Kulturelle Einflüsse in der Kommunikation mit Chatbots. Identifikation und Implikationen für den Entwicklungsprozess

Tesis de Máster , 2021 , 85 Páginas , Calificación: 1,3

Informática - Informatica de negocios

Ziel dieser Arbeit ist es, einen umfassenden Überblick über das aktuelle Forschungsfeld zur Identifikation und Ableitung kultureller Einflussfaktoren in der Kommunikation mit Chatbots zu geben und zu diskutieren, welche Implikationen für den Entwicklungsprozess von kulturell angepassten Chatbots resultieren.

Es ist noch nicht lange her, dass alltägliche Gespräche und Begegnungen hauptsächlich zwischen Menschen aus der gleichen geografischen Region stattgefunden haben, wodurch eine gemeinsame Basis an sozialen Werten, Normen und Erwartungen vorhanden war. Die Möglichkeit, fremde Kulturen kennenzulernen und mit anderen Kulturkreisen zu kommunizieren, bestand nur für wenige Menschen, die außerdem oft nur wenig über das wussten, was sie außerhalb ihres eigenen Kulturkreises erwarten würde. Dies hat sich spätestens geändert, seit die Globalisierung und moderne Kommunikation es ermöglicht, dass Menschen auf der ganzen Welt miteinander unkompliziert kommunizieren können, ohne dafür eine Reise antreten zu müssen. Kommunikation ist durch Instrumente wie Instant Messaging (IM) auf der einen Seite einfacher geworden, auf der anderen Seite begünstigen kulturelle Differenzen auch Missverständnisse in der Interpretation von Nachrichten. Dieses schon länger bekannte Problem bekommt vor dem Hintergrund der fortschreitenden technologischen Entwicklung eine neue Bedeutung. Durch beachtliche Fortschritte im Bereich der künstlichen Intelligenz treten an Schnittstellen immer mehr künstliche Agenten wie Chatbots beziehungsweise Conversational Agents (CAs) in die Rolle von menschlichen Kommunikationspartnern.

Inhaltsverzeichnis

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1. Einleitung
1.1 Problembeschreibung und Motivation
1.2 Ziel und Aufbau der Arbeit

2. Theoretischer Hintergrund
2.1 Chatbots und Conversational Agents
2.2 Wesentliche Theorien der Interaktion zwischen Mensch und Chatbot
2.3 Instant Messaging
2.4 Kultur in der Kommunikation
2.5 Bisherige Arbeiten

3. Methodisches Vorgehen
3.1 Konzept der Literaturstudie
3.2 Literatursuche und -selektion
3.3 Datenerhebung und Synthese

4. Forschung zum Einfluss von Kultur in der Kommunikation mit Chatbots
4.1 Forschungsgebiete
4.2 Forschungsmethoden
4.3 Forschungsprobleme
4.4 Implikationen für das Design von Chatbots

5. Diskussion
5.1 Limitationen der Arbeit
5.2 Evaluation der Forschungsergebnisse

6. Fazit
6.1 Zusammenfassung
6.2 Ausblick

7. Anhang

8. Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Komponenten eines Chatbots

Abbildung 2: Übersicht der Verarbeitungsschritte

Abbildung 3: Methodenübersicht

Tabellenverzeichnis

Tabelle 1: Arten von Chatbots und Conversational Agents

Tabelle 2: Angewandte Taxonomie für Literaturstudien

Tabelle 3: Ergebnisse der Literatursuche

Tabelle 4: Kodierleitfaden

Tabelle 5: Forschungsübersicht

Tabelle 6: Zuordnung der ausgewählten Quellen auf Forschungsbereiche

Tabelle 7: Probleme in Verbindung mit der Kommunikation mit Chatbots

Tabelle 8: Probleme in Verbindung mit Wahrnehmung von Chatbots

Tabelle 9: Probleme in Verbindung mit Qualitätskriterien von Chatbots

Tabelle 10: Probleme in Verbindung mit dem Design von Chatbots

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Es ist noch nicht lange her, dass alltägliche Gespräche und Begegnungen hauptsächlich zwischen Menschen aus der gleichen geografischen Region stattgefunden haben, wodurch eine gemeinsame Basis an sozialen Werten, Normen und Erwartungen vorhanden war. Die Möglichkeit, fremde Kulturen kennenzulernen und mit anderen Kulturkreisen zu kommunizieren, bestand nur für wenige Menschen, die außerdem oft nur wenig über das wussten, was sie außerhalb ihres eigenen Kulturkreises erwarten würde [Endrass et al. 2010, S. 412]. Dies hat sich spätestens geändert, seit die Globalisierung und moderne Kommunikation es ermöglicht, dass Menschen auf der ganzen Welt miteinander unkompliziert kommunizieren können, ohne dafür eine Reise antreten zu müssen. Kommunikation ist durch Instrumente wie Instant Messaging (IM) auf der einen Seite einfacher geworden, auf der anderen Seite begünstigen kulturelle Differenzen auch Missverständnisse in der Interpretation von Nachrichten [Gao et al. 2017, S. 1–2]. Dieses schon länger bekannte Problem bekommt vor dem Hintergrund der fortschreitenden technologischen Entwicklung eine neue Bedeutung. Durch beachtliche Fortschritte im Bereich der künstlichen Intelligenz treten an Schnittstellen immer mehr künstliche Agenten wie Chatbots bzw. Conversational Agents (CAs) in die Rolle von menschlichen Kommunikationspartnern [Brandtzaeg/Følstad 2018, S. 38]. Conversational Agents sind aktuell eine beliebte Technologie in Forschung und Praxis. Es wird geschätzt, dass im Jahr 2022 ca. 70% aller Angestellten täglich mit Chatbots bzw. Conversational Agents kommunizieren werden [Gartner Inc. 2019].

1.1 Problembeschreibung und Motivation

Trotz des Fortschritts, den Chatbots in den letzten Jahren verzeichnen konnten, wächst die Akzeptanz von Chatbots langsamer als erwartet. Die Interaktionen mit Chatbots fühlen sich für Nutzer oft unnatürlich an und viele Chatbots sind bereits wieder vom Markt verschwunden. Die Gründe hierfür sind vielfältig [Brandtzaeg/Følstad 2018, S. 38], jedoch besteht größtenteils Einigkeit darüber, dass der kulturelle Hintergrund eines Nutzers maßgeblich dazu beiträgt, wie er das Kommunikationsverhalten eines Chatbots wahrnimmt und wie er mit diesem kommuniziert [Rehm et al. 2007, S. 85–86]. Diesem Verhalten liegt das Paradigma zugrunde, dass Menschen Computer als soziale Akteure wahrnehmen und auf diese Weise auch menschliches Verhalten von ihnen erwarten [Nass/Moon 2000, S. 81–88]. Kulturelle Faktoren in das Design von Chatbots mit einfließen zu lassen ist aus diesem Grund seither Gegenstand zahlreicher Untersuchungen. Trotzdem existieren bisher kaum Ansätze, die bereits geleistete Beiträge in diesem Bereich konsolidieren und verknüpfen, obwohl ein Verständnis des aktuellen Standes der Forschung sowohl in der Forschung als auch in der Praxis entscheidend ist. Zudem ist es essenziell für Entwickler von Chatbots, sich im Entwicklungsprozess auf Leitfäden und Frameworks verlassen zu können, die alle wichtigen Aspekte des späteren Einsatzzwecks berücksichtigen. Die wesentliche Bedeutung der Konsolidierung von theoretischen Erkenntnissen aus der Forschung führt zur Motivation dieser Masterarbeit.

