Sind Kryptowährungen ein alternatives Zahlungsmittel? Eine Akzeptanzanalyse in den zehn umsatzstärksten digitalen Branchen in Deutschland

Master's Thesis , 2018 , 162 Pages , Grade: 1.4

Computer Sciences - Cryptocurrency

Diese Masterarbeit untersucht die Determinanten, die zur Akzeptanz oder Ablehnung von Kryptowährungen als Zahlungsmittelalternative innerhalb der zehn umsatzstärksten digitalen Branchen in Deutschland führen.

Kryptowährungen sind eine junge Innovation des Finanzsektors. Derzeit werden diese vor allem als Spekulationsobjekt betrachtet, obwohl ihnen das Potenzial zukommt, den Zahlungsverkehr zu revolutionieren. Damit Kryptowährungen aber auch als alternatives Zahlungsmittel genutzt werden, müssen diese akzeptiert werden. Die theoretische Grundlage der Forschung bildet das Technology Acceptance Model. Benötigte Daten werden mithilfe einer Online-Umfrage erhoben und mit der deskriptiven Statistik sowie der Partial-Least-Square Analyse ausgewertet.

Zu Beginn der Masterarbeit werden die notwendigen theoretischen Grundlagen von Kryptowährungen geschaffen. Dafür wird anfangs der Begriff Kryptowährung kurz definiert und anschließend der Bitcoin vorgestellt. Für eine bessere Verständlichkeit von Kryptowährungen wird am Beispiel einer Bitcoin-Transaktion die Funktionsweise beschrieben. Die zehn umsatzstärksten digitalen Branchen stellen den Kontext der Untersuchung dar und werden nachfolgend vorgestellt.
Im Anschluss folgt eine Einführung in die Akzeptanzforschung und es wird das hier zum Einsatz kommende theoretische Modell, das Technologie Acceptance Model, erläutert. Damit das Modell auf den Untersuchungsgegenstand anwendbar ist, wird im Anschluss daran, auf dessen Grundlage, ein eigenes Forschungsmodell entwickelt. Mithilfe des Forschungsmodells und somit auf Grundlage des Technologie Acceptance Model, werden Hypothesen abgeleitet. Nach Abschluss der Operationalisierung des Modells, wird das Forschungsdesign vorgestellt und das Erhebungsinstrument festgelegt. Hierfür wird eine Online- Umfrage entwickelt und der Aufbau dieser, wird im darauffolgenden Kapitel ausführlich skizziert. Um eine möglichst hohe Inhaltsvalidität zu gewährleisten, wird die Online-Umfrage zusätzlich durch Fachexperten validiert. Nachdem anschließend die Daten erhoben und bereinigt werden, sollen diese mithilfe der deskriptiven Statistik und der Partial-Least-Square Analyse ausgewertet werden. In diesem Kapitel sollen bereits die Hypothesen verifiziert oder widerlegt werden. Die Ergebnisse werden im Schlussteil der Masterarbeit interpretiert und diskutiert, um die Forschungsfrage beantworten zu können.

Inhaltsverzeichnis

Abstract

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung.
1.1 Forschungsfrage und -stand
1.2 Aufbau der Masterarbeit

2.1 Kryptowährungen
2.2 Bitcoin
2.3 Die Bitcoin-Transaktion
2.4 Die zehn umsatzstärksten digitalen Branchen in Deutschland

3 Die Akzeptanzforschung
3.1 Der Akzeptanzbegriff
3.2 Theory of Reasoned Action
3.3 Das Technology Acceptance Model

4 Das Forschungsmodell
4.1 Wahrgenommener Nutzen
4.2 Wahrgenommene Benutzerfreundlichkeit
4.3 Persönliche Innovationsbereitschaft
4.4 Wahrgenommenes Risiko

5 Methodische Vorgehensweise

6 Operationalisierung der Konstrukte
6.1 Indikatoren des Wahrgenommenen Nutzens
6.2 Indikatoren der Wahrgenommenen Benutzerfreundlichkeit
6.3 Indikatoren der persönlichen Innovationsbereitschaft
6.4 Indikatoren des Wahrgenommenen Risikos
6.5 Indikatoren der Nutzungsintention

7 Festlegung des Forschungsdesigns

8 Online-Umfrage
8.1 Aufbau der Online-Umfrage
8.2 Expertenvalidierung
8.3 Der Pretest
8.4 Datenerhebung

9 Forschungsergebnisse
9.1 Datenbereinigung und Invertierung
9.2 Stichprobe
9.3 Deskriptive Datenanalyse
9.4 Partial-Least-Square Analyse
9.4.1 Gütebeurteilung des Messmodells
9.4.2 Beurteilung des Strukturmodells
9.4.3 Überprüfung der Hypothesen

10 Diskussion und Interpretation
10.1 Persönliche Innovationsbereitschaft
10.2 Wahrgenommene Benutzerfreundlichkeit
10.3 Wahrgenommener Nutzen
10.4 Wahrgenommenes Risiko
10.5 Limitierungen

11 Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1:Digitale Branchen in Deutschland nach Umsatz in 2017

