Fahrerassistenzsysteme im Rahmen der internationalen Trends von künstlicher Intelligenz und Konnektivität in der Automobilindustrie

Inhaltsverzeichnis

1. Kurze Zusammenfassung

2. Einleitung

2.1 Ausgangssituation und Ziel

2.2 Begriffsabgrenzung von Fahrerassistenzsystemen

2.3 Aufbau der Arbeit

3. Thema und Forschungsfragen

4. Theoretische Grundlagen

4.1 Fahrerassistenzsysteme

4.1.1 Funktionen

4.1.2 Kostenreduktion durch Mehrfachanwendung vorhandener Ressourcen

4.1.3 Standardisierungsgrad und Vergleichbarkeit von Angeboten

4.1.4 Trends bei Fahrerassistenzsystemen

4.1.5 Interessen der Regierung

4.1.6 Herleitung der Hypothesen zu Fahrerassistenzsystemen

4.2 Trend Smart Car

4.2.1 Definition „Smart Car“ und Beispiele von intelligenten Verkehrssystemen

4.2.2 Schnittstelle Automobil- und IT-Branche

4.3 Trend Connectivity

4.3.1 Die Vernetzung bestehender Systeme

4.3.2 Der Einzug vom Internet ins Auto

4.3.3 Die Vernetzung mit anderen Autos

4.3.4 Die Vernetzung mit der Infrastruktur

4.3.5 Überschneidung mit anderen Trends

4.4 Segmentierungsgrundlagen des Automobilmarkts

4.4.1 Besonderheiten des Automobilmarktes

4.4.2 Produktbezogene Segmentierung

4.4.3 Kundenbezogene Segmentierung

4.4.4 Alter und Geschlecht als Segmentierungskriterien

4.5 Marktforschungsmethoden in der Automobilindustrie

4.6 Konzept der Einstellung und Einstellungsmessung

4.6.1 Definition

4.6.2 Funktionen

4.6.3 Einstellungsänderung

4.6.4 Einstellungsmessung mit dem Drei-Komponenten Ansatz

4.6.5 Skalen

5. Hypothesenprüfender Forschungsteil

5.1 Forschungsdesign zur Messung der Einstellung gegenüber Fahrerassistenzsystemen aus Kundensicht

5.1.1 Erhebungsmethode

5.1.2 Erhebungsinstrument

5.1.3 Kontaktmethode

5.1.4 Sampling-Plan

5.2 Operationalisierung der Variablen

5.2.1 Hypothese 1 zur Einstellungsmessung gegenüber Fahrerassistenzsystemen

5.2.2 Hypothese 2 zur Abhängigkeit der Einstellung vom Alter

5.2.3 Hypothese 3 zur Abhängigkeit der Einstellung vom Geschlecht

5.2.4 Hypothese 4 zur Abhängigkeit der Einstellung von der Fahrsicherheit

5.3 Weitere Fragestellungen zur Generierung von Hypothesen

5.3.1 Zusammenhang mit der Einstellung zu künstlicher Intelligenz im Auto

5.3.2 Zusammenhang mit dem Wissen über Assistenzsysteme

6. Fragebogen zu Fahrerassistenzsystemen

7. Pretest

8. Auswertung

8.1 Hypothesenprüfender Forschungsteil

8.1.1 Hypothese 1 zur Einstellungsmessung gegenüber Fahrerassistenzsystemen

8.1.2 Hypothese 2 zur Abhängigkeit der Einstellung vom Alter

8.1.3 Hypothese 3 zur Abhängigkeit der Einstellung vom Geschlecht

8.1.4 Hypothese 4 zur Abhängigkeit der Einstellung von der Fahrsicherheit

8.2 Hypothesengenerierender Forschungsteil

8.2.1 Zusammenhang mit der Einstellung zu künstlicher Intelligenz im Auto

8.2.2 Zusammenhang mit dem Wissen über Assistenzsysteme

9. Handlungsempfehlungen

9.1 Übersicht über die Handlungsempfehlungen

9.2 Maximierung des Kundennutzens von Fahrerassistenzsystemen

9.2.1 Einen echten Mehrwert kreieren

9.2.2 Individualisierung von Fahrerassistenzsystemen

9.2.3 Die Entwicklung von situationsspezifischen Assistenten

9.2.4 Die Ablenkungsgefahr minimieren

9.2.5 Die Übersichtlichkeit bei Fahrerassistenzsystemen optimieren

9.2.6 Sicherung der Zuverlässigkeit von Assistenzsystemen

9.3 Informierung über Fahrerassistenzsysteme

9.4 Angebot von Fahrerassistenzsystemen

9.5 Der Umgang mit Daten und Datenspeicherung