1.2 Ziel und Aufbau der Arbeit

Ziel dieser Arbeit ist es, einen umfassenden Überblick über das aktuelle Forschungsfeld zur Identifikation und Ableitung kultureller Einflussfaktoren in der Kommunikation mit Chatbots zu geben und zu diskutieren, welche Implikationen für den Entwicklungsprozess von kulturell Angepassten Chatbots resultieren. Zwei Forschungsfragen sind für dieses Ziel wegweisend:

FF1: Was sind zentrale Forschungsfelder in der Identifikation und Ableitung von kulturellen Einflussfaktoren in der Kommunikation mit Chatbots?

FF2: Welche Gestaltungsempfehlungen für das Design von kulturell angepassten Chatbots lassen sich aus den Ergebnissen von FF1 ableiten?

Die Arbeit deckt allgemeine Literatur in Verbindung mit kulturellen Einflussfaktoren in der Kommunikation mit Chatbots ab, ohne spezifische thematische Schwerpunkte zu setzen. Aus Zeitgründen werden jedoch einige Ein- und Ausschlusskriterien festgelegt, die in Kapitel 3.2 genauer beschrieben werden. Die erste Forschungsfrage soll durch die Durchführung einer Literaturstudie beantwortet werden. Das Ziel von FF1 ist es, die zentralen Forschungsbereiche zu identifizieren und deren Beiträge zusammenzufassen. Die Konzepte, mit denen sich die einzelnen Bereiche beschäftigen, werden beschrieben und in einen logischen Zusammenhang gebracht, um zu verdeutlichen, wo die aktuellen Limitationen der einzelnen Forschungsbereiche liegen. Das Ziel ist es, einen Überblick über bestehende Forschungsergebnisse zu geben, um es zukünftigen Forschungsaktivitäten zu ermöglichen, sich auf einen konsolidierten Überblick zu stützen. Es ist ausdrücklich nicht das Ziel dieser Arbeit, eine langfristig orientierte Klassifizierung von Forschungsaktivitäten vorzunehmen. Um die Charakteristika der bisherigen Forschungsaktivitäten besser einordnen zu können, soll im Zuge der Beantwortung von FF1 analysiert werden, welche Forschungsmethoden in welchen Forschungsbereichen eingesetzt werden. Außerdem soll eine Übersicht über Forschungsprobleme gegeben werden, die in der Literatur identifiziert wurden. Darüber hinaus soll die Menge der identifizierten Probleme analysiert werden, um Erkenntnisse über ihre allgemeinen Eigenschaften zu gewinnen.

Die zweite Forschungsfrage zielt darauf ab, die Erkenntnisse aus den Ergebnissen der ersten Forschungsfrage in einen praktischen Kontext zu setzen und Gestaltungsempfehlungen für die Entwicklung von kulturell angepassten Chatbots zu diskutieren. Insofern bilden die Ergebnisse der Literaturstudie die Grundlage für diese Diskussion.

Diese Arbeit ist wie folgt gegliedert. Kapitel 2 vermittelt den theoretischen Hintergrund einschließlich eines Überblicks über bisherige Arbeiten, die sich mit der Forschung zu kulturellen Einflussfaktoren in der Kommunikation mit Chatbots befassen. In Kapitel 3 wird der Prozess der Literaturrecherche im Detail erläutert. In Kapitel 4 werden dann die Ergebnisse dieser Arbeit im Hinblick auf die jeweiligen Forschungsfragen vorgestellt. In Kapitel 5 werden die Limitationen dieser Arbeit und die erzielten Ergebnisse diskutiert. Kapitel 6 schließt die Arbeit mit einer Zusammenfassung und einem Ausblick auf zukünftige Forschungsaktivitäten ab.

2. Theoretischer Hintergrund

In diesem Kapitel wird der theoretische Hintergrund dieser Arbeit erläutert. Kapitel 2.1 erklärt und separiert die gebräuchlichsten Bezeichnungen für menschlich kommunizierende, virtuelle Agenten. In Kapitel 2.2 werden die wesentlichen Theorien aus der Disziplin der Human-Computer-Interaction, die im Kontext von Chatbots relevant sind, beschrieben. In Kapitel 2.3 wird der Begriff des Instant Messaging definiert und in Kapitel 2.4 die für diese Arbeit relevanten Theorien zur interkulturellen Kommunikation dargelegt. Abschließend wird in Kapitel 2.5 eine Übersicht über mit dieser Arbeit verwandte bisherige Arbeiten gegeben.

2.1 Chatbots und Conversational Agents

Virtuelle Agenten, die auf menschliche Art kommunizieren können, sind in der Vergangenheit in unterschiedlichen Formen mit abweichenden Eigenschaften realisiert worden. Aufgrund der oft voneinander abweichenden Funktionen und Anwendungsbereichen haben sich für Systeme dieser Art verschiedene Bezeichnungen entwickelt, die in der Literatur genannt werden. Je nach Quelle werden diese Bezeichnungen synonym verwendet oder können unterschiedliche Bedeutungen haben. Von der Pütten et al. (2010) nennen mehrere plausible Bedeutungen des Begriffs „Conversational Agent“; so könne dieser bspw. als Chatbot, virtueller Begleiter, virtueller Assistent und mehr verstanden werden. [von der Pütten et al. 2010, S. 1641] Es ist daher im Kontext dieser Arbeit sinnvoll, die Begriffe zunächst definitorisch voneinander abzugrenzen, damit im weiteren Verlauf der Arbeit Klarheit bzgl. deren Bedeutung besteht.

Um eine bessere Unterscheidung der beiden Bezeichnungen zu ermöglichen, schlägt Wilks (2010) jeweils typische Charakteristika vor. So ist der charakteristische Anwendungsfall eines Conversational Agents der, bei dem eine bestimmte Aufgabe durch ein Computerprogramm ausgeführt wird. Chatbots hingegen haben meist kein Gedächtnis oder eigenes Wissen, sondern werden dazu verwendet, Konversationen zu führen und dabei einen menschlichen Gesprächspartner zu simulieren. [Wilks 2010, S. 13]