Abbildung 2:Forschungsmodell

Abbildung 3:Methodisches Vorgehensmodell

Abbildung 4:PLS-Pfadmodell am Beispiel des Forschungsmodells

Tabellenverzeichnis

Tabelle 1:Alter

Tabelle 2:Bildungsgrad

Tabelle 3:Deskriptive Analyse der Indikatoren 36

Tabelle 4:Digitale Branchen 38

Tabelle 5:Test zur Faktorreliabilität. 41

Tabelle 6:Bereinigter Test zur Konvergenzvalidität 43

Tabelle 7:Analyse des Hetero-Monotrait-Verhältnis ... 43

Tabelle 8:Pfadkoeffizienten und t-Test ... 46

Abkürzungsverzeichnis

Bzw ...Beziehungsweise EUR... Euro H1. Hypothese

Abbildung in dieser Leseprobe nicht enthalten

Abstract

Recently a new digital currency has entered the financial market: cryptocurrencies. Although they could have the potential to revolutionize the financial industry, they are considered as speculative objects. But in order to be used as an alternative currency it has to be accepted first by the majority of people. This master thesis is exploring the determinants that could lead to the acceptance of cryptocurrencies as a means of payment. In order to identify those, the ten top-selling digital industries in Germany will be examined. The theoretical basis of the research is based on the Technology Acceptance Model. The required data for the following analysis is collected through an online survey. Afterwards the data is evaluated by using descriptive statistics andpartial least squaresanalysis. This will verify the determinants influencing the acceptance. Furthermore, this thesis will have a look at the cryptocurrencies usability, learnability, fraud, privacy and delegation risks as well as independence from national financial system, price, volatility, anonymity and forgery to prove that these have a significant impact on the usage of cryptocurrencies as an alternative means of payment.

Kryptowährungen sind eine junge Innovation des Finanzsektors. Derzeit werden diese vor allem als Spekulationsobjekt betrachtet, obwohl ihnen das Potenzial inne liegt, den Zahlungsverkehr zu revolutionieren. Damit Kryptowährungen aber auch als alternatives Zahlungsmittel genutzt werden, müssen diese akzeptiert werden. Diese Masterarbeit untersucht die Determinanten, die zur Akzeptanz oder Ablehnung von Kryptowährungen als Zahlungsmittelalternative innerhalb der zehn umsatzstärksten digitalen Branchen in Deutschland führen. Die theoretische Grundlage der Forschung bildet dasTechnology Acceptance Model. Benötigte Daten werden mithilfe einer Online-Umfrage erhoben und mit der deskriptiven Statistik sowie derPartial-Least-SquareAnalyse ausgewertet. Hiermit können die akzeptanzbeeinflussenden Determinanten innerhalb der untersuchten digitalen Branchen ermittelt werden. Neben der Einfachen Bedienbarkeit, der Einfachen Erlernbarkeit, dem Betrugs-, Datenschutz- und Delegationsrisiko sowie der Unabhängigkeit vom staatlichen Finanzsystem, der Preisvolatilität, der Anonymität hat die Fälschungssicherheit einen wesentlichen Einfluss auf die zukünftige Nutzung von Kryptowährungen als Zahlungsmittel.

1 Einleitung

Schon immer haben Menschen Zahlungsmittel verwendet, um Handel zu betreiben. Waren oder Dienstleistungen wurden zunächst in Tauschgeschäften gehandelt, später mit Geld bezahlt (Walker & Lüscher-Richter, 1999). Doch „die Erscheinungsformen des Geldes haben sich im Laufe der Zeit gewandelt, vom Warengeld über Münzen und Papiergeld zu stoffwertlosem Giralgeld. Die jüngste Entwicklung sind Kryptowährungen“ (Hanl & Michaelis, 2017, S.363). Anders als bei traditionellem Geld, besteht bei Kryptowährung jedoch keinerlei Abhängigkeit zu staatlichen Institutionen. Zudem ist es möglich bei Geldgeschäften auf eine dritte Kontrollinstanz, wie z.B. eine Zentralbank, zu verzichten. Der Grund dafür ist, dass sie auf der Blockchain-Technologie basieren, die eine Verifizierung von Datentransfers ermöglicht (Tapscott & Tapscott, 2016). Dahinter verbirgt sich ein einzigartiges technisches Verfahren, um Informationen und Datensätze jeglicher Art zu speichern und diese dezentral durch ein Rechnernetz zu verwalten (Dixon, 2017).

Erstmals tauchte der Begriff Bitcoin in einem Whitepaper auf. Das berühmte Whitepaper von Satoshi Nakamoto wurde am 31. Oktober 2008 veröffentlicht. Darin beschreibt Nakamoto ein neuartige Form vom elektronischen Geld, dass auf einem dezentralenPeer-To-PeerNetzwerk¹ beruht. Darüber hinaus beschreibt er in diesem Whitepaper detailiert die Funktionsweise sowie die mathematischen Grundlagen, die benötigt werden, um den Bitcoin technisch umzusetzen (Nakamoto, 2008).

