Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing Model (FWPM)

Die fortschreitende Digitalisierung und Vernetzung von Mobilitätssystemen verändert nicht nur deren technologische Basis, sondern auch die Geschäftsmodelle, die diesen Systemen zugrunde liegen (Acciarini et al. 2021). Mithilfe von IoT-Sensorik und Cloud-Lösungen lassen sich Echtzeitinformationen zu Intensität und Art der Produktnutzung sammeln, was die Basis für innovative datengetriebene Leasingmodelle bildet (Paiola und Gebauer 2020). Dementsprechend eröffnen digitale Technologien wie IoT und Big Data neue Wertschöpfungswege durch Geschäftsmodellinnovationen (Parida et al. 2019). Die modulare Struktur von IoT-Plattformen begünstigt eine schnelle, standardisierte Integration verschiedener Geräte (Hein et al. 2019) und schafft so die Möglichkeit datengetriebene Geschäftsmodelle für eine Vielzahl verschiedener Produkte zu entwickeln. Die gesammelten Echtzeitdaten ermöglichen potenziell ein kundenorientierteres und faireres Pricing, indem sie objektive Kriterien wie etwa Verschleiß in die Gestaltung der Leasingrate einbeziehen (Suppatvech et al. 2019).

Das PPU-Modell hat sich im B2C-Bereich z. B. im Carsharing als Alternative zu festen Abrechnungsmethoden etabliert (Dowling et al. 2021). Konsumierende zahlen dabei nur für die tatsächlich in Anspruch genommene Nutzung eines Produkts oder einer Dienstleistung (Balasubramanian et al. 2015). Die Akzeptanz solcher Modelle hängen stark davon ab, wie fair und transparent das System wahrgenommen wird (Elzinga et al. 2020). Die Kombination von PPU und Festpreiselementen kann zu höherer Akzeptanz und einem größeren Marktanteil solcher Modelle führen (Balasubramanian et al. 2015). Untersuchungen zu PPU-Modellen legen nahe, dass direkte finanzielle Anreize das Konsumverhalten spürbar beeinflussen können (Arani et al. 2023). Zudem sind psychologische Faktoren wie wahrgenommene Preisfairness und Referenzpreise für die Akzeptanz datengetriebener Geschäftsmodelle essenziell (Koschate-Fischer und Wüllner 2017). PPU-Modelle sind insbesondere dann profitabel, wenn sie geringe psychologische Hemmnisse bei den Konsumierenden auslösen (Balasubramanian et al. 2015).

Im Leasingkontext wird PPU zunehmend eingesetzt, um die Nutzung eines Produkts, etwa eines Fahrzeugs, flexibel und verbrauchsabhängig abzurechnen. Die monatlichen Raten orientieren sich dabei typischerweise an quantitativen Nutzungsparametern wie der Anzahl der gefahrenen Kilometer oder der Einsatzdauer. Trotz seiner Popularität weist das PPU-Modell im Leasingkontext Grenzen auf. Erstens wird der Verschleiß eines Produkts oft unzureichend berücksichtigt (Stanula et al. 2020). Z. B. unterliegt ein Fahrzeug, das häufig auf anspruchsvollen Strecken genutzt wird, einem anderen Abnutzungsgrad als eines, das schonend gefahren wird oder nur selten zum Einsatz kommt. Zweitens entfallen bei rein nutzungsbasierten Modellen Anreize für ressourcenschonendes Verhalten, da die Intensität oder die Belastung nicht in die Berechnung der Leasingrate einfließt (Stanula et al. 2020). Drittens wird das Potenzial moderner Sensorik in vielen klassischen PPU-Ansätzen nicht voll ausgeschöpft (Stanula et al. 2020).

Neue Formen von PPU beziehungsweise darauf aufbauende Leasingmodelle gehen bereits über reine Häufigkeits- oder Zeitmodelle hinaus und beziehen einzelne Nutzungsmerkmale mit ein (Stoppel und Roth 2015). Ein Beispiel dafür ist das HOMIE-Modell (Bocken et al. 2018), das PPU-basierte Haushaltsgeräte in einem Mietmodell für private Haushalte untersucht. Dabei bezahlen Konsumierende nicht für den Besitz, sondern pro Waschgang, mit variablen Gebühren je nach gewählter Einstellung. Umweltfreundliche Optionen wie Waschen bei niedriger Temperatur oder mit kurzer Programmdauer werden gezielt durch den Anreiz niedrigerer Kosten motiviert. Diese Preisanreize führten dazu, dass Haushalte, insbesondere solche mit zuvor hohem Energieverbrauch beim Waschen, ihre Waschgewohnheiten anpassten: Sie reduzierten die Temperatur und wählten insgesamt weniger Waschzyklen. Durch dynamische, nutzungsnahe Preisgestaltung kann PPU nachhaltigkeitsfördernd wirken, wenn finanzielle Anreize das Verhalten in Richtung ressourcenschonender Nutzung lenken (Bocken et al. 2018).

Auch das Pay-per-Sustainable-Use-Modell (Ângelo und Barata 2022) zeigt bereits, wie die flexible Gestaltung von Leasingraten zu umweltfreundlicherem Verhalten und bewussterem Ressourcenverbrauch im B2B-Bereich beitragen kann. Im Kontext von Baumaschinen (B2B) wurde hier eine Lösung für Baukräne entwickelt, die IoT-basierte Technologien integriert, um Nutzungsdaten zu analysieren und eine nachhaltige Nutzung zu fördern. Durch die Einführung von datengetriebenen Mechanismen konnten Betriebskosten reduziert, Sicherheitsstandards verbessert und die Umweltbelastung durch optimierte Energie- und Ressourcennutzung gesenkt werden. Leasingraten werden dabei basierend auf der tatsächlichen Nutzung des Geräts sowie der Erfüllung von Nachhaltigkeitskriterien wie Energieeffizienz und Emmissionsreduktion berechnet (Ângelo und Barata 2022). Zudem kann die Kombination aus IoT und Product-Service-Systemen in sogenannten „Smart Circular Systems“ den Übergang zur Kreislaufwirtschaft beschleunigen (Alcayaga und Hansen 2024).