Chatbots sind nach Abu Shawar und Atwell (2007) „Computerprogramme, die mit Benutzern in natürlicher Sprache kommunizieren“ [Abu Shawar/Atwell 2007, S. 29]. Der zugrundeliegende Zweck eines Chatbots ist es, eine menschliche Konversation zu simulieren. Dafür werden ein integriertes Sprachmodell und ein Rechenalgorithmus genutzt, welche informelle Kommunikation in natürlicher Sprache zwischen Mensch und Computer ermöglichen [Abu Shawar/Atwell 2007, S. 29–30]. Hill et al. (2015) verwenden den Begriff „Chatbot“ als Bezeichnung für eine Instanz eines textbasierten, universellen Gesprächsprogramms [Hill et al. 2015]. Für textbasierte CAs, die keinen universellen Gesprächspartner darstellen, sondern vielmehr der Ausführung einer bestimmten Aufgabe dienen, wird die Bezeichnung „Chatbot“ ebenfalls verwendet [Abu Shawar/Atwell 2007, S. 30], auch die Bezeichnung „Natural (Language) Dialogue System“ ist geläufig [Zadrozny et al. 2000, S. 17; Shah et al. 2016, S. 279]. Zumstein und Hundertmark (2018) definieren Chatbots als Computerprogramme, die menschliche Sprache mithilfe eines textbasierten Dialogsystems simulieren [Zumstein/Hundertmark 2018, S. 98]. Wie anhand der aufgeführten, geläufigen Definitionen erkennbar ist, besteht in der Literatur keine Einigkeit darüber, ob ein Chatbot im engeren Sinne durch die Art der Kommunikation, durch den Anwendungszweck oder die Kombination beider Kriterien zu definieren ist.

Ursprünglich aus Spaß entworfen, erlebten Chatbots bereits vor der Einführung von grafischen Benutzeroberflächen ein gesteigertes Interesse im Bereich der Forschung zu Natural-Language-Schnittstellen [Abu Shawar/Atwell 2007, S. 30]. Die Wurzeln dieser kommunizierenden Systeme führen zu Weizenbaums Eliza-Programm [Weizenbaum 1966]. Eliza war das erste Programm, das die Interaktion zwischen Mensch und Computer in textbasierter Form ermöglichte und damit die Grundlage für moderne textbasierte Dialogsysteme bildete. Das Vorgehen nach dem Frage-Antwort-Schema weist Ähnlichkeiten zu viva voce auf [Shah et al. 2016, S. 278], einem Test nach Alan Turing [Turing 1948, S. 23], der zur Untersuchung des Gedankenprozesses einer Maschine entworfen wurde. Obwohl das Eliza-Experiment bereits mehr als 50 Jahre zurückliegt, funktionieren moderne Dialogsysteme nach ähnlichen Prinzipien und lassen sich mit Eliza vergleichen, wenn auch mittlerweile deutlich bessere Ergebnisse erzielt werden. Viele „moderne Elizas“ können sich bspw. über eine Vielzahl von Themen unterhalten, statt auf eine Domäne begrenzt zu sein und vermitteln die Illusion, einen eigenen Charakter zu besitzen, indem sie eigene Emotionen vermitteln [Shah et al. 2016, S. 291–292].

Stoner et al. (2003) definieren drei Komponenten, aus denen ein Chatbot normalerweise besteht (siehe Abbildung 1): ein Responder stellt die Schnittstelle zwischen Benutzer und den zentralen Arbeitsabläufen dar. Er verarbeitet den Input und Output, transferiert Nutzerdaten zum Classifier und leitet die Antwort des Systems zum Nutzer weiter. Der Input des Nutzers wird vom Classifier normalisiert und gefiltert. Außerdem werden die nutzerseitig gelieferten Daten aufbereitet (substituiert) und in logische Bausteine zur Weiterverarbeitung unterteilt. Die normalisierten Daten werden schließlich zum Graphmaster weitergeleitet. Der Classifier verarbeitet auch den Output des Graphmasters sowie unterschiedliche Anweisungen in Auszeichnungsprache und leitet die Antwort des Chatbots zum Responder weiter. Der Graphmaster organisiert die Speicherkomponente des Systems, in der erlernte Inhalte als Graph abgelegt werden. Der Graphmaster ist weiterhin für das Erkennen von Mustern in den verarbeiteten Daten zuständig (bspw. über einen binären Suchbaum). Schließlich übergibt der Graphmaster eine unverarbeitete Antwort zurück an den Classifier [Stoner et al. 2003, S. 4].

Abbildung 1: Komponenten eines Chatbots

(Quelle: eigene Darstellung in Anlehnung an [Stoner et al. 2003, S. 4–5])

Abbildung in dieser Leseprobe nicht enthalten

Um eine Differenzierung zwischen verschiedenen Instanzen von Chatbots und CAs zu erleichtern, schlagen Gnewuch et al. (2018) die Einordnung anhand zweier Dimensionen vor: erstens die primäre vom Chatbot/CA angewandte Art der Kommunikation und zweitens den Kontext, in dem der Chatbot/CA eingesetzt wird. Die Art der Kommunikation wird basierend auf den beiden Möglichkeiten, in natürlicher Sprache zu kommunizieren, entweder als sprach- oder textbasiert eingeordnet. Der Kontext beschreibt, ob die Instanz für eine spezifische Domäne entworfen wurde und damit ein begrenztes Themengebiet zur Konversation beherrscht, oder ob die Instanz Konversationen zu jedem denkbaren Thema führen kann. In Tabelle 1 werden zur Veranschaulichung einige aktuelle Beispiele Chatbot-Instanzen in die erläuterten Dimensionen eingeordnet.

Chatbots bieten eine Vielzahl von möglichen Anwendungsfällen. Kopp et al. (2015) beschreiben einen Chatbot, der als Museumsführer eingesetzt wurde. Er kann mit den Besuchern in natürlicher Sprache interagieren und damit Informationen zu Ausstellungsstücken und anderen Themen vermitteln [Kopp et al. 2005, S. 1]. Oh et al. (2017) beschreiben einen Anwendungsfall im psychiatrischen Gesundheitswesen, bei dem ein Chatbot psychiatrische Beratungsdienstleistungen durch Dialoganalyse und Satzgeneration durchführen konnte [Oh et al. 2017, S. 271].

Tabelle 1: Arten von Chatbots und Conversational Agents

Abbildung in dieser Leseprobe nicht enthalten

(Quelle: eigene Tabelle in Anlehnung an [Gnewuch et al. 2018, S. 3])

Die Anwendung von Chatbots im Bereich des E-Commerce sowie des Customer Service-Segments ist für Unternehmen zunehmend attraktiv, was sich unter anderem durch gesteigerte Investitionen in diese Technologie zeigt [Gnewuch et al. 2018, S. 1]. Ein Anwendungsbeispiel aus dem Bereich des E-Commerce wird von Ben Mimoun et al. (2017) behandelt, wo IKEAs früherer Chatbot „Anna“ in Bezug auf dessen Möglichkeiten zur Steigerung der Kundenproduktivität untersucht wird [Ben Mimoun et al. 2017, S. 2–19]. Immer häufiger werden Chatbots über Schnittstellen in Sozialen Medien bereitgestellt [Van den Broeck et al. 2019, S. 2]. Van den Broeck et al. (2019) beschreiben anhand eines Beispiels einen auf diese Weise implementierten Chatbot, der den Verkauf von Eintrittskarten für Kinovorstellungen unterstützt [Van den Broeck et al. 2019, S. 1]. Cui et al. (2017) präsentieren einen universell einsetzbaren Chatbot für den Customer Service, welcher im Lernprozess große Mengen an öffentlich verfügbaren E-Commerce-Daten in Form von nutzergenerierten Inhalten auf E-Commerce-Websites verarbeiten kann [Cui et al. 2017, S. 97].

