Akzeptanz von Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home

Eine quantitative Analyse mit Hilfe von PLS (Partial Least Squares)

Tesis de Máster , 2017 , 92 Páginas , Calificación: 1,5

Medios / Comunicación - Multimedia, internet, nuevas tecnologías

Viele Menschen sind technischen Innovationen gegenüber positiv eingestellt. In dieser Arbeit wird die Akzeptanz der Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home untersucht. Es geht darum, ein elektronisches intelligentes Gerät, das mithören und Dinge eigenständig erledigen kann, an einem intimen Ort zu installieren. Es wirkt fast so, als würde man ein neues Familienmitglied aufnehmen, es in vertraute Informationen einweihen und es lernen lassen. Mit Blick auf die Cyberkriminalität des 20. Jahrhunderts dürfte dies für den einen oder anderen Nutzer ein Grund sein, sich die Sache vorerst aus der Ferne anzusehen. Im Wettlauf mit der Konkurrenz nimmt sich kein Anbieter die Zeit, auf technische Standards zu warten. Aus diesem Grund sind bisher viele Geräte untereinander nicht kompatibel und Hacker haben leichtes Spiel. Es bestehen in sich geschlossene Systeme, sogenannte Insellösungen. Eine weitere Herausforderung für die Entwickler ist der Umgang mit der Akzeptanz der Nutzer. Je menschenähnlicher die Geräte werden, desto weniger akzeptieren sie das Gerät. Forscher beschreiben dieses Phänomen als Uncanny Valley (unheimliches Tal). Erst wenn die Imitation perfekt ist, steigt die Akzeptanz wieder an. Dies wiederum erzeugt weitere Herausforderungen, denn es besteht die Gefahr, dass man von den Geräten zu viel erwartet.

Wie weit sind die Deutschen, wenn es um Sprachassistenten und die Steuerung ihrer heimischen Geräte geht? Die Gestaltung eines Sprachassistenten und der Einzug in das private Zuhause sind nicht unbedingt einfach. Eine Reihe von Faktoren haben einen direkten oder indirekten, positiven oder negativen Einfluss auf die Akzeptanz von Sprachassistenten. Für alle beteiligten Unternehmen ist somit die Analyse des Einflusses auf die Akzeptanz von Sprachassistenten der entscheidende Faktor für den Erfolg. Des Weiteren stellt sich die Frage, ob Unterschiede zwischen stationären und mobilen Sprachassistenten hinsichtlich der Akzeptanzbildung zur Steuerung vernetzter Geräte im Smart Home bestehen.

Inhaltsverzeichnis

Tabellen Verzeichnis

Abkürzungsverzeichnis

1. Einleitung
1.1 Problemstellung
1.2 Relevanz für die Praxis
1.3 Zielsetzung und Gang der Arbeit

2. Theoretische Grundlagen
2.1 Definitionen
2.1.1 Sprachassistent
2.1.2 Smart Home
2.1.3 Akzeptanz
2.2 Stand der Forschung
2.2.1 Erkenntnisse bisheriger Untersuchungen
2.2.2 Defizite bisheriger Untersuchungen
2.3 Hypothesenentwicklung
2.4 Operationalisierung

3. Empirische Untersuchung
3.1 Design der Studie
3.2 Vorgeschaltete Analyse
3.3 Messmodell / Beurteilung
3.4 Strukturmodell
3.5 Multi Group Analyse

