Vor Kurzem hatten wir die Möglichkeit, an der europäischen Konferenz für Wirtschaftsinformatik (ECIS 2024) teilzunehmen, die sich unter anderem intensiv mit den neuesten Entwicklungen im Bereich der Künstlichen Intelligenz (KI) befasste. Im Rahmen dieser Konferenz konnte ich unseren Beitrag mit dem Titel „AI-BASED METHODS OF DYNAMIC PRICING IN E-COMMERCE: A SYSTEMATIZATION OF LITERATURE“ vorstellen. Dieses Thema steht in Zusammenhang mit den aktuellen Herausforderungen und Chancen im E-Commerce und knüpft an den zunehmenden Einsatz von Hyperautomation an, um Unternehmen widerstandsfähiger und effizienter zu gestalten.
Die Revolution der KI im E-Commerce
Im Mittelpunkt der Arbeit stand die Frage , wie KI sowohl unser Alltagsleben als auch Geschäftsprozesse transformiert. Besonders im E-Commerce eröffnet KI durch ihre Fähigkeit, präzise Vorhersagen zu treffen, neue Potenziale. Ein bedeutendes Anwendungsfeld ist hierbei die dynamische Preisgestaltung, bei dem Preise in Echtzeit an aktuelle Marktbedingungen angepasst werden können, um den Umsatz und die Nachfrage zu beeinflussen.
Dynamische Preisgestaltung: Optimierung durch KI-Modelle
Die dynamische Preisgestaltung hat sich als effektive Strategie erwiesen, um den Umsatz zu steigern. Unternehmen nutzen zunehmend KI-gesteuerte Vorhersagemodelle, um den optimalen Preis für ihre Produkte zu bestimmen. Allerdings stellt sich die Frage, welcher Algorithmus für den jeweiligen Anwendungsfall am besten geeignet ist. Die Algorithmen variieren erheblich in Bezug auf ihre Natur, Komplexität und ihren Einsatzbereich. Diese Vielfalt macht es schwierig, einen umfassenden Überblick zu behalten.
Um dieses Problem zu adressieren, haben wir einen Überblick über aktuelle Ansätze und implementierte Algorithmen erarbeitet. Die existierenden Ansätze wurden anhand des Vorgehens, der Implementierung, der Algorithmen und der zugrundeliegenden Daten analysiert. Derzeit fehlt ein einheitliches, medienbruchfreies Vorgehen, da unterschiedliche Datengrundlagen stark diversifiziert genutzt werden. Zudem kommt eine Vielzahl verschiedener Algorithmen zum Einsatz, was die Vergleichbarkeit erschwert. Die Ansätze variieren erheblich und reichen von Simulationen zur Preisgestaltung bis hin zu Prognosen zukünftiger Preise. Diese Vielfalt stellt eine Herausforderung für die konsistente Anwendung und Weiterentwicklung von KI gestützten dynamischen Preisstrategien dar.
Link zur Publikation:
https://aisel.aisnet.org/ecis2024/track03_ai/track03_ai/6/