Gestaltung von Mobility-as-a-Service – Ergebnisse einer Conjoint-Analyse

Unternehmen stehen vor der Herausforderung, die digitale Transformation umzusetzen, insbesondere im Bereich der Kundenansprache (Peine und Helferich 2024). Dies betrifft vor allem den Transportsektor, der sich in einem tiefgreifenden Wandel zur geteilten Nutzung aufgrund sich verändernden Mobilitätsverhaltens befindet (Stocker 2021). Im Rahmen dieses Wandels müssen traditionelle Mobilitätsanbieter Mobility Service Provider werden, um den geänderten Kundenbedürfnissen gerecht zu werden (Kurpiela und Teuteberg 2023; Stocker 2021). Dies geschieht etwa unter dem Konzept des Mobilitäts-Ecosystems „Mobility-as-a-Service“ (MaaS) (Kurpiela und Teuteberg 2023). MaaS umfasst die Bündelung von Mobilitätsdienstleistungen und bietet passgenaue Lösungen, die auf Kundenbedürfnisse abgestimmt sind. Diese Dienstleistungen werden über eine digitale Plattform von einem Orchestrator bereitgestellt (Hensher 2017). Der Fokus von MaaS auf Kundenorientierung und der inhärente Technologiebezug macht diesen digitalen Service für die Forschung in Informationssystemen besonders relevant (Jittrapirom et al. 2017). Dennoch gestaltet sich die kundennahe Angebotsgestaltung, wie es Services beinhalten (Schulz et al. 2023), für viele Anbieter als herausfordernd: Keines der aktuell agierenden MaaS-Angebote ist profitabel (Hensher et al. 2023; Kraus 2024), auch aufgrund fehlender Angebotsausrichtung an den Kundenwünschen (Ho 2022; Schulz et al. 2021). Daher ist eine Analyse der Kundenperspektive notwendig, um aufzuzeigen, wie individualisierte Mobilitätsdienste gestaltet werden können, was die Gestaltung der zugrunde liegenden MaaS-Plattform beeinflusst.

Die Ergebnisse vereinzelter Studien zu MaaS, etwa zur Zahlungsbereitschaft, zeigen Widersprüche, etwa hinsichtlich der Präferenz von Pay-as-you-go (PAYG) oder Abonnementmodellen wie auch hinsichtlich der digital zu integrierenden Mobilitätsdienstleister (Kraus et al. 2023; Ho et al. 2020; Stopka et al. 2018). Eine umfassende Untersuchung, wie die Akzeptanz für MaaS als Beispiel für smarte, vernetzte Mobilität gesteigert werden kann, fehlt. Daraus ergibt sich die Forschungsfrage dieses Beitrags:

Wie müssen MaaS-Angebote gestaltet werden, um eine hohe Kundenakzeptanz zu erreichen?

Diese Untersuchung fokussiert sich auf die Erforschung divergierender Kundeninteressen sowie die Art und den Umfang der Bündelung von Mobilitätsdiensten auf der Plattform. Eine Conjoint-Analyse mit 503 Datensätzen dient zur Auswertung der Kundenpräferenzen und somit zur Beantwortung der Forschungsfrage. Die Ergebnisse sollen Managern von Technologiedienstleistern sowie Mobilitätsanbietern, insbesondere ÖPNV- und Sharing-Mobility-Dienstleister, als Orientierung für die Entwicklung digitaler Angebote dienen.

MaaS muss im spezifischen Länderkontext untersucht werden (Caiati et al. 2020). Dieser Beitrag liefert gegenüber vorheriger Conjoint-basierter Forschung zu MaaS in Deutschland (Maas 2021; Orth et al. 2022; Schulz et al. 2021) in zweierlei Hinsicht (inhaltlich und methodisch) einen neuartigen Mehrwert. Er berücksichtigt einerseits explizit das E‑Scooter-Sharing, das in vielen deutschen Großstädten eine etablierte Mobilitätsoption ist. Andererseits werden die Daten der Conjoint-Analyse für eine nutzenwertbasierte Segmentierung der Befragten weiterverwendet, um noch passgenauere Empfehlungen zu den zu integrierenden Mobilitätsdienstleistern treffen zu können.

