Prediction Markets. Literaturüberblick und vergleichende Analyse zu Crowdvoting


Bachelorarbeit, 2017

57 Seiten, Note: 2,7


Leseprobe

Inhaltsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Problemstellung der Arbeit
1.2 Zielsetzung der Arbeit
1.3 Gliederung und Vorgehensweise

2 Theoretische Grundlagen
2.1 Grundlegende Definitionen und Konkretisierungen
2.1.1 Prediction Markets und das Social Forecasting
2.1.2 Crowdsourcing und Crowdvoting
2.2 Crowd-basierte Techniken zur Ideenfindung

3 Literatur- und Forschungsuberblick
3.1 WisdomoftheCrowd
3.2 Prediction Markets
3.3 Crowdsourcing und Crowdvoting

4 Gegenuberstellung der Crowd-basierten Vorhersage und Bewertungsverfahren
4.1 Aufbau und Durchfuhrung der Analyse
4.1.1 Untersuchung der Prediction Markets und des Social Forecastings
4.1.2 Untersuchung des Crowdvotings
4.2 Vergleichende Analyse zwischen den Prediction Markets und dem Crowdvoting
4.3 Ergebnisse

5 Zusammenfassung und Ausblick
5.1 Fazit
5.2 Ausblick

6 Literaturverzeichnis

Abstract - deutsch

Das Wissen der Masse ermoglicht Unternehmen diese kollektive Intelli- genz zur Ideengewinnung oder zur Prognose bestimmter Geschehnisse zu nutzen.

Die Prediction Markets und das Crowdvoting machen von dieser Nutzung der kollektiven Intelligenz Gebrauch, und so konnen bestimmte Vorher- sagen verschiedener Ereignisse durch die Preise dieser Auftrage akkurat prognostiziert werden. Das Crowdvoting nutzt die kollektive Intelligenz, indem durch die Teilnahme einer Vielzahl von Crowdvotern, eine Rang- folge oder eine Bewertung einer groRen Anzahl von Daten erstellt wer­den kann.

Diese Bachelorarbeit vergleicht die beiden Techniken und stellt gewisse Vor- und Nachteile desjeweiligen Anwendungsgebiet heraus. Weiterhin werden Gemeinsamkeiten und Unterschiede dieser Ideenfindungs- oder Prognoseprozesse herausgearbeitet und naher erlautert.

Stichworte: Prediction Markets, Crowdvoting, Social Forecasting, Crow­dsourcing, Wisdom ofthe Crowd

Abstract - englisch

The Wisdom of Crowds allows corporations to use the collective intelli­gence of the Crowd for their innovation process or as the case may be for the prediction of uncertain events.

Prediction Markets and Crowdvoting-Processes are using the collective Intelligence and this procedure allows Prediction Markets to predict events by indicating the Price of a single contract. The process of crow­dvoting facilitates the ranking or the evaluation of huge amounts of data.

This bacheloar thesis is comparing these techniques and reveals certain advantages and disadvantages. Furthermore the similiarities and diffe­rences of this idea-filtering and prediction-processes are being carved out.

Keywords: Prediction Markets, Crowdvoting, Social Forecasting, Crowd­sourcing, Wisdom ofthe Crowd

Abkurzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbilding 2.1: Idea Filtering Techniques

Abbilding 3.1: Mindmap zur Nutzung des Wisdom ofthe Crowd

Abbilding 3.2: Prognosegenauigkeit: Marktvorhersage-Gewinnwahr- scheinlichkeit und tatsachliches Ergebnis

Abbilding 3.3: Beispiel fur die Kursentwicklung eines Films auf der Plattform Hollywood Stock Exchange

Abbilding 3.4: Die vier Urformen des Crowdsourcing-Information- Systems

Abbilding 3.5: Rollen im Crowdsourcing-Prozess

Tabellenverzeichnis

Tebelle 4.1: Standardtypen des Prediction Markets

Tebelle 4.2: Anzahl der Teilnehmer der verschiedenen Methoden zur Erhebung der Daten

Tebelle 4.3: Erwartungen und Schwierigkeiten der Crowd-basierten Techniken zur Ideenfindung

1 Einleitung

Eine immer bedeutsamere und herausforderndere Aufgabe, denen Unternehmen oder Organisationen in unserer heutigen Zeit gegenuberstehen, ist die effiziente Anwendung und Einbeziehung von internen und externen Informationen, die den Wertschopfungsprozess fordern konnen. Dabei wird gerade auf die Verwendung von internen Daten, die beispielsweise von AuRendienstmitarbeitern oder Pro- jektmitgliedern stammen, vertraut. Doch die Prognose- und Bewertungsakkura- tesse von bestimmten Ereignissen oder Ideen wird oft praziser, wenn externe Daten einbezogen werden, da interne Mitarbeiter nicht immer Zugang zu alien relevanten Informationen haben und die Integration einer groReren Anzahl von externen Akteuren, die Abweichung einer Vorhersage minimiert [ArmsOI]. Ex­terne Informationen werden ublicherweise in Gruppendiskussionen gewonnen, die es den Teilnehmern ermoglichen, ihre separaten Informationen zu teilen, wodurch auf eine groRere Ansammlung von Informationen zugegriffen werden kann [Denn96].

