Prof. Artinger bei einer der weltweit größten Machine Learning Konferenz
Prof. Florian Artinger, der an der Internationalen Fachhochschule Berlin in den Bereichen Data Science und Behavioral Science lehrt und forscht, wurde eingeladen, seine Forschung auf der jährlichen Konferenz des Institute for Operations Research and the Management Sciences (INFORMS) in Phoenix, USA, zu präsentieren. Diese Konferenz ist eine der größten und renommiertesten weltweit und konzentriert sich auf AI, Analytik, maschinelles Lernen, Data Science und Operations. Die behandelten Themen reichen von der Rettung von Leben und Geld bis zur Lösung von Problemen im Allgemeinen mit Hilfe von Daten und maschinellem Lernen.
In einer gemeinsamen Arbeit mit drei Kollegen untersucht Florian Artinger die Arbeitsangebotsentscheidungen von Taxifahrern. Taxifahrer sind ein ideales Objektiv für die Untersuchung des individuellen Arbeitsangebots, da sie in der Regel die Freiheit haben, ihre Arbeit nach eigenem Ermessen zu beginnen und zu beenden. Im Prinzip könnte man erwarten, dass die Fahrer zusätzliche Arbeitsstunden anbieten, wenn die Nachfrage nach Taxis höher ist, und folglich auch der Stundenlohn höher ist. Klassische Studien im Bereich der Verhaltensökonomie haben jedoch gezeigt, dass Taxifahrer häufig auf der Grundlage eines Einkommensziels pro Tag arbeiten, z. B. 100 Dollar. Sobald sie dieses Ziel erreicht haben, hören sie für den Tag auf zu arbeiten. Dies bedeutet, dass die Fahrer an Tagen mit hohem Verkehrsaufkommen möglicherweise früher Feierabend machen, während sie an Tagen mit geringerer Nachfrage nach Taxis länger arbeiten müssen, um ihr Einkommensziel zu erreichen. Dies deutet auf ein verzerrtes und scheinbar irrationales Verhalten hin.
Mithilfe von maschinellem Lernen und einem großen Datensatz untersuchten Florian Artinger und Kollegen, wie gut Fahrer den Stundenlohn der nächsten Stunde vorhersagen können. Nur wenn man diesen vorhersagen kann, wäre die Verwendung eines Einkommensziels irrational. Die Wissenschaftler fanden heraus, dass eine hinreichend genaue Vorhersage des nächsten Stundenlohns eigentlich unmöglich ist, selbst mit sehr ausgefeilten Algorithmen und viel mehr Daten, als jeder Fahrer verarbeiten könnte. Stattdessen ist der Taximarkt in Bezug auf den nächsten Stundenlohn eines Fahrers höchst unberechenbar. Als Reaktion darauf haben die Fahrer eine Reihe von einfachen adaptiven Strategien oder Heuristiken entwickelt, die in diesem Kontext gut funktionieren. Eine dieser Strategien ist die Festlegung eines Einkommensziels angesichts der Unvorhersehbarkeit des Stundenlohns.
Insgesamt bedeutet dies, dass es wichtig ist, zu verstehen, unter welchen Bedingungen Vorhersagen funktionieren und wann nicht. Da dies nicht möglich ist, besteht die Herausforderung darin, clevere Strategien zu entwickeln, die es dem Einzelnen dennoch ermöglichen, seine Ziele zu verfolgen.
Wenn Sie an einem Studium der Data Science & Business interessiert sind, nutzen Sie das Online-Kontaktformular oder kontaktieren Sie uns per E-Mail!
