Akzeptanz und Nutzung generativer Künstlicher Intelligenz im Bankensektor

Inhaltsverzeichnis

1 Einleitung

2 Theoretische Grundlagen und Forschungskontext

2.1 Akzeptanztheorie nach dem UTAUT-Modell

2.2 Grundlagen generativer KI

2.3 Generative KI im Markt- und Forschungskontext

2.4 Hürden bei der Einführung von generativer KI in Banken

2.5 Hybride KI als Lösungsansatz für sensible Anwendungsfelder

2.6 Praxisbeispiele und Erfolgsfaktoren zur Integration

3 Methodik

3.1 Kontextspezifische Anpassung des UTAUT-Modells

3.2 Herleitung der Hypothesen

3.3 Entwicklung des Fragebogens

3.4 Beschreibung der statistischen Auswertung

4 Empirische Ergebnisanalyse

4.1 Stichprobe und deskriptive Merkmale der Analysevariablen

4.2 Regressionsergebnisse der Hypothesen

4.2.1 Dimension: Leistungserwartung (H1)

4.2.2 Dimension: Aufwandserwartung (H2)

4.2.3 Dimension: Sozialer Einfluss (H3)

4.2.4 Dimension: Erleichternde Bedingungen (H4)

4.2.5 Dimension: Vertrauen (H5)

4.3 Qualitative Auswertung offener Fragen

5 Diskussion

5.1 Ergebnisinterpretation der Hypothesen

5.1.1 Ergebnisinterpretation zu Leistungserwartung (H1)

5.1.2 Ergebnisinterpretation zu Aufwandserwartung (H2)

5.1.3 Ergebnisinterpretation zu Sozialer Einfluss (H3)

5.1.4 Ergebnisinterpretation zu Erleichternde Bedingungen (H4)

5.1.5 Ergebnisinterpretation zu Vertrauen (H5)

5.2 Implikationen und Rückbindung an die Forschungsfragen

5.2.1 Theoretische Implikationen und Beitrag zur Forschung

5.2.2 Beantwortung der Forschungsfragen

5.3 Kritische Reflexion der Ergebnisse und Methodenkritik

5.4 Limitationen und Empfehlungen für künftige Forschung

6 Fazit

Zielsetzung & Themen

Diese Arbeit untersucht die Akzeptanz und Nutzung von generativer KI, konkret ChatGPT, unter Bankmitarbeitenden. Ziel ist es, auf Basis eines um Vertrauensdimensionen erweiterten UTAUT-Modells empirisch zu ermitteln, welche Faktoren das Nutzungsverhalten beeinflussen und welche Maßnahmen Banken zur Förderung eines erfolgreichen Einsatzes ableiten können.

• Analyse der Technologieakzeptanz unter Bankmitarbeitenden
• Erweiterung des UTAUT-Modells um die Dimension Vertrauen
• Untersuchung von Einflüssen auf Nutzung und Verhaltensabsicht
• Ableitung von Handlungsempfehlungen für die Bankenpraxis

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Die Einleitung beleuchtet das Potenzial und die Herausforderungen generativer KI im Bankensektor und definiert die Forschungsfragen zur Akzeptanz unter Bankmitarbeitenden.

2 Theoretische Grundlagen und Forschungskontext: Dieses Kapitel erläutert das UTAUT-Modell als theoretisches Fundament und diskutiert Hürden, hybride KI-Ansätze sowie aktuelle Praxiserfahrungen bei der Integration generativer KI.

3 Methodik: Hier wird der methodische Rahmen der Untersuchung dargelegt, einschließlich der kontextspezifischen Anpassung des UTAUT-Modells, der Hypothesenherleitung sowie des Aufbaus der empirischen Datenerhebung.

4 Empirische Ergebnisanalyse: Dieses Kapitel präsentiert die Ergebnisse der Befragung, inklusive der deskriptiven Statistik der Stichprobe sowie der Regressionsanalysen zu den fünf Dimensionen des erweiterten Modells.

5 Diskussion: Die Ergebnisse werden interpretiert, theoretisch diskutiert, mit den Forschungsfragen rückgebunden und kritisch reflektiert, ergänzt durch Empfehlungen für künftige Forschung.

6 Fazit: Das Fazit fasst die wesentlichen Erkenntnisse der Arbeit zusammen und hebt die Bedeutung von Vertrauen und zielgruppenspezifischen Maßnahmen für eine erfolgreiche KI-Einführung hervor.

Schlüsselwörter

Generative KI, ChatGPT, Bankensektor, Technologieakzeptanz, UTAUT-Modell, Vertrauen, Datenschutz, Mitarbeiterakzeptanz, Künstliche Intelligenz, Regressionsanalyse, Arbeitsalltag, Digitale Transformation, Bankmitarbeitende, Implementierung, Informationsqualität.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit analysiert, wie Bankmitarbeitende die Nutzung von generativer KI, am Beispiel von ChatGPT, im beruflichen Alltag wahrnehmen und welche Faktoren ihre Akzeptanz bestimmen.

Was sind die zentralen Themenfelder?

Zentrale Themen sind die Technologieakzeptanzforschung, die Anwendung von großen Sprachmodellen im Finanzsektor sowie die Bedeutung von Faktoren wie Vertrauen, Datenschutz und organisationalen Rahmenbedingungen.

Was ist das primäre Ziel oder die Forschungsfrage?

Das Ziel ist es, zu identifizieren, welche Faktoren die Akzeptanz von ChatGPT bei Bankmitarbeitenden beeinflussen und daraus Maßnahmen für einen erfolgreichen Einsatz in Banken abzuleiten.

Welche wissenschaftliche Methode wird verwendet?

Es wird ein quantitatives Forschungsdesign auf Basis einer standardisierten Online-Befragung verwendet, deren Ergebnisse durch multiple Regressionsanalysen und Moderatorenanalysen ausgewertet werden.

Was wird im Hauptteil behandelt?

Der Hauptteil deckt die theoretischen Grundlagen (UTAUT), die methodische Anpassung, die empirische Ergebnisanalyse entlang von fünf Dimensionen sowie die ausführliche Diskussion der Befunde ab.

Welche Schlüsselwörter charakterisieren die Arbeit?

Schlüsselwörter sind insbesondere Generative KI, ChatGPT, Bankensektor, Technologieakzeptanz, Vertrauen sowie das erweiterte UTAUT-Modell.

Warum wurde das klassische UTAUT-Modell für diese Studie erweitert?

Das klassische Modell bildet nicht alle Faktoren ab, die im sensiblen Bankenkontext kritisch sind, weshalb die Dimension „Vertrauen“ ergänzt wurde, um Sicherheits- und Datenschutzbedenken einzubeziehen.

Welche Rolle spielt der Faktor Vertrauen im Bankenkontext?

Vertrauen ist entscheidend; es wirkt in zwei Richtungen, da eine wahrgenommene hohe Informationsqualität die Akzeptanz fördert, während Sicherheits- und Fehlerbedenken sie hemmen.

Warum spielt die Rolle der Führungskräfte eine besondere Rolle?

Obwohl Führungskräfte theoretisch als Innovationspromotoren wichtig sind, zeigte die Studie, dass deren aktive Unterstützung in der Praxis oft nur gering wahrgenommen wird, was ungenutzte Potenziale aufzeigt.

Welche Bedeutung haben die Ergebnisse für die Praxis in Banken?

Die Ergebnisse zeigen, dass eine erfolgreiche Einführung ganzheitlich erfolgen muss: neben technischer Bereitstellung sind zielgruppenspezifische Schulungen, kollegialer Austausch und transparente Kommunikation über Anwendungsfälle essenziell.