Die steigende Anwendung und die Spannweite von Plattformen, die einen sol- chen Informationsaustausch ermoglichen, helfen Unternehmen, die externen Da­ten fur ihre Prognosen zu nutzen. Diese Datennutzung kann oftmals sehr preis- wert erfolgen. Dabei umfassen die Daten relevante Informationen, die eine hohe Brauchbarkeit fur den weiteren Produktions- oder Wertschopfungsprozess auf- weisen. Doch auch die externen Akteure konnen von der Einbeziehung ihrer Da­ten profitieren, denn durch eine Entlohnung der unternehmensfremden Mitarbei­ter kann die Qualitat der individuellen Antworten oftmals erhoht werden [SSS1O].

1.1 Problemstellungder Arbeit

Die Prediction Markets und die Crowdvoting Prozesse, die in dieser Arbeit detail- liertervorgestelltwerden, verwenden den Gebrauch externer Informationen. Da­bei sind die primitiven Gebrauchsweisen dieser Verfahren zunachst ahnlich, da jeweils von der kollektiven Intelligenz der Masse Gebrauch gemachtwird.

Bei genauerer Untersuchung lassen sich jedoch auch gewisse Unterschiede, bei­spielsweise in der Form der Anreizmechanismen, und differenzierte Anwen- dungsgebiete finden. Durch die Unterscheidung dieser beiden Methoden stellt sich die Frage, ob die primitiven Vorgehensweisen der Prediciton Markets und die des Crowdvotings generell miteinander gleichzusetzen sind, oder ob eine Ge- gensatzlichkeit existiert. Zudem stellt sich auch die grundsatzliche Frage, ob die Nutzung dieser kollektiven Intelligenz immerzu adaquaten Ergebnissen fuhrt, o­der ob Probleme bei der Verwendung dieser Crowd-basierten Techniken auftre- ten konnen.

Auch die Arbeitsweisen und -aufwande der Teilnehmer und der Unternehmun- gen eines bestimmten Ideenfindungsprozesses gilt es, naher zu recherchieren. Das wirft die Frage auf, ob eine bestimmte Vorgehensweise einen hoheren Ar- beitsaufwand darstellt, ob sie kosten- und zeiteinsparender ist, oder ob sie ver- gleichsweise zeitintensiv durchgefuhrt werden muss, um sinnreiche Informatio- nen zu erhalten. Doch gerade diese Untersuchung fuhrt auch zu der Uberlegung, ob die Resultate, die diese Vorgehensweisen erzeugen, dem investierten Ar- beitsaufwand gerechtwerden.

1.2 Zielsetzungder Arbeit

Mit dieser Arbeit wird das Ziel verfolgt, die Funktionsweisen der beiden Techni- ken der Prediction Markets und des Crowdvotings naher zu detaillieren und sie soll dazu beitragen, einen ausfuhrlichen Einblick in die Anwendbarkeit dieser Crowd-basierten Ideenfindungsprozesse zu gewinnen. Dabei sollen Beispiele aus bekannten Anwendungsgebieten dieserVerfahren dabei helfen, sich die Ar­beitsweisen dieserVerfahren zu verinnerlichen.

Weiterhin sollen Vor- und Nachteile dieser Prozeduren vorgestellt und naher un- tersucht werden. Durch einen Einblick in die Literatur gilt es, diese beiden Tech- niken auf ihre Funktionalitat zu uberprufen. Mithilfe dieser Einblicke soll dem Le- ser dieser Arbeit ein Uberblick uber die bereits recherchierte Literatur sowie dem aktuellen Forschungsstand der Prediction Markets und der Crowdvoting Pro- zesse gegeben werden.

Zudem ist es Ziel dieser Arbeit, die Gleichartigkeit der Prediction Markets in Be- zug auf die Crowdvoting- und anderen Crowd-basierten Ideenfindungsprozesse naher zu analysieren. Dieser Vergleich soll die verschiedenartige Motivation der Teilnehmer illustrieren sowie den Kontrast der Anreizmechanismen darstellen. Zudem soll diese Analyse zeigen, ob beziehungsweise wie sehr sich die Predic­tion Markets und die Crowdvoting-Prozesse von anderen Ideenfindungsprozes- sen abgrenzen lassen.

1.3 Gliederungund Vorgehensweise

Diese Arbeit untergliedert sich in insgesamtfunf Hauptkapitel. Im ersten Kapitel soll an das Thema dieser wissenschaftlichen Arbeit herangefuhrt werden. Es be- inhaltet die Problemstellung sowie die Zielsetzung dieser Untersuchung.

Im zweiten Kapitel folgen zunachst die theoretischen Grundlagen, von denen in dieser Arbeit Gebrauch gemacht wird. Zuerst werden die elementaren Definitio- nen und Konkretisierungen zugrunde gelegt.

Das dritte Kapitel fasst den aktuellen Stand der Forschung der jeweiligen The- mengebiete zusammen. Dabei wird auf die heutige Anwendung und auf die Ent- wicklung der Methoden eingegangen. Es werden verschiedene Techniken fur die Crowd-basierten Ideenfindungsprozesse erlautert. Weiterhin wird ein Uberblick uber die verschiedenen Literaturen, die sich in der Vergangenheit diesen The- men gewidmet haben, gegeben.