Das gesteigerte kommerzielle Interesse an Chatbots ist zum Teil auch das Ergebnis technologischen Fortschritts, durch den sich insbesondere die Art und Weise der menschlichen Kommunikation verändert hat [Dale 2016, S. 815]. Während zu Zeiten von ELIZA die Computertastatur neue Wege der Interaktion zwischen Mensch und Maschine ermöglichte, hatte im Jahr 2020 knapp die Hälfte der Menschheit Zugriff auf ein internetfähiges Smartphone [Statista 2019]. Die Kommunikation mittels kurzer Textnachrichten ist Normalität geworden. Messaging-Apps wie der Facebook Messenger sind problemlos auf internetfähigen Endgeräten verfügbar und bieten eine fähige Plattform zur Bereitstellung und Nutzung von Chatbots. Damit ist die zunehmende Verwendung von mobilen, internetfähigen Endgeräten ein treibender Faktor bei der Verbreitung von Chatbots [Dale 2016, S. 815].

An einen Chatbot können je nach dessen Verwendungszweck verschiedene Anforderungen gestellt werden. Johannsen et al. (2018) fassen hierfür eine Reihe an Anforderungspunkten in Kategorien zusammen, die über den Erfolg eines Chatbots in einem kommerziellen Anwendungsszenario entscheiden können: (1) gesicherte Qualität der Kommunikation, (2) Reaktion auf unangemessene Sprache, (3) Anpassbarkeit, (4) Fähigkeit zur Sprachverarbeitung, (5) ausreichende Sicherheitsvorkehrungen, (6) Integrationsfähigkeit in vorhandene IT-Systeme und mobile Anwendungen, (7) Möglichkeit des Trainings der Instanz, (8) unkomplizierte Implementierung, (9) stemmbare Kostenmodelle [Johannsen et al. 2018, S. 10–11]. Obwohl von Johannsen et al. (2018) einzelne kulturell einzuordnende Aspekte der Kommunikation zwischen Mensch und Chatbot berücksichtigt worden sind (z.B. wurde festgestellt, dass die Fähigkeit eines Chatbots, regional auftretende Dialekte zu verstehen, sich positiv auf die Rezeption einer Chatbot-Instanz auswirken kann [Johannsen et al. 2018, S. 8]), wurden kulturelle Aspekte in besonderer Weise nicht berücksichtigt (vgl. [Johannsen et al. 2018]).

Für die Betrachtung kultureller Einflussfaktoren auf die Nutzung von Chatbots ist es zweitrangig, welchen Zweck die Konversation von Nutzer und Chatbot hat, da die Kultur der Gesprächspartner einen elementaren Einfluss auf jede Konversation haben kann [Robles 2017, S. 1]. Aus diesem Grund werden in dieser Arbeit sowohl klassische Chatbots im engeren Sinne als auch Conversational Agents, die spezifisches Domänenwissen besitzen, betrachtet. In Kapitel 2.4 wird eine Übersicht über verwandte Arbeiten zu kulturellen Einflussfaktoren bei der Nutzung von Chatbots gegeben. Zunächst sollen jedoch im nächsten Abschnitt die wesentlichen Theorien der Kommunikation zwischen Mensch und Computer im Allgemeinen und der Kommunikation über Messenger-Plattformen im Speziellen beschrieben werden, um die Vielschichtigkeit der Interaktion genauer zu beleuchten.

2.2 Wesentliche Theorien der Interaktion zwischen Mensch und Chatbot

Um IS (Information Systems) zu verstehen, müssen Verbindungen in die „natürliche“ Welt mit ihren menschlichen Konstrukten geschaffen werden. Die Forschung im Bereich IS erfordert daher auch die Nutzung von Theorien aus angrenzenden wissenschaftlichen Disziplinen [Gregor 2006, S. 613] wie bspw. der Psychologie oder der Linguistik [Lim et al. 2013, S. 16]. Bei der Forschung zu IS werden jedoch nicht nur technologische Systeme oder soziale Prinzipien nebeneinander untersucht, IS beschäftigt sich mit den Phänomen, die auftreten, wenn diese beiden Bereiche aufeinandertreffen [Lee 2001, S. 3]. Wie im Folgenden erläutert wird, bestehen in der Interaktion von Mensch und Computer Parallelen zu Eigenschaften menschlicher Kommunikation. Zur Beantwortung der Forschungsfragen müssen zunächst einige Theorien herangezogen werden, deren Verständnis für die Betrachtung der Interaktion zwischen Mensch und Chatbot notwendig ist. Daher sollen im Folgenden die wichtigsten Erkenntnisse aus der Forschung zur Kommunikation zwischen Menschen und der Kommunikation zwischen Mensch und Computer dargestellt werden.

Eins der wichtigsten Paradigmen der Mensch-Computer-Interaktion (auch HCI, eine genauere Erläuterung und Definition folgt im nachfolgenden Absatz) in diesem Zusammenhang lautet „Computers are social actors“ (CASA), welches zum ersten Mal in einem Artikel von Nass und Moon (2000) beschrieben wird. Es wird erklärt, dass Menschen unterbewusst soziales Verhalten von einem Computer erwarten und sich gegenüber dem Computer auch nach ihnen bekannten sozialen Regeln verhalten, obwohl ein Bewusstsein dafür existiert, dass der Computer keine menschlichen Gefühle hat und somit dem Handeln des Computers auch keine menschliche Motivation zugrunde liegt. Nass und Moon (2000) beobachten in ihrer Versuchsanordnung eine konsistente Behandlung des Computers als ein Gegenüber mit menschlichen Eigenschaften, obwohl die Versuchspersonen darin übereinstimmten, dass Computer keine Menschen sind und sie auch nicht als solche behandelt werden sollten [Nass/Moon 2000, S. 81–88]. Als mögliche Auslöser für dieses Verhalten werden verschiedene soziale Attribute diskutiert, die ein Computer besitzt: die Interaktion über Sprache, Interaktivität (der Computer reagiert, wenn bspw. eine Schaltfläche aktiviert wurde), und die Fähigkeit, menschliche Aufgaben zu übernehmen. Die Menschlichkeit dieser Attribute führt dazu, dass bestimmte Verhaltensweisen des Computers, die eigentlich auf das Fehlen von menschlichen Eigenschaften hinweisen, ignoriert werden [Nass/Moon 2000, S. 97–98].

Nass und Moon (2000) beziehen sich in ihrer Forschung auf die Arbeit von Langer (1992). Sie vermuten eine Ähnlichkeit zwischen den von ihnen beobachteten Verhaltensweisen und den von Langer beschriebenen Auslösern für unbewusstes Verhalten [Nass/Moon 2000, S. 82]. Danach verlassen sich Personen auf bestimmte Kategorien, Assoziationen und Denkgewohnheiten, die ihnen gut bekannt sind, ohne sich dessen bewusst zu sein. Den passenden Kontext vorausgesetzt, wird eine Person weniger sensibel für neue Situationen und passt somit auch ihr Verhalten und ihre Erwartungen weniger stark an [Langer 1992, S. 302].

