Software-Agenten zur Entscheidungsunterstützung

1. Software-Agenten zur Entscheidungsunterstützung • Warum Agenten? • Technologie- und Organisationstrends • Neue Anforderungen an Informationssysteme • Geschichte der Software-Agenten • Einsatzgebiete • Digital Business Agents • Automatisierte Verhandlungen • Reputationsprobleme • Multi-Agenten-Systeme im Prozessmanagement • Erfahrungen und Ausblicke Entscheidungsunterstützungssysteme IWI Frankfurt 2004

2. Aushandlung: Automated Negotiation / Silent Commerce Profil-management Profil-management   Konsument Produzent Benutzerprofil Alter, Geschlecht, Kaufverhalten, Angegebene Präferenzen, Implizite Präferenzen, Interessen, Bedürfnisse Anbieterprofil Produkt(1)...Produkt(n), Terms of Trade/Incoterms, Rabattstaffeln, Sonderaktionen Entscheidungsunterstützungssysteme IWI Frankfurt 2004

3. Warum wird verhandelt? • Lösung ökonomischer Probleme • Angepasste Produkte und Dienstleistungen  Unterschiedliche Zahlungsbereitschaften, Individuelle Preisdiskrimination ist möglich • Veränderung der Produktkonfiguration oder –kosten  schnelle Preisänderungen auf der Nachfrageseite • Produktbündel und Portfolios  Katalogpreise sind schwierig zu berechnen • Neue technische Möglichkeiten des digitalen Wirtschaftens • Softwareagenten und Entscheidungsunterstützungssysteme ermöglichen geringere Kosten einer individuellen Preisfestlegung • Vernetzte Onlinemärkte verknüpfen Preise auf entfernten Märkten miteinander • Wirtschaftliche Möglichkeiten • Ausnutzung von Informationsasymmetrie • Ausnutzung von Marktmacht (ungleiche Zahl von Anbietern und Nachfragern) • Verhandlungsgeschick Entscheidungsunterstützungssysteme IWI Frankfurt 2004

4. Motivation der Verhandlungsphase • “Leo Baekeland sold the rights to his invention, Velox photographic printing paper, to Eastman Kodak in 1899. It was the first commercially successful photographic paper and he sold it to Eastman Kodak for €1 million. Baekeland had planned to ask €50,000 and to go down to €25,000 if necessary, but fortunately for him, Eastman spoke first.” (Asimov, 1982) • Was sagt uns das über Verhandlungen? • Preisfindung als Entdeckungsverfahren • Verhandlung ist ein dynamischer Prozess, kein Rechenergebnis • Jeder Partner handelt eigennützig • Es geht um schrittweises Aufdecken unvollständiger Information Leo Baekeland George Eastman Entscheidungsunterstützungssysteme IWI Frankfurt 2004

5. Abschlussbereich Käufer Indifferenzpreis Startpreis Verkäufer Indifferenzpreis Startpreis Kaufpreis Geldeinheiten Eindimensionale Verhandlungen in wertorientierten Domänen • Beispiel • Eastman und Kodak • Zeitliche Betrachtung der Vorgehensweise • Käufer beginnt bei Startpreis und erhöht Angebote schrittweise bis zum Indifferenzpreis • Verkäufer beginnt bei Startpreis und senkt Angebote schrittweise • Schritt = Konzession • Abschlussbereich ist bei Verhandlungsbeginn nicht bekannt Entscheidungsunterstützungssysteme IWI Frankfurt 2004

6. Individuelle Aushandlung (Bargaining) Buyer Seller • „Preis auf Anfrage“ • Ablauf • Käufer und Verkäufer wechseln sich mit Geboten ab • Sie entscheiden jedes Mal über das Eingehen von Konzessionen • Die Dauer der Verhandlung ist nicht vorhersehbar • Beispiel: Eindimensionale Verhandlung in einer Wertdomäne • Ein Käufer, ein Verkäufer • Verhandlungsobjekt sind Holzbretter cfp (boards) propose (boards, pS=€24) propose (boards, pB=€18) propose (boards, pS=€21) accept-offer(boards, pB=€21) commit (boards, pS=€21) time time Entscheidungsunterstützungssysteme IWI Frankfurt 2004