Als weiteres Modell im B2B-Sektor verknüpft das PPS-Modell (Stanula et al. 2020, 2021) die Leasinggebühr von Maschinenwerkzeugen mit dem tatsächlichen Verschleiß, der während der Nutzung entsteht. Dies geschieht mithilfe eines sogenannten „Stressfaktors“, der den kumulierten Verschleiß der Maschine basierend auf Belastungsdaten von Sensoren berechnet. Die Leasingrate variiert abhängig vom Stressfaktor. Niedrige Belastungen reduzieren die Gebühren, während hohe Belastungen diese erhöhen. Durch die Nutzung von Echtzeitdaten wird das Problem der Informationsasymmetrie zwischen Leasingnehmer und Leasinggeber reduziert, da Leasingnehmer Anreize haben, die Maschine schonend zu nutzen, da sie sonst höhere Gebühren zahlen müssen (Stanula et al. 2020, 2021).

Im Vergleich zu bestehenden nutzungs- oder verschleißbasierten Modellen weist FWPM konzeptionelle Unterschiede auf, die insbesondere im B2C-Kontext relevant sind. Tab. 1 stellt zentrale Unterschiede zwischen klassischem Leasing, PPU, PPS und FWPM gegenüber. Die Tabelle zeigt, dass FWPM sich nicht nur technisch, sondern vor allem konzeptionell von bestehenden Modellen unterscheidet. Während klassisches Leasing und PPU pauschale bzw. nutzungsbasierte Ansätze verfolgen, berücksichtigen sie weder tatsächlichen Verschleiß noch nachhaltige Nutzung. PPS im B2B basiert hingegen auf präziser Verschleißmessung, richtet sich aber an rational handelnde Unternehmen, die datenbasierte Entscheidungen treffen. Der FWPM-Ansatz überträgt dieses Prinzip bewusst in den B2C-Bereich, wo andere Anforderungen gelten: Konsumierende reagieren sensibler auf Preisfairness, Datenschutz und Nachhaltigkeit. FWPM integriert diese Faktoren in ein transparentes, verhaltenswirksames Preismodell, das standardisierbar und massenmarkttauglich ist. Damit adressiert FWPM eine Forschungslücke zwischen digitalem Pricing, nachhaltigem Konsum und Smart Services im B2C-Kontext.

Die vernetzte Mobilität erfordert neuartige, ganzheitliche Konzepte, welche die Anforderungen an Nachhaltigkeit, Datenintegration und ökonomische Effizienz berücksichtigen (Ketter et al. 2023). Vor diesem Hintergrund versteht sich das in diesem Beitrag entwickelte FWPM als Transferkonzept, das ein bestehendes Modell aus dem B2B-Bereich, das PPS, in den B2C-Kontext überträgt und weiterentwickelt. Diese Übertragung ist nicht trivial, da sich die Anforderungen, Entscheidungslogiken und Verhaltensmuster im Konsumbereich deutlich von denen industrieller Akteure unterscheiden. Das FWPM kombiniert bestehende Elemente PPU-basierter Geschäftsmodelle mit IoT-gestützter Abnutzungsanalyse und zielt darauf ab, datengetriebene Preissysteme mit verhaltensbezogenen und nachhaltigen Anreizstrukturen im B2C zu verknüpfen. Es schafft damit ökonomische und ökologische Vorteile für Konsumierende, Leasinggeber und Hersteller und adressiert mehrere zentrale Dimensionen vernetzter Mobilität: die Integration von Sensordaten, dynamische Geschäftsmodelle, ökologisches Konsumverhalten und neue datenbasierte Wertschöpfungsnetzwerke. In diesem Sinne leistet das FWPM keinen originären theoretischen Beitrag im engeren Sinne, sondern stellt einen konzeptionellen Transferbeitrag dar, der bestehende Modelle auf einen neuen Anwendungskontext überträgt, anpasst und weiterentwickelt, mit dem Ziel, konkrete Herausforderungen im Bereich vernetzter Mobilität auf neue Weise zu adressieren.

Das FWPM basiert auf der Grundidee, dass Leasingkosten nicht allein durch die Nutzungsdauer oder -häufigkeit, sondern vor allem durch die tatsächliche Intensität der Nutzung und Abnutzung bestimmt werden. Der Begriff „Fair-Wear“ verweist dabei auf zwei zentrale Prinzipien des Modells: Fairness gegenüber Konsumierenden durch transparente und nachvollziehbare Preisgestaltung sowie Wear im Sinne der tatsächlichen Abnutzung des Produkts als Berechnungsgrundlage. So greift das FWPM die Idee nutzungsbasierter Leasingmodelle wie PPU im B2C-Sektor auf, erweitert sie jedoch um die Schätzung der Abnutzung mittels IoT-Sensorik, analog zum PPS-Modell im B2B-Sektor (Stanula et al. 2020, 2021). Anstelle einer reinen Betrachtung der Nutzungszeit (wie bei vielen PPU-Ansätzen) setzt das FWPM auf Echtzeitmessungen von Verschleiß, Belastung und Umwelteinflüssen. Diese dynamische, abnutzungsorientierte Gestaltung der Leasingrate ist nur durch den Einsatz moderner IoT-Technologien realisierbar, die in Echtzeit Daten zu Verschleiß oder Umgebungsbedingungen erfassen und analysieren.