Weitere Einblicke in den Aufbau und den Inhalt von Konversationen kann die Forschung im Bereich der Linguistik und Paralinguistik liefern. Demnach beinhalten Konversationen neben dem offensichtlich gesagten auch Verhaltenshinweise und soziale Signale, die zusätzliche Informationen vermitteln und damit die Konversationsinteraktion von Mensch und Computer stark beeinflussen [McTear et al. 2016, S. 44]. Mit diesen und ähnlichen Fragestellungen beschäftigt sich die Forschung zur Social Response Theory, auf der auch das CASA-Paradigma aufbaut. Sie besagt, dass Menschen bei Konfrontation mit menschenähnlichem Verhalten auf eine soziale Art und Weise reagieren; selbst dann, wenn das Verhalten nicht von einem Menschen ausgeht. Dies geschieht ähnlich wie bei einem Reflex, ohne dass das Verhalten absichtlich erfolgt [Moon 2000, S. 325]. Dieses Verhalten lässt sich mit dem Umstand erklären, dass Menschen soziale Wesen sind und das menschliche Verhalten grundsätzlich von evolutionären Faktoren in Richtung einer sozialen Handlungsweise beeinflusst wird [Reeves/Nass 1996, S. 24–25]. Diese Erklärung deckt sich mit weiteren psychologischen Beobachtungen des menschlichen Verhaltens wie dem Vermeiden von unnötiger bewusster Informationsverarbeitung, um kognitive Ressourcen zu schonen. Eine weitere Überschneidung gibt es mit der Erkenntnis, dass Menschen zur regelmäßigen Verwechslung von Quellen neigen, wenn diese ähnliche Eigenschaften aufweisen [Moon 2000, S. 325].

Es existieren eine Reihe von Arbeiten, die sich mit der Untersuchung der sozialen Signale beschäftigen, welche von einem Computer ausgehen und die Wahrnehmung des Computers als „Social Actor“ bedingen können. Bspw. identifizieren Nass et al. (1994) den vom Computer verwendeten Sprachstil als möglichen Auslöser für die Einordnung eines Computers als sozial handelnde Instanz [Nass et al. 1994, S. 76–77]. Ochs et al. (2017) untersuchen im Kontext eines Conversational Agents die Auswirkungen des Lächelns eines menschlichen Avatars auf die Wahrnehmung des Nutzers [Ochs et al. 2017, S. 1]. Mit der Untersuchung des Effekts der Körperhaltung von Avataren auf den Nutzer geben Von der Pütten et al. (2010) ein weiteres Beispiel zur Forschung zu sozialen Signalen von Computern. Fogg (2002) klassifiziert soziale Signale von Computern in 5 Kategorien: physische (Gesicht, Mimik, Gestik), psychologische (Vorlieben, Humor, Persönlichkeit), sprachliche (Interaktion, gesprochene Sprache, Spracherkennung), sozialdynamische (Kooperation, Lob, Kritik) und soziale Rollen (Teamkollege, Gegner, Lehrer) [Fogg 2002, S. 91]. Die Nutzung von sozialen Signalen kann die Qualität der Kommunikation zwischen Individuen deutlich verbessern [Nunamaker et al. 2011, S. 22]. Es ist jedoch auch möglich, dass die Nutzung von Sozialen Signalen die Qualität der Interaktion mit einem Computer einschränkt, wenn dadurch überzogene Erwartungen geweckt werden [Luger/Sellen 2016, S. 5293].

Um diese Arbeit weiter in den Forschungskontext einzuordnen, soll im Folgenden die Disziplin der Human Computer Interaction (HCI) genauer erläutert und definiert werden. Hewett et al. (1992) definieren HCI als eine Disziplin, die sich mit dem Design, der Evaluation und der Implementierung von interaktiven Computersystemen für den menschlichen Gebrauch und mit der Untersuchung der wichtigsten Phänomene, die diese Systeme umgeben, beschäftigt [Hewett et al. 1992, S. 5]. Nach Grudin (1992) untersucht HCI die Art und Weise, wie Menschen Computer benutzen. Das Ziel der Disziplin ist es, die Interaktion von Mensch und Computer zu verbessern, indem nach Wegen gesucht wird, die Nutzbarkeit von Computersystemen insgesamt zu vereinfachen [Grudin 1992, S. 211–212]. Forschung im Bereich HCI beschäftigt sich in diesem Zusammenhang unter anderem damit, Modelle und Theorien zur menschlichen Nutzung von Computern zu entwerfen sowie Konzepte für den Entwurf von Nutzerinterfaces zu erstellen [Rogers 2012, S. 4]. Der Gedanke von HCI reicht jedoch weiter als nur bis zu dem, was der Mensch auf dem Bildschirm sieht. In den ersten 15 Jahren der Forschung stand vor allem das Design von sogenannten Graphical User Interfaces (GUIs) mit Fenstern, Symbolen und Zeigern im Vordergrund. Nachdem diese Probleme besser verstanden wurden, rückten auch andere Bereiche in den Fokus. Modernere Sichtweisen betrachten die verschiedenen und immer zahlreicher werdenden Ziele, mit denen Nutzer Computer benutzen, um die Nutzererfahrung zu verbessern [Fischer 2001, S. 66]. Das genaue Verständnis des Begriffs der Nutzbarkeit bzw. der Usability wird in der Literatur diskutiert, eine Verbindung von sozialen und kulturelle Werten und Usability wird jedoch anerkannt [Chalmers/Galani 2004, S. 251].

Da HCI die Interaktion von Mensch und Computer untersucht, wird in die Forschung unterstützendes Wissen aus beiden Bereichen einbezogen. Während dies auf der Maschinenseite bspw. Programmiersprachen und Entwicklungsumgebungen sein können, sind auf der menschlichen Seite Theorien aus der Kommunikationswissenschaft, Designdisziplinen oder der Linguistik relevant [Hewett et al. 1992, S. 5].

Der Fokus dieser Arbeit auf den Einfluss kultureller Faktoren auf die (menschliche) Nutzung von Chatbots legt nach Berücksichtigung der oben genannten Theorien und Paradigmen eine genauere Betrachtung der Art und Weise nahe, wie Menschen untereinander kommunizieren. Hierfür soll zunächst erklärt werden, was eine Konversation mithilfe menschlicher Sprache auszeichnet.

