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

Brîncoveanu, Constantin; Carl, K. Valerie; Hinz, Oliver Article — Published Version Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing Model (FWPM) HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Brîncoveanu, Constantin; Carl, K. Valerie; Hinz, Oliver (2025) : Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing Model (FWPM), HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 62, Iss. 4, pp. 921-940, https://doi.org/10.1365/s40702-025-01196-2 This Version is available at: https://hdl.handle.net/10419/330805 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/deed.de SCHWERPUNKT https://doi.org/10.1365/s40702-025-01196-2 HMD Praxis der Wirtschaftsinformatik (2025) 62:921–940 Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing Model (FWPM) Constantin Brîncoveanu · K. Valerie Carl · Oliver Hinz Eingegangen: 20. Januar 2025 / Angenommen: 5. Juni 2025 / Online publiziert: 27. Juni 2025 © The Author(s) 2025 Zusammenfassung Die vernetzte Mobilität steht vor der Herausforderung, innovative und nachhaltige Geschäftsmodelle zu entwickeln, die den Anforderungen und Potenzialen einer datengetriebenen Wirtschaft und den Zielen des nachhaltigen Ressourcenverbrauchs gerecht werden. Dieser Artikel führt das Fair-Wear Pricing Model (FWPM) ein, ein Leasingmodell, das die Leasingrate auf Grundlage der tatsächlichen Abnutzung eines Produkts berechnet. Durch die Integration von Internet of Things (IoT)-Technologien und Echtzeitdatenanalyse ermöglicht das FWPM eine dynamische Gestaltung der Leasingrate, die Transparenz und Fairness für Konsumierende schafft und gleichzeitig nachhaltiges Nutzungsverhalten fördert. Der Beitrag entwickelt das FWPM im Rahmen eines gestaltungsorientierten Forschungsansatzes (Design Science Research) und überträgt zentrale Prinzipien des Pay-per-StressModells (PPS) aus dem B2B-Bereich auf den B2C-Kontext. Der Beitrag diskutiert die theoretischen Grundlagen des FWPM, grenzt es von bestehenden Ansätzen wie Pay-per-Use ab und analysiert die Vorteile für Stakeholder wie Konsumierende, Leasinggeber und Hersteller. Die praktische Anwendbarkeit wird anhand eines Anwendungsfalls im Fahrzeugleasing illustriert, mit besonderem Fokus auf die Förderung ressourcenschonenden Verhaltens und die Optimierung von Produktlebenszyklen. So soll aufgezeigt werden, dass das FWPM ein vielversprechendes Konzept für die vernetzte Mobilität und darüber hinaus sein kann. Es kann nicht nur einen Beitrag zur nachhaltigen Nutzung von Ressourcen leisten, sondern eröffnet auch Constantin Brîncoveanu · K. Valerie Carl · Oliver Hinz Chair of Information Systems and Information Management, Goethe University Frankfurt/Main, Theodor-W.-Adorno-Platz 4, 60323 Frankfurt/Main, Deutschland E-Mail: brinco[email protected] K. Valerie Carl E-Mail: [email protected] Oliver Hinz E-Mail: [email protected]nkfurt.de K 922 C. Brîncoveanu et al. neue Perspektiven für datengetriebene Geschäftsmodelle in einer digitalisierten und ressourcenbewussten Gesellschaft. Schlüsselwörter Fair-Wear Pricing Model (FWPM) · Datengetriebene Geschäftsmodelle · Vernetzte Mobilität · Nachhaltige Nutzung · IoT-Technologien · Leasing und Abnutzung More Fairness, Less Wear? Data-driven Leasing Using the Fair-Wear Pricing Model (FWPM) Abstract Connected mobility faces the challenge of developing innovative and sustainable business models that align with the demands of a data-driven economy and the goals of sustainable resource consumption. This paper introduces the FairWear Pricing Model (FWPM), a leasing model that calculates leasing rates based on the actual wear and tear of a product. By integrating Internet of Things (IoT) technologies and real-time data analysis, the FWPM enables dynamically setting the leasing rate, fostering transparency and fairness for consumers while promoting sustainable usage behavior. The article develops the FWPM within the framework of a design-oriented research approach (design science research) and transfers central principles of the pay-per-stress model (PPS) from the B2B sector to the B2C context. The paper discusses the theoretical foundations of the FWPM, differentiates it from existing approaches such as Pay-per-Use, and analyzes its benefits for stakeholders, including consumers, lessors, and manufacturers. We illustrate the practical applicability of the model through a use case in vehicle leasing, with a particular focus on encouraging resource-conscious behavior and optimizing product life cycles. In this way, we illustrate how the FWPM could emerge as a promising concept for connected mobility and beyond, contributing to the sustainable use of resources and opening new perspectives for data-driven business models in a digitized and resource-conscious society. Keywords Fair-Wear Pricing Model (FWPM) · Data-driven business models · Connected mobility · Sustainable usage · IoT technologies · Leasing and wear-andtear 1 Einleitung Die vernetzte Mobilität steht im Zentrum aktueller gesellschaftlicher, technologischer und wirtschaftlicher Transformationsprozesse (Llopis-Albert et al. 2021;Ketter et al. 2023). Datengetriebene Geschäftsmodelle eröffnen neue Möglichkeiten, um innovative Lösungen für eine nachhaltige Mobilität zu gestalten (Ketter et al. 2023). Besonders das Internet of Things (IoT) eröffnet neue Potenziale für die Entwicklung und Implementierung solcher Geschäftsmodelle, da IoT als ein Schlüsselfaktor für datenbasierte Innovationen gilt (Suppatvech et al. 2019). Dabei geht es nicht nur um technologische Neuerungen, sondern auch um die grundsätzliche Neugestaltung K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 923 von Geschäftsmodellen, u.a. mit dem Ziel, nachhaltige Industrien zu fördern (Parida et al. 2019). Ein Anwendungsfall datengetriebener Geschäftsmodelle sind nutzungsbasierte Leasingmodelle. In diesem Bereich wird deutlich, dass Akzeptanz und Erfolgsfaktoren stark von Nutzergewohnheiten und der Gestaltung des Geschäftsmodells abhängen (Elzinga et al. 2020). Dies zeigt sich z.B. bei Pay-per-Use (PPU), das eine neue Dimension der Wertschöpfung schafft, indem es die tatsächliche Nutzungshäufigkeit der Leasingrate zugrunde legt (Stoppel und Roth 2015). Nutzungsbasierte Geschäftsmodelle können durch technologische Fortschritte zunehmend profitabler werden, vorausgesetzt, die Produktionsund Implementierungskosten bleiben moderat(Ladasetal.2022). Darauf aufbauend werden zunehmend mehr Faktoren in die Berechnung der Leasingrate über die reine Nutzungshäufigkeit hinausgehend einbezogen. So zeigen datenbasierte Modelle wie Pay-per-Stress (PPS) am Beispiel von geleasten Werkzeugmaschinen im B2B-Sektor, dass eine Kopplung der Leasingrate an die (Ab-)Nutzungsintensität die Transparenz und Fairness im Leasinggeschäft erhöht (Stanula et al. 2020). Entsprechende abnutzungsbasierte Modelle für den B2CSektor fehlen unseres Wissens bislang trotz der zunehmenden Bekanntheit z.B. von Telematik-Tarifen in der Versicherung privater Fahrzeuge. Vor diesem Hintergrund entwickeln wir das sogenannte Fair-Wear Pricing Model (FWPM). Dieses datengetriebene, leasingbasierte Modell kalkuliert die Leasingrate eines Produkts auf Basis der tatsächlichen Abnutzung, also nicht nur anhand der Nutzungshäufigkeit, sondern auch der Nutzungsintensität. Dafür werden IoT-Sensorik und Echtzeitdaten eingesetzt, um Verschleiß zu erfassen und die Leasingraten dynamisch anzupassen. Diese Herangehensweise kann Transparenz schaffen, nachhaltiges Verhalten fördern und Prinzipien der Kreislaufwirtschaft unterstützen, da Abnutzung als zentrale Abrechnungseinheit dient (Bossler et al. 2021). Ziel dieses Beitrags ist es, das FWPM als theoretisches Konzept und zugleich innovatives Geschäftsmodell zu etablieren, das auf die Herausforderungen der vernetzten Mobilität eingeht. Das FWPM strebt die Förderung nachhaltiger Nutzung und optimierte Produktlebenszyklen an, indem es finanzielle Anreize für ressourcenschonendes Verhalten durch Bewusstsein, Reflexion und Kostendruck schafft. Zur Konzeptualisierung und theoretischen Fundierung des Modells wird ein gestaltungsorientierter Forschungsansatz (Design Science Research, DSR) gewählt, der das FWPM als übertragbares Artefakt entwickelt, im Rahmen eines Fallbeispiels demonstriert und mit bestehenden Ansätzen kontrastiert. Das Paper richtet sich sowohl an Forschende im Bereich digitaler Geschäftsmodelle und Smart Services als auch an Praktizierende aus der Mobilitätsund Leasingbranche, die an datengetriebenen Pricing-Innovationen interessiert sind. 2 Datengetriebene Geschäftsmodelle in der Anwendung 2.1 IoT und datengetriebene Geschäftsmodelle Die fortschreitende Digitalisierung und Vernetzung von Mobilitätssystemen verändert nicht nur deren technologische Basis, sondern auch die Geschäftsmodelle, die K 924 C. Brîncoveanu et al. 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). 2.2 Beispiele datengetriebener Geschäftsmodelle 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 Häufigkeitsoder 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 K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 925 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 Energieund 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 nutzungsoder verschleißbasierten Modellen weist FWPM konzeptionelle Unterschiede auf, die insbesondere im B2C-Kontext relevant sind. Tab. 1stellt 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 FWPMAnsatz 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 K 926 C. Brîncoveanu et al. Tab. 1 Vergleich und Abgrenzung zwischen FWPM und bestehenden Leasingmodellen Aspekt Klassisches Leasing (z.B. Dou et al. 2017) PPU (z.B. Dowling et al. 2021) PPS (z.B. Stanula et al. 2020,2021) FWPM Preisberechnung Primär zeitbasiert, nutzungsbeschränkt Nutzungsbasiert Stressbasiert (technischer Verschleiß) Abnutzungsbasiert (individueller Verschleiß) Datenbasis Vertragsparameter, meist ein Zählerstand Ein bis mehrere Zählerstände IoT-Sensordaten von zumeist mehreren Sensoren IoT-Sensordaten von zumeist mehreren Sensoren Nutzungsverhalten Kein direkter Einfluss Anreiz zur Nutzungsvermeidung Anreiz zu technischer Schonung Anreiz zu nachhaltiger Nutzung Zielgruppe B2B/B2C B2B/B2C B2B B2C Verhaltensannahmen Nicht modelliert „pay-as-you-go“ Rationaler Entscheider Konsument mit Fairnessund Nachhaltigkeitsbedürfnis Data Privacy Keine sensiblen Daten erhoben, potenziell Nutzungsumfang betreffend Geringe Sensitivität, potenziell Nutzungshäufigkeit betreffend Vertraglich geregelt, potenziell Geschäftsgeheimnisse betreffend Hohe Sensitivität, Bedarf nach Transparenz, potenziell sehr persönliche Informationen und Bewegungsmuster betreffend Vertragliche Komplexität Gering Gering Hoch, individualisiert Moderat/standardisiert, aber datengetrieben Zielsetzung Standardisierte Nutzung Flexible Nutzung gegen Aufpreis Optimale Auslastung & Wartung Nachhaltige, faire Nutzung & Lebensdauerverlängerung Innovationsgrad Etabliert Etabliert Konzeptionell neuartig Konzeptionell adaptiert & in neuem Kontext implementiert Literaturbasis z.B. Leasing-Theorie, Theorien zu B2C und B2B Geschäftsmodellen Servitization, PPU-Literatur, Theorien zu B2C und B2B Geschäftsmodellen Theorien zu B2B Geschäftsmodellen, PPS-Literatur Theorien zu B2C Geschäftsmodellen, Sustainability Behavior, DSR K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 927 adressiert FWPM eine Forschungslücke zwischen digitalem Pricing, nachhaltigem Konsum und Smart Services im B2C-Kontext. 2.3 Beitrag als Transferkonzept für vernetzte Mobilität 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. 3 Methodisches Vorgehen Wir entwickeln FWPM im Rahmen eines DSR-Forschungsansatzes. DSR eignet sich insbesondere für Beiträge, die durch die Gestaltung und Evaluation von Artefakten neues Wissen generieren (Hevner et al. 2004; Peffers et al. 2007). In unserem Fall handelt es sich beim FWPM um ein konzeptionelles Artefakt, das ein datengetriebenes, abnutzungsbasiertes Preismodell für Leasingprozesse im B2C-Kontext beschreibt. FWPM lässt sich als Exaption einordnen (vgl. Gregor und Hevner 2013), also als Erweiterung eines bestehenden Modells auf einen neuen Problemkontext. Während das Prinzip PPS im B2B-Bereich Anwendung findet, adressiert FWPM die Besonderheiten des B2C-Kontexts, wie etwa Konsumierendenverhalten, Preisfairness, Nachhaltigkeitsmotivation und Datenschutzanforderungen. Die Entwicklung des FWPM folgt den sechs Phasen des DSR-Prozesses nach Peffers et al. (Peffers et al. 2007): In der ersten Phase („Problemidentifikation und Motivation“) (vgl. Abschn. 1 und 2.1) analysieren wir, dass aktuelle Leasingmodelle im B2C zwar nutzungsbezogene Größen wie Kilometerlaufleistung berücksichtigen, jedoch keine Aussage über die tatsächliche Beanspruchung oder nachhaltige Nutzung zulassen. Gleichzeitig zeigen technologische Entwicklungen, dass entsprechende Daten, etwa über IoTSensorik, prinzipiell verfügbar wären. Daraus ergibt sich ein Forschungsund HandK 928 C. Brîncoveanu et al. lungsbedarf nach verhaltenssensiblen Preismodellen, die tatsächlichen Verschleiß berücksichtigen und dadurch nachhaltige Nutzung fördern. In der zweiten Phase („Zieldefinition für eine Lösung“), in Abschn. 2.2 und 2.3, leiten wir unser Ziel ab: die Entwicklung eines datengetriebenen Leasingmodells, das Abnutzungsintensität erfassbar macht und in transparente, anreizwirksame Preismodelle überführt. Dabei soll das Modell grundsätzlich mit vorhandener Fahrzeugtechnologie kompatibel sein und sich in typische B2C-Leasingkontexte integrieren lassen. Auf Grundlage bestehender Modelle (PPS, PPU) und unter Berücksichtigung von Literatur zu nachhaltigem Konsumverhalten, nutzungsbasierten Geschäftsmodellen und digitalem Pricing konzipieren wir in der dritten Phase („Design und Entwicklung des Artefakts“) in Abschn. 4 das FWPM. Das Modell definiert zentrale Systemkomponenten (z.B. IoT-Sensorik, Datenverarbeitung, Preisalgorithmus) und beschreibt deren Zusammenspiel in einem B2C-Leasingkontext. Für die vierte Phase („Demonstration des Artefakts“) beschreiben wir ein hypothetisches Fallbeispiel im Fahrzeugleasing in Abschn. 4.4. Anhand eines realitätsnahen Szenarios (z.B. Leasing eines leistungsstarken Elektrofahrzeugs als Pendlerfahrzeug) erläutern wir, wie FWPM in der Praxis funktionieren könnte, welche Daten genutzt würden und wie sich Leasingraten unter variierendem Fahrverhalten verändern könnten. Die fünfte Phase („Evaluation“), erfolgt in dieser Arbeit konzeptionell, durch die kritische Abgrenzung von FWPM gegenüber bestehenden Modellen (klassisches Leasing, PPU, PPS). Eine empirische Validierung beschreiben wir im Ausblick als nächsten Schritt. Die sechste Phase („Kommunikation“) bereiten wir in diesem Beitrag adressatengerecht für die Community der Wirtschaftsinformatik auf, inbesondere für Forschende und Praktizierende in den Bereichen von datenbasierten Geschäftsmodellen, vernetzter Mobilität und nachhaltiger Digitalisierung. 4 Das Fair-Wear Pricing Model (FWPM) 4.1 Konzept des FWPM 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 K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 935 brauch 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. 5.2 Herausforderungen und Lösungsansätze 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 abonnementoder 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 K 936 C. Brîncoveanu et al. 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. 6 Implikationen 6.1 Implikationen für die Forschung 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 B2Bund 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). K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 937 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. 6.2 Implikationen für die Praxis 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 Erklärungsund Beratungsbedarfe hinsichtlich individueller Nutzung und PreisbilK 938 C. Brîncoveanu et al. dung 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 Verkaufsals 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. 6.3 Fazit und Ausblick 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 Umweltund 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. Danksagung Wir bedanken uns für die Forschungsunterstützung durch das efl-the Data Science Institute, Deutschland. Funding Open Access funding enabled and organized by Projekt DEAL. Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere K Mehr Fairness, weniger Verschleiß? Datengetriebenes Leasing mit dem Fair-Wear Pricing... 939 Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/ 4.0/deed.de. Literatur Acciarini C, Borelli F, Capo F et al (2021) Can digitalization favour the emergence of innovative and sustainable business models? A qualitative exploration in the automotive sector. J Strategy Manag 15:335–352. https://doi.org/10.1108/JSMA-02-2021-0033 Ackermann L, Tunn VSC (2024) Careless product use in access-based services: a rebound effect and how to address it. J Bus Res 177:114643. https://doi.org/10.1016/j.jbusres.2024.114643 Alcayaga A, Hansen EG (2024) Smart circular economy as a service business model: an activity system framework and research agenda. R D Manag. https://doi.org/10.1111/radm.12707 Ângelo A, Barata J (2022) Pay-per-sustainable-use: a case of product service system innovation. In: PACIS 2022 Proceedings, S 58 Arani HV, Pourakbar M, van der Laan E, de Koster R (2023) How to charge in servicizing: per period or per use? Eur J Oper Res 304:981–996. https://doi.org/10.1016/j.ejor.2022.05.002 Balasubramanian S, Bhattacharya S, Krishnan VV (2015) Pricing information goods: a strategic analysis of the selling and pay-per-use mechanisms. Mark Sci 34:218–234. https://doi.org/10.1287/mksc.2014. 0894 Ben-Daya M, Hassini E, Bahroun Z, Saeed H (2023) Optimal pricing in the presence of IoT investment and quality-dependent demand. Ann Oper Res 324:869–892. https://doi.org/10.1007/s10479-022-045956 Bocken NMP, Mugge R, Bom CA, Lemstra H-J (2018) Pay-per-use business models as a driver for sustainable consumption: evidence from the case of HOMIE. J Clean Prod 198:498–510. https://doi. org/10.1016/j.jclepro.2018.07.043 Bossler LF, Rogalski T, Stanula P et al (2021) Pay-per-Stress – Belastungsorientierte Leasingmodelle im Maschinenbau. Wirtsch Inform Manag 13:466–475. https://doi.org/10.1365/s35764-021-00367-2 Cherry CE, Pidgeon NF (2018) Why is ownership an issue? Exploring factors that determine public acceptance of product-service systems. Sustainability 10:2289. https://doi.org/10.3390/su10072289 Dou Y, Hu YJ, Wu DJ (2017) Selling or leasing? Pricing information goods with depreciation of consumer valuation. Inf Syst Res 28:585–602. https://doi.org/10.1287/isre.2017.0698 Dowling K, Manchanda P, Spann M (2021) The existence and persistence of the pay-per-use bias in car sharing services. Int J Res Mark 38:329–342. https://doi.org/10.1016/j.ijresmar.2020.09.008 Egan M, Schaltegger S (2023) Accounting for corporate environmental rebounds. A conceptual approach. J Clean Prod 419:138175. https://doi.org/10.1016/j.jclepro.2023.138175 Elzinga R, Reike D, Negro SO, Boon WPC (2020) Consumer acceptance of circular business models. J Clean Prod 254:119988. https://doi.org/10.1016/j.jclepro.2020.119988 Gregor S, Hevner A (2013) Positioning and presenting design science research for maximum impact. MISQ 37:337–356. https://doi.org/10.25300/MISQ/2013/37.2.01 Hein A, Weking J, Schreieck M et al (2019) Value co-creation practices in business-to-business platform ecosystems. Electron Markets 29:503–518. https://doi.org/10.1007/s12525-019-00337-y Hevner A, March S (2004) Design science in information systems research. Manag Inf Syst Q 28:75 Ketter W, Schroer K, Valogianni K (2023) Information systems research for smart sustainable mobility: a framework and call for action. Inf Syst Res 34:1045–1065. https://doi.org/10.1287/isre.2022.1167 Koschate-Fischer N, Wüllner K (2017) New developments in behavioral pricing research. J Bus Econ 87:809–875. https://doi.org/10.1007/s11573-016-0839-z Ladas K, Kavadias S, Loch C (2022) Product selling vs. Pay-Per-use service: a strategic analysis of competing business models. Manage Sci 68:4964–4982. https://doi.org/10.1287/mnsc.2021.4125 Llopis-Albert C, Rubio F, Valero F (2021) Impact of digital transformation on the automotive industry. Technol Forecast Soc Change 162:120343. https://doi.org/10.1016/j.techfore.2020.120343 Manouchehri S, Bohl O (2023) Digitalisierung des stationären Handels – Notwendigkeit eines Zweiklangs aus der Nutzung digitaler Technologien und Geschäftsmodellinnovationen. HMD 60:567–579. https://doi.org/10.1365/s40702-023-00961-5 Nissen V (2021) Das Geschäftsmodell Data Facilitator im Consulting. HMD 58:552–564. https://doi.org/ 10.1365/s40702-021-00723-1 Paiola M, Gebauer H (2020) Internet of things technologies, digital servitization and business model innovation in BtoB manufacturing firms. Ind Mark Manag 89:245–264. https://doi.org/10.1016/j. indmarman.2020.03.009 K 940 C. Brîncoveanu et al. Parida V, Sjödin D, Reim W (2019) Reviewing literature on digitalization, business model innovation, and sustainable industry: past achievements and future promises. Sustainability 11:391. https://doi.org/ 10.3390/su11020391 Peffers K, Tuunanen T, Rothenberger MA, Chatterjee S (2007) A design science research methodology for information systems research. J Manag Inf Syst 24:45–77. https://doi.org/10.2753/MIS07421222240302 Stanula P, Kohn O, Lang E et al (2021) Economic assessment of stress-based payment models. Procedia CIRP 103:182–187. https://doi.org/10.1016/j.procir.2021.10.029 Stanula P, Praetzas C, Kohn O et al (2020) Stress-oriented, data-based payment model for machine tools. Procedia CIRP 93:1526–1531. https://doi.org/10.1016/j.procir.2020.03.080 Stoppel E, Roth S (2015) Consequences of usage-based pricing in industrial markets. J Rev Pricing Manag 14:140–154. https://doi.org/10.1057/rpm.2015.6 Suppatvech C, Godsell J, Day S (2019) The roles of internet of things technology in enabling servitized business models: a systematic literature review. Ind Mark Manag 82:70–86. https://doi.org/10.1016/ j.indmarman.2019.02.016 Warmington-Lundström J, Laurenti R (2020) Reviewing circular economy rebound effects: the case of online peer-to-peer boat sharing. Resour Conserv Recycl X 5:100028. https://doi.org/10.1016/j.rcrx. 2019.100028 Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral. K