Im Fokus des vierten Kapitels steht die vergleichende Analyse der Prediction Markets zu den Crowdvoting Prozessen. Es stehen zunachst die separaten Ana- lysen der beiden Anwendungsgebiete im Vordergrund. AnschlieRend werden die Prediction Markets mit dem Crowdvoting sowie dem Crowdrating und dem Crow­dranking verglichen. Zusammenfassend werden die Ergebnisse dieser Analysen dargelegt.

SchlieRlich wird im funften Kapitel der inhaltliche Abschluss dieser Arbeit abge- bildet. Es beinhaltet ein Fazit und einen Ausblick in zukunftige Arbeitsgebiete.

2 Theoretische Grundlagen

In der Vergangenheit wurden Entscheidungen in verschiedenen Aufgabenberei- chen haufig von individuellen Entscheidungstragern Oder Fuhrungspositionen, also hauptsachlich von einer kleinen Anzahl von Menschen, getroffen. Unsere zunehmend digitaler-werdende Gesellschaft ist jedoch auf dem Weg, eine Ver- netzung von nahezu allen moglichen „Dingen“ zu generieren. Es wurde das so- genannte „Internet der Dinge“ geschaffen, eine digital vernetzte Informationsar- chitektur, die den Austausch von Waren und Dienstleistungen vereinfacht [Webe13]. Durch das Internet der Dinge werden immer mehr Bestandteile eines Produktions- oder Wertschopfungsprozesses, wie beispielsweise die Produktion mit der Logistik, vernetzt. Dies ermoglicht die voranschreitende industrielle Re­volution, auch Industrie 4.0 genannt [KLW11]. Durch die Industrie 4.0 und die dadurch zunehmende Vernetzung von Produktions- und Entscheidungsprozes- sen konnen mithilfe von intelligenter werdenden Geraten komplexere Aufgaben- gebiete und Entscheidungsfindungen unschwer an ein breites Publikum abgege- ben werden, um eine groRere Anzahl an Losungsmoglichkeiten zu generieren.

Die Prinzipien der Prediction Markets und des Crowdvotings beziehen sich auf das kollektive Wissen der Masse, dem sogenannten Wisdom of the Crowd. Die- ser kollektiven Intelligenz wird eine hohe Genauigkeit in derVorhersage von mog­lichen Ereignissen sowie in der Bewertung von Losungsalternativen unterstellt [HMAS15]. Auf das Losen von Problemen oder der Entscheidungsunterstutzung, durch die Hilfe der Crowd, wird schon seit einer langen Zeit vertraut, sowohl in den Politik-, als auch in den Sozialwissenschaften. Darunter ist beispielsweise die Grundung und die Zusammensetzung von modernen demokratischen Syste- men zu verstehen [Pier00].

Fur die bevorstehende Analyse dieser Arbeit widmet sich das zweite Kapitel den relevanten Grundlagen.

2.1 Grundlegende Definitionen und Konkretisierungen

Durch das Prinzip der Open Innovation konnen komplexe Aufgaben und Prob- lemstellungen eines Unternehmens oder einer Organisation an eine Menge von Menschen gerichtet werden [RP09]. Eine solche Ausrichtung an eine Masse von Menschen wird effektiverweise online durchgefuhrt, da heutzutage eine digitale Verbindung zu einer Vielzahl von Menschen hergestellt werden kann. Diese Men­schen konnen sowohl Kunden, als auch Zuliefererodereinfach nur Interessenten des Unternehmens oder des Aufgabengebietes sein. Die Menge der Menschen, die auch Crowd genannt wird, teilt ihre Vorschlage und Ideen zur Losung eines genannten Problems mit. Die Unternehmungen haben dadurch eine Vielzahl von Losungsvorschlagen, aus denen Durchschnittswerte ermittelt oder einzelne Lo- sungsvorschlage selektiert werden konnen [KG15]. Eine weitere Anwendung die­ses kollektiven Wissens ist die Prognose einer Wahrscheinlichkeit eines Ereig- nisses. Durch diese Methodiken entstehen erhebliche Kostenreduzierungen so- wie eine groRere Auswahl an Ideen zur Bearbeitung eines Aufgabenbereiches. Sie sollen in diesem Kapitel konkretisiertwerden.

2.1.1 Prediction Markets und das Social Forecasting

Die akkurate Vorhersage bestimmter zukunftiger Ereignisse erwies sich als ein komplexes Aufgabengebiet und als eine Herausforderung, denen Unternehmen heutzutage gegenuberstehen. Durch das Social Forecasting und durch die Pre­diction Markets wird es Entscheidungstragern verschiedener Bereiche ermog- licht, akkurate Prognosen fur das Eintreten eines bestimmten Ereignisses zu er- mitteln. Durch eine Vielzahl von Preisabgaben fur das Eintreffen einer Eventuali- tat in der Zukunft, die von der Masse erzeugt werden, lassen sich einzelne Ein- trittswahrscheinlichkeiten ermitteln. Prediction Markets sind also Terminmarkte, die den Hauptzweck haben, den Informationsinhalt aus den Marktpreisen zu nut- zen, um eine Eintrittswahrscheinlichkeit zu berechnen [BR03].