Die FIPA definiert eine Konversation als eine fortlaufende Sequenz von kommunikativen Handlungen, die zwischen zwei oder mehr Agenten ausgetauscht werden und sich auf ein laufendes Thema eines Diskurses beziehen. Eine Konversation kann (auch implizit) einen Kontext entstehen lassen, der verwendet wird, um die Bedeutung späterer Aussagen in der Konversation zu bestimmen [FIPA 1998, S. 5]. Eine allgemein anerkannte Definition für Kommunikation hat sich in der Literatur nicht etabliert, die Verwendung einer einzigen Definition erscheint deshalb wenig sinnvoll. Littlejohn und Foss (2008) schlagen daher vor, eine Definition nach der individuellen Eignung zu evaluieren, die jeweils zugrundeliegende Fragestellung zu beantworten und identifizieren drei Ebenen der Unterscheidung: die Abstraktionsebene, die Absicht und die normative Wertung einer Konversation [Littlejohn/Foss 2008, S. 3]. Im Kontext dieser Arbeit liegt es nahe, eine Definition zu wählen, die die Absicht, mit der kommuniziert wird, berücksichtigt, da diese im Kontext der Arbeit lautet, auf kulturell akzeptierte Art und Weise zu kommunizieren. Miller (1966) versucht in der Formulierung einer Definition dieses Kriterium einzubeziehen und erklärt, dass Kommunikation dann geschieht, wenn eine Quelle eine Nachricht an einen Empfänger übermittelt, wenn eine bewusste Absicht besteht, auf das Verhalten des letzteren einzuwirken [Miller 1966, S. 92].

Eines der für diese Arbeit relevantesten Prinzipien der menschlichen Interaktion ist das der Kooperation in Konversationen (Kooperationsprinzip). In den Sozialwissenschaften im Allgemeinen und in der Linguistik im Besonderen beschreibt das Kooperationsprinzip, wie Menschen in Gesprächen effektiv kommunizieren können, also wie Zuhörer und Sprecher kooperativ handeln und das gegenseitig Gesagte akzeptieren, um so auf eine bestimmte Weise verstanden zu werden [Davies 2007, S. 2308–2310]. Das Kooperationsprinzip wurde zuerst von Grice (1975) beschrieben, der es wie folgt formulierte: „Mache deinen Gesprächsbeitrag jeweils so, wie es von dem akzeptierten Zweck oder der akzeptierten Richtung des Gesprächs, an dem du teilnimmst, gerade verlangt wird“ [Grice 1975, S. 45; übersetzt nach Meggle 1979, S. 248] Grice (1975) geht davon aus, dass es in der Kommunikation zwischen Menschen ein Standardverhalten gibt, das vom Gegenüber angenommen und akzeptiert wird. Er nimmt an, dass das ein Gesprächsteilnehmer in einer Konversation Aussagen macht, die den Zweck des Gesprächs fördern. Es ist dann dieses Verhalten, das ein Gesprächsteilnehmer vom Sprecher erwartet, indem er eine grundsätzlich vorhandene Kooperationsbereitschaft des Sprechers annimmt. Weiterhin nimmt ein Gesprächsteilnehmer an, dass eine Äußerung im Allgemeinen wahr ist, die richtige Menge an Informationen enthält, relevant und in verständlicher Sprache formuliert ist [Davies 2007, S. 2309–2310].

Neale (1992) beschreibt die Mechaniken einer Konversation anhand der vier von Grice definierten Maximen und Submaximen, die Wahrhaftigkeit, Informiertheit, Relevanz und Eindeutigkeit vorschreiben: Die Maxime Quantity besagt, dass eine Aussage so informativ sein sollte, wie es im Kontext des stattfindenden Gesprächs als angemessen erscheint. Die Maxime Quality besagt, dass der Sprecher versuchen sollte, eine wahre Aussage zu tätigen. Genauer sollten keine Aussagen getätigt werden, von denen angenommen werden muss, dass diese falsch sind. Außerdem sollten keine Aussagen gemacht werden, für die es keine nachvollziehbare Grundlage gibt. Die dritte Maxime lautet Relation und verlangt, dass eine Aussage grundsätzlich relevant sein sollte. Die vierte und letzte Maxime, Manner, beschreibt die Notwendigkeit nach einem eindeutig formulierten, inhaltlich geordneten und Unklarheit vermeidenden Beitrag [Neale 1992, S. 524].

Eine Abweichung des Gesagten von den beschriebenen Maximen wird vom Zuhörer nicht gleich als Unsinn interpretiert. Vielmehr wird angenommen, dass diese Abweichung mit Absicht erzeugt wurde und eine Bedeutung¹ abzuleiten ist [Grice 1975, S. 43–44].

2.3 Instant Messaging

Es existieren verschiedene Definitionen für die Kommunikation via Kurznachricht bzw. Instant Messaging (IM). Nach IGI Global bezeichnet der Begriff die Kommunikation zwischen zwei oder mehr Parteien durch Text in Echtzeit über ein Netzwerk wie das Internet [IGI Global]. Die Nutzung von Instant Messaging-Diensten zur Kommunikation hat sich sowohl im privaten als auch im geschäftlichen Kontext in den letzten Jahren rasant verbreitet [Green et al. 2005, S. 445; Gao et al. 2017, S. 1]. IM-Dienste sind ein normaler Begleiter im Alltag geworden und werden als zuverlässiges Werkzeug dazu genutzt, Informationen auf eine schnelle und unkomplizierte Art und Weise auszutauschen. Im Vordergrund steht dabei vor allem der informelle Charakter, den die Kommunikation über Textnachricht (bspw. gegenüber der Kommunikation per E-Mail) aufweist [Gao et al. 2017, S. 1].

Aus Benutzersicht bestehen IM-Systeme aus einem Fenster, in dem die ausgetauschten Nachrichten angezeigt werden und durch welches sich durch Scrollen bewegt werden kann. Oft werden zusätzliche Funktionen wie das Chatten in Gruppen unterstützt. IM unterscheidet sich von früheren Formen der Textkommunikation vor allem dadurch, dass besonders oft mit bekannten Personen kommuniziert wird [Grinter/Palen 2002, S. 21].

IM-Dienste werden z.B. oft dazu benutzt, kurze Fragen zu stellen bzw. zu beantworten, zur kurzfristigen Organisation, oder um mit Freunden und Familie Kontakt zu halten. Diese Aufgaben erfordern normalerweise die Möglichkeit eines schnellen Austauschs von Informationen [Nardi et al. 2000, S. 79].

Der Nutzen von IM ist jedoch nicht auf den schnellen Informationsaustausch begrenzt. IM fördert Prozesse, welche die informelle Kommunikation überhaupt erst möglich machen. Nardi et al. (2000) prägen hierfür den Begriff „Outeraction“ als Kollektivum für all jene Prozesse, die Menschen nutzen, um miteinander in Kontakt zu bleiben und ihre Kommunikation zu planen, anstatt Informationen auszutauschen [Nardi et al. 2000, S. 79]. Die Kommunikation über IM ist daher auf eine natürliche Weise stärker durch eine soziale Komponente geprägt als durch eine sachliche bzw. informative Komponente [Nardi et al. 2000, S. 86].

