Title data
Hegele, Theresa ; Markgraf, Moritz ; Preißler, Carina ; Baumgarte, Felix:
Intelligentes Entscheidungsunterstützungssystem für Ladevorgänge an Stromtankstellen.
In:
Proceedings der 15. Internationalen Tagung Wirtschaftsinformatik 2020. -
Potsdam
,
2020
DOI: https://doi.org/10.30844/wi_2020_r4-hegele
Abstract in another language
Die deutsche Bundesregierung zielt darauf ab, bis 2022 eine Million Elektro-autos auf die Straßen zu bringen. Bisher erscheint dieses Ziel jedoch uner-reichbar, da zahlreiche Autofahrer auf den Kauf von Elektroautos verzich-ten. Als Grund nennen sie dabei primär die unzureichend ausgebaute Lad-einfrastruktur, die unter anderem aus der Unrentabilität des Betreibens von Stromtankstellen resultiert. Eine Möglichkeit, die Profitabilität solcher In-vestments zu steigern, ist, die Verweildauer der Ladekunden zu nutzen, um die Ladevorgänge auf monetär günstige Zeitpunkte zu legen. Intelligente De-cision Support Systems können die aggregierte Berücksichtigung aller rele-vanten Einflussfaktoren unterstützen. Bisherige Lösungsansätze aus dem Be-reich Green IS setzen beispielsweise auf die Reinforcement Learning Metho-de Q-Learning. Aufgrund der geringen Skalierbarkeit ist sie allerdings nicht auf größere Stromtankstellen anwendbar. Um auf diese Herausforderung einzugehen, wird in dieser Arbeit ein Deep Reinforcement Learning Ansatz verfolgt. Die Evaluation in einem Realwelt-Setting zeigt, dass die Profitabili-tät von Stromtankstellen durch den Einsatz dieses Modells deutlich steigt.
Further data
Item Type: | Article in a book |
---|---|
Refereed: | Yes |
Keywords: | Decision Support Systems; Elektromobilität; Stromtankstelle; Green IS; Deep Reinforcement Learning |
Institutions of the University: | Faculties > Faculty of Law, Business and Economics > Department of Business Administration Faculties > Faculty of Law, Business and Economics > Department of Business Administration > Professor Information Systems and Sustainable IT Management Research Institutions Research Institutions > Affiliated Institutes Research Institutions > Affiliated Institutes > Fraunhofer Project Group Business and Information Systems Engineering Research Institutions > Affiliated Institutes > FIM Research Center Finance & Information Management |
Result of work at the UBT: | Yes |
DDC Subjects: | 000 Computer Science, information, general works > 004 Computer science 300 Social sciences > 330 Economics |
Date Deposited: | 13 Jul 2020 09:23 |
Last Modified: | 13 Jul 2020 09:23 |
URI: | https://eref.uni-bayreuth.de/id/eprint/55759 |