7. Opportunistisches Verhalten: Werden Agenten betrügen? • Ein spieltheoretisches Modell: • Beide Agenten können betrügen • Nullsummenspiel: „Winner takes all“ • Berücksichtigung vergangenen Kooperationsverhaltens: • Der Reputationskoeffizient ergibt den Erwartungswert der Gegnerstrategie und verändert damit die Rangreihung der Preisangebote. • Die eigene (Zahlungs-) Kooperationsbereitschaft wird daraufhin vor jeder Transaktion ermittelt • Die erfahrene Kooperationsstrategie modifiziert den Reputationskoeffizienten in der Partnerliste • Wie verändert dies eine eindimensionale Verhandlung? Buyer cooperates Buyer defects t(s) t(b) t(s)+t(b) 0 Seller cooperates 0 t(s)+t(b) f(t(s),t(b)) f(t(s),t(b)) Seller defects f(t(s),t(b)) < t(s)+ t(b) t(s) t(b) Entscheidungsunterstützungssysteme IWI Frankfurt 2004

8. Mechanismus für automatisierte Reputationsverfolgung (1) Transaktionn mit Agent Y Transaktionn+1 mit Agent Y Bewertung des Kooperations-verhaltens (Beispiel: Agent X bewertet Y) Informations-verteilung und -aktualisierung Bezug von Reputations-informationen (Beispiel: über Agent Y) Anpassung von Verhandlungs-strategien zentral dezentral(eigene Information) Entscheidungsunterstützungssysteme IWI Frankfurt 2004

9. Mechanismus für automatisierte Reputationsverfolgung (2) • Reputationskoeffizient • X: ID des bewertenden Agenten • Y: ID des zu bewertenden Agenten • 1 - gute Reputation • 0 - schlechte Reputation • „Unterschiedliche Erfahrungen“ sind möglich • Jeder Agent bewertet das Kooperationsverhalten seines Transaktionspartners • rj (J Index der Transaktion) • rj = 0 erfolglose Transaktion • rj = 1 erfolgreiche Transaktion Entscheidungsunterstützungssysteme IWI Frankfurt 2004

10. defect cooperate 0 1 Mechanismus für automatisierte Reputationsverfolgung (3) • Update des Reputationskoeffizienten • alte Reputation zuzüglich neuer Erfahrung • α durch den Nutzer wählbarer Faktor, der die Gewichtung der letzten Erfahrung steuert Entscheidungsunterstützungssysteme IWI Frankfurt 2004

11. Mechanismus für automatisierte Reputationsverfolgung (4) • Angebotspreise werden unter Berücksichtigung des Reputationskoeffizienten sortiert • Verhandlungsbeginn mit dem Agenten mit dem besten • Annahme: Wiederbeschaffung zum gleichen Preis möglich Entscheidungsunterstützungssysteme IWI Frankfurt 2004

12. Mechanismus für automatisierte Reputationsverfolgung (5) • Sonderfall: Unbekannter Transaktionspartner • Bewertung gefiltert durch Dritte (mglw. nicht vertrauenswürdig) • mit RX als Reputationskoeffizient des bewertenden Agenten • Gewichtung von RX durch den Nutzer wählbar • β durch den Nutzer wählbarer Faktor, der die Gewichtung der letzten Erfahrung steuert • Wie bewertet man einen „Rookie“? • Durchschnitt aller Teilnehmer? • Reputation von 0? Entscheidungsunterstützungssysteme IWI Frankfurt 2004

13. Fazit: automatisierte Reputationsverfolgung (6) • In offenen Systemen sind Betrüger wahrscheinlich •  EBay • Strategie des Verhandlungspartners wird durch Entscheidung über Kooperation oder Defektion beeinflusst •  Spieltheorie • Praktikable Sicherheitsmechanismen • Einführung geschlossener Benutzergruppen (Verzicht auf Automatisierung) • Einführung zentraler Reputationsserver (öffentliches Logging aller Transaktionen, unendliche Historie  Schutz der Privatsphäre?) • “Automatisierte Reputationsverfolgung” könnte ein Geschäftsmodell für Intermediäre in DBA-basierten Märkten sein Entscheidungsunterstützungssysteme IWI Frankfurt 2004