IoT und Künstliche Intelligenz (KI) spielen dabei eine Schlüsselrolle, da sie für die Produktabnutzung relevante Parameter messen und analysieren. Mithilfe von Cloud-Lösungen und KI-Algorithmen können diese Daten ausgewertet und Leasingraten flexibel an die tatsächliche Produktabnutzung angepasst werden. Ähnlich wie das PPS-Modell (Stanula et al. 2020, 2021; Bossler et al. 2021), das ebenfalls auf Echtzeitdaten zu Verschleiß basiert, koppelt das FWPM die Gestaltung der Leasingrate unmittelbar an die Belastung des Produkts. Verglichen mit klassischen Leasingmodellen, die oft feste Raten für einen bestimmten Zeitraum vorsehen, bietet das FWPM eine dynamische Gestaltung der Leasingrate, die jederzeit an den realen Nutzungsgrad angepasst werden kann (z. B. monatlich, quartalsweise oder jährlich). Damit steht das Modell in der Tradition belastungsorientierter Leasingmodelle (Stanula et al. 2020, 2021; Bossler et al. 2021).

Ein weiterer zentraler Aspekt des FWPM ist seine Nachhaltigkeitsorientierung. Durch die direkte Verknüpfung von Kosten und Abnutzung werden Konsumierende motiviert, ressourcenschonender mit den Produkten umzugehen. Dies trägt zu längeren Produktlebenszyklen bei und unterstützt die Ziele der Kreislaufwirtschaft. Eine geringere Abnutzung bedeutet außerdem langfristig weniger Reparatur‑, Instandhaltungs- und Herstellungskosten, was sowohl ökologische als auch ökonomische Vorteile birgt. Zudem kann durch geringere Abnutzung eine längere Lebensdauer ermöglicht und so ein Beitrag zu nachhaltiger Nutzung von Ressourcen geleistet werden. Damit differenziert sich das FWPM von anderen datengetriebenen Modellen.

Die Beziehungen zwischen den Stakeholdern werden in Abb. 1 veranschaulicht. Der Hersteller stellt langlebige, IoT-fähige Produkte bereit und erhält vom Leasinggeber Informationen über den Produktlebenszyklus sowie Nutzungsdaten und damit zusätzliche Einblicke. Der Leasinggeber agiert als zentrale Verbindung, sammelt und analysiert Daten und berechnet dynamische Leasingraten. Die Konsumierenden nutzen die Produkte und profitieren von einer fairen, nutzungsbasierten Gestaltung der Leasingrate, während sie Daten für dessen Berechnung bereitstellen.

Full size image

Im klassischen Leasingmodell besteht ein zentraler Interessenskonflikt zwischen Leasinggeber und Leasingnehmer. Zwar werden in vielen Verträgen mittlerweile Nutzungsparameter wie die Laufleistung (z. B. in Kilometern) vertraglich vereinbart und bei Abweichungen nachträglich verrechnet. Allerdings basiert die Kalkulation häufig auf pauschalen Annahmen zur Abnutzung, die nicht alle Nutzungseinflüsse wie Fahrverhalten, Belastung oder tatsächlichen Verschleiß vollständig abbilden. Dadurch können für Konsumierende weiterhin intransparente oder nicht vollständig leistungsgerechte Kosten entstehen, insbesondere wenn der individuelle Nutzungsstil besonders ressourcenschonend oder verschleißintensiv ist. Gleichzeitig haben Konsumierende begrenzte Anreize zur besonders schonenden Nutzung, da feingranulare Unterschiede im Verschleißverhalten nicht berücksichtigt werden. Diese verbleibende Informationsasymmetrie und die damit verbundenen Fehlanreize können im FWPM durch eine datenbasierte, nutzungsdifferenzierte Abrechnung gezielt adressiert werden.

Das FWPM bringt für alle beteiligten Akteure entlang der Wertschöpfungskette sowohl unmittelbare Vorteile als auch spezifische Herausforderungen mit sich: Konsumierende profitieren potenziell von einer transparenten und nachvollziehbaren Leasingrate, die die tatsächliche Nutzung eines Produkts fair abbildet. Konsumierende, die Produkte ressourcenschonend einsetzen, können von niedrigeren Leasingraten profitieren, was gleichzeitig ein stärkeres Bewusstsein für nachhaltiges Verhalten schafft. Dennoch können Herausforderungen wie Datenschutzbedenken oder höhere Kosten bei intensiver Nutzung das Vertrauen in das Modell beeinträchtigen. Neue Leasingmodelle stoßen oft auf Skepsis (Elzinga et al. 2020), weswegen eine transparente Kommunikation von Vorteil ist, um Akzeptanzprobleme zu minimieren (Cherry und Pidgeon 2018). Der Ticking-Meter-Effekt (Arani et al. 2023) könnte im FWPM gezielt genutzt werden, um Konsumierende zu einer bewussteren Nutzung zu motivieren. Dieser Effekt beschreibt die psychologische Reaktion von Nutzenden, die durch die Wahrnehmung unmittelbarer Kosten für jeden Nutzungsvorgang (z. B. bei einem PPU-Modell) dazu neigen, ihren Verbrauch zu reduzieren. Da jede Nutzung mit einem klar erkennbaren finanziellen Aufwand verbunden ist, bewirkt dieser Mechanismus eine stärkere Sensibilisierung und eine bewusste Abwägung der Notwendigkeit jeder Handlung (Arani et al. 2023).