Gao et al. (2017) stellen fest, dass die Kommunikation der sozialen Komponente in einer Konversation durch Kurznachrichten jedoch auch eingeschränkt sein kann. So ist es für Empfänger unter Umständen schwierig, die emotionalen Absichten des Absenders (wie Wut, Angst, Freude usw.) zu verstehen, obwohl der grundlegende Informationsgehalt der Nachricht verstanden wurde. Die Fähigkeit, emotionale Aspekte besser zu verstehen und „zwischen den Zeilen zu lesen“, kann je nach Kultur der Kommunikationspartner und dem zugrundeliegenden Ziel der Kommunikation variieren [Gao et al. 2017, S. 16]. Green et al. (2005) stellen fest, dass IM-Nutzer zwar nicht die gleichen Erwartungen an die Qualität einer über IM stattfindenden Konversation haben, jedoch die fehlende Befriedigung sozialer Bedürfnisse durchaus zu Unzufriedenheit führen können [Green et al. 2005, S. 459–460]. Um besser zu verstehen, wie sich kulturelle Faktoren auf die Kommunikation zwischen Mensch und Computer auswirken können, soll im nachfolgenden Abschnitt das Konzept der Kultur insbesondere im Kontext der Kommunikation genauer erläutert werden.

2.4 Kultur in der Kommunikation

Je nach Kontext kann der Begriff Kultur unterschiedliche Bedeutungen haben. Tylor (1871) beschreibt deshalb Kultur als einen Überbegriff, der das soziale Verhalten und die Normen der menschlichen Gesellschaften sowie das Wissen, den Glauben, die Künste, Gesetze, Bräuche, Fähigkeiten und Gewohnheiten von Individuen in diesen Gruppen zusammenfasst [Tylor 1871, S. 1]. Kroeber/Kluckhohn (1952) beschreiben die Inhalte von Kultur als explizite und implizite Muster von und für Verhalten, die durch Symbole erworben und weitergegeben werden und die die unverwechselbare Leistung menschlicher Gruppen darstellen, einschließlich ihrer Verkörperungen in Artefakten. Sie sehen den wesentlichen Kern von Kultur in traditionellen Ideen und insbesondere den damit verbundenen Werten. Kultursysteme können einerseits als Produkte des Handelns und andererseits als konditionierende Einflüsse auf weiteres Handeln betrachtet werden [Kroeber/Kluckhohn 1952, S. 357].

Kultur kann als auch als eine Gruppe von Individuen betrachtet werden, welche die gleiche Art zu leben miteinander teilen. Die Art zu leben meint dabei die Aspekte einer Kultur, die das Leben der Individuen maßgeblich gestalten, wie z.B. die Sprache, Werte, Normen usw. Kultur werden oft fälschlicherweise ausschließlich Attribute wie Ethnizität, Alter oder Geschlecht zugeschrieben, weil diese am sichtbarsten sind und somit am meisten auffallen. Ein Mensch kann in eine Kultur hineingeboren werden oder erst später im Laufe des Lebens ein Teil von ihr werden. Einfluss können z.B. das Durchlaufen von Lebensphasen (z.B. als Student), der Wohnort, die sexuelle Orientierung oder die sozioökonomische Klasse haben [Kurylo 2012, S. 3–4].

Sowohl die Anzahl insgesamt vorhandener Kulturen als auch die Anzahl der Kulturen, mit denen sich ein Mensch identifizieren kann, sind theoretisch unendlich. Ein Individuum muss daher als die Summe der Kulturen gesehen werden, zu denen es zugehörig ist. Da ein Mensch mehreren Kulturen zugehörig ist, treten diese Zugehörigkeiten auch auf unterschiedliche Weise in den Vordergrund. In verschiedenen Konversationen können manche Kulturen des Gesprächsteilnehmers eine höhere Relevanz haben als andere. Dieser „Übergang“ der Kulturen geschieht dabei unbewusst [Kurylo 2012, S. 4].

Eine detaillierte Betrachtung des Kulturbegriffs im Kontext von Kommunikation gibt Robles (2017). So ist es sinnvoll, den Kulturbegriff nicht streng zu charakterisieren, sondern ihn im Kontext des Gesprächs zu betrachten, in dem er relevant ist. Damit sich die Kultur von Teilnehmern eines Gesprächs äußert, muss diese nicht explizit zum Ausdruck kommen; für die Konzeptualisierung eines geteilten Glaubens- oder Normensystems reichen bspw. implizite kommunikative Praktiken aus. Um eine Zugehörigkeit zu einer bestimmten kulturellen Gruppe zu signalisieren, ist das Zeigen von Vertrautheit mit oder das Verwenden von bestimmten kommunikativen Praktiken eine Möglichkeit. Eine der offensichtlichsten sprachlichen Praktiken ist dabei die Sprache, die eine Person spricht, bspw. Deutsch oder Chinesisch. Die Verwendung einer Sprache eines Gesprächsteilnehmers löst im jeweils anderen Gesprächsteilnehmer eine Annahme bspw. eine Assoziation jener Eigenschaften aus, die er mit der Kultur verbindet, von der die Sprache gesprochen wird. Hierbei kann wiederum der Kenntnisgrad der Sprache ein Indiz für die Ausprägung der Zugehörigkeit oder Vertrautheit der jeweiligen Kulturgruppe sein. In diesen Kontext fallen auch kulturspezifische Stilvorlieben wie bspw. die Bevorzugung von Direktheit oder Indirektheit in der Sprache oder die Wahl der Anrede [Robles 2017, S. 1–2].

Obwohl Robles einen eher neutralen Standpunkt vertritt und nicht genauer auf das Potenzial für Fehlinterpretationen in der interkulturellen Kommunikation eingeht, ist dieses Problem Gegenstand der Forschung. Eine wichtige Theorie ist in diesem Zusammenhang die Communication Accomodation Theory (CAT), die von Howard Giles entwickelt wurde. Sie besagt, dass Menschen grundsätzlich Verhaltensänderungen vornehmen, um sich auf die Kommunikation mit ihrem Partner abzustimmen. Außerdem legt sie nahe, dass ein Partner den anderen als unterschiedlich angemessen auf ihn abgestimmt wahrnehmen kann [Giles/Gallois 2015, S. 1–2]. Der Theorie liegt die Idee zugrunde, dass der Sender einer Nachricht durch das Anpassen seiner Sprache an die seines Konversationspartners das Wohlwollen des Empfängers gewinnen kann. Die Effizienz der Konversation insgesamt wird erhöht, indem eine positiv konnotierte soziale Nachricht gesendet und Missverständnisse reduziert werden. Es werden zwei Strategien genannt, mit denen soziale Anerkennung und Kommunikationseffizienz erreicht werden sollen: einerseits das aktive Verringern von sozialen Unterschieden, andererseits jedoch auch das bewusste Hervorheben von Unterschieden zwischen den Gesprächspartnern [Giles/Gallois 2015, S. 2].

Diese Strategien basieren auf bekannten Prinzipien aus dem Bereich der Sozialpsychologie. Ein wichtiges Prinzip ist das der Ähnlichkeitsattraktion, welches besagt, dass es wahrscheinlicher ist, dass ein Mensch vom anderen angezogen wird, je ähnlicher seine Einstellungen und Überzeugungen zu ihm sind. Eine höhere Konvergenz mit der sozialen Identität des Gesprächspartners kann zu einer höheren Anziehung seinerseits führen. Je größer die soziale Anerkennung innerhalb einer Konversation ausfallen soll, desto mehr wird ein Individuum versuchen, soziale Konvergenz herzustellen. Das Erleben von sozialer Ähnlichkeit führt insgesamt zu einer höheren wahrgenommenen Zufriedenheit, als wenn soziale Unterschiede erlebt werden [Giles/Smith 1979, S. 47–48].

2.5 Bisherige Arbeiten

Boote und Beile (2005) spezifizieren Kriterien eines Literaturstudie [Boote/Beile 2005, S. 7] und vom Brocke et al. (2009) betonen die Notwendigkeit einer umfassenden Dokumentation der Literaturrecherche [vom Brocke et al. 2009, S. 1]. Eine Sichtung der relevanten Literatur ergab eine Reihe von Treffern zu Literaturstudien, die sich mit der Forschung zu Chatbots auseinandersetzen und welche die oben genannten Merkmale aufweisen. Davon hat jedoch nur eine Arbeit einen Fokus auf soziale Charakteristika beim Design von Chatbots. In dieser Arbeit entwickeln Chaves und Gerosa (2020) ein konzeptuelles Modell zur Darstellung von sozialen Merkmalen eines Chatbots [Chaves/Gerosa 2020, S. 1]. Radziwill und Benton (2017) klassifizieren in ihrer Literaturstudie Qualitätsprobleme von Chatbots und zeigen Möglichkeiten zur Qualitätssicherung auf [Radziwill/Benton 2017, S. 40]. Meyer von Wolff et al. (2019) geben einen ersten Forschungsüberblick für Chatbots im Kontext des „Digital Workplace“, indem sie bisherige Arbeiten klassifizieren und in ein Gesamtbild fügen sowie offene Forschungsfragen herausstellen [Meyer von Wolff et al. 2019, S. 1]. Darüber hinaus existieren eine Reihe an Arbeiten, die einen literarischen Überblick über die Anwendung von Chatbots in unterschiedlichen Bereichen der Praxis schaffen. Nennenswert sind Beiträge im Bereich des E-Commerce [Nuruzzaman/Hussain 2018], des Tourismus [Calvaresi et al. 2021], des Gesundheitswesens [Rosruen/Samanchuen 2018; Bhirud et al. 2019; Fadhil/Schiavo 2019; Vaidyam et al. 2019; Gentner et al. 2020] und des Bildungswesens [Winkler/Söllner 2018; Hobert 2019; Pérez et al. 2020].

3. Methodisches Vorgehen

Dieses Kapitel beschreibt den methodischen Ansatz der in dieser Arbeit durchgeführten Literaturstudie. Kapitel 3.1 gibt eine Übersicht über die Eigenschaften und Ziele einer Literaturstudie. Die Struktur des Rechercheprozesses wird nach der Taxonomie von Cooper (1988) beschrieben. Kapitel 3.2 enthält die detaillierte Beschreibung des Vorgehens nach vom Brocke et al. (2009) und der Ergebnisse der Literaturrecherche sowie die Auswahlkriterien, die zum Erreichen der finalen Menge von zu betrachtenden Artikeln angesetzt wurde. Abschließend beschreibt Kapitel 3.3 den systematischen Prozess der Synthese der Literatur nach den Vorgaben einer qualitativen Inhaltsanalyse nach Mayring (2009).

3.1 Konzept der Literaturstudie

Die Struktur dieser Literaturstudie basiert auf Kitchenham/Charters (2007) und Webster/Watson (2002) sowie auf vom Brocke et al. (2009) insbesondere für die Suche nach Literatur. Alle drei Artikel haben bedeutende Beiträge in der Disziplin der Literaturstudien geleistet, was sich unter anderem an der Häufigkeit ihrer Zitationen erkennen lässt. So wurden Webster und Watson (2002) nach Google Scholar bereits mehr als 7000-mal zitiert. Bevor auf die Wahl der Durchführung einer Literaturstudie eingegangen wird, werden im Folgenden die Ziele und Merkmale von Literaturstudien im Allgemeinen beschrieben.

Nach Kitchenham/Charters (2007) ist eine (systematische) Literaturstudie in Mittel zur Identifizierung, Auswertung und Interpretation aller verfügbaren Forschungsergebnisse, die für eine bestimmte Forschungsfrage, ein Themengebiet oder ein Phänomen von Interesse sind [Kitchenham/Charters 2007, S. 3]. Das Ziel ist die Unterstützung des Fortschritts in einem bestimmten Forschungsfeld, weswegen sie ein entscheidender Teil jedes akademischen Projektes ist [Webster/Watson 2002, S. 13]. In Bezug auf Kitchenham/Charters (2007) stuft Okoli (2015) den Term „systematisch“ als qualitative Aussage darüber ein, wie systematisch eine Literaturstudie durchgeführt wurde. Dies vermeidet die (in Teilen künstliche) Unterscheidung zwischen systematischen und nichtsystematischen Literaturstudien [Okoli 2015, S. 887]. Obwohl dieser Arbeit durchaus ein System zugrunde liegt und man sie damit als systematisch bezeichnen könnte, wird sie mit dem Kenntnisstand eines Studenten der Wirtschaftsinformatik verfasst und unterliegt damit Limitationen, wie in Kapitel 5 genauer beschrieben wird.

Webster/Watson (2002) erläutern die besondere Bedeutung von Literaturstudien für die Wirtschaftsinformatik als interdisziplinäres und relativ junges Fachgebiet, nennen aber auch das Problem, dass nur wenige Wissenschaftler der Wirtschaftsinformatik mit der Strukturierung einer Literaturstudie vertraut sind [Webster/Watson 2002, S. 13–14]. Okoli (2015) vertritt diese Haltung sogar noch dreizehn Jahre später [Okoli 2015, S. 880]. Dies ist problematisch, denn nach Richard Hamming, Gewinner des ACM Turing Awards 1968, sind Literaturstudien der Schlüssel dazu, „ auf den Schultern von Riesen“ [Hamming 1968, S. 10] zu stehen. Nach seiner Aussage stehe die Forschung der Informatik sich stattdessen gegenseitig auf den Füßen. So sei das zentrale Problem der Informatik die Frage, wie sich auf die Arbeit anderer aufbauen lässt, anstatt vieles davon auf eine andere Art und Weise erneut zu tun. Wissenschaft solle kumulativ sein, nicht eine endlose Vervielfältigung der gleichen Art von Dingen [Hamming 1968, S. 10].

[...]

---

¹ Grice prägte für diesen Sachverhalt den Begriff „Implication“ als Bezeichnung für etwas, das vom Sprecher nicht direkt gesagt, sondern dem Hörer nur indirekt angedeutet wird [Davies 2007, S. 2311]

• Universidad: University of Regensburg (Wirtschaftswissenschaften)
• Calificación: 1,3
• Autor: Jonas Probst (Autor)
• Año de publicación: 2021
• Páginas: 85
• No. de catálogo: V1132001
• ISBN (Ebook): 9783346504463
• ISBN (Libro): 9783346504470
• Idioma: Alemán
• Etiqueta: Chatbots, Kultur, Conversational Agents, Design Science