9.6 Handlungsempfehlungen an die Gesetzgeber

9.7 Weiterführende Studien zu Fahrerassistenzsystemen

10. Fazit

10.1 Kritische Betrachtung

10.2 Zusammenfassung und Ausblick

13. Tabellenverzeichnis

13.1 Statistische Ergebnisse von Hypothese 1 zur allgemeinen Einstellung gegenüber Fahrerassistenzsystemen

13.2 Statistische Ergebnisse von Hypothese 2 zum Alter

13.2.1 Ergebnisse zu positiven Aussagen über Fahrerassistenzsysteme

13.2.2 Ergebnisse zu negativen Aussagen über Fahrerassistenzsystemen

13.3 Statistische Ergebnisse von Hypothese 3 zum Geschlecht

13.3.1 Ergebnisse zu positiven Aussagen über Fahrerassistenzsysteme

13.3.2 Ergebnisse zu negativen Aussagen über Fahrerassistenzsystemen

13.4 Statistische Ergebnisse von Hypothese 4 zur Fahrsicherheit

13.4.1 Ergebnisse zu positiven Aussagen über Fahrerassistenzsysteme

13.4.2 Ergebnisse zu negativen Aussagen über Fahrerassistenzsystemen

13.5 Statistische Ergebnisse zur Hypothesengenerierung in Bezug auf die Einstellung zu künstlicher Intelligenz

13.5.1 Ergebnisse zu positiven Aussagen über Fahrerassistenzsysteme

13.5.2 Ergebnisse zu negativen Aussagen über Fahrerassistenzsystemen

13.6 Statistische Ergebnisse zur Hypothesengenerierung in Bezug auf das Wissen über Fahrerassistenzsysteme

13.6.1 Wissen über Assistenzsysteme bei Neuwagen

13.6.2 Wissen über Assistenzsysteme beim eigenen Wagen

13.6.3 Wissen über die Funktionalität von Assistenzsystemen

14. Anhang

14.1 Fragebogen zu Fahrerassistenzsystemen

14.2 Angaben der Probanden zu offenen Fragen

14.2.1 Angaben der Probanden zum Indikator „Offene Frage“ von H1

14.2.2 Angaben der Probanden dazu, was sie bei Assistenzsystemen wichtig finden

14.2.3 Angaben zu Erfahrungen mit Assistenzsystemen

14.2.4 Zusatzangaben der Probanden zur Einstellungsmessung

14.2.5 Vorschläge der Probanden zur Entwicklung neuer Assistenzsysteme

14.2.6 Zusatzangaben der Probanden zu zum Thema Fahrerassistenzsysteme

Zielsetzung & Themen

Die Arbeit untersucht die Einstellung potenzieller Kunden gegenüber Fahrerassistenzsystemen (FAS) und analysiert, welche Variablen (Alter, Geschlecht, Fahrsicherheit, technisches Wissen, Einstellung zu KI) diese Einstellung beeinflussen. Ziel ist es, auf Basis der gewonnenen Erkenntnisse Handlungsempfehlungen für Hersteller und Gesetzgeber zu formulieren, um die Kundenzufriedenheit und Akzeptanz der Systeme zu erhöhen.

• Status quo der Kundenakzeptanz von Fahrerassistenzsystemen
• Einfluss sozio-demografischer Variablen auf die Einstellungsbildung
• Bedeutung von künstlicher Intelligenz und Konnektivität für die Kundenwahrnehmung
• Identifikation von Systemfehlern und Barrieren in der Bedienbarkeit
• Ableitung konkreter Strategien zur Verbesserung von Marketing und Entwicklung

Auszug aus dem Buch

Zusammenfassung der Kapitel

Kurze Zusammenfassung: Die Arbeit ermittelt eine eher negative Einstellung der Kunden gegenüber Fahrerassistenzsystemen und zeigt auf, dass diese primär mit der allgemeinen Einstellung zu künstlicher Intelligenz korreliert.

Einleitung: Dieses Kapitel erläutert die Ausgangssituation, in der intelligente Fahrzeuge zunehmend Aufgaben des Fahrers übernehmen, und definiert das Ziel der Arbeit, die Kundeneinstellung zu diesen Systemen zu messen.

Thema und Forschungsfragen: Die Arbeit stellt die zentralen Forschungsfragen zur Einstellung gegenüber Fahrerassistenzsystemen und deren Beeinflussung durch verschiedene Variablen vor.