4. Handlungsempfehlungen

5. Zusammenfassung und Ausblick

Literaturverzeichnis

Anhang

Abbildungsverzeichnis

Abbildung 1: iPhone 7 mit Siri

Abbildung 2: Amazon Echo

Abbildung 3: Prognose Umsatz Spracherkennung weltweit

Abbildung 4: Prognose Umsatz Smart Home

Abbildung 5: TAM Modell 1

Abbildung 6: TAM Modell 2

Abbildung 7: TAM Modell 3

Abbildung 8: TAM Zusammenfassung

Abbildung 9: TAM Mobiltelefon

Abbildung 10: Mobile Phone Technology Acceptance Model

Abbildung 11: Sprachassistenten in der Öffentlichkeit

Abbildung 12: TAM für mobile Dienste

Abbildung 13: Smartphone Technologie in aufstrebenden Regionen

Abbildung 14: Mobile Services Acceptance Model

Abbildung 15: Erweiterung des TAM

Abbildung 16: TAM für Mobile Services

Abbildung 17: Personal Computing

Abbildung 18: Modifiziertes TAM-Modell

Tabellenverzeichnis

Tabelle 1: Zusammenfassende Übersicht der Literatur

Tabelle 2: Operationalisierung

Tabelle 3: Vorgeschaltete Analysen

Tabelle 4: Messmodell - Reliabilität

Tabelle 5: Messmodell - Gütequalität des formativen Messmodells

Tabelle 6: Messmodell - konvergente Validität reflektiver Konstrukte

Tabelle 7: Messmodell - Diskriminante Validität

Tabelle 8: Strukturmodell - R2 und R2 korr der endogenen Variablen

Tabelle 9: Strukturmodell - Übersicht Pfadkoeffizienten des Modells

Tabelle 10: Strukturmodell - Effektgrößen latenter Variablen

Tabelle 11: Multi Group Analyse

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

1.1 Problemstellung

Als in den 90ern Captain Picard mit dem Bordcomputer des Raumschiffs Enterprise sprach, wirkte es sehr innovativ. Durch das Weltall fliegen und dabei mit einem Com­puter sprechen, das war für viele Science-Fiction-Fans ein Traum, der weit entfernt in der Zukunft lag. Amazon-Chef Jeff Bezos hatte genau diese Vision, diesen Traum in die Wirklichkeit zu verwandeln.^[1] Künstliche Intelligenz in die Wohnzimmer der Menschen zu bringen. Digitale Assistenten unterstützen den Menschen bei ihrem Tagesablauf, um das Leben noch einfacher und angenehmer zu gestalten. Immer um uns herum haben wir einen unsichtbaren Diener, der Fragen beantwortet und Aufgaben erledigt. Der Computer, das Smartphone und das Tablet sind alles Geräte, die nicht mehr wegzuden­ken sind und mit denen wir uns von Kindesalter an bis ins hohe Alter beschäftigen. Un­ser Wissen ist größtenteils digitalisiert, nahezu jeder ist in Deutschland online, die Da­tenübertragung wird immer schneller und Gegenstände wie Rollläden oder Lampen werden in Zukunft in immer mehr Wohnungen vernetzt sein. Die Internetriesen Ama­zon, Apple, Facebook, Microsoft und Google setzen auf die Zukunft der Sprachassisten- ten. Mit ihnen sollen all jene Dinge per Sprachbefehl erledigt werden können.^[2]

Viele Menschen sind technischen Innovationen gegenüber positiv eingestellt. In dieser Arbeit wird die Akzeptanz der Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home untersucht. Es geht darum, ein elektronisches intelligentes Gerät, das mit­hören und Dinge eigenständig erledigen kann, an einem intimen Ort zu installieren. Es wirkt fast so, als würde man ein neues Familienmitglied aufnehmen, es in vertraute In­formationen einweihen und es lernen lassen. Mit Blick auf die Cyberkriminalität des 20. Jahrhunderts dürfte dies für den einen oder anderen Nutzer ein Grund sein, sich die Sa­che vorerst aus der Ferne anzusehen. Im Wettlauf mit der Konkurrenz nimmt sich kein Anbieter die Zeit, auf technische Standards zu warten. Aus diesem Grund sind bisher viele Geräte untereinander nicht kompatibel und Hacker haben leichtes Spiel.^[3] Es beste­hen in sich geschlossene Systeme, sogenannte Insellösungen.^[4] Eine weitere Herausfor­derung für die Entwickler ist der Umgang mit der Akzeptanz der Nutzer. Je menschen­ähnlicher die Geräte werden, desto weniger akzeptieren sie das Gerät. Forscher be­schreiben dieses Phänomen als Uncanny Valley (unheimliches Tal). Erst wenn die Imi­tation perfekt ist, steigt die Akzeptanz wieder an. Dies wiederum erzeugt weitere Her­ausforderungen, denn es besteht die Gefahr, dass man von den Geräten zu viel erwartet.^[5]

Wie weit sind die Deutschen, wenn es um Sprachassistenten und die Steuerung ihrer heimischen Geräte geht? Die Gestaltung eines Sprachassistenten und der Einzug in das private Zuhause sind nicht unbedingt einfach. Eine Reihe von Faktoren haben einen direkten oder indirekten, positiven oder negativen Einfluss auf die Akzeptanz von Sprachassistenten. Für alle beteiligten Unternehmen ist somit die Analyse des Einflus­ses auf die Akzeptanz von Sprachassistenten der entscheidende Faktor für den Erfolg. Des Weiteren stellt sich die Frage, ob Unterschiede zwischen stationären und mobilen Sprachassistenten hinsichtlich der Akzeptanzbildung zur Steuerung vernetzter Geräte im Smart Home bestehen.

Dieser Sachverhalt beschreibt den Kern dieser Arbeit. Sprachassistenten existieren auf dem Smartphone, wie zum Beispiel Apples Siri, oder als stationäre Variante, wie sie Amazon mit Echo entwickelt hat. Sie haben das Ziel, das Leben einfacher und ange­nehmer zu machen.