Sollen zum Beispiel die Wahrscheinlichkeiten eines Wahlergebnisses oder auch einer Produktinnovation beurteiltwerden, kann mithilfe eines Prediction Markets ein Preis fur das Eintreten eines solchen Ereignisses festgelegtwerden. Man zahlt diesen gewissen Preis. Bei tatsachlichem Eintreten des Ereignisses erhalt der Handler beispielsweise 1$. Wenn dies nicht passiert, bekommt er auch kein Geld. Wenn der Preis also 0,68$ betragt, so ist die Prognose der Teilnehmer, die diesen Preis zu zahlen bereit sind, mindestens 68%, dass dieses Ereignis tatsachlich in der Zukunft eintreten wird. Teilnehmer, die nicht bereit sind diesen Preis zu zahlen, verkaufen ihre bereits erworbenen Anteile, da sie vermuten, dass dieses Ereignis nicht eintreten wird und sie so noch einen geringen Profit erwirtschaften konnen [PS15]. Diese Kauf- und Verkaufsaktivitaten verandern kontinuierlich den Preis eines solchen Vertrages des Prediction Markets. Durch den Marktpreis lasst sich also simpel eine kumulierte Eintrittswahrscheinlichkeit aller Teilnehmer ablesen [Buck16]. Es wirkt ein monetarer Anreizmechanismus, und je hoher der Preis, desto wahrscheinlicher ist auch das Eintreten dieses Er­eignisses.

So lasst sich also durch die verschiedenen separaten Prognosen der Crowd eine prazise Gesamtprognose fur das Eintreten eines Ereignisses berechnen.

2.1.2 Crowdsourcing und Crowdvoting

Mit der weltweit zunehmenden Globalisierung und durch simple und effektive Kontakt- und Transportmoglichkeiten entstand gegen Ende des 20. Jahrhunderts der Begriff des Outsourcings. Durch das Outsourcing werden gewisse Aufgaben- gebiete oder gesamte Arbeitsbereiche eines Unternehmens, oder einer Organi­sation an externe Dienstleister ubergeben [GH05]. Der Begriff Crowdsourcing stellt eine neue Wortschopfung aus den Wortern Crowd und Outsourcing dar und geht auf Jeff Howe zuruck [Howe08]. Allein durch die Wortzusammensetzung wird ersichtlich inwieweit sich das Crowdsourcing vom Outsourcing unterscheidet [LB11].

Durch den Begriff des Crowdsourcings wird die Schaffung eines Mehrwertes durch eine Beteiligung einer undefinierten Masse an Menschen verstanden [Howe06]. Das Crowdsourcing orientiert sich am Outsourcing in der Weise, dass bei diesem Verfahren Aufgaben oder Entscheidungsfindungen ubertragen wer­den, jedoch nicht an externe Dienstleister in anderen Regionen, sondern an die Crowd, also an eine Masse von vielen Menschen. Einzelne Ansatze des Crowd­sourcings sind bereits uber einen Zeitraum von mehreren Jahrhunderten zu fin- den [Suro05]. Durch die zunehmende Digitalisierung und der Entstehung des Web 2.0 wurde diese Technologie jedoch stark begunstigt, da so die Moglichkeit besteht, eine Verbindung zu einer groRen Gruppe von Menschen herzustellen [GS14].

Im Jahr 2006 definierte Jeff Howe das Crowdsourcing noch als ein Konzept, wel­ches lediglich einen Nutzen fur Unternehmen verspricht:

,,...smart companies in industries as disparate as pharmaceuticals and television discover ways to tap the latent talent of the crowd. The labor isn’t always free, but it costs a lot less than paying traditional employees. It’s not outsourcing; it’s Crowdsourcing” [Howe06].

Diese Einsicht umfasst jedoch nicht das elementare Crowdsourcing-Prinzip, denn dessen Anwendungen lasst sich auch auRerhalb von Unternehmen finden und so hat Howe seine ursprungliche Definition inzwischen verallgemeinert:

Crowdsourcing is the act of taking a job traditionally performed by a designated agent (usually an employee) and outsourcing it to an undefined, generally large group ofpeople in the form ofan open call” [Howe10-ol].

Diese Verbindung zwischen den Auftraggebern, den sogenannten Crowd- sourcern, zu den undefinierten Auftragnehmern, den sogenannten Crowd- sourcees, geschieht ublicherweise in digitaler Form, da so jede Person mit einem Internetanschluss als Crowdworker fungieren kann [LZB14]. Unternehmungen konnen somit durch die kollektive Intelligenz der Masse, Losungen fur spezielle Fragestellungen generieren. Diese Einbeziehung von externen Akteuren im Leis- tungserstellungsprozess wird immer haufiger angewendet und durch die Aggre­gation der Antworten zahlreicher unabhangiger Teilnehmer wird die Leistungsfa- higkeit der verschiedenen Crowdsourcing-Prozesse immer solider [Leim15].

