprozesse, " in: Herausforderungen der Wirtschaftsinformatik: Festschrift für Prof. Krallmann, B. Rieger and D. Karagiannis (eds. ), Springer, Berlin, 2005, pp. 29 -45. • Schmid, B. : Elektronische Märkte - Merkmale, Organisation und Potentiale, in: Sauter, M. ; Hermanns (ed. ), Arnold: Handbuch Electronic Commerce, Vahlen Verlag, 1999, S. 31 -48 • Schwind, M. "Design of Combinatorial Auctions for Allocation and Procurement Processes, " 7 th International Conference on E-Commerce Technology 2005, München, Germany, 2005, pp. 391395. • Schwind, M. , and Gujo, O. "Using Shadow Prices in a Combinatorial Grid with Proxy-bidding Agents, " Proceedings of the 8 th International Conference on Enterprise Information Systems (ICEIS 2006); Paphos; Cyprus, 2006 a. • Schwind, M. , Gujo, O. , and Stockheim, T. "Dynamic Resource Prices in a Combinatorial Grid System, " Proceedings of the IEEE Joint Conference on E-Commerce Technology (CEC'06) and Enterprise Computing, E-Commerce and E-Services (EEE'06), San Francisco, US, 2006 b. E-Business WS 06/07 Teil 5 / S. 36

Literatur • Schwind, M. : “Dynamic Pricing and Automated Resource Allocation for Information Services” In: Lecture Notes in Economics and Mathematical Systems Nr. 589, Springer Verlag; Heidelberg, 2007, S. 28 • Schwind, M. , Stockheim, T. , and Gujo, O. "Agents' Bidding Strategies in a Combinatorial Auction Controlled Grid Environment, " Proceedings of the AAMAS 2006 Trading Agent Design and Analysis / Agent-Mediated Electronic Commerce Joint Workshop, Hakodate, Japan, 2006 c. • Schwind, M. , Stockheim, T. , and Rothlauf, F. "Optimization Heuristics for the Combinatorial Auction Problem, " Proceedings of the Congress on Evolutionary Computation CEC 2003, Canberra, Australia, 2003 a, pp. 1588 -1595. • Schwind, M. , Stockheim, T. , and Seibel, S. "Price Controlled Resource Allocation for the Provision of Information Products and Services Employing Combinatorial Auctions, " in: Proceedings of the 11 th European Conference on Information Systems (ECIS), Naples, Italy, 2003 b. • Schwind, M. ; Hinz O. ; Stockheim, T. ; Bernhardt M. : „A Framework for Interactive Pricing in E-Business”, Working Paper, IWI Frankfurt, 2005. • Strobel, M. ; Weinhardt C. : “The Montreal Taxonomy for Electronic Negotiations”, Group Decisions and Negotiations, 12 (2), 2003 • Wendt, O. ; König, W. ; Stockheim, T. ; Lanninger, V. ; Weiß, K. : “Transportplanung der Zukunft - Prozess- und Kostenanalyse, Optimierungspotenziale und Outsourcing” In: Books on Demand, ISBN 3 -8334 -5215 -3; Norderstedt, Germany E-Business WS 06/07 Teil 5 / S. 37