Theoretische Grundlagen: Dieses Kapitel liefert eine detaillierte Übersicht zu Fahrerassistenzsystemen, den Trends "Smart Car" und "Connectivity", Segmentierungsgrundlagen sowie den wissenschaftlichen Konzepten zur Einstellungsmessung.

Hypothesenprüfender Forschungsteil: Hier wird das Forschungsdesign beschrieben, das eine einmalige schriftliche Umfrage unter potenziellen Kunden nutzt, um die aufgestellten Hypothesen zu überprüfen.

Fragebogen zu Fahrerassistenzsystemen: Das Kapitel erläutert den logischen Aufbau des für die Studie verwendeten Fragebogens, der sowohl offene als auch geschlossene Fragen umfasst.

Pretest: Der Pretest diente der Überprüfung der Verständlichkeit der Fragen und der Korrektur technischer Fehler im Online-Fragebogen vor der eigentlichen Erhebung.

Auswertung: Das Kapitel präsentiert die detaillierten Ergebnisse der mathematischen Analysen zur Einstellungsmessung sowie die Prüfung der aufgestellten Hypothesen anhand der erhobenen Daten.

Handlungsempfehlungen: Basierend auf den empirischen Ergebnissen werden praxisnahe Empfehlungen zur Maximierung des Kundennutzens, zur Verbesserung der Informierung und zur rechtlichen Klärung von Haftungsfragen gegeben.

Fazit: Die Arbeit resümiert, dass die Einstellung negativ geprägt ist und keine Abhängigkeit von Alter oder Geschlecht besteht, während sie einen signifikanten Zusammenhang zur Einstellung gegenüber künstlicher Intelligenz identifiziert.

Schlüsselwörter

Fahrerassistenzsysteme, Kundenbefragung, Einstellungsmessung, Smart Car, Connectivity, künstliche Intelligenz, Verkehrssicherheit, Marktforschung, Segmentierung, Drei-Komponenten-Ansatz, Autonomes Fahren, Kundennutzen, Fahrzeugtechnik, Hypothesenprüfung, Datensicherheit.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Bachelorarbeit untersucht die Einstellung potenzieller Kunden gegenüber Fahrerassistenzsystemen und analysiert, welche Variablen diese Einstellung beeinflussen oder erklären können.

Was sind die zentralen Themenfelder?

Die Arbeit behandelt die Trends „Smart Car“ und „Connectivity“, die theoretischen Grundlagen der Einstellungsmessung sowie die verschiedenen Segmentierungsmöglichkeiten auf dem Automobilmarkt.

Was ist das primäre Ziel der Arbeit?

Das Hauptziel ist die Beantwortung der Frage, welche Einstellung Kunden zu Assistenzsystemen haben und durch welche Faktoren diese Einstellung (positiv oder negativ) beeinflusst wird, um daraus Handlungsempfehlungen abzuleiten.

Welche wissenschaftliche Methode wird verwendet?

Die Autorin wählt ein deskriptives Forschungsdesign mit einem explorativen Zusatzteil, das auf einer schriftlichen Online-Umfrage basiert und mathematische Analysen (Regression und Varianzanalyse) zur Hypothesenprüfung nutzt.

Was wird im Hauptteil behandelt?

Der Hauptteil erstreckt sich von den theoretischen Grundlagen der Assistenzsysteme über die Operationalisierung der Variablen bis hin zur konkreten Auswertung der Umfragedaten und der Ableitung von Handlungsempfehlungen für Hersteller und Gesetzgeber.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die wichtigsten Begriffe sind Fahrerassistenzsysteme, Kundeneinstellung, künstliche Intelligenz, Connectivity, Marktforschung und Verkehrssicherheit.

Warum besteht laut der Studie kein signifikanter Zusammenhang zwischen dem Alter der Probanden und deren Einstellung?

Die Regressionsanalyse zeigte, dass das Alter nur einen verschwindend geringen Teil der Einstellungsbildung erklärt, was darauf hindeutet, dass andere Faktoren (wie die Einstellung zu KI) eine stärkere Rolle spielen.

Warum wird der „Drei-Komponenten-Ansatz“ in der Arbeit angewendet?

Dieser Ansatz ermöglicht eine strukturierte Messung der Einstellung in eine kognitive, affektive und konative Dimension, um ein differenziertes Bild der Kundensicht zu erhalten.

Welche Bedeutung hat die „künstliche Intelligenz“ für die Untersuchung?

Die Analyse ergab einen signifikanten positiven Zusammenhang: Probanden, die dem Trend der künstlichen Intelligenz gegenüber aufgeschlossener sind, bewerten auch Fahrerassistenzsysteme tendenziell positiver.