1.2 Relevanz für die Praxis

Viele Experten sind davon überzeugt, dass digitale Assistenten den Umgang mit Com­putern revolutionieren und einen neuen Milliardenmarkt erschaffen werden. Microsoft- Chef Satya Nadella ist der Meinung, dass Bots die neuen Apps sind. Unter Bots versteht man autonome Programme. Derzeit gibt es schätzungsweise 100 Milliarden Apps, die es nun gilt auf Bot-Plattformen zu bündeln. Wer dies als Erster schafft, setzt Standards, wie wir unseren Alltag mit künstlicher Intelligenz steuern werden, und er könnte zum Alleinherrscher aufsteigen. Und das Unternehmen entscheidet darüber, wer in die Wohnzimmer einzieht und wer nicht. Denn Amazon & Co. filtern, welche Dienste auf ihren Bot-Plattformen genutzt werden können. Apple, Facebook, Samsung, Google, Amazon und Microsoft, alle arbeiten akribisch an ähnlichen Diensten.^[6] Den Verbrau­chern fällt es hingegen immer schwerer, ihr Eigenheim nicht zu vernetzen. Wer heute einen Fernseher kauft, hat die Vernetzung gleich eingebaut. In Zukunft werden nahezu alle Haushaltsgeräte vernetzt sein.^[7] Es wird prognostiziert, dass bis zum Jahr 2020 mehr als die Hälfte der Hausgeräte vernetzt sein werden.^[8]

Am 26. Oktober 2016 legte Amazon vor und brachte Amazon Echo mit dem Sprachas- sistenten Alexa auf den deutschen Markt. Damit ist Amazon in der Lage, das Machtge­füge in der Welt zwischen den Technikgiganten neu auszutarieren. Im März 2017 stellte Samsung das Smartphone Galaxy S8 vor, welches einen eigenen Sprachassistenten na­mens Bixby besitzt. Das Besondere daran ist, dass auf dem Smartphone ebenfalls der Google Assistant installiert ist. Der Nutzer kann sich entscheiden, welchen Sprachassis- tenten er nutzen möchte.^[9] Google hat auf dem Mobile World Congress 2017 in Barcelona angekündigt, seinen Google Assistant auch für andere Hersteller freizugeben, die das Google Betriebssystem Android einsetzen. Mit diesem Schritt werden Sprachas- sistenten auf Smartphones zur Regel, denn auf mehr als acht von zehn Smartphones läuft Android. Weitere 18 Prozent sind iPhones, auf denen Siri installiert ist.^[10] Auch Apple hat für 2018 in Deutschland eine sprechende Box namens Homepod angekün­digt.^[11]

Allein der Markt für die smarten Boxen, wie Amazon Echo, wird im Jahr 2020 weltweit auf 2,6 Milliarden Dollar geschätzt. Den durch den Verkauf von Apps erzielten Umsatz von 40 Milliarden Dollar dürfte die Branche der digitalen Assistenten weit überstei- 12 gen.^[12]

Ein großes Thema dürfte hierbei die Sicherheit des Eigenheims sein. Experten sagen, dass 40 Prozent der Einbrüche in Deutschland mit intelligenter Sicherheitstechnik ver­meidbar wären.^[13] Außerdem können Brand- und Wasserschäden früher erkannt wer­den.^[14] Auch für das Wohnen im Alter spielt Smart Home eine große Rolle. Wohnungs­gesellschaften müssen sich angesichts der alternden Bewohnerschaft darum bemühen, ihre Mieter so lange wie möglich zu halten. Smarte Assistenzsysteme helfen, dass alte Menschen länger in den eigenen vier Wänden wohnen können.^[15] Darüber hinaus sollen Sprachassistenten, die Geräte im Smart Home steuern, das Leben bequemer, umwelt­freundlicher und gesünder machen.^[16]

Bedenken der potentiellen Nutzer sind vorhanden und legitim, denn niemand möchte einen Spion im Hause haben, der alle Gespräche aufzeichnet. So war das Thema Smart Home Hauptthema auf dem Safer Internet Day 2017 des Bundesministeriums der Justiz und für Verbraucherschutz und dem Bitkom.^[17] Eine Umfrage ergab, dass 56 Prozent der befragten Deutschen der Meinung sind, dass das digitale Leben unsicherer wird. 69 Prozent denken, dass es sie gläsern mache.^[18]

1.3 Zielsetzung und Gang der Arbeit

Die Arbeit verfolgt folgende Kernfragen, um detaillierte Informationen über die Akzep­tanz von Sprachassistenten zu gewinnen:

- Ist das entwickelte Untersuchungsmodell zur Messung der Akzeptanz von Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home geeignet?
- Welche Faktoren beeinflussen die Akzeptanz von Sprachassistenten zur Steue­rung vernetzter Geräte im Smart Home?
- Bestehen Unterschiede bei der Akzeptanz von Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home zwischen stationären und mobilen Sprachas- sistenten?

Auf Basis dieser Zielsetzungen ergibt sich folgender Ablauf für die Arbeit:

In Kapitel 2.1 werden zu Beginn der theoretischen Grundlangen die zentralen Begriffe Sprachassistent, Smart Home und Akzeptanz definiert.

Darauf aufbauend wird in Kapitel 2.2 auf den aktuellen Stand der Forschung, bezogen auf die Akzeptanzforschung und die Erforschung der Sprachassistenten, eingegangen. Das auf dieser Arbeit basierende Technologie Akzeptanz Modell (TAM) von Davis sowie dessen Erweiterungen werden an dieser Stelle detailliert erläutert. Ebenfalls be­schrieben werden die Defizite der bisherigen Untersuchungen.

