Festsetzung von Preisen im On-Demand Computing

Inhaltverzeichnis

Abbildungsverzeichnis

1 Einleitung

2 Herkömmliche Verfahren zur Preisbestimmung
2.1 Das kostenorientierte Preisbestimmungsverfahren

3 Vorteile für Kunden und zugleich Herausforderung für Anbieter
3.1 Die Sicht der Anbieter
3.2 Vorhersage Unsicherheit über die zukünftige Nachfrage

4 Preisbestimmungsmodell nach IBM
4.1 Grundüberlegungen
4.1.1 Der Rationale Preisbestimmungsansatz nach Walrasian
4.2 Price-at-Risk
4.2.1 Erweiterungen im Vergleich zum aktuellen Preisbestimmungsverfahren
4.2.2 Bestandteile des Modells
4.2.3 Das Stochastische Modell
4.2.4 Beispiel zur Erläuterung des Stochastischen Modells
4.3 Kritische Würdigung

5 Preisbestimmungsverfahren nach Sun Microsystems
5.1 Einleitung und Fokus der Studie
5.2 Grundlagen des Modells
5.3 Variationen des Modells
5.4 Ablauf des Modells
5.5 Beispiel an Hand der zweiten Variante
5.5.1 Bulk Schema
5.5.2 COD Schema
5.6 Kritische Würdigung

6 Diskussion beider Verfahren

7 Zusammenfassung

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Der kostenorientierte Preisbestimmungsprozess

Abbildung 2: Die kostenorientierte Preisbestimmung

Abbildung 3: Die rationale Preisbestimmung

Abbildung 4: Das Price-at-Risk Funktionsmuster

Abbildung 5: Geschätzte Verläufe der Nachfragekurve

Abbildung 6: Wahrscheinlichkeitsverteilung für $50 je Serviceeinheit

Abbildung 7: Wahrscheinlichkeitsverteilung für $70 je Serviceeinheit

Abbildung 8: Grundmodell der Simulation

1 Einleitung

Unternehmen sehen sich heutzutage einem globalen Markt ausgesetzt. Starker Wettbewerb fordert Flexibilität um auf sich verändernde Rahmenbedingungen zu reagieren, aber auch stärkere Ausrichtung auf monetäre Größen. Ansatzpunkte des Unternehmenserfolges sind die Steigerung von Erträgen, zum Beispiel durch Erschließung neuer Märkte, jedoch auch die Reduktion von Kosten. Unternehmen versuchen verstärkt ihre Fixkosten zu reduzieren und durch variable Kosten zu ersetzen. Diese Veränderung betrifft auch Investitionen in IT- Struk- turen, die in der Regel sehr kostspielig sind. Gleichzeitig steigen die Anforderungen an Hard- und Software. So gibt es immer mehr komplexe Anwendungen, die mehr Speicherplatz oder Rechenleistung benötigen als von einzelnen Organisationen bzw. von einzelnen Standorten unter finanziellen und zeitlichen Gesichtspunkten adäquat zur Verfügung gestellt werden können. Problematisch ist, dass Speicherplatz oder Rechenleistung nicht kontinuierlich son- dern nur während kurzer Phasen benötigt werden. [BAJo00, 1-3]

Hier setzt das neue Geschäftsmodell des On-Demand Computing an. Eine allgemeine Defini- tion des Begriffes lautet: On-Demand Computing ist ein mit wachsender Popularität verwen- detes Geschäftsmodell, welches EDV-Ressourcen Anwendern bei Bedarf zur Verfügung stellt. Im On-Demand Computing gibt es nur eine geringe Grundmenge die bezahlt werden muss. Wenn zusätzliche Leistung benötigt wird, erfolgt eine flexible Abrechnung zum Bei- spiel CPU-Stunden pro Monat. [Shan05] Da nur für die tatsächliche verbrauchte Ressource Kosten anfallen, die Kosten somit variabel sind, ändert sich bei Unternehmen die IT- Infra- struktur und die Kostenstruktur radikal. [HuSu05, 1-6] Dies ermöglicht dem Nutzer dieser Leistung eine Risikoreduzierung. Falls seine Einnahmen auf Grund von branchenbedingten Nachfragerückgängen sinken.

Der Begriff des On-Demand Computing umfasst Begriffs- und Verwendungspaare, die je- weils auf unterschiedlichen Problemlösungsansätzen basieren. IBM verwendet zum Beispiel direkt den Begriff des On-Demand Computing für ihr Geschäftsmodell. Jason Bloomberg, Senior Analyst bei ZapThink, LCC sieht On-Demand Computing als weit gefassten Begriff bzw. als Oberkategorie, welche sämtliche Abwandlungen umfasst. Daher fallen nach dieser Definition Begriffe wie Grid Computing und Utility Computing auch unter den allgemeinen Begriff des On-Demand Computing. [Bloo03]. Die vorliegende Seminararbeit setzt an dem Begriff On-Demand Computing und zwei dahinter sich verbergenden Varianten an. Zum bes- seren Verständnis der Arbeit sollen zunächst kurz die Begriffe Grid Computing und Utility Computing erklärt werden, bevor näher auf die Preisbildung beim On-Demand Computing eingegangen wird.