Das Crowdsourcing stellteinen Oberbegrifffur verschiedene Techniken dar: Das Crowdfunding, die Crowdcreation und das Crowdvoting. Das Crowdfunding ist eine Finanzierungsmoglichkeit, in der ein grower monetarer Betrag von sehr vie- len verschiedenen Anlegern gegeben wird, die jeweils nur einen kleinen Betrag zusteuern. Somit stellt die Crowd monetare Mittel fur ein bestimmtes Projekt zur Verfugung und ermoglicht so dessen Umsetzung [Leim12]. Die Crowdcreation verlangt verhaltnismaRig mehr Aufwand von seinen Teilnehmern. Hierwird eine konkrete Aufgabenstellung, wie zum Beispiel die Erstellung eines Produktes, an eine Crowd ubergeben. Sie gilt als die am weitesten verbreitete Auspragungs- form des Crowdsourcings [MS12].

Durch das Crowdvoting werden die Crowdsourcees uber ihre personliche Mei- nung, beispielsweise uber die Zufriedenheit eines Produktes oder einer Dienst- leistung, befragt. Dies bedeutet, dass ein Kunde seine Produkterfahrungen be- werten muss. Die Crowd wird also zu Bewertungen, Abstimmungen, Meinungen oder Empfehlungen aufgerufen. Durch genauere Einzel-Ergebnisse kann wiede- rum ein praziserer Mittelwert gebildet werden, der eine moglichst genaue Bewer- tung eines Produktes widerspiegelt. Dieses Verfahren fuhrt besonders in Aus- wahl- und Entscheidungsprozessen zu wirkungsvollen Ergebnissen und ist be­sonders dann effektiv, wenn eine groRe Datenmenge vorliegt, die es zu sortieren oder zu bewerten gilt [ARS08]. Diese Bewertungen konnen den Unternehmun- gen dabei helfen, beispielsweise Innovationsideen zu selektieren.

2.2 Crowd-basierte Techniken zur Ideenfindung

Laut [KG15] existieren bereits verschiedene Techniken, die zur Selektion von Ideen genutzt werden konnen. Diese verschiedenen Techniken konnen in be- stimmte Kategorien separiert werden. Eine Ubersicht dieser Kategorien wird in Abbildung 2.1 veranschaulicht. Diese Veranschaulichung zeigt, dass die Techni­ken zur Filterung von Ideen in author-, so wie content-basierte Techniken unter- teilt werden.

Die author-basierten Filter Techniken selektieren Ideen, Artikel oder Beitrage nach dem Verfasser eines Textes. Die content-basierten Filter Techniken unter- scheiden verschiedene Ideen nach ihrem Inhalt, einerseits mit algorithmischen Methoden, mitdenen Daten maschinell ausgewertet werden konnen, woraus be- stimmte Resultate gewonnen werden konnen, als auch mit crowd-basierten Fil- terungsverfahren, die sich die kollektive Intelligenz der Masse zu Nutze machen. Bei den crowd-basierten Filterungsverfahren werden Fragen direkt an den Men- schen gerichtet, welcher seine Ideen zur Losung eines bestimmten Problems dann mitteilen kann. Diesen Verfahren gilt besondere Aufmerksamkeit, da Men- schen eine Frage tiefgehender verstehen konnen, als eine programmierte Soft­ware [KG15].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.1: Idea Filtering Techniques [KG15]

Die crowd-basierten Ideenfilterungstechniken unterteilen sich in vier verschie- dene Verfahren. Das Wahlen (engl. voting) verlangt lediglich eine Bewertung des Teilnehmers, ob eine Idee in seinem Sinne gut oder schlecht ist. Der Teilnehmer muss seine Entscheidung nicht erklaren, sondern simpel abstimmen. Bei einer Rangordnung (engl. ranking) wird der Teilnehmer dazu aufgefordert, mehrere verschiedene Ideen, beispielsweise auf einer Skala von 1 bis x (x entspricht der gesamten Anzahl der Ideen) einzuordnen und so eine Rangordnung dieser Ideen zu erstellen. Ein weiteres Verfahren ist die Bewertung (engl. rating) verschiede- ner Ideen. Dabei wird beispielsweise ein 5 Sterne Schema verwendet, auf der ein Teilnehmer seine Ansichtzu einer Idee benotet. Dabei istfestzustellen, dass sich die Voting sowie Rating Techniken sehr ahnlich sind, da bei beiden Verfah­ren simpel bewertetwird, ob ein Produkt gut oder schlecht ist [KG15].

Weiterhin existieren die Prediction Markets, die bereits in Kapitel 2.1.1 naherer- klart wurden. Online bestehen sie seit etwa Mitte der 1990er Jahre [SWPG04]. Durch die Prediction Markets wird dessen Benutzern ein Anreiz gegeben, eine richtige Vorhersage zu treffen. Wirken viele Menschen an einem Prediction Mar­ket mit, indem sie ihre Einschatzung fur das Eintreten eines Ereignisses mitteilen, konnen sehrgenaue Prognosen erstellt werden.