Für Leasinggeber eröffnet das FWPM neue Möglichkeiten zur Risikominimierung und Prozessoptimierung. Durch präzise, kontinuierlich erhobene Nutzungsdaten können Restwerte genauer vorhergesagt und Wartungszyklen besser geplant werden. Zwar basieren Wartungszyklen bei modernen Fahrzeugen bereits heute teilweise auf Verschleißdaten, etwa durch Sensoren an Bremsen oder ölqualitätsabhängige Wartungshinweise. Auch tragen Leasingnehmende im B2C-Bereich häufig die Wartungskosten selbst, was grundsätzlich einen Anreiz zur schonenden Nutzung schaffen kann. FWPM geht jedoch darüber hinaus, indem es diese Daten nicht nur für Wartungsentscheidungen nutzt, sondern direkt in die Preiskalkulation der Leasingrate integriert. Die Differenzierung erfolgt also nicht nur funktional (z. B. „jetzt Service fällig“), sondern auch finanziell durch individuelle Tarifanpassung, und zwar laufend während der Vertragslaufzeit. Dadurch entsteht ein unmittelbarer Anreiz zur ressourcenschonenden Nutzung. Gleichzeitig erfordert die Implementierung erhebliche Investitionen in Technologie und neue Vertragsmodelle, was insbesondere für kleinere Anbieter eine Herausforderung darstellen könnte. Zudem sind die Modellierung von Verschleiß und Unsicherheiten bei der Vorhersage von Nutzungsverhalten komplexe Aufgaben, die eine sorgfältige Integration von Datenquellen und manipulationssichere Sensorik erfordern (Stanula et al. 2021). Der bereits erwähnte Ticking-Meter-Effekt kann für Leasinggeber problematisch werden, da er die Nutzungshäufigkeit des geleasten Produkts reduzieren und somit zu reduzierten Einnahmen führen kann. Gleichzeitig kann eine dadurch nachhaltigere Nutzung jedoch auch zu höheren Restwerten führen, was wiederum vorteilhaft für Leasinggeber sein kann.

Auch für Hersteller bietet das FWPM erhebliches Potenzial. Die durch IoT-Technologien gewonnenen Nutzungsdaten können in die Produktentwicklung einfließen und helfen, Schwachstellen zu identifizieren sowie zukünftige Produktgenerationen zu optimieren. Gleichzeitig begünstigt das Modell die Wiederverwendung und längere Lebensdauer von Produkten, was allerdings gleichzeitig eine Herausforderung für Hersteller darstellen kann. Die Integration neuer Technologien in bestehende Produktionsprozesse und der Schutz sensibler Daten vor unbefugtem Zugriff stellen auch hier zentrale Herausforderungen dar. Die Verlagerung von Risiken und Kosten in nutzungsbasierten Modellen erfordert klare vertragliche Regelungen (Stoppel und Roth 2015), z. B. durch wen Kosten für zusätzliche Sensorik getragen werden. Gleichzeitig stellt der Aufbau der notwendigen digitalen Infrastruktur eine Herausforderung für Hersteller und Leasinggeber dar, welcher durch Standards und interorganisationaler Zusammenarbeit begegnet werden kann, um Daten effektiv zu nutzen (Alcayaga und Hansen 2024).

Über die direkten Vorteile hinaus birgt das FWPM auch langfristige Potenziale, die sowohl ökologische als auch ökonomische Dimensionen betreffen. Ein zentrales Potenzial liegt in der Förderung der Kreislaufwirtschaft. Die datenbasierte Optimierung von Produktlebenszyklen kann die Reduktion von Abfällen und Ressourcenverschwendung unterstützen, was einen wichtigen Beitrag zur Nachhaltigkeit leistet. Eine IoT-gestützte dynamische Gestaltung der Leasingrate kann durch Qualitätssicherung die Lebensdauer von Produkten effektiv verlängern und Abfall reduzieren (Ben-Daya et al. 2023). Gleichzeitig kann das Modell die Konsumierenden für die Auswirkungen ihres Verhaltens sensibilisieren, indem es Kosten und Abnutzung transparent miteinander verknüpft. Dies schafft nicht nur finanzielle Anreize für nachhaltigen Konsum und somit eine Reduktion des CO₂-Fußabdrucks, sondern kann auch ein langfristiges Umdenken im Umgang mit Ressourcen durch gesteigertes Bewusstsein fördern.

Das FWPM eröffnet zudem neue Perspektiven für datengetriebene Geschäftsmodelle. Echtzeitdaten können nicht nur zur Gestaltung der Leasingrate genutzt werden, sondern potenziell auch als Grundlage für zusätzliche Dienstleistungen wie personalisierte Wartungspakete oder innovative Versicherungslösungen dienen, sowohl für Hersteller als auch Leasinggeber.

Das Fahrzeugleasing stellt eines der zentralen Anwendungsfelder vom FWPM dar und soll hier exemplarisch zur Illustration der praktischen Anwendung diskutiert werden. Durch seine dynamische und abnutzungsbasierte Gestaltung der Leasingrate ermöglicht das FWPM eine präzisere und nachhaltigere Nutzung von Fahrzeugen, was sowohl für Konsumierende als auch für Leasinggeber und Hersteller erhebliche Vorteile bieten kann. In konventionellen Fahrzeugleasingverträgen zahlen Konsumierende eine feste monatliche Rate, die von der tatsächlichen (Ab‑)Nutzung des Fahrzeugs weitgehend entkoppelt ist. Zwar gibt man bei Vertragsabschluss i. d. R. eine Jahreslaufleistung an, wobei aber nicht festgelegt ist, unter welchen Abnutzungsbedingungen das Fahrzeug tatsächlich gefahren wird. Der Leasinggeber muss also wegen Informationsasymmetrien vom Schlechteren ausgehen und die Leasingrate ist i. d. R. höher. Trotz allem besteht häufig eine Diskrepanz zwischen den realen Abnutzungskosten und den Raten, die von den Konsumierenden getragen werden. Das FWPM begegnet dieser Problematik, indem die Leasingraten anhand der erfassten Abnutzung berechnet werden.

IoT-basierte Geschäftsmodelle können durch die Auswertung von Echtzeitdaten erheblichen Mehrwert generieren (Parida et al. 2019), worauf das FWPM im Fahrzeugleasing aufsetzt. Abb. 2 stellt das Framework des FWPM dar und verdeutlicht den Datenfluss im Fahrzeugleasing. Der Prozess beginnt bei den in den Fahrzeugen verbauten IoT-Sensoren, die laufend Informationen zu z. B. Fahrverhalten, Kilometerstand, Abnutzungsgrad und Umwelteinflüssen sammeln. Diese Daten werden an eine Cloud-Infrastruktur weitergeleitet. Innerhalb der Cloud kommen spezielle Algorithmen zum Einsatz: In einem ersten Schritt wird anhand der gesammelten Informationen eine Abnutzungsbewertung vorgenommen, welche den Zustand und die tatsächliche Beanspruchung des Fahrzeugs quantifiziert. Das PPS-Modell (Stanula et al. 2021) demonstriert bereits im B2B-Umfeld, wie eine Verschleißbewertung zur dynamischen Anpassung von Leasinggebühren beitragen kann. Der Konzeptansatz des Stressfaktors (Stanula et al. 2020) kann beim FWPM als Grundlage für eine nutzungs- und belastungsorientierte Berechnung der Leasinggebühren dienen. Darauf aufbauend folgt die dynamische Gestaltung der Leasingrate, bei der individuelle Leasingraten in Echtzeit berechnet werden können. Eine reale Anpassung erfolgt allerdings maximal auf Monatsebene. Gegebenenfalls können auch größere Zeiträume von bis zu einem Jahr für Anpassungen herangezogen werden analog zu Telematik-Tarifen. Die Ergebnisse werden dann über unterschiedliche Frontends ausgespielt, die auf die Bedürfnisse verschiedener Akteure zugeschnitten sind. Hersteller erhalten detaillierte Einblicke in die Nutzungsdaten, um darauf basierend Optimierungen in der Produktentwicklung vorzunehmen. Leasinggeber profitieren von einer übersichtlichen Verwaltung der Leasingverträge, indem sie sowohl Abnutzung als auch Wartungsbedarf präzise verfolgen können. Auf diese Weise lassen sich Wartungsintervalle besser planen und Restwerte verlässlicher prognostizieren. Für Konsumierende wiederum steht ein nutzerorientiertes Interface zur Verfügung, das ihnen Auskunft über ihre Leasingkosten und ihr Fahrverhalten gibt, wodurch sie die Höhe der Leasingrate nachvollziehen und beeinflussen können. Dieses Vorgehen schafft nicht nur Kostentransparenz, sondern ermöglicht es den Konsumierenden auch, ihr Verhalten anzupassen und dadurch mit schonender Fahrweise ihre monatlichen Raten zu reduzieren.

Full size image

Ergänzend zu diesem technischen Ablauf sind einige zentrale Annahmen und Überlegungen zu benennen, die für die praktische Umsetzung des FWPM relevant sind. Wir gehen davon aus, dass moderne Fahrzeuge über eine standardisierte IoT-Sensorik verfügen, die Daten zu Nutzung und Abnutzung verschiedener Komponenten, etwa Bremsen, Federung, Ladeverhalten oder Batteriezustand, in Echtzeit erfasst. Diese Daten bilden die Grundlage für die Abschätzung des individuellen Wertverlusts. Der cloudbasierte Bewertungsmechanismus zielt darauf ab, aus diesen Zeitreihen über die Leasingdauer hinweg den Restwert einzelner Fahrzeugkomponenten dynamisch zu bestimmen. Grundsätzlich orientiert sich die Bewertung dabei an dem aus dem PPS-Modell bekannten Stressfaktor, der als Indikator für Abnutzung verstanden werden kann. Eine direkte Übertragung ist jedoch nur bedingt möglich, da im B2C-Kontext andere Rahmenbedingungen, Datenqualitäten und Entscheidungslogiken vorherrschen. Es bedarf daher einer sorgfältigen modellseitigen Kalibrierung und weiterer Forschung, um eine belastbare Übersetzung in komponentenbezogene Restwertmodelle zu entwickeln. Perspektivisch kann hier der Einsatz überwachter maschineller Lernverfahren (Supervised Learning) entscheidend sein: Je mehr historische Daten zu Fahrverhalten und Abnutzung gesammelt werden, desto präziser lässt sich vorhersagen, wie sich verschiedene Nutzungsmuster auf den Wertverlust einzelner Komponenten auswirken. Diese Restwertprognosen könnten wiederum in die dynamische Preisgestaltung der Leasingrate einfließen, entweder kontinuierlich oder in festgelegten Intervallen (z. B. monatlich oder quartalsweise).

Zur Veranschaulichung der Funktionsweise FWPM wird ein hypothetisches Szenario für das Leasing eines leistungsstarken Elektrofahrzeugs betrachtet, das mit einem umfassenden Telematiksystem ausgestattet ist. Das geleaste Fahrzeug wird vorwiegend im Stadtverkehr genutzt. Die integrierten IoT-Sensoren erfassen kontinuierlich relevante Datenpunkte. Beispielhaft werden hier das Bremsverhalten (z. B. 15 starke Bremsmanöver > 0,5 g pro 100 km bei „intensiver Nutzung“), die Batterienutzung (z. B. 60 % der Ladevorgänge mit > 150 kW DC-Ladeleistung bei „intensiver Nutzung“) und die Fahrstileffizienz (z. B. Energieverbrauch von 22 kWh/100 km bei „intensiver Nutzung“ gegenüber einem Referenzwert von 17 kWh/100 km) fokussiert. Diese Rohdaten werden an die Cloud-Infrastruktur des Leasinggebers übermittelt, wo eine automatisierte Abnutzungsbewertung stattfindet. Algorithmen, basierend auf historischen Daten und gegebenenfalls Machine-Learning-Modellen, ermitteln einen individuellen Verschleiß-Score für kritische Komponenten. Im Szenario erkennt das System eine überdurchschnittliche Beanspruchung von Bremsanlage und Hochvoltbatterie. Der prognostizierte Wertverlust dieser Komponenten wird beispielsweise um 18 % höher eingeschätzt als bei schonender Nutzung. Die Ergebnisse fließen direkt in die dynamische Gestaltung der Leasingrate ein. Eine monatliche Basis-Leasingrate von beispielsweise 500 € könnte sich aufgrund des Mehrverschleißes im Folgequartal moderat um 30 auf 530 € erhöhen. Diese Anpassung und ihre Begründung werden dem Konsumierenden transparent über ein Dashboard oder eine App kommuniziert, inklusive Handlungsempfehlungen zur Verhaltensoptimierung. So könnte die Anzeige lauten: „Ihre FWPM-Rate: 530 € (+30 €). Grund: Erhöhter Verschleiß Bremsen/Batterie. Tipp: Rekuperation nutzen, schonender laden.“ Andere Stakeholder erhalten ebenfalls relevante Informationen: Leasinggeber nutzen detaillierte Verschleißanalysen für präzisere Restwertprognosen und optimierte Wartungsplanung. Hersteller gewinnen durch anonymisierte, aggregierte Daten Einblicke in reale Nutzungsprofile und Belastungsgrenzen von Komponenten, was der Produktentwicklung dient.

Dieses Beispiel verdeutlicht, dass das FWPM als verhaltenswirksames Steuerungsinstrument fungiert, das durch Transparenz und finanzielle Konsequenzen Anreize für ressourcenschonendere Nutzung schafft. Konsumierende werden motiviert, ihr Fahr- und Ladeverhalten zu optimieren, was die Lebensdauer von Komponenten verlängern und die ökologischen Vorteile der Elektromobilität verstärken kann. Die erfolgreiche Implementierung eines solchen Modells setzt technologische Reife, robuste Bewertungsalgorithmen sowie ein sorgfältiges Daten- und Vertragsdesign voraus und dient hier als konzeptioneller Vorschlag. Obwohl Hersteller Daten sammeln, ist eine dynamische, verschleißbasierte Preisgestaltung im B2C-Leasing noch nicht etabliert. Die Gründe hierfür sowie die spezifischen Herausforderungen und Chancen bedürfen weiterer Forschung.

Das FWPM bietet für alle Beteiligten im Fahrzeugleasingmarkt potenzielle Mehrwerte. Konsumierende können von einer transparenten und fairen Gestaltung der Leasingrate profitieren, da Leasingraten die tatsächliche Nutzung des Fahrzeugs widerspiegeln. Schonendes Fahren und ressourcenschonendes Verhalten wirken sich dabei positiv auf die monatlichen Kosten aus und schaffen damit finanzielle Anreize. Analog zum HOMIE-Modell (Bocken et al. 2018) kann das FWPM potenziell langfristige Verhaltensänderungen bewirken, indem es bewussteren Ressourcenverbrauch belohnt und durch die Analyse von Daten ein Umdenken im Verhalten der Konsumierenden fördert (Nissen 2021). Dies kann zudem ein initiales Bewusstsein für die Auswirkungen der eigenen Fahrweise fördern.

Für Leasinggeber wiederum ermöglicht das FWPM eine präzisere Risikokalkulation und ein effizienteres Flottenmanagement, da Nutzungsdaten den Restwert des Fahrzeugs genauer abbilden und Wartungsintervalle bedarfsgerecht geplant werden können. Dadurch steigt potenziell auch die Kundenbindung, weil die dynamische Gestaltung der Leasingrate auf individuelle Bedürfnisse eingeht.

Hersteller können von den erfassten Daten zur Nutzungsintensität und Abnutzung profitieren, um künftige Fahrzeugmodelle robuster und langlebiger zu gestalten. Zudem werden detaillierte Einblicke in die tatsächliche Nutzung und entsprechende Abnutzung ermöglicht. Die verlängerte Lebensdauer von Fahrzeugen und eine bessere Wiederverwertbarkeit stärken dabei die Prinzipien der Kreislaufwirtschaft.

Die Implementierung des FWPM bringt jedoch verschiedene Herausforderungen mit sich: Langlebigere Fahrzeuge sind zwar ökologisch und kundenfreundlich, könnten aber für Hersteller potenziell den Absatz neuer Produkte reduzieren. Ein Lösungsansatz liegt jedoch in der Verlängerung der Wertschöpfungskette pro Fahrzeug: Durch längere Lebensdauer und höhere Restwerte können Fahrzeuge häufiger weiterverleast oder weiterverkauft werden.

Gleichzeitig kann das FWPM stabile, planbare Einnahmen über längere Zeiträume ermöglichen, etwa im Rahmen von abonnement- oder leasingbasierten Geschäftsmodellen. Auch wenn abnutzungsschonendes Fahrverhalten zu niedrigeren Raten führen kann, könnten Hersteller potenziell dennoch durch Wertstabilität, reduzierte Rücknahmerisiken und stärkere Kundenbindung profitieren. Daraus können sich neue Geschäftsfelder ergeben, die sowohl wirtschaftlich attraktiv als auch mit Nachhaltigkeitszielen vereinbar sind.

Technologisch gesehen bedarf es einer umfassenden IoT-Infrastruktur zur Echtzeitdatenerfassung und -verarbeitung, was mit hohen Investitionskosten verbunden ist. Zwar sind viele moderne Fahrzeuge bereits mit grundlegenden Sensoren (z. B. für Bremse, Reifen, Ölqualität) ausgestattet, jedoch sind diese häufig nicht direkt für externe Analysen zugänglich oder standardisiert. Weitere Kosten entstehen durch die Vernetzung der Fahrzeuge mit Cloud-Plattformen, inklusive Schnittstellenentwicklung, Datensicherheit, Echtzeitübertragung sowie durch die Integration und Verarbeitung großer Datenmengen in Backend-Systemen. Kleinere Leasinggeber können hier vor finanzielle oder technische Probleme gestellt werden. Eine mögliche Lösung ist die Kooperation mit spezialisierten Technologieanbietern und die Nutzung standardisierter IoT-Module (Suppatvech et al. 2019).

Ein weiterer Punkt betrifft den Datenschutz und die Datenhoheit. Um Nutzungsdaten umfassend zu erfassen, ist eine transparente und rechtskonforme Handhabung personenbezogener Daten unerlässlich. Eine klare Kommunikation über Datenschutzrichtlinien und die Möglichkeit zur Dateneinsicht können das Vertrauen der Konsumierenden stärken. Zudem können regulatorische Vorgaben, z. B. zur dynamischen Gestaltung der Leasingrate, je nach Region variieren und müssen frühzeitig in die Modellentwicklung einbezogen werden. Zudem ist die Vermeidung von Datenmanipulation ein zentrales Thema (Bossler et al. 2021). Blockchain-Technologien könnten hier Sicherheit und Nachvollziehbarkeit fördern, analog zum PPS-Modell (Bossler et al. 2021). Allerdings ist der Einsatz solcher Technologien mit eigenen Herausforderungen verbunden, etwa hinsichtlich Skalierbarkeit, Energieeffizienz und Integration in bestehende Fahrzeug-IT. Ob Blockchain-Lösungen im B2C-Leasingkontext tatsächlich sinnvoll und wirtschaftlich umsetzbar sind, bedarf daher einer kritischen Prüfung.

In Hinblick auf Konsumierende besteht insbesondere die zentrale Herausforderung der Akzeptanz. Alleine die Angst vor höheren Leasingraten oder die tatsächlich erhöhte Rate durch eine vergleichsweise hohe Abnutzung, sowie die verringerte Planbarkeit der anfallenden Kosten, können abschreckend wirken und die initiale Akzeptanz schmälern. Hier könnten Leasinggeber analog zu Telematik-Tarifen überdenken, ob nur eine Verbesserung, also Reduktion der Rate bei schonendem Fahrverhalten, nicht aber eine Erhöhung der Rate umgesetzt wird. Zudem kann eine transparente Kommunikation unterstützend wirken.

Das vorgestellte FWPM erweitert konventionelle B2C-Geschäftsmodelle um eine abnutzungsbasierte Gestaltung der Leasingrate und überträgt damit Konzepte aus dem B2B-Sektor (z. B. PPS) (Stanula et al. 2020, 2021; Bossler et al. 2021) auf den B2C-Sektor. Viele Kernideen wie die verschleißbasierte Preisbildung und die Nutzung von IoT-Daten sind dabei prinzipiell übertragbar. Jedoch bestehen zentrale Unterschiede zwischen B2B- und B2C-Kontexten, die weiterer Forschung bedürfen. Während im B2B-Bereich häufig rationale Entscheidungsprozesse dominieren, spielen im B2C-Kontext emotionale, psychologische und ökologische Faktoren eine entscheidende Rolle. Das FWPM muss daher gezielt auf diese Aspekte eingehen, etwa durch transparente Preisgestaltung, Kommunikation wahrgenommener Fairness und stärkere Berücksichtigung des Datenschutzes. Technisch betrachtet ist auch die direkte Übernahme des PPS-Ansatzes mit dem sogenannten Stressfaktor nicht unmittelbar möglich, sondern bedarf einer sorgfältigen Kalibrierung auf die Vielfalt der individuellen Nutzungsmuster im Privatkundensegment.

Ein zentraler Forschungsbedarf betrifft daher die Akzeptanz dynamischer, abnutzungsabhängiger Leasingraten durch Konsumierende, aufbauend auf den in Abschn. 5.2 diskutierten Herausforderungen. Empirische Studien sollten prüfen, in welchem Ausmaß Leasingnehmer auf dynamische Preise reagieren und ob die erzeugte Transparenz tatsächlich zu nachhaltigerem Nutzungsverhalten führt. Auch aus der Perspektive der Leasinggeber und Hersteller besteht Forschungsbedarf hinsichtlich wirtschaftlicher Rentabilität, organisatorischer Machbarkeit sowie Anpassung bestehender Geschäftsprozesse und -modelle. In diesem Kontext könnte auch untersucht werden, wie eine schrittweise Einführung datenbasierter Modelle die Akzeptanz bei Konsumierenden erhöht (Elzinga et al. 2020).

Weiterhin erfordert das FWPM eine kritische Auseinandersetzung mit möglichen Rebound-Effekten. So zeigen Studien zu zugangsbezogenen Diensten der Sharing Economy (z. B. Ackermann und Tunn 2024), dass Nutzer häufig weniger sorgfältig mit geliehenen oder geleasten Produkten umgehen, was zu verstärktem Verschleiß führen könnte. Darüber hinaus besteht das Risiko ökonomischer Rebounds, beispielsweise durch Weiterverwendung eingesparter Leasingkosten für emissionsintensivere Konsumformen (vgl. Warmington-Lundström und Laurenti 2020; Egan und Schaltegger 2023). FWPM begegnet diesen Herausforderungen durch eine Kopplung der Leasingrate an das individuelle Nutzerverhalten, wodurch Anreize für Produktpflege und emissionsarme Nutzung entstehen. Eine empirische Untersuchung dieser Annahme, insbesondere hinsichtlich der tatsächlichen Nutzung und der Reaktion der Konsumierenden auf Preissignale, bleibt ein Ziel zukünftiger Forschung.

Ein weiterer Forschungsschwerpunkt ist die technologische Basis des FWPM, darunter die Auswahl geeigneter IoT-Sensoren, die sichere Datenverarbeitung in Echtzeit und der Einsatz von Algorithmen für die Vorhersage und Bewertung von Abnutzung. Die Notwendigkeit eines „Zweiklangs“ aus technischer Innovation und Geschäftsmodelladaption ist zentral für die Weiterentwicklung des FWPM (Manouchehri und Bohl 2023).

Schließlich bleibt auch die konzeptionelle Übertragbarkeit des FWPM auf andere Branchen (z. B. Smart-Home-Technologien, hochwertige Elektronik) zu untersuchen. Vergleichsstudien könnten aufzeigen, wie groß das Potenzial des Modells für eine breitere Anwendung ist.

Für die unternehmerische Praxis eröffnet das FWPM erhebliche Potenziale: Unternehmen, die frühzeitig auf abnutzungsbasierte Leasingmodelle setzen, können sich potenziellpotenziellpotenziellpotenziell als Vorreiter transparenter und nachhaltiger Geschäftsmodelle positionieren, da sie durch Förderung ressourcenschonender Nutzung und längerer Produktlebenszyklen aktiv zur Kreislaufwirtschaft beitragen. Die Nutzung von Echtzeitdaten bietet zudem Möglichkeiten für prädiktive Wartung und personalisierte Beratung, wodurch neue Services und Umsatzquellen entstehen können. Die dynamische Anpassung der Leasingrate kann zudem die bereits in Abschn. 5.1 erwähnte Kundenbindung stärken.

Allerdings erfordert die Umsetzung des FWPM die in Abschn. 5.2 diskutierten erheblichen Investitionen in Sensorik, Dateninfrastruktur und entsprechende Analysesysteme. Dies könnte insbesondere kleinere Anbieter vor wirtschaftliche Herausforderungen stellen. Gleichzeitig müssen Datenschutz und IT-Sicherheit gewährleistet sein, um rechtliche Risiken zu minimieren und das Vertrauen der Nutzenden zu erhalten. Die Umstellung auf das FWPM bringt darüber hinaus organisatorische Veränderungen mit sich, insbesondere in Bereichen wie Vertrieb und Vertragswesen, etwa bei der Ausgestaltung und Kommunikation variabler Leasingraten, in der IT und im Datenmanagement, wo neue Schnittstellen und Prozesse zur Datenverarbeitung etabliert werden müssen, sowie im Controlling, das neue Kalkulationslogiken berücksichtigen muss. Auch der Kundendienst ist betroffen, da er verstärkt Erklärungs- und Beratungsbedarfe hinsichtlich individueller Nutzung und Preisbildung bedienen muss. Um diese Veränderungen erfolgreich umzusetzen, sind gezielte Schulungsmaßnahmen und ein strategisches Change Management erforderlich.

Darüber hinaus sollten Unternehmen bei der Einführung des FWPM ihre Zielgruppe sorgfältig analysieren. So können sowohl verschiedene Verkaufs- als auch Leasingmodelle rentabel sein, je nach Kostenstruktur und Marktanforderungen (Dou et al. 2017). Um wirtschaftliche Unsicherheiten zu reduzieren, bietet sich die Nutzung von Simulationsmodellen an. So könnte der Einsatz von Monte-Carlo-Simulationen von Nutzen sein, um potenzielle Risikoszenarien durchzuspielen und die finanzielle Stabilität zu bewerten analog zum B2B-Szenario (Stanula et al. 2021). Zusätzlich sollte das FWPM an die spezifischen Anforderungen der jeweiligen Branche und des Produkts angepasst und in einem geeigneten Kontext auf seine Machbarkeit überprüft werden.

Das FWPM erweitert konventionelle B2C-Geschäftsmodelle um eine abnutzungsbasierte Gestaltung der Leasingrate, die Fairness, Transparenz und Ressourceneffizienz in den Mittelpunkt stellt. Durch die Integration von IoT-Technologien und Echtzeitdaten wird die tatsächliche Nutzung erfasst und dynamisch in Leasingraten übersetzt. Auf diese Weise belohnt das FWPM ein achtsames Konsumverhalten und leistet einen Beitrag zur Kreislaufwirtschaft, da Produkte bei sorgfältigem, abnutzungsorientiertem Gebrauch länger genutzt werden können.

Insbesondere im Kontext der vernetzten Mobilität zeigt das FWPM sein Potenzial als datengetriebenes und innovatives Modell, das die Ansprüche an Umwelt- und Ressourcenschonung konsequent adressiert. Gleichzeitig ist das FWPM auch für weitere Branchen interessant, in denen eine abnutzungsorientierte Abrechnung Mehrwert schaffen kann, von Smart-Home-Anwendungen bis zu hochwertiger Elektronik.

Ein nächster Schritt könnte darin bestehen, das FWPM in einem kontrollierten Pilotprojekt zu erproben, z. B. in Kooperation mit einem Fahrzeughersteller oder Leasinganbieter, um erste Erkenntnisse zur technischen Umsetzung, Nutzerakzeptanz und Verhaltenswirkung zu gewinnen. Alternativ könnten simulationsbasierte Modellierungen dabei helfen, die Effekte unterschiedlicher Preislogiken und Verschleißbewertungen vorab zu analysieren.