Grid Computing ist ein massiver weltweiter Versuch, transparente Ressourcen zwischen ko- operierenden Organisationen zu koordinieren. Die einzelnen Ressourcen sind in einer Art Git- ternetz als gleichgestellte Einheiten angeordnet. [TSWH05, 153-154] Beispiel ist das NASA Information Power Grid, welches die Supercomputer von vier NASA Laboratorien verbindet. Somit kann bedarfsweise Rechenleistung oder Datennachfrage zu einem bestimmten Zeit- punkt gedeckt werden ohne zusätzliche Investitionen in Kapazitäten vorzunehmen. [FiIa03, 118-120]

Der Begriff des Utility Computing definiert sich folgendermaßen: „Utility computing is the on demand delivery of infrastructure, applications, and business processes in a security-rich, shared, scaleable, and standard-based computer environment over the Internet for a fee. Cus- tomers will tap into IT resources- and pay for them- as easily as they now get their electricity or water.” [Rapp04, 38, 39] Der Kerngedanke liegt, wie auch bei den anderen Modellen, in der Maximierung der Ressourceneffizienz bei gleichzeitiger Minimierung der dazugehörigen Kosten. Mit dem Wort Utility Computing wird eine Brücke zu anderen Dienstleistungen ge- schlagen, beispielsweise die Bereitstellung von Elektrizität. Hier wird dem Verbraucher kein Pauschalpreis in Rechnung gestellt, sondern nur der Strom abgerechnet, welcher tatsächlich verbraucht wurde.

Die Seminararbeit befasst sich im Kapitel 2 zunächst mit einem Referenzmodell, welches die herkömmliche Preisbestimmung detailliert betrachtet. Darauf aufbauend soll im Kapitel 3 der Schwachpunkt dieses kostenorientierten Verfahrens in Bezug auf das Geschäftsmodell des On-Demand Computing aufgezeigt werden. Hauptbestandteil der Arbeit sind die Kapitel 4 und 5, in welchen die Preisbestimmungsverfahren von IBM „Price-at-Risk: A methodology for pricing utility computing services“ und von Sun Microsystems „Risk Aversion and Information Asymmetrie in the Pricing of Capacity- on- Demand and Pay-per-Use“ vorgestellt werden. In einer abschließenden Diskussion im Kapitel 6 werden beide Modelle gegenübergestellt und Gemeinsamkeiten sowie Unterschiede gezeigt.

2 Herkömmliche Verfahren zur Preisbestimmung

2.1 Das kostenorientierte Preisbestimmungsverfahren

Die cost- plus pricing Methode, frei übersetzt kostenorientierte Preisbildung, stellt die klassische Variante der Preisbestimmung dar. Wie aus der Bezeichnung zu entnehmen ist, basiert der Preis zum größten Teil auf den Kosten der Produktion. Dabei handelt es sich um eine Methode bei der der Hersteller die durchschnittlichen Stückkosten bzw. Selbstkosten auf Basis einer prognostizierten Absatzmenge seines Produktes kalkuliert und darauf einen Gewinnzuschlag ansetzt. [Coen03, 77-85] In Abbildung 1 ist das grundlegende Schema für die Bestimmung des Preises aus der Kostenperspektive dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Der kostenorientierte Preisbestimmungsprozess (eigene Darstellung in Anlehnung an [Pale04] )

Im Jahre 1939 veröffentlichen R.L. Hall und C.J. Hitch einen Artikel wie Firmen oder besser gesagt Unternehmer Preise für Produkte festlegen. Dabei untersuchten sie 38 Unternehmen. Das Resultat Ihrer Studie war, dass 80% der Unternehmen eine kostenorientierte Preisbildung vornahmen. Diese setzt sich laut R.L. Hall und C.J. Hitch aus drei Stufen zusammen. Bevor ein Produkt neu auf einen Markt eingeführt wird, wird eine Schätzung für den erwarteten Absatz durchgeführt. Des Weiteren werden die Produktionskosten geschätzt. Aus diesen und der angesetzten Gewinnspanne wird der Preis, der am Markt gefordert wird, ermittelt. Selbst nach über 60 Jahren ist diese Vorgehensweise noch immer in vielen Unternehmen die gängige Methode um Preise für Produkte festzulegen. [HaHi39, 19-22]