Ein gewisser Anreizmechanismus, in Form von Geldmitteln oder auch in Form materieller Belohnungen, motiviert die Teilnehmer einer crowd-basierten Filte- rungsmethode von Ideen am ehesten dazu, ein gutes Ergebnis zu erzielen. Von einem solch belohnendem Verfahren machen vorwiegend die Prediction Markets Gebrauch. Nichtsdestotrotz ist auch eine Verwendung dieser Anreizmechanis- men bei den Ranking- oder Voting-Prozessen nicht unublich. Ein Vorteil dieser Methoden ist, dass der Teilnehmer nicht um seine Meinung nach allen Themen oder Ideen befragt werden muss, was einen hoheren Zeit- und Arbeitsaufwand bedeuten wurde, sondern, dass er nur eine Auswahl der seiner Meinung nach besten oder schlechtesten Ideen zu treffen hat. Garcia und Klein verdeutlichen diese Vorgehensweise in ihrem Artikel, indem man dem Teilnehmer eine Anzahl von zehn Sternen Oder zehn Zitronen gibt. Der Teilnehmer wird dann dazu auf- gefordert, diese Sterne den besten, oder die Zitronen den schlechtesten Ideen zuzuweisen. Dadurch wird das Engagement, Ideen zu selektieren, bei den Teil- nehmern verstarkt, da der Arbeitseinsatz verringert wird. Das Aussortieren schlechter Ideen ist erfahrungsgemaR bequemer und einfacher als das Bewerten von guten Ideen [KG15].

Es wird also deutlich, dass Ideenfilterungstechniken effektiv von der Crowd durchgefuhrt werden konnen. Diese wissenschaftliche Arbeit verfolgt das Ziel, diese crowd-basierten Techniken der Ideenfindung miteinander zu vergleichen.

3 Literatur- und Forschungsuberblick

Die Entwicklungen der Prediction Markets und des Crowdvotings erstrecken sich uber einen langeren Zeitraum, doch durch die Interkonnektivitat unserer heutigen Gesellschaft finden diese Anwendungen zunehmenden Einsatz. Denn mit der Entwicklung von Internet-basierten Instrumenten erhohen viele Unternehmen die Integration des Kunden in Arbeitsprozesse, wie beispielsweise der Ideengenerie- rung [Forb05].

Das dritte Kapitel widmet sich dem Stand der Forschung und dem Literaturuber- blick der zu vergleichenden Themengebiete sowie dem generellen Wisdom of the Crowd.

3.1 WisdomoftheCrowd

Da die Verfahren, die in dieser Arbeit vorgestellt werden, das Wissen der Masse oder auch das Wisdom ofthe Crowd, in ihrer Funktionswiese heranzie- hen, wird die prinzipielle Vorgehensweise zu dessen Nutzung naher erlautert. Dazu wird ein Uberblick uber die verschiedenen Anwendungsweisen gegeben.

Das Prinzip der Nutzung des Wisdoms of the Crowd baut auf der Behauptung auf, dass kollektive Entscheidungen, die von einer groRen Gruppe von Indivi- duen getroffen werden, bei bestimmten Aufgaben- oder Problemstellungen, die Entscheidungen von einer kleinen Gruppe von Experten ubertreffen [Suro05]. Die Sammlung von Informationen ist ein einleitender Schritt, um beispielsweise die Unternehmensmodellierung oder die Entscheidungsfindungsprozesse in ih­rer Qualitat zu verbessern. Diese Sammlung oder Aggregation der Informatio­nen erfolgt beispielsweise durch die Zusammenarbeit von Kunden, Mitarbeitern und Managementanalytikern [BKV09].

Doch damit durch das Wissen der Masse auch genaue Resultate erzielt werden konnen, mussen bestimmte Aspekte berucksichtigtwerden. Zum einen spielt die Unterschiedlichkeit der Teilnehmer eine wichtige Rolle, da diese Diversitat benotigtwird, um valide und einheitliche Ergebnisse zu erzielen. Ein weiterer Aspekt bezieht sich auf die Unabhangigkeit der individuellen Teilnehmer einer Crowd und aufdie geeignete Aggregation derverschiedenen Antworten [SS07]. Laut [Oina08] stellt diese Vorgehensweise der Nutzung des Wisdoms of the Crowd einen Mechanismus fur die Losung eines breiten Sortiments an Proble- men dar. Dieser beinhaltet die Nutzbarmachung der Leistungen der Crowd, um das interne Wissen der Unternehmen generieren zu konnen. Indessen fuhrt eine Ausbreitung und Verteilung der Fachkenntnis der involvierten Teilnehmer zu einer hoheren Qualitat der Endergebnisse [Vuko09].

In ihrerwissenschaftlichen Studie haben [HMAS15] die Anwendung des Wis­doms of the Crowd naher untersucht. Zunachst wurden acht Manager aus acht

Unternehmen interview! Dabei orientierte sich diese Vorgehensweise an dem zielgerichteten Auswahlverfahren von Creswell [CC07], in welchem die Teilneh- mer nach dem Kriterium selektiertwurden, ob sie das Konzept des Wisdoms of the Crowd in ihren Unternehmen angewendet haben oder nicht. Die hieraus ge- wonnenen Erkenntnisse wurden im weiteren Verlaufder Untersuchung ange­wendet, indem 27 hochrangige Fuhrungskrafte, die in verschiedenen Unterneh­men und Arbeitsbereichen tatig waren, nach den Aspekten des Wisdoms ofthe Crowd befragtwurden [HMAS15].

Die Ergebnisse dieser Studie sind in Abbildung 3.1 in Form einer Mindmap dar- gestellt. So zeigt diese Ubersicht, wodurch das Wisdom ofthe Crowd verhindert wird, von wem es normalerweise ausgefuhrtwird, in welchen Anwendungsfallen von diesem Wissen Gebrauch gemacht wird und welche Vorteile es bietet.