Der Tag der Veröffentlichung des Wihtepapers scheint alles andere als willkürlich gewählt worden zu sein, denn an diesem Tag erreichte die Weltfinanzkrise mit der Insolvenz der Investmentbank Lehman Brothers ihren Höhepunkt. Das Vertrauen in Zentralbanken und das staatliche Finanzsystem hatte den Tiefpunkt erreicht (Blocher, 2016). Der Zeitpunkt war also mehr als passend, um ein digitales Transaktionssystem samt eigener Währung vorzustellen, was ohne die Kontrolle einer solchen staatlichen Kontrollinstanz auskommen kann (Nakamoto, 2008). Auch heute noch wird der Erfolg von Bitcoin oftmals mit genau diesem Vertrauensverlust in Verbindung gebracht, der durch die Weltfinanzkrise entstand (Sixt, 2017).

Mittlerweile gibt es weltweit mehr als 1.400 unterschiedliche Kryptowährungen, welche sich mehr oder weniger voneinander unterscheiden. Einige sind dem Bitcoin technisch überlegen, andere unterscheiden sich kaum von der Mutter der Kryptowährungen. Doch die Zukunft dieser ist bislang weitestgehend unbekannt. Befürworter2 der Kryptowährungen schreiben diesen ein ähnlich disruptives Potenzial zu wie es einst dem Internet zugesprochen wurde (Vollmer, 2018). Gegner der Kryptowährungen, wie der Wirtschaftsnobelpreisträger Joseph Stieglitz, sprechen sich hingegen öffentlich für ein Verbot aus, da diese „keinerlei sinnvolle soziale Funktion erfüllen“ würden (FAZ, 2017).

Nichtsdestotrotz konnten Kryptowährungen in den letzten Jahren immer mehr an Zulauf gewinnen und so geht aus einer aktuellen Studie hervor, dass im Jahr 2018 bereits zwei Drittel der deutschen Bevölkerung den Begriff Bitcoin kennen. Entgegen der ursprünglichen Intention des Bitcoins geschahen allerdings 53% der getätigten Käufe von Bitcoin in Deutschland aus reiner Neugier. Immerhin 31% der Befragten wünschen sich, Bitcoin als Online-Zahlungsmittel einzusetzen (Bitkom Research, 2018a).

1.1 Forschungsfrage und -stand

Das Banken- und Finanzwesen könnte sich grundlegend verändern, wenn Kryptowährungen als alternatives Zahlungsmittel für Privatpersonen in Deutschland infrage kämen. Doch welche Faktoren beeinflussen überhaupt eine solche Entscheidung? Der Markt und die Forschung stehen hier vor einem neuen Phänomen. Diese Masterarbeit möchte in diese Lücke vorstoßen und stellt sich daher die Frage:Was sind die Determinanten für den Einsatz von Kryptowährungen in den zehn umsatzstärksten digitalen Branchen in Deutschland, sodass sich diese als alternatives Zahlungsmittel etablieren können?Da die Determinanten der Akzeptanz von Kryptowährungen als alternatives Zahlungsmittel in der wissenschaftlichen Forschung weitestgehend unerforscht sind, nimmt sich diese Arbeit der Aufgabe an, herauszufinden, welche Faktoren diese Akzeptanz begünstigen oder limitieren. Weiterhin gilt es zu erforschen, in welchen digitalen Branchen eine Privatperson Kryptowährung tatsächlich als alternatives Zahlungsmittel auswählen würde. Dies ist deshalb sinnvoll zu betrachten, um einen Ausblick gewinnen zu können, ob sich Kryptowährungen auch zukünftig weiter etablieren können. Aus diesem Grund soll diese Masterarbeit sowohl eine wissenschaftliche als auch praxisrelevante Bedeutsamkeit abbilden.

Es wird angenommen, dass es zunächst einer positiven Annahmeentscheidung seitens der Privatpersonen bedarf, damit Kryptowährungen akzeptiert und als alternatives Zahlungsmittel genutzt werden. Diese Annahmeentscheidung ist eine der Grundvoraussetzungen für die letztliche Akzeptanz (Bandow & Holzmüller, 2009). Im Bereich der Akzeptanzforschung zu digitalen Zahlungsmitteln gibt es bereits eine Vielzahl unterschiedlicher Forschungsansätze aus den letzten 30

Jahren (Hoehle, Scornavacca & Huff, 2012). Ansätze zur Akzeptanz von Kryptowährungen gibt es derzeit allerdings noch nicht in diesem Umfang, was sicherlich der Aktualität des Themas geschuldet ist. Im niederländischen Raum gibt es bereits einen Forschungsansatz zum Akzeptanzprozess von Kryptowährungen bei Endkunden, im Bankwesen, in der allgemeinen Geschäftswelt sowie bei der Regierung (Sprenlink, 2014). Im angloamerikanischen Raum wurden allgemeine Akzeptanzfaktoren aus der Perspektive von Software- Entwicklern sowie Endnutzern erforscht (Folkinshteyn & Lennon, 2016). Im Bereich der Wissenschaft gibt es im deutschsprachigen Raum derzeit allerdings keine, für den Autor, verfügbare Fachliteratur oder Forschungsansätze zur Thematik.