Auf Grundlage des TAM-Modells von Davis sowie dem bisherigen Stand der For­schung wurde ein individuelles Forschungsmodell aufgestellt, welches die Akzeptanz von Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home messen soll. Das Forschungsmodell wird in Kapitel 2.3 visualisiert und es werden Hypothesen abge­leitet. Die Konstrukte und dessen Beziehungen werden in diesem Kapitel definiert und begründet.

Zum Ende des theoretischen Teils werden die latenten Variablen in Kapitel 2.4 operati- onalisiert, um diese in einer empirischen Untersuchung messbar zu machen.

Zu Beginn der empirischen Untersuchung wird in Kapitel 3.1 das Design der Studie, welche die Erläuterung des Fragebogens sowie die Vor- und Nachteile dieser Methode beinhaltet, vorgestellt. In Kapitel 3.2 wird mit den vorgeschalteten Analysen die Aus­wertung der Datensätze aus den ausgefüllten Fragebögen begonnen.

In Kapitel 3.3 und 3.4 werden zwei Kernfragen dieser Arbeit untersucht. Zum einen geht es um die Beurteilung des Messmodells sowie um die Beurteilung des Strukturmo­dells. Basierend auf dem Datenbestand und mit Unterstützung konkreter Analysen der PLS-Methode wird untersucht, ob sich das Forschungsmodell für die Messung der Ak­zeptanz von Sprachassistenten zur Steuerung vernetzter Geräte im Smart Home eignet und welche Faktoren Einfluss auf die Akzeptanz haben.

In Kapitel 3.5 wird mit Hilfe einer Multi-Group-Analyse die dritte Kernfrage hinsicht­lich der Unterschiede zwischen stationären und mobilen Sprachassistenten behandelt.

Auf Basis der Erkenntnisse aus den vorherigen Untersuchungen werden in Kapitel 4 die Handlungsempfehlungen sowie Implikationen für Forschung und Praxis genannt. Im letzten Kapitel 5 erfolgen zum Abschluss eine Zusammenfassung und ein Ausblick.

2. Theoretische Grundlagen

2.1 Definitionen

2.1.1 Sprachassistent

Ein Sprachassistent, auch Intelligenter Persönlicher Assistent (IPA) genannt, ist eine Software, die auf Zuruf Befehle ausführt und Fragen beantworten kann.^[19] Sie ist auf vielen Smartphones, beispielsweise auf dem iPhone (Siri), installiert und existiert auf stationären Geräten, wie dem Amazon Echo (Alexa). Beide Sprachassistenten arbeiten ähnlich. Sie verarbeiten Sprachbefehle und greifen im Hintergrund auf Apps und Onli­nedienste zu. Innerhalb kurzer Zeit gibt der Sprachassistent die Antwort auf die Frage in natürlicher Sprache aus oder setzt die Befehle um. Auf Basis der Informationsbedürf­nisse seiner Nutzer und anhand der von ihnen wiederholten Begriffen oder thematischen Assoziationen ist der Sprachassistent in der Lage, laufend dazu zu lernen.^[20]

Als ein Vorläufer von Sprachassistenten gilt das Computerprogramm ELIZA, geschrie­ben 1966 von Joseph Weizenbaum. Es erstellt auf Basis von Aussagen des Benutzers passende Rückfragen oder formuliert, wenn es Schlüsselwörter erkennt, Aussage- und Imperativsätze.^[21]

Bis zur Marktreife dauerte die Entwicklung von Siri acht Jahre. Die Vision entstand im Jahr 2003, als das Mobiltelefon kaum mehr konnte, als Klingeltöne abzuspielen und Kurznachrichten zu versenden. Das Stanford Research Institute (SRI), gegründet im Jahr 1946, hatte früh das Marktpotential des Sprachassistenten gesehen und mit der Entwicklung begonnen. Auf der Suche nach Investoren aus der Telekommunikations­branche traf das Projekt auf wenig Zustimmung. Die Technologie sei 20 Jahre entfernt, die Entwicklung sei zu teuer und gehöre nicht zu dem Businessmodell, waren die Ab­lehnungsgründe. Es würde nur eine kurze Zeit für die Forscher zur Verfügung stehen, bevor ihnen das Geld ausgehen würde. Schließlich fanden sich Kapitalgeber, die insge­samt 8,5 Millionen Dollar zur Verfügung stellten. Im November 2009 war es so weit. Siri konnte von einem begrenzten Teilnehmerkreis getestet und weiterentwickelt wer­den. Anfang 2010 wurde Siri im Apple Store angeboten und stieg schnell unter die Top 50 Apps auf. Zwei Wochen später rief Steve Jobs bei SRI an. Nach einigen Verhand­lungen wurde Siri an Apple verkauft und am 4. Oktober 2011 zur Vorstellung des iPho­ne 4S als neues Feature des iPhone 4S vorgestellt. Einen Tag später starb Steve Jobs.^[22]

Abbildung 1: iPhone 7 mit Siri

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Im September 2014 folgte Amazon in den USA mit Amazon Echo. Zuerst stand das Gerät nur ausgewählten Nutzern zur Verfügung, die das Feintuning übernahmen. Nach einem halben Jahr war die Box für alle erhältlich. Im Oktober 2016 zog Amazon Echo auch in deutsche Wohnzimmer ein. Zunächst war die Box, wie in den USA, nur für ei­nen ausgewählten Teilnehmerkreis erhältlich. Nach einem Jahr konnte jedermann Ama­zon Echo kaufen. In Amazon Echo arbeitet der Sprachassistent mit dem Namen Alexa. Der Name ist zurückzuführen auf die berühmte Bibliothek von Alexandria, die das ge­samte Wissen der antiken Zeit sammeln sollte. Genauso soll Alexa die Informationen und Dienstleistungen des digitalen Zeitalters erschließen. Amazon Echo gibt es in zwei Formaten: Die große Box kostet 179,99 € und besitzt einen Zwei-Wege-Lautsprecher. Das kompaktere Echo Dot kostet 59,99 €. Sie verfügen über eine Spracherkennung, die über mehrere Meter Entfernung funktioniert. Nach den Signalwörtem „Alexa“ oder „Echo“ nimmt das System über das WLAN Kontakt mit dem Rechenzentrum auf und gibt die Antwort zurück. Amazon Echo kann beispielsweise ein Taxi bestellen, das Wetter Voraussagen sowie Lampen, Fernseher und die Heizung im Haus steuern.^[23] Mit

Hilfe von künstlicher Intelligenz lernt Alexa stetig dazu. Der Erfolg von Alexa zeigt sich auch anhand der Gerätehersteller. Im Januar 2017 zählte Amazon 700 Ankündi­gungen, Alexa in ihren eigenen Produkten einzubauen. Erste Kooperationen existieren bereits. So hat Huawei in den USA das Smartphone Mate 9 mit Alexa ausgestattet. Auch Lenovo zeigt Interesse, Alexa auf dessen Smartphones zu installieren. Darüber hinaus ist eine Installation in Autos denkbar. Eine breite Masse an Nutzern ist für Ama­zon gut. Je mehr Menschen den Sprachassistenten nutzen, desto schlauer wird dieser.^[24] Alles, was man Alexa sagt, wird auf einem Server gespeichert und von Amazon ausge­wertet. Das ist für Amazon ein gewaltiger Vorteil, den Marktforschungsinstitute in die­ser Form meist nicht haben.^[25] Jenseits der Hardware gibt es unzählige Möglichkeiten, wie ein Sprachassistent das Leben leichter machen kann. Drittanbieter können soge­nannte Skills programmieren, die wiederum von dem Sprachassistenten auf Befehl ab­gerufen werden. Beispiele hierfür sind der Kalender für die Abfallabholung oder ein Skill, der einem beantwortet, wo sich sein DHL-Paket gerade befindet.^[26] Auch Liefe- rando bietet einen Bestellservice über Amazon Alexa an. Die Kunden definieren im Vorwege drei Lieblingsgerichte, die dann per Sprachbefehl von Alexa bestellt werden.^[27] Technikprofis haben es bereits geschafft, dass Besitzer eines Tesla den Wagen per Sprachbefehl aus der Garage rollen lassen können.^[28] Um den smarten Lautsprecher in Deutschland bekannter zu machen, hat Amazon 15 TV-Spots entwickelt, die mit witzi­gen Alltagssituationen die Vorteile der Assistentin Alexa veranschaulichen.^[29]

Der weltweit erzielte Umsatz mit Sprachassistenten ist erfolgversprechend. Im Jahr 2016 lag der Umsatz bei 830 Millionen Dollar. Im Jahr 2020 wird der Umsatz auf das Dreifache, das ergibt 2.450 Millionen Dollar, prognostiziert. In den Folgejahren soll der Umsatz rapide ansteigen. Im Jahr 2024 beträgt dieser voraussichtlich 7.125 Millionen Dollar.^[30]

Abbildung 2: Amazon Echo

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Abbildung in Anlehnung an Statista, Umsatz Spracherkennung, 2016, o. S.

Auch die Anzahl der Nutzer steigt stetig. Im Jahr 2016 nutzen bereits 504 Millionen Menschen weltweit digitale Assistenten. Im Jahr 2020 wird prognostiziert, dass über 1.600 Millionen Menschen Sprachassistenten nutzen werden.^[31]

2.1.2 Smart Home

Mit dem Begriff Smart Home ist die Kommunikation von bestimmten technischen Komponenten innerhalb eines Hauses oder einer Wohnung gemeint. Diese ermöglicht dem Bewohner beispielsweise Haushaltsgeräte, Internet- und Kommunikationsgeräte und Audio- und Multimediaplayer sowie fest eingebaute Haustechnik von zentraler Stelle oder aus der Ferne zu steuern. So kann zum Beispiel die Überwachung der Ein­gangstür, der Rollläden oder Heizkörperventile mit Hilfe einer Applikation kontrolliert und gesteuert werden. Steuerbar sind die vernetzten Geräte beispielsweise über den Sprachassistenten Siri des iPhones oder über Amazons Echo Alexa. Ziel der Vernetzung ist eine Erhöhung der Lebens- und Wohnqualität, der Betriebs- und Einbruchsicherheit und der Energieeffizienz.^[32] Interessant werden Smart Home-Geräte in Verbindung mit einem Sprachassistenten. Der kann in diesem Fall als Steuerungseinheit fungieren.^[33]

Die Vernetzung von technischen Komponenten findet in sechs Bereichen statt:

- Umwelt (Heizen, Wasser, Beleuchtung, Energiemanagement)
- Sicherheit (Alarm, Bewegungsmelder,)
- Entertainment (TV, Musik, Internet)
- Haushaltsgeräte (Kochen, Reinigung, Wartungsmeldungen)
- Information und Kommunikation (Telefon, Internet)
- Gesundheit (Notrufsystem, Heimhilfe)

Genauso wie Sprachassistenten haben Smart Home Lösungen ein enormes Wachstums­potential. Im Jahr 2016 lag der Umsatz bei 15.150 Millionen Euro weltweit. Im Jahr 2020 liegt der Umsatz schätzungsweise bei 57.991 Millionen Euro (+383 Prozent).^[34]

Abbildung 4: Prognose Umsatz Smart Home

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Abbildung in Anlehnung an Štatista, Statista Digital Market Outlook, 2016, o. S.

2.1.3 Akzeptanz

Der Begriff Akzeptanz wurde im Jahre 1980 erstmals als eigenständiger Eintrag in den Duden aufgenommen.^[35] Doch bereits seit 1960 wurde der Begriff Akzeptanz häufig zur Erklärung eines Erfolges oder Misserfolges einer technologischen Innovation herange- zogen.^[36] Die Akzeptanz kann als zustimmendes Hinnehmen oder Bejahen des Anneh­mens einer Situation, einer Person oder eines Objektes verstanden werden.^[37]

Akzeptanzverständnis nach Kollmann:

„Akzeptanz ist die Verknüpfung einer inneren rationalen Begutachtung und Erwar­tungsbildung (Einstellungsebene), einer Übernahme der Nutzungsinnovation (Hand­lungsebene) und einer freiwilligen problemorientierten Nutzung (Nutzungsebene).“^[38]

Basierend auf den bis zum Jahr 1998 entwickelten Konzepten stellte Kollmann drei Phasen des Akzeptanzprozesses auf:^[39]

- Einstellungsphase: Wert- und Zielvorstellungen des Konsumenten werden ver­knüpft mit der rationalen Handlungsbereitschaft. Diese resultiert aus Vor- und Nachteilen des kognitiven Wissens sowie aus den Erwartungen des Konsumen­ten.
- Handlungsphase: Die aktive Umsetzung einer rationalen Handlungsbereitschaft in eine konkrete Handlung.
- Nutzungsphase: Die Transformation einer durchgeführten Handlung in eine freiwillige, konkrete und aufgabenbezogene Nutzung (Verhalten).

Im Laufe der Zeit haben sich verschiedene Modelle zur Messung der Akzeptanz entwi­ckelt. Von besonderer Relevanz ist und als Grundlage für diese Arbeit dient das Tech­nologie Akzeptanz Modell (TAM) von Davis^[40] aus dem Jahr 1986 und dessen Erweite­rungen TAM 2^[41] und TAM 3^[42]. Das Technologie Akzeptanz Modell sowie die Erweite­rungen werden im folgenden Kapitel 2.2.1 dargestellt und näher beschrieben.

2.2 Stand der Forschung

2.2.1 Erkenntnisse bisheriger Untersuchungen

Im Laufe der Jahre wurden viele Studien zur Akzeptanzmessung von Informationstech­nologien aufgestellt. Häufig wird auf Basis des TAM-Modells ein erweitertes Modell entworfen, um die Fragestellung der jeweiligen Studie empirisch zu untersuchen. Eben­falls Anwendungen finden Studien auf Basis des TRA-Modells^[43], des UTAUT-

Modells^[44] oder des MOPTAM-Modells^[45]. Auch Meta-Analysen werden zur Akzeptanz­forschung herangezogen^[46]. Im Folgenden werden relevante Studien beschrieben und in Form einer tabellarischen Übersicht dargestellt.

Das Technologie Akzeptanz Modell (TAM) hat sich als eines der beliebtesten Modelle zur Überprüfung der Akzeptanz technologischer Informationssysteme herausgestellt. Das Modell basiert auf Forschungsergebnissen der Dissertation von Davis im Jahr 1986. Angewendet und überprüft wurde das Modell durch Davis (1989).^[47] In dem Zeitraum 1989 bis 2003 wurde das Modell in 698 Artikeln zitiert. Dies hebt die besondere Bedeu­tung dieses Modells hervor.^[48] Es basiert auf der Grundlage des sozialpsychologischen Modells „Theory of Reasoned Action“ (TRA) von Fishbein und Ajzen (1975).^[49] Im Jahre 2000 wurde das TAM-Modell 2 von Venkatesh und Davis weiterentwickelt.^[50] Acht Jahre später schufen Venkatesh und Bala das TAM-Modell 3.^[51]

Haupteinflussfaktoren des TAM sind die Konstrukte wahrgenommene Nützlichkeit (Perceived Usefulness) und wahrgenommene einfache Bedienbarkeit (Perceived Ease of Use), die auf die Nutzungsabsicht (Intention to Use) und das Nutzungsverhalten (Usage Behavior) wirken. Der Zusammenhang zwischen einer Einstellung zu einem Verhalten und einer Einstellung auf eine Handlungsintention konnte Davis mehrfach in seinen Arbeiten bestätigen. Er fand heraus, dass ein Anwender eher dazu bereit ist, ein techno­logisches System zu nutzen, je höher der wahrgenommene Nutzen und je einfacher des­sen Bedienbarkeit empfunden wird.

Abbildung 5: TAM Modell 1

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung nach Davis, F. D., TAM, S. 985.

Auf Grundlage des TAM-Modells haben Vekatesh und Davis (2000) das TAM-Modell 2 entwickelt. In diesem erweiterten Modell werden die externen Stimuli (External Vari­ables) näher benannt. Hierzu zählen soziale und kognitive Einflussfaktoren als Determi­nanten der Akzeptanz, die auf den wahrgenommenen Nutzen und auf die Nutzungsein­stellung wirken. Zu den sozialen Einflussfaktoren zählen die Subjektive Norm, das Image und die Freiwilligkeit der Nutzung. Zu den kognitiven Einflussfaktoren zählen die Outputqualität, die Relevanz für den Beruf und die Nachweisbarkeit der Ergebnisse. In diesem Modell konnte nachgewiesen werden, dass die Antezedenzen die Akzeptanz signifikant beeinflussen.^[52]

Abbildung 6: TAM Modell 2

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung nach Venkatesh, V., Davis, F. D., TAM 2, S. 188.

Die dritte Erweiterung des TAM-Modells haben Venkatesh und Bala im Jahr 2008 auf­gestellt. Das TAM-Modell 3 beinhaltet zudem die Determinanten Anchoring (Veranke­rung) und Adjustment (Anpassung). In deren wissenschaftlichen Arbeit konnte empi­risch bestätigt werden, dass eine frühe Meinung über die Leichtigkeit der Nutzung mit der Einstellung der Person zu Computern und deren Nutzung in Zusammenhang steht.^[53]

Abbildung 7: TAM Modell 3

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung nach Venkatesh, V., Bala, H., TAM 3, S. 280.

Das Forschungsmodell von Vekatesh et al. (2003) hat innerhalb der Akzeptanzfor­schung ebenso eine herausragende Stellung. Die „Unified Theory of Acceptance and Use of Technology“ (UTAUT) zeichnet sich dadurch aus, dass die Konstrukte der acht beliebtesten Theorien kombiniert wurden. Hierzu zählen TRA, TPB, Diffusionstheorie, TAM, C-TAM-TPB, Motivational Model und Model of PC Utilization und Social Cognitive Theory. Dieses Modell betrachtet die vier Konstrukte erwarteter Nutzen (Per­formance Expectancy), erwarteter Aufwand (Effort Expectancy), soziale Einflüsse (Social Influence) und erleichternde Bedingungen (Facilitating Conditions) auf die De­terminanten Nutzungsabsicht (Behavioral Intention) und die tatsächliche Nutzung (Use Behavior). Die Moderatoren Geschlecht (Gender), Alter (Age), Erfahrung (Experience)
und Freiwilligkeit der Nutzung (Voluntariness of Use) wirken hierauf. Das UATUT besitzt wie das TAM eine hohe Aussagekraft der zentralen Konstrukte. Es übertrifft das Modell jedoch in der Prognose zur Nutzungsabsicht und der tatsächlichen Nutzung.^[54]

Abbildung 8: TAM Zusammenfassung Performance

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung nach Venkatesh, V. et al., TAM Zusammenfassung, 2003, S. 447.

Eine Studie von Kwon und Chidambaram (2000) hat Muster der Annahme von Mobilte­lefonen und Nutzung in einer städtischen Umgebung untersucht. 126 Teilnehmer wur­den nach ihren Nutzungsmustern, demografischen und sozioökonomischen Charakteris­tiken, Wahrnehmungen über die Technologie und ihre Motivation zur Nutzung von Mobiltelefonen befragt. Die Ergebnisse, die mit Hilfe eines erweiterten TAM-Modells ermittelt wurden, zeigen, dass die Wahrnehmungen der Nutzer signifikant mit ihrer Mo­tivation hinsichtlich der Nutzung von Mobiltelefonen zusammenhängen. Die wahrge­nommene Benutzerfreundlichkeit hat besonders Einfluss auf die intrinsische und extrin- sische Motivation. Es wurde ebenfalls festgestellt: je besorgter der Befragte gegenüber mobiler Technologie ist, desto geringer ist auch dessen intrinsische Motivation.^[55]

[...]

---

^[1] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 51.

^[2] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 52.

^[3] Vgl. Heuzertoth, T., Digitale Vernetzung, 2017, S. 34.

^[4] Vgl. Ochs, B., Smart Home, 2016, S. 63.

^[5] Vgl. Wolfnagel, E., Roboter erleichtern die Arbeit, 2016, S. 35.

^[6] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 51.

^[7] Vgl. Heuzertoth, T., Digitale Vernetzung, 2017, S. 34.

^[8] Vgl. o. V., Vernetzte Haushaltsgeräte, 2017, S. 19.

^[9] Vgl. Heuzeroth, T., Samsung Galaxy S8, 2017, S. 11.

^[10] Vgl. Heuzeroth, T., Googles künstliche Intelligenz, 2017, S. 12.

^[11] Vgl. Nagel, T. S., Vernetzte Boxen, 2017, S. 9.

^[12] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 52.

^[13] Vgl. Deutsche Versicherungswirtschaft, Einbruchreport, 2016, S. 11.

^[14] Vgl. Ohland, G., Smart Home, 2017, S. 6.

^[15] Vgl. Ochs, B., Smart Home, 2016, S. 63.

^[16] Vgl. Rohleder, B., Smart Home, 2017, S. 6.

^[17] Vgl. Heinemann, M., Heimvernetzung, 2017, S. 8.

^[18] Vgl. Heeg, T., IFA bewirbt Heimvernetzung, 2016, S. 22.

^[19] Vgl. Heinemann, M., Heimvernetzung, 2017, S. 8.

^[20] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 52.

^[21] Vgl. Bendel, O., Informationsethik, 2016, S. 60 f.

^[22] Vgl. Winarsky, N., Siri, 2015, S. 39 ff.

^[23] Vgl. Kuhn, T., Künstliche Intelligenz, 2016, S. 52.

^[24] Vgl. Heuzeroth, T., Googles künstliche Intelligenz, 2017, S. 12.

^[25] Vgl. Fuchs, T., Amazons Lautsprecher, 2017, S. 2.

^[26] Vgl. Nagel, T. S., Vernetzte Boxen, 2017, S. 9.

^[27] Vgl. Campillo-Lundbeck, S., Lieferando, 2017, S. 6.

^[28] Vgl. Fuchs, T., Amazons Lautsprecher, 2017, S. 3.

^[29] Vgl. Theobal, T., Alltag mit Alexa, 2017, S. 9.

^[30] Vgl. Statista, Umsatz Spracherkennung, 2016, o. S.

^[31] Vgl. Statista, Nutzer virtueller Assistenten, 2016, o. S.

^[32] Vgl. Bendel, O., Informationsethik, 2016, S. 201 f.

^[33] Vgl. Nagel, T. S., Vernetzte Boxen, 2017, S. 9.

^[34] Vgl. Statista, Smart Home, 2016, o. S.

^[35] Vgl. Luke, D., Akzeptanz, 1995, S. 46 ff.

^[36] Vgl. Rengelshausen, O., Akzeptanzmessung, 2000, S. 71 f.

^[37] Vgl. Pressmar, D. P., Akzeptanz von computergestützten Planungssystemen, 1982, S. 324.

^[38] Kollmann, T., Akzeptanz innovativer Nutzungsgüter, 1998, S. 69.

^[39] Vgl. Kollmann, T, Akzeptanz innovativer Nutzungsgüter, 1998, S. 67 ff.

^[40] Vgl. Davis, F. D. et al., TAM, S. 985.

^[41] Vgl. Venkatesh, V., Davis, F. D., TAM 2, S. 188.

^[42] Vgl. Venkatesh, V., Bala, H., TAM 3, S. 280.

^[43] Vgl. Ajzen, I., Fishbein, M., TRA, 1980, S. 5 ff.

^[44] Vgl. Venkatesh, V. et al., TAM Zusammenfassung, S. 447.

^[45] Vgl. Biljon, J., Kotze, P., MOPTAM, o. S.

^[46] Vgl. King, W. R., He, J., Meta-Analyse, S. 740 ff.

^[47] Vgl. Davis, F. D., TAM, 1989, S. 985.

^[48] Vgl. Lee, Y. et al., TAM Zählungen, S. 753.

^[49] Vgl. Ajzen, I., Fishbein, M., TRA, 1980, S. 5 ff.

^[50] Vgl. Venkatesh, V., Davis, F. D., TAM 2, S. 186 ff.

^[51] Vgl. Venkatesh, V., Bala, H., TAM 3, S. 273 ff.

^[52] Vgl. Venkatesh, V., Davis, F. D., TAM 2, S. 186 ff.

^[53] Vgl. Venkatesh, V., Bala, H, TAM 3, S. 273 ff.

^[54] Vgl. Venkatesh, V. et al., TAM Zusammenfassung, 2003, S. 447.

^[55] Vgl. Kwon, H. S., Chidambaram, L., TAM Mobiltelefon, S. 1 ff.

• Universidad: The FOM University of Applied Sciences, Hamburg
• Calificación: 1,5
• Autor: Fabian Sueße (Autor)
• Año de publicación: 2017
• Páginas: 92
• No. de catálogo: V378821
• ISBN (Ebook): 9783668659438
• ISBN (Libro): 9783668659445
• Idioma: Alemán
• Etiqueta: Sprachassistent, Siri, Alexa, Akzeptanz, Smart Home