In seinerAufzeichnung verdeutlicht [Epp17], dass Gruppen von individuellen Teilnehmern unter den richtigen Bedingungen sehr genaue Beurteilungen tref- fen konnen. Weiterhin untersucht er die Beeinflussung des Wisdoms ofthe Crowd in Bezug auf politische Geschehnisse. So existieren bereits Studien, die sich aufdie Fahigkeit der Informationsverarbeitung von staatlichen Organisatio- nen fokussieren. Doch die Fahigkeiten, die ein Gruppensystem erbringen kann, gilt es naher zu untersuchen. Die Resultate zeigen, dass Teilnehmergruppen ef- fizienter in der Gewinnung von Informationsinhalten sind. Weiterhin zeigt [Epp17], dass es Gebiete in der Politikgestaltung gibt, in denen die kollektive Entscheidungsfindung eine wichtige Rolle spielt. In diesen Gebieten haben poli­tische Entscheidungstrager also die Moglichkeit, das Wisdom ofthe Crowd zur Verbesserung der Ergebnisse zu nutzen [Epp17].

Diese Arbeit soll einen ersten Schritt zum Verstandnis vom Wisdom ofthe Crowd als ein neues Wertschopfungskonzept im Zeitalter der Digitalisierung darstellen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3.1: Mindmap zurNutzung des Wisdom of the Crowd [HMAS15]

3.2 Prediction Markets

Das Prinzip, Marktpreise zurVorhersage von Ereignissen zu nutzen, wurde schon seit Beginn des 16. Jahrhunderts genutzt. In der zweiten Halfte des 20. Jahrhunderts wurde es immer gefragter. Ausgelost wurde die Beliebtheit dieser Prognosetechnik unter anderem durch die Markteffizienzhypothese und durch experimented Wirtschaftswissenschaften [PS82]. Durch die rasantwachsende Globalisierung sowie die Digitalisierung unserer Gesellschaft wurde der Wettbe- werb in vielen Branchen enorm verscharft und hat Unternehmen dazu gefordert, ihre Geschaftsprozesse effektiverzu gestalten. Durch die zunehmende Digitali­sierung, welche schnelle Kommunikationswege ermoglicht, wird es Nutzern und Unternehmen jedoch auch erleichtert, Preise von bestimmten Wertpapieren in Echtzeit zu ubermitteln. Dadurch stieg das Interesse an der Nutzung von Mark- ten zurVorhersage von Ereignissen.

Okonomen haben lange diskutiert, ob Markte nicht nur die Funktion eines Allo- kationsmechanismusses besitzen, sondern ob sie durch die Vergabe von Prei- sen auch bestimmte Informationen aggregieren und ubermitteln konnen. Infolge dieser Uberlegung stieg das Interesse an der Nutzung der Prediction Markets, welche Finanzmarkte sind, aufdenen der Wert von dem Zustandekommen ei­nes Ereignisses abhangt [PS15]. Theoretisch sollten die Prediction Markets durch das ,,No-trade Theorem" von Milgrom und Stokey behindertwerden. Es besagt, dass, wenn Markte im Gleichgewicht sind, es kein Handeln im Rausch (engl. Noise trading) gibt und potentielle Handler gewisse Informationen erlan­gen konnen, es keine Handler geben wird, die von der Nutzung dieser Informa­tionen profitieren konnen [MS82]. Doch in der Praxis konnten auRerst erfolgrei- che Ergebnisse in derAggregation von Informationen und in derVorhersage von zukunftigen Ereignissen erzieltwerden [PC13]. Doch [GS80] verweisen auf den Konflikt der Prognose-Effizienz dieser Marktpreise und den Belohnungen, die die Teilnehmerfur die Beschaffung von gewissen Informationen erhalten. Aufgrund dieser Konflikte untersuchen [PS15], ob diese Einflussfaktoren das grundlegende Marktverhalten beeinflussen, und, ob ein zunehmender Informati- onsschatz die Prognosefehler von Marktpreisen minimieren kann. Sie kommen zu derAnnahme, dass die Uberinvestition in Informationen, den Profit der teil- nehmenden Handler schmalern konnte, aber sie verbessert interessanterweise auch die Prognoseakkuratesse der Marktpreise. Dieses Phanomen gibt einen ersten Schritt in der Interpretation, warum Prediction Markets in der Praxis so gutfunktionieren. Sie aggregieren nicht nurdie Informationen, sie motivieren die Teilnehmer ebenso, bedeutende und substantielle Informationen zu be- schaffen. Diese Untersuchung hilft bei der Erklarung, warum die Prediction Mar­kets kontinuierlich so prazise Vorhersagen aufstellen.

Aufgrund von Spekulations- sowie Manipulationsmoglichkeiten der Prediction Markets hatdie U.S. Commodities Futures Trading Commission1 (U.S. CFTS) diese jedoch stark eingeschrankt [AFGH08]. Infolge dessen resultierte die Ver- wendung von Prediciton Markets mit Spielgeld, welches fur Sachpreise einge- tauschtwerden kann [Bell09].

Markte, aufdenen mit Echtgeld und mit Spielgeld gehandeltwird, sind online seit etwa Mitte der 1990er Jahre fur die Offentlichkeit zuganglich und ihre Prog- nosegenauigkeit wurde genauer untersucht. Ein verbreiteter Glaube ist, dass Markte, aufdenen Handler mit ihrem eigenen Geld tatig sind, eine hohere Ge- nauigkeit erzielen und bessere Vorhersagen aufstellen als Markte, auf denen Handler keinem finanziellen Risiko ausgesetzt sind. Diese Vermutung baut auf der einfachen Behauptung auf, dass ein monetares Risiko eine Voraussetzung fur valide Ergebnisse von wirtschaftlichen Ereignissen ist. Doch wahrend Teil- nehmer der Echtgeld-Markte einen monetaren Anreiz haben, bieten Spielgeld Markte interessante und begehrenswerte Belohnungen an, um die Handelsakti- vitat zu starken [SWPG04].

In ihrer empirischen wissenschaftlichen Studie vergleichen [SWPG04] die Wir- kungsweisen der Echtgeld- mit den Spielgeldmarkten. In der NFL Saison 2003 wurde ein Online-Experiment durchgefuhrt, welches die Vorhersagen von Tra- deSports2 (Echtgeld) und NewsFutures3 (Spielgeld) gegenuberstellt. Beide Markte folgen einem binaren System, das zwischen ,ja“ und „nein“ beziehungs- weise zwischen „richtig“ und „falsch“ differenziert. Es wurde also nach einem 2- Weg-Ergebnis gefragt, ob ein bestimmtes Team ein Spiel gewinnt oder nicht. Die Ergebnisse von 208 Beobachtungen zeigen, dass TradeSports eine Er- folgsquote von 65,9% (135 von 208 richtigen Ergebnissen) und NewsFutures von 66,8% (139 von 208 richtigen Ergebnissen) in der Siegprognose eines Footballspiels hatten. Demnach istdie Prognoseakkuratesse bei beiden Platt- formen vergleichsweise identisch und akkurat. In Abbildung 3.2 wird diese ge­nauer dargestellt. Nach Sichtung dieser Ergebnisse lasst sich herausstellen, dass beide Markte, sowohl Echtgeld- als auch Spielgeldmarkte, eine hohere und bessere Prognosegenauigkeit erzielen konnen als individuelle Wirtschafts- prognostiker und, dass es keinen nennenswerten Unterschied in der Genauig- keit dieser beiden Markte gibt [SWPG04].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.2: Prognosegenauigkeit: Marktvorhersage-Gewinnwahrschein- lichkeit und tatsachliches Ergebnis [SWPG04]

Durch Mangel in der Vergangenheit kam es zu eindeutig verstandlichen Regeln fur die Gestaltung von Prediction Markets: Die Frage des Prediction Markets muss klar definiert sein und es muss genugend Interesse in dieser Frage beste- hen [SWZ13]. Angesehen wurden die Prediction Markets anfanglich durch ihre sehr akkurate Vorhersage von Wahlergebnissen. Mit den Iowa Electronic Mar­kets (IEM) haben Wissenschaftler 1988 begonnen, die Wahlanzahlen sowie die einzelnen Siegchancen bestimmter Prasidentschaftskandidaten zu prognostizie- ren. Dies ermoglichte den Handlern, mit Terminvertragen, die sich auf die U.S. Prasidentschaftswahlausgange bezogen, zu handeln [FNNW92]. Wahrend eines Prasidentschaftswahlkampfes wurde den Teilnehmern des Prediction Markets die Moglichkeit gegeben, sogenannte „Winner-takes-all“-Auftrage, die in Kapitel 4.2 naher erlautert werden, abzuschlieRen. In ihrer wissenschaftlichen Studie sind [BR03] zu der Auffassung gekommen, dass der dadurch entstehende Gleichgewichtspreis die vom Markt erzeugte Gewinnwahrscheinlichkeit eines be- stimmten Prasidentschaftskandidaten widerspiegelt.

[...]


1 http://www.cftc.gov/index.htm

2 https://en.wikipedia.org/wiki/TradeSports

3 https://en.wikipedia.org/wiki/NewsFutures

Ende der Leseprobe aus 57 Seiten

Details

Titel
Prediction Markets. Literaturüberblick und vergleichende Analyse zu Crowdvoting
Hochschule
Universität Paderborn  (Professur für Wirtschaftsinformatik, insb. Digitale Märkte)
Note
2,7
Autor
Jahr
2017
Seiten
57
Katalognummer
V364612
ISBN (eBook)
9783668438897
ISBN (Buch)
9783668438903
Dateigröße
1618 KB
Sprache
Deutsch
Anmerkungen
Bei dieser Arbeit handelt es sich nicht um eine empirische Arbeit, sondern um eine Literaturrecherche.
Schlagworte
Prediction Markets, Crowdvoting, Crowdsourcing, Collective Intelligence, Wisdom of the Crowd
Arbeit zitieren
Hendrik Tieben (Autor:in), 2017, Prediction Markets. Literaturüberblick und vergleichende Analyse zu Crowdvoting, München, GRIN Verlag, https://www.grin.com/document/364612

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Prediction Markets. Literaturüberblick und vergleichende Analyse zu Crowdvoting



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden