Verzeichnis der Abschlussarbeiten

Diese Arbeit untersucht den Gebrauchtwagenmarkt in Österreich und analysiert, wie moderne
Datensammlung und -analyse die Preisprognose unterstützen können. Das ursprüngliche Problem bestand
darin, den Einfluss verschiedener Faktoren auf die Preisgestaltung von Gebrauchtwagen zu ermitteln. Die
zentrale Fragestellung lautete, welche Merkmale den Preis eines Fahrzeugs am stärksten beeinflussen. Zur
Beantwortung wurden Webscraping zur Datensammlung sowie statistische Methoden wie T-Tests und
maschinelles Lernen (Random Forest und Gradient Boosting) eingesetzt.
Die Analyse ergab, dass Leistung, Baujahr und Kilometerstand die wichtigsten Faktoren für die
Preisbestimmung sind. Zudem zeigt sich, dass Premium-Marken auch bei hoher Laufleistung höhere Preise
erzielen, was auf eine ausgeprägte Markentreue hinweist. Die Ergebnisse bieten wertvolle Einblicke in die
Preisstrukturen des Gebrauchtwagenmarktes und unterstützen Händler bei der Optimierung ihrer
Preisstrategien.

This thesis examines the Austrian used car market through web scraping and machine learning methods.
The primary aim is to analyze factors influencing vehicle prices and develop predictive pricing models. Data
was collected from willhaben.at using API scraping, capturing key attributes like make, model, year,
mileage, and engine power. Statistical analyses, including T-tests, identified significant price differences
among leading brands, with Volkswagen, BMW, and Audi showing market dominance. Machine learning
models, particularly Random Forest and Gradient Boosting, were employed for price prediction, with
Gradient Boosting achieving the highest accuracy. The study found that vehicle performance (kW), year of
manufacture, and mileage are the strongest price predictors. This research offers valuable insights into
market trends and practical implications for used car dealers, aiding them in optimizing pricing strategies
through empirical analysis. Overall, the work highlights the effectiveness of data-driven approaches in
understanding the complexities of the used car market.