Bachelorarbeit, 2017
57 Seiten, Note: 2,7
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 Forschungsüberblick
3.1 Wisdom of the Crowd
3.2 Prediction Markets
3.3 Crowdsourcing und Crowdvoting
4. Gegenüberstellung der Crowd-basierten Vorhersage und Bewertungsverfahren
4.1 Aufbau und Durchführung 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
Die Bachelorarbeit verfolgt das Ziel, die Funktionsweisen von Prediction Markets und Crowdvoting-Prozessen detailliert zu analysieren, deren Anwendbarkeit im Innovationsprozess aufzuzeigen und die beiden Methoden hinsichtlich ihrer Effizienz, Vor- und Nachteile sowie ihres Anreizmechanismus miteinander zu vergleichen.
2.1.1 Prediction Markets und das Social Forecasting
Die akkurate Vorhersage bestimmter zukünftiger Ereignisse erwies sich als ein komplexes Aufgabengebiet und als eine Herausforderung, denen Unternehmen heutzutage gegenüberstehen. Durch das Social Forecasting und durch die Prediction Markets wird es Entscheidungsträgern verschiedener Bereiche ermöglicht, akkurate Prognosen für das Eintreffen eines bestimmten Ereignisses zu ermitteln. Durch eine Vielzahl von Preisabgaben für das Eintreffen einer Eventualität in der Zukunft, die von der Masse erzeugt werden, lassen sich einzelne Eintrittswahrscheinlichkeiten ermitteln. Prediction Markets sind also Terminmärkte, die den Hauptzweck haben, den Informationsinhalt aus den Marktpreisen zu nutzen, um eine Eintrittswahrscheinlichkeit zu berechnen [BR03].
Sollen zum Beispiel die Wahrscheinlichkeiten eines Wahlergebnisses oder auch einer Produktinnovation beurteilt werden, kann mithilfe eines Prediction Markets ein Preis für das Eintreten eines solchen Ereignisses festgelegt werden. Man zahlt diesen gewissen Preis. Bei tatsächlichem Eintreten des Ereignisses erhält der Händler beispielsweise 1$. Wenn dies nicht passiert, bekommt er auch kein Geld. Wenn der Preis also 0,68$ beträgt, so ist die Prognose der Teilnehmer, die diesen Preis zu zahlen bereit sind, mindestens 68%, dass dieses Ereignis tatsächlich 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 können [PS15]. Diese Kauf- und Verkaufsaktivitäten verändern kontinuierlich den Preis eines solchen Vertrages des Prediction Markets. Durch den Marktpreis lässt sich also simpel eine kumulierte Eintrittswahrscheinlichkeit aller Teilnehmer ablesen [Buck16]. Es wirkt ein monetärer Anreizmechanismus, und je höher der Preis, desto wahrscheinlicher ist auch das Eintreten dieses Ereignisses.
So lässt sich also durch die verschiedenen separaten Prognosen der Crowd eine präzise Gesamtprognose für das Eintreten eines Ereignisses berechnen.
1. Einleitung: Diese Einleitung führt in die Relevanz von Prediction Markets und Crowdvoting als Methoden zur Nutzung kollektiver Intelligenz ein und definiert die Problemstellung sowie die Zielsetzung der Arbeit.
2. Theoretische Grundlagen: Hier werden die zentralen Begriffe, wie Crowdsourcing, Crowdvoting und Prediction Markets, definiert und in den Kontext der modernen Innovationsprozesse eingeordnet.
3. Literatur- und Forschungsüberblick: Dieses Kapitel fasst den aktuellen Wissensstand zum "Wisdom of the Crowd"-Phänomen sowie spezifische Erkenntnisse zu Prediction Markets und Crowdsourcing zusammen.
4. Gegenüberstellung der Crowd-basierten Vorhersage und Bewertungsverfahren: Eine detaillierte Untersuchung der beiden Methoden erfolgt hier, inklusive einer vergleichenden Analyse von Anreizstrukturen, Prognosegüte und Anwendungsgebieten.
5. Zusammenfassung und Ausblick: Der abschließende Teil fasst die wesentlichen Erkenntnisse zusammen und gibt einen Ausblick auf die zukünftige Bedeutung der untersuchten Methoden in der Unternehmenspraxis.
Prediction Markets, Crowdvoting, Wisdom of the Crowd, Crowdsourcing, Social Forecasting, kollektive Intelligenz, Innovationsmanagement, Marktpreise, Prognosegüte, Anreizmechanismen, Entscheidungsunterstützung, Informationseffizienz.
Die Arbeit untersucht und vergleicht zwei Methoden der kollektiven Intelligenz: Prediction Markets und Crowdvoting, um deren Eignung für Prognose- und Ideenfindungsprozesse in Unternehmen zu bewerten.
Die Schwerpunkte liegen auf den Mechanismen der Massenpartizipation, der Informationsaggregation über Marktmechanismen und der Rolle von Anreizstrukturen bei diesen Prozessen.
Das Ziel ist es, die Funktionsweisen beider Ansätze transparent zu machen, ihre Effektivität anhand von Praxisbeispielen zu beleuchten und Unterschiede im Hinblick auf Arbeitsaufwand und Ergebnisqualität herauszuarbeiten.
Es handelt sich um eine Literaturanalyse und eine vergleichende, qualitative Untersuchung, bei der bestehende Studien und theoretische Konzepte in einen direkten Vergleich gesetzt werden.
Der Hauptteil gliedert sich in die theoretische Fundierung, eine Literaturübersicht sowie eine tiefgehende Gegenüberstellung der Verfahren, inklusive einer tabellarischen Analyse der Bewertungs- und Prognoseeigenschaften.
Die zentralen Begriffe sind Prediction Markets, Crowdvoting, Wisdom of the Crowd, Crowdsourcing und kollektive Intelligenz.
Monetäre Anreize motivieren Teilnehmer dazu, ihr Wissen und ihre Einschätzungen präzise abzugeben, da sie bei korrekten Vorhersagen einen finanziellen Profit erzielen können, was die Marktpreise als Indikatoren für Eintrittswahrscheinlichkeiten validiert.
Während Prediction Markets oft auf monetären Anreizen und komplexen Preismechanismen basieren, ist Crowdvoting meist intuitiver, erfordert weniger Aufwand und stützt sich stärker auf subjektive Bewertungen oder Abstimmungen der Masse.
Der Effekt besagt, dass eine große, heterogene Gruppe bei der Lösung komplexer Probleme oder der Vorhersage von Ereignissen oft akkuratere Ergebnisse liefert als einzelne Experten, sofern die Aggregation der Einzelinformationen korrekt erfolgt.
Die Zuverlässigkeit hängt stark von der Teilnehmerzahl ab; bei zu kleinen Gruppen sinkt die Aussagekraft, während eine ausreichend große Masse statistische Mittelwerte bildet, die eine tragfähige Entscheidungsgrundlage bieten können.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