Abbildung in dieser Leseprobe nicht enthalten

Wie aus der obigen Formel zu sehen ist, wird die Gewinnspanne (GPM) als prozentualer Auf- schlag zu den Stückkosten (C(q_cp)) genommen. q_cp stellt die sicher zu produzierende Menge dar bzw. die absetzbare Menge. Nachfolgend soll in Abbildung 2 dargestellt werden, was bei falscher Einschätzung der Nachfrage geschehen kann. Bei einer Menge von qcp ist die tatsäch- liche Nachfrage um einiges größer als die erwartete. Es wird eine Zusatzinvestition vorge- nommen um die Produktion zu steigern. Jedoch kommt es dadurch zu einem sprunghaften Anstieg der fixen Kosten, da zum Beispiel ein zusätzlicher Server bereitgestellt wird. Dieser hat eine Mindestkapazität q*, die auch angeboten wird. Es kommt zu einem Verlust, gelbe Fläche. Der Grund hierfür ist, dass es Prognoseunsicherheiten bezüglich der Preiselastizität der Nachfrage gibt. Dieser Effekt tritt besonders stark beim Angebot einer On-Demand Leis- tung auf, da hier eine sehr starke Fluktuation der Nutzer vorliegt ist. [Pale04, 21-23]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Die kostenorientierte Preisbestimmung (eigene Darstellung in Anlehnung an [Pale04] )

Die Frage, die im den nächsten Abschnitt beantwortet werden soll lautet: Ist diese Methode der Preisfindung für das Geschäftsmodell des On-Demand Computing zeitgemäß und welche besonderen Probleme ergeben sich hinsichtlich der angebotenen Leistung?

3 Vorteile für Kunden und zugleich Herausforderungen für Anbieter

3.1 Die Sicht der Anbieter

Die in der Einleitung beschriebenen Vorteile des On-Demand Computing für den Nutzer stellen den Anbieter vor ein nicht leicht zu lösendes Problem. Ein nicht adäquater Preis, welcher auf den Verbrauch basiert, kann entweder zu einer übermäßigen Trägheit bei der Zuwanderung führen, zu einem nicht vollständig profitabel erfüllbaren Nachfrageüberhang oder eine Verminderung in der Zuverlässigkeit bedeuten. Eines der Szenarien kann leicht zum Ausscheiden eines Innovators im On-Demand Computing führen. [HuSu05, 1-6]

Wie Eingangs erläutert, sind die Kosten des Anbieters, zum Beispiel der Bau eines Rechen- zentrums, hauptsächlich fixer Natur. Dabei handelt es sich zum größten Teil um so genannte versunkene Kosten. Im Allgemeinen werden die versunkenen Kosten als diejenigen Kosten der Produktion definiert, die sich weder mit der Ausbringungsmenge (verglichen mit den va- riablen Kosten) noch direkt mit Skaleneffekten (verglichen mit den fixen Kosten) verändern lassen. Normalerweise haben diese versunkenen Kosten auch keinen Markt bzw. Gegenwert. Sie können auch nicht durch einen Verkauf eines Teils der Betriebsanlagen wieder rückgän- gig gemacht werden. [CgWr94, 207-209] Wo hingegen die Einnahmen des Anbieters variabel von der Nutzung seiner angebotenen Leistung abhängen. Daher ist für Ihn entscheidend eine möglichst genaue Vorhersage über die zu erwartende Nachfrage zu machen.

Speziell das Konzept des On-Demand Computing basiert im Kern auf sehr kurzfristig angelegte Verträge zwischen Anbietern und Nutzern mit Laufzeiten von oft weniger als einem Jahr. Hingegen sind Outsourcingverträge oft über mehrere Jahre angelegt und individuell mit den einzelnen Nutzern abgestimmt, was die zukünftige Nachfrage einfach zu prognostizieren macht. Speziell bei Utility Computing liegt jetzt ein Portfolio mit unterschiedlichen Nutzern vor, die allesamt unterschiedliche Vertragslaufzeiten aufweisen können. Durch eine gewisse Standardisierung der Leistungen haben sich auch die Kosten für die Nutzer im Falle eines Anbieterwechsels verringert. Dies erleichtert die Abwanderung zu günstigeren Anbietern erheblich. Eine Möglichkeit die Risiken einer starken Schwankung der Nachfrage zu verringern ist der Aufbau eines großen Kundenstammes. [Pale04, 23] Durch die vorangegangenen Ausführungen ist es von höchster Wichtigkeit für den Anbieter eine genau geplante Preisstrategie umzusetzen. Diese wiederum hängt von der Prognosegenauigkeit der zukünftigen Nachfrage ab.

[...]