Der Beitrag ist wie folgt gegliedert: In Abschn. 2 werden die Grundlagen zu smarter Mobilität durch digitale Services sowie deren Kundenakzeptanz erläutert. Es folgt eine Erklärung der Methodik und des Studiendesigns der Conjoint-Analyse (Abschn. 3). Anschließend werden die Ergebnisse in Abschn. 4 präsentiert, gefolgt von einer Diskussion und Zusammenfassung in Abschn. 5.

Zur Untersuchung der Kundenakzeptanz verschiedener Mobilitätsdienstleister in einer MaaS-App wurde eine auswahlbasierte Conjoint-Analyse gewählt (Del Mar Parra López et al. 2022). Sie eignet sich für neue Produkte, mit denen die Kunden noch keine Erfahrung haben (Stopka et al. 2018). Die Conjoint-Analyse ist ein dekompositionelles Verfahren zur Untersuchung von Präferenzstrukturen, bei dem Produkte anhand ihrer Merkmalseigenschaften bewertet werden, was insbesondere für MaaS als Mobilitätsbündel optimal ist. Dazu werden die Befragten wiederholt gebeten, aus variabel zusammengestellten Produkten ihr Präferenzprodukt auszuwählen. Aus den Wahldaten können Nutzenwerte für einzelne Merkmalsausprägungen geschätzt werden, die in Marktsimulationen zur Bestimmung der Zahlungsbereitschaft verwendet werden (Orme und Chrzan 2017). Außerdem wurden die Nutzenwerte als Basis für die Befragtensegmentierung verwendet (sog. Benefit-Segmentierung), was ein weiteres Alleinstellungsmerkmal dieses Beitrags gegenüber vorherigen MaaS-Untersuchungen in Deutschland ist (Maas 2021; Orth et al. 2022; Schulz et al. 2021). Die Nutzenwerte ermöglichen eine passgenauere Segmentierung als soziodemografische Variablen.

Die Ergebnisse der Untersuchung sind wie folgt zu diskutieren. Die hohe Preissensibilität (Bedeutung von 50,37 %, s. Tab. 2) ähnelt den Ergebnissen früherer Studien (Kraus et al. 2023; Polydoropoulou et al. 2020; Caiati et al. 2020). Die Dominanz des ÖPNV unter den Mobilitätsdiensten (Bedeutung von 26,40 %, s. Tab. 2) bestätigt seine Rolle als Rückgrat des Verkehrssystems (Caiati et al. 2020; Ho et al. 2018; Kraus 2024; Hensher 2017).

Bei Betrachtung der Zahlungsbereitschaft zeigt sich, dass Nutzende bereit sind, auch für Fahrten zwischen Standorten von On-Demand E‑Shuttles, für 9 h bzw. 300 km Car-Sharing und für Pedelecs im Bike-Sharing ein monatliches Abonnement zu zahlen, wenn auch nicht unter Ausschöpfung der maximalen Zahlungsbereitschaft (s. Tab. 3). Lediglich für E‑Scooter besteht keine Zahlungsbereitschaft für die Integration. Diese Erkenntnis konnte dank der Integration dieses Merkmals, im Gegensatz zu vorherigen MaaS-Studien in Deutschland (Maas 2021; Orth et al. 2022; Schulz et al. 2021), in diesem Beitrag zuerst gewonnen werden. Dies deckt sich mit vorherigen internationalen Studien (Enoch und Potter 2023; Jang et al. 2021). Die gesamte Zahlungsbereitschaft für MaaS pro Monat von 207,80 € ist höher als in vorherigen Studien, die ca. 140 € (Liljamo et al. 2020) bis 180 € (Jang et al. 2021) ermittelten. Allerdings war auch das Medianeinkommen der Befragten relativ hoch. Ein Zusammenhang wurde statistisch nicht erfasst, konnte aber in anderen Untersuchungen festgestellt werden (Caiati et al. 2020). Mehr als die Hälfte der Zahlungsbereitschaft ist auf den ÖPNV zurückzuführen (s. Tab. 3). Jedoch ist kritisch zu diskutieren, dass mit der verwendeten Software auch für die PAYG-Optionen Zahlungsbereitschaft ermittelt wird, was in einem Marktangebot schwer umsetzbar ist. Eine differenzierte Betrachtung der Datenbasis durch die Segmentierung zeigt, dass sich die Präferenzen unter den Befragten unterscheiden. Zur Beantwortung der Forschungsfrage kann daher Tab. 5 herangezogen werden: ÖPNV, Bike- und Car-Sharing sollten je nach adressiertem Segment in unterschiedlichen Merkmalskonstellationen über die PAYG-Option hinaus (der ÖPNV für Segment 1 als Option in einer Stadt, für alle weiteren Befragten als tarifweites Angebot, das Bike-Sharing mit Pedelec-Option, Car-Sharing mit 9 h bzw. 300 km Kontingent) in einer MaaS-App angeboten werden. Eine Integration von Kontingenten für E‑Shuttles und E‑Scooter erhöht nicht die Nutzerakzeptanz. Diese Präferenz eines komprimierten Bündels widerspricht vorherigen Studien mit Befragten mit höherem Einkommen (Ho et al. 2021), deckt sich jedoch mit den allgemeinen Präferenzen von Verkehrsmitteln (Feneri et al. 2022). Um den größtmöglichen Nutzenwert über die Nutzenden zu generieren, sollte das Angebot in der MaaS-App personalisierbar sein und der Preis die Zahlungsbereitschaft je Merkmalseigenschaft nicht überschreiten. Diese Studie konnte durch ihren einzigartigen Einsatz der Benefit-Segmentierung entsprechend differenziertere Empfehlungen zur MaaS-Gestaltung aussprechen als vorherige Untersuchungen (Maas 2021; Orth et al. 2022; Schulz et al. 2021).

Die Präferenz für den ÖPNV eröffnet die Frage, ob der ÖPNV-Betreiber auch die MaaS-Plattform steuern soll. Bike- und Car-Sharing sollte zur Abdeckung der ersten und letzten Meile integriert werden (Becker et al. 2020). Daraus leitet sich die Frage ab, wie die Akteure im Mobilitäts-Ecosystem auf der Plattform zusammenarbeiten, um dieses Nutzenversprechen zu erfüllen. Beispielsweise sind dem möglichen Umsatz die Kosten für die Beförderung und die Plattform gegenüberzustellen. Eine Kooperation im Sinne einer Public-Private-Partnership ist ein mögliches Modell für Manager, um MaaS gewinnbringend anzubieten (Smith und Sørensen 2023).

Die Integration des ÖPNV, Car-Sharing und Bike-Sharing auf einer MaaS-Plattform bedarf eines modularen und interoperablen Aufbaus. Sowohl der ÖPNV als auch die privaten Anbieter müssen dafür ihre Schnittstellen öffnen und einheitliche Datenformate verwenden (Hensher et al. 2023). Pragmatismus bei der Steuerung des MaaS-Vorhabens ist dafür ein notwendiger Erfolgsfaktor. Für ÖPNV-Anbieter hat dies zur Einführung des Deutschlandtickets bereits funktioniert.

Diese Studie weist vier Limitationen auf. Anhand der Daten konnte nicht analysiert werden, warum sich Kunden für ein bestimmtes MaaS-Angebot entscheiden. Darüber hinaus kann smarte Mobilität über die Integration von Mobilitätsdiensten hinaus auch als Angebot komplementärer Services (bspw. Bonuspunkte für nachhaltiges Reisen im lokalen Einzelhandel, Tracking des CO₂-Verbrauchs, KI-gestützte Vorschläge zur Routenoptimierung oder Prognose vorhandener stationsbasierter Verkehrsmittel) definiert werden, was nicht Gegenstand dieser Untersuchung war. Des Weiteren handelte es sich bei dieser Untersuchung um ein Experiment, da eine MaaS-App im Betrachtungsraum nicht existierte. Die Antworten reflektieren daher hypothetische Entscheidungen. Zuletzt wurde die Kundenseite smarter Services betrachtet, nicht aber die Angebotsseite.

Zukünftige Forschung sollte auch psychologische Faktoren des Wahlentscheidungsprozesses berücksichtigen. Um die Zahlungsbereitschaft zu erhöhen, ist eine Akzeptanzanalyse von Up- und Cross-Selling-Potenzialen, etwa Premiumfahrzeuge im Car-Sharing oder Bonuspunkte für die Wahl nachhaltiger Mobilität, notwendig. Außerdem könnte ein Reallabor zu smarter Mobilität mit anschließender Conjoint-Analyse die Ergebnisse dieser Studie validieren. Die Kooperationsbereitschaft zwischen Technologiedienstleistern und traditionellen Mobilitätsanbietern ist ein weiterer zukünftiger Forschungsgegenstand. Die Ergebnisse dieser Untersuchung bieten aufgrund der umfassenden Untersuchung von Mobilitätsdiensten und der großen Stichprobe einen solide Basis.