1.2 Aufbau der Masterarbeit

Zu Beginn der Masterarbeit werden die notwendigen theoretischen Grundlagen von Kryptowährungen geschaffen. Dafür wird anfangs der Begriff Kryptowährung kurz definiert und anschließend der Bitcoin vorgestellt. Für eine bessere Verständlichkeit von Kryptowährungen wird am Beispiel einer Bitcoin-Transaktion die Funktionsweise beschrieben. Die zehn umsatzstärksten digitalen Branchen stellen den Kontext der Untersuchung dar und werden nachfolgend vorgestellt.

Im Anschluss folgt eine Einführung in die Akzeptanzforschung und es wird das hier zum Einsatz kommende theoretische Modell, dasTechnologie Acceptance Model, erläutert. Damit das Modell auf den Untersuchungsgegenstand anwendbar ist, wird im Anschluss daran, auf dessen Grundlage, ein eigenes Forschungsmodell entwickelt. Mithilfe des Forschungsmodell und somit auf Grundlage desTechnologie Acceptance Model, werden Hypothesen abgeleitet. Das Forschungsmodell wird den Rahmen bilden, um die Akzeptanz von

Kryptowährungen als alternatives Zahlungsmittel innerhalb der zehn umsatzstärksten digitalen Branchen theoretisch abzubilden.

Um dieses theoretische Forschungsmodell messbar zu machen, werden im darauffolgenden Kapitel, unter zu Hilfenahme unterschiedlicher wissenschaftlicher Publikationen und Studien, die Konstrukte des Modells operationalisiert. Das bedeutet, dass aus bestehenden Forschungsergebnissen die inhaltliche Grundlage für das Erhebungsinstruments der wissenschaftlichen Untersuchung abgeleitet wird.

Nach Abschluss der Operationalisierung des Modells, wird das Forschungsdesign vorgestellt und das Erhebungsinstrument festgelegt. Hierfür wird eine Online- Umfrage entwickelt und der Aufbau dieser, wird im darauffolgenden Kapitel ausführlich skizziert. Zum einen soll mit der Online-Umfrage herausgefunden werden, welche Determinanten die Akzeptanz von Kryptowährungen bei Privatpersonen begünstigen. Zum anderen soll ermittelt werden, in welchen der zehn umsatzstärksten digitalen Branchen das größte Potenzial besteht, dass sich Privatpersonen für Kryptowährung und gegen traditionelle Zahlungsmittel entscheiden. Um eine möglichst hohe Inhaltsvalidität zu gewährleisten, wird die Online-Umfrage zusätzlich durch Fachexperten validiert. Zur Gewährleistung der Fehlerfreiheit, wird nach der Expertenvalidierung ein Pre-Test durchgeführt. Nachdem anschließend die Daten erhoben und bereinigt werden, sollen diese mithilfe der deskriptiven Statistik und derPartial-Least-SquareAnalyse ausgewertet werden. In diesem Kapitel sollen bereits die Hypothesen verifiziert oder widerlegt werden.

Die Ergebnisse werden im Schlussteil der Masterarbeit interpretiert und diskutiert, um die Forschungsfrage beantworten zu können.

2 Grundlagen

Kryptowährungen sind ein neuer Trend im Finanzsektor. Nicht jedem ist jedoch bekannt, worum es sich dabei eigentlich handelt. Von daher ist es notwendig zuerst ein grundlegendes Verständnis zu schaffen.

Die wohl bekannteste digitale Währung ist der sogenannte Bitcoin, der als Mutter aller Kryptowährungen bezeichnet wird (Sixt, 2017). Doch der Mehrheit ist nicht bekannt, wozu man Kryptowährungen eigentlich verwendet und vor allem, welche Vorteile diese haben können (Bitkom Research, 2018b). Deshalb soll im Anschluss ein kurzer Überblick über die Funktionsweise von Kryptowährung gegeben werden, um zu verdeutlichen, warum diese möglicherweise als alternatives Zahlungsmittel verwendet werden könnten.

2.1 Kryptowährungen

Unter dem Begriff Kryptowährung versteht man eine digitale Wertmarke, auch

Token genannt, die als Tausch- oder Zahlungsmittel eingesetzt werden kann (Sixt, 2017). Diese digitalen Wertmarken basieren auf einemPeer-To-Peer Netzwerkund sind in den meisten Fällen begrenzt, um eine Inflation zu vermeiden (Tapscott & Tapscott, 2016). Durch die Nutzung dieses Netzwerks sowie der Infrastruktur des Internets und der Sicherheit kryptografischer Verschlüsselungstechniken wird es ermöglicht, Kryptowährungen sicher und direkt zwischen zwei Parteien zu transferieren (Casey & Vigna, 2015). Dabei kann auf eine dritte Kontrollinstanz verzichtet werden, wie es sie z.B. bei einer Banküberweisung in Form einer Zentralbank gibt. Außerdem unterliegen Kryptowährungen keinerlei Kontrolle oder Regulierung durch eine staatliche Institution und sind an keine klassische Währung, wie z.B. den Euro, gebunden (Ametrano, 2014; Nakamoto, 2008; Tapscott & Tapscott, 2016). Die erste Kryptowährung, die erschaffen wurde, trägt den Namen Bitcoin und wird nachfolgend vorgestellt (Casey & Vigna, 2015).

2.2 Bitcoin

Im Jahre 2008 erschien ein Whitepaper mit dem TitelBitcoin: A Peer-to-Peer Electronic Cash System(Nakamoto, 2008). Die Identität des Verfassers Satoschi Nakamoto ist bis heute ein Mysterium. Auf nur acht Seiten beschreibt Nakamoto die Idee eines dezentralisierten Transaktionssystems sowie dessen technische Umsetzung. Es trägt den Namen Bitcoin (Nakamoto, 2008). Dabei zeichnet sich der Begriff vor allem durch seine Doppeldeutigkeit aus. Zum einen steht er für einPeer- To-PeerNetzwerk, welches den Transfer von Wertbeträgen ohne eine unabhängige Kontrollinstanz ermöglicht, auch bekannt als dieBlockchain-Technologie. Zum anderen bezeichnet er die digitale Wertmarke, also die Kryptowährung, die mithilfe der Blockchain-Technologie gesendet und empfangen werden kann3 (Ametrano, 2014; Casey & Vigna, 2015; Sixt, 2017). Wie in Abschnitt 2.1 bereits erläutert wurde, ist die Gesamtmenge aller jemals verfügbare Token oftmals begrenzt, im Falle des Bitcoin auf 21 Millionen Stück (Tapscott & Tapscott, 2016).

Im Jahre 2010 wurden Bitcoin erstmals zu einem Preis von unter einem Euro-Cent zum Kauf angeboten. Etwa 7 Jahre später erreichte der Bitcoin sein Allzeithoch mit einem Wert von zeitweise mehr als 19.000 EUR (Historical Data, 2018). Beim Verfassen dieser Masterarbeit liegt die Marktkapitalisierung des Bitcoin bei 108.574 MEUR und der Preis eines Bitcoin bei 6.361,16 EUR. Vor allem der starke Kursanstieg von mehr als 1.000 Prozent im Jahr 2017 und die fehlende Preisstabilität wirken sich allerdings negativ auf dessen Reputation aus (Casey & Vigna, 2015; Historical Data, 2018; Sixt, 2017). Kryptowährungen wird trotz alledem medial, als auch in der Wissenschaft, ein disruptives Potenzial zugesprochen. Sie sollen durch die Transparenz der Transaktionen und ihre Dezentralität in der Lage sein, ganze Geschäftsfelder nachhaltig zu verändern (Evans-Greenwood, Hillard, Harper & Williams, 2016). Um eine bessere Verständlichkeit von Kryptowährungen und der Blockchain- Technologie zu schaffen, wird nachfolgend deren technische Funktionsweisen in vereinfachter Form am Beispiel einer Bitcoin-Transaktion erläutert.

2.3 Die Bitcoin-Transaktion

Um einen Bitcoin besitzen und versenden zu können, benötigt man zunächst eine sogenannteWallet. DieseWalletist eine Art digitale Brieftasche, in der Bitcoins aufbewahrt werden können. Diese verfügt über einenpublic keysowie einenprivate key, wobei derpublic keyvergleichbar mit der IBAN bei einem Girokonto ist. Um eine Transaktion durchführen zu können, wird zusätzlich einprivate keybenötigt, welcher eine Art Passwort darstellt, wie beispielsweise die PIN eines Girokontos (Berentsen & Schär, 2018; Farell, 2015; Tapscott & Tapscott, 2016).

Wie in der Abbildung4 erkennbar, möchte eine Person A einen Bitcoin an Person B senden, sendet Person A einen Bitcoin an die Wallet-Adresse von Person B. Die Transaktion wird jedoch zunächst noch nicht durchgeführt, sondern im Blockchain- Netzwerk angefragt (Tapscott & Tapscott, 2016).

Wie der Name Blockchain bereits verrät, handelt es sich hierbei um eine Kette von Blöcken, die eine Vielzahl von Bitcoin-Transaktionen enthalten und von einem sogenanntenMinererstellt werden. AlsMinerwerden Personen bezeichnet die, unter Zuhilfenahme spezieller Soft- und Hardware, automatisiert Bitcoin- Transaktionen in einen Block zusammenfassen und der Blockchain anfügen (Dixon, 2017).

Um einen Block der Blockchain anfügen zu können, muss jedoch zunächst eine Art kryptografisches Rätsel gelöst werden, bei dem Informationen des letzten und des neuen Blocks sowie eine zufällige Zeichenfolge (Nonce) mit beliebiger Länge zusammengefasst werden. Anschließend wird mit Hilfe der sogenanntenHash- Funktiondie Input-Zeichenfolge, in eine Output-Zeichenfolge mit festgeschriebener Zeichenlänge transformiert. Die Transformation der Zeichenfolgen macht es unmöglich, die Input-Daten nachzuvollziehen und somit ist die Blockchain fälschungssicher (Dixon, 2017). Der generierte Output ist notwendig, um Blöcke miteinander zu verbinden (Dixon, 2017; Sixt, 2017; Tapscott & Tapscott, 2016).

Da Bitcoins digital sind, bedarf es eines Kontrollmechanismus, um das sogenanntedouble-spendingProblem zu lösen. Dieses beschreibt die Doppelverwendung einer digitalen Wertmarke und wird in der klassischen Finanzwirtschaft durch eine Kontrollinstanz gelöst (Dixon, 2017). Wie bereits im Abschnitt 2.1 erwähnt gibt es eben diese bei Kryptowährungen nicht. Um sicherzustellen, dass Person A den Bitcoin nicht öfter versenden kann, wird jeder neu generierte Block von sogenanntenNodesgeprüft, bevor er der Blockchain angefügt wird (Ametrano, 2014; Tapscott & Tapscott, 2016).

EinNodeist ein Computer, auf dem die Blockchain-Software installiert ist und der somit dem Netzwerk Rechenleistung zur Verfügung stellt. Diese Rechenleistung wird benötigt, um die Verifizierung neuer Transaktionen durchführen zu können. Die Nodes bilden damit quasi das dezentrale Kontrollinstrument der Blockchain (Babaioff, Dobzinski, Oren & Zohar, 2012).

Erst wenn das Netzwerk derNodesalle in dem Block enthaltenen Transaktionen verifiziert hat, werden diese freigegeben und der neue Block an die Blockchain angefügt (Tapscott & Tapscott, 2016). Die durchschnittliche Zeit, um einen neuen Block an die Blockchain hinzuzufügen, liegt bei etwa 10 Minuten, was somit auch der Dauer einer Transaktion entspricht (Bitcoin Block Time historical chart, 2018). Sobald der neue Block an die Blockchain angefügt ist, wird die Transaktion des Bitcoin von Person A zu Person B ausgeführt und derMinererhält eine Belohnung für das Generieren eines neuen Blocks. Die Belohnung beträgt derzeitig 12,5 Bitcoins (Sixt, 2017). Viele Ökonomen sind der Meinung, dass diese eingesetzte

Energie und die damit verbundenen Kosten, den reellen Gegenwert des Bitcoin darstellen (Casey & Vigna, 2015).

Dies beweist, dass die Infrastruktur des Internet eine Grundvoraussetzung für die Funktionalität von Kryptowährungen bietet (Tapscott & Tapscott, 2016). Im Zuge der zunehmenden Digitalisierung und der Internet-Durchdringung in der gewerblichen Wirtschaft in Deutschland der letzten Jahre (Bundesministerium für Wirtschaft und Energie, 2017), ist es daher umso naheliegender, dass Kryptowährungen als alternatives Zahlungsmittel in digitalen Wirtschaftsbereichen eingesetzt werden könnten. Zentraler Untersuchungskontext dieser Masterarbeit sind daher die umsatzstärksten digitalen Branchen in Deutschland.

2.4 Die zehn umsatzstärksten digitalen Branchen in Deutschland

Als digitale Branchen werden in dieser Masterarbeit jene Branchen definiert, in denen eine online durchgeführte Transaktion essentiell für den Erwerb eines Produktes oder einer Dienstleistung ist. Den Indikator für die Relevanz der jeweiligen Branche bildet dabei der Umsatz aus dem Jahr 2017.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1:Digitale Branchen in Deutschland nach Umsatz in 2017. Quelle: Anhang B.

Die Abbildung 1 zeigt die zehn umsatzstärksten digitalen Branchen in Deutschland. Mit einem Umsatz von 57.455 MEUR im Jahr 2017 ist der Online Handel deutlich die umsatzstärkste digitale Branche in Deutschland (eCommerce, 2018). Die zweitstärkste Branche sind die Mobilitätsdienste. Dazu zählen unter anderem online gemietete Fahrzeuge und online gebuchte Flug-, Zug- und Bustickets. 2017 konnten damit in Deutschland rund 20.229 MEUR umgesetzt werden (Mobilitätsdienste, 2018). Zu den Online Reisebuchungen (11.486 MEUR) zählen neben online gebuchten Hotels und Apartments auch Pauschalreisen (Online Reisebuchungen, 2018). Deutlich weniger wurde 2017 mit Online Essenslieferungen (2.768 MEUR)

sowie Online Veranstaltungstickets (1.790 MEUR) umgesetzt (Food Delivery, 2018; Veranstaltungstickets, 2018). Die Branche Vernetzte Fahrzeuge umfasst jene Fahrzeuge, denen es durch einen Internetzugang möglich ist, mit der Umwelt zu kommunizieren. Hier wurden 2017 rund 1.691 MEUR erwirtschaftet (Connected Car, 2018). Musik-Streamingdienste oder On-Demand Video Plattformen zählen zur Video- und Musik On-Demand Branche, welche in 2017 1.494 MEUR umsetzte. Zu den umsatzschwächsten digitalen Branchen in Deutschland gehörten 2017 neben den Online Videospielen (1.130 MEUR) das ePublishing (680 MEUR), zu dem beispielsweise der Kauf von eBooks zählt (Digitale Medien, 2018). Auf dem zehnten Rang positionieren sich Smarte Haushaltsgeräte mit einem Umsatz von 499 MEUR (Smart Home, 2018).

Im nachfolgenden Kapitel soll nun die Akzeptanzforschung erläutert werden, die im weiteren Verlauf der Arbeit herangezogen wird.

3 Die Akzeptanzforschung

Kryptowährungen sind eine neuartige Technologie, die möglicherweise disruptiv sein könnte (Sixt, 2017). Doch die alleinige Verfügbarkeit einer Technologie am Markt hat oftmals keine Aussagekraft über deren künftigen Erfolg, denn schließlich muss diese dafür auch genutzt werden. Werden neue innovative Technologien jedweder Art in einem Markt eingeführt, so ist vor allem die Nutzung dieser notwendig, um den Rückfluss des eingesetzten Kapitals zu gewährleisten. Die Nichtnutzung einer kostspielig entwickelten Technologie birgt somit für dessen Entwickler immer auch ein wirtschaftliches Risiko.

Die Akzeptanzforschung entstand genau aus diesem Interesse heraus, die Gründe für eine Akzeptanz oder Ablehnung einer Technologie zu erforschen, um ein wirtschaftliche Risiko bei und nach der Einführung zu minimieren (Schönecker, 1985; Venkatesh, 2000).

Das Ziel der Akzeptanzforschung ist es, zu bewerten, inwieweit individuelle Bedürfnisse oder Wertvorstellungen durch eine Technologie befriedigt werden können. Dabei fand die Forschung heraus, dass es nur zu einer Nutzung und schlussendlich einer Akzeptanz kommt, wenn die individuellen Bedürfnisse und Wertvorstellungen des Nutzenden befriedigt werden (Schönecker, 1985).

Ein zentrales Element der Akzeptanzforschung ist dabei der Akzeptanzbegriff, der nachfolgend in ausführlicher erläutert werden soll.

3.1 Der Akzeptanzbegriff

Pressmar (1982) fand heraus, dass die Auffassung des Akzeptanzbegriffs breitgefächert ist und in der Forschung unterschiedlich angewandt wird. So wird die Akzeptanz im soziologischen Bereich als die Ablehnung oder die Befürwortung gegenüber gesellschaftspolitischen Themen definiert (Döhl & Ronneberger, 1983). Die Arbeitswissenschaft bezieht den Begriff hingegen auf neue Systeme am Arbeitsplatz, die mit einem hohen Fokus auf die eingesetzten technischen Elemente sowie dessen Bedienbarkeit erstellt werden. Hier wird die Akzeptanz als die subjektive einfache Bedienbarkeit der Nutzer verstanden (Reichwald, 1978). Im betriebswirtschaftlichem Kontext wird Akzeptanz hingegen als eine subjektive zustimmende oder ablehnende Haltung gegenüber einem Objekt oder Sachverhalt verstanden (Hilbig, 1984).

Diese Beispiele verdeutlichen, dass es unterschiedliche Varianten der Akzeptanz und demzufolge auch der Akzeptanzforschung gibt. Grundsätzlich kann zwischen der Einstellungs- und Verhaltensakzeptanz unterschieden werden (MüllerǦBöling & Müller 1986). Kollmann (1998) beschreibt in seiner Arbeit, über die Akzeptanz von

innovativen Nutzungsgütern, die Einstellungsakzeptanz als eine Ausprägung der persönlichen Einstellung gegenüber einer möglichen Nutzung einer Technologie. Die Einstellungsakzeptanz umfasst demnach die persönliche Bewertung nutzungsrelevanter Informationen und ist gleichzeitig an eine Nutzungsintention geknüpft. Anhand der erforschten Einstellungsakzeptanz lassen sich Vorhersagen über eine tatsächliche Nutzung ableiten (Schnell, 2008). Die Einstellungsakzeptanz ist zwar nicht direkt messbar, kann allerdings mithilfe von unterschiedlichen Messvariablen erforscht werden (Kornmeier, 2009), weshalb diese in dieser Masterarbeit verwendet wird.

Die Verhaltensakzeptanz ist hingegen ein weniger komplexes Konstrukt und drückt sich ausschließlich durch die tatsächliche Nutzung aus. Entgegen der Einstellungsakzeptanz lässt sich die Verhaltensakzeptanz vornehmlich direkt beobachten (MüllerǦBöling & Müller 1986).

Da laut einer repräsentativen Studie des Meinungsforschungsinstitut Civey (2017) , im Rahmen dieser Masterarbeit bei der Untersuchung der Verhaltensakzeptanz zu einem wissenschaftlich relevanten Forschungsergebnis zu kommen. Die Ergründung der Einstellungsakzeptanz soll daher eher relevante Ergebnisse auf ein mögliches Nutzungsverhalten liefern.

Die Einstellungsakzeptanz von Technologien kann mit Hilfe sogenannter Technologieakzeptanzmodelle untersucht werden. Eines der bekanntesten Modelle ist das Technology Acceptance Model (TAM) nach Davis (1989). Seine Wurzeln hat das TAM in der Theory of Reasoned Action (TRA) nach Fishbein und Ajzen (1975). Beide werden im Folgenden kurz vorgestellt.

3.2 Theory of Reasoned Action

Die TRA gehört zu den wichtigsten Theorien der Akzeptanzforschung und geht auf Fishbein und Ajzen (1975) zurück. Ajzen und Fishbein (1980) unterstellen, dass jedes Verhalten eines Individuums der Absicht folgt, dieses Verhalten ausführen zu wollen. Diese Verhaltensabsicht definieren Ajzen und Fishbein (1980) als Verhaltensintention.

Die Verhaltensintention entsteht aus einer positiven persönlichen Einstellung und einer subjektiven Norm. Bei der Bildung der persönlichen Einstellung bewertet das Individuum das Ergebnis, welches es aus dem Verhalten erwartet (Ajzen, 2006). Die persönliche Wahrnehmung des sozialen Drucks, in Bezug auf das durchgeführte Verhalten, stellt die subjektive Norm des Modells dar (Fishbein & Ajzen, 1975). Dabei bewertet das Individuum die Einstellungen von nahestehenden Personen gegenüber des Verhaltens (Ajzen, 2006).

Die Grundannahme der TRA ist, dass aus einer positiven Verhaltensintention die tatsächliche Ausführung des Verhaltens folgt (Venkatesh, 2000). Die TRA bildet durch diese Annahme die Grundlage des TAM, welches nachfolgend vorgestellt wird.

3.3 Das Technology Acceptance Model

Das TAM ist das meist verbreitetste Modell zur Erklärung der Akzeptanz von Technologien (Venkatesh, 2000). Es geht auf die Grundannahme der TRA zurück und stellt ein Modell aus dem Bereich der Technologieakzeptanz von Informationssystemen in Organisationen dar (Davis, 1989; Davis, Bagozzi, & Warshaw, 1989; Venkatesh, 2000).

Das ursprüngliche TAM nach Davis (1989) wurde zur Untersuchung der Akzeptanz von E-Mail Nutzung in Organisationen entwickelt, was zum damaligen Zeitpunkt als disruptive Technologie galt. Das Modell unterstellt, dass ein wahrgenommener

Nutzen und eine wahrgenommene Benutzerfreundlichkeit einer Technologie unmittelbaren Einfluss auf die Einstellung gegenüber der Nutzung haben. Zusätzlich nimmt das Modell an, dass die wahrgenommene Benutzerfreundlichkeit einen direkten Einfluss auf den wahrgenommenen Nutzen hat (Davis, 1989). Wie auch schon durch die TRA belegt wurde, konnte auch Davis (1989) einen Effekt zwischen einer positiven Einstellung gegenüber der Nutzung und der Nutzungsintention nachweisen. Aus der positiven Nutzungsintention folgte letztlich auch die tatsächliche Nutzung (Venkatesh, 2000).

In weiteren Untersuchungen der Nutzerakzeptanz von Informationssystemen nahmen Davis et al. (1989) jedoch Abstand von dem Konstrukt der Einstellung gegenüber der Nutzung, da es nicht möglich war einen relevanten Effekt zwischen dem wahrgenommenen Nutzen sowie der Benutzerfreundlichkeit und der Einstellung gegenüber der Nutzung festzustellen. Dies ließ sich damit erklären, dass Personen, die zwar eine Nutzungsintention angaben, nicht zwangsläufig eine positive Einstellung gegenüber der Nutzung hatten (Davis et al., 1989). Der Wegfall des Einstellungskonstrukts half auch in darauffolgenden Akzeptanzstudien, die direkten Effekte des wahrgenommenen Nutzens und der wahrgenommenen Benutzerfreundlichkeit auf die Nutzungsintention und somit die Einstellungsakzeptanz eindeutiger zu erforschen (Venkatesh, 2000).

Im Wesentlichen lassen sich drei Kernaussagen des TAM zusammenfassen:

1) Eine Technologienutzung lässt sich durch die Nutzungsintention einer Person voraussagen,
2) der wahrgenommene Nutzen ist die stärkste Determinante der Nutzungsintention,
3) die wahrgenommene Benutzerfreundlichkeit ist die zweitstärkste Determinante der Nutzungsintention (Davis et al., 1989).

Trotz der ursprünglichen Ausrichtung des TAM, wurde das Modell in einer Vielzahl von Studien adaptiert und in weiteren Kontexten angewandt. Daher besteht die ursprüngliche Einschränkung auf den organisationalen Kontext heutzutage nicht mehr (Kornmeier, 2009; Wixom & Todd, 2005). Durch zahlreiche wissenschaftliche Varianten des TAM, gilt das Modell im Hinblick auf Zeit, Technologie und Population als stabil (Venkatesh, 2000).

Im angloamerikanischen Raum wurden, auf Basis des TAM, Akzeptanzindikatoren des Bitcoin und der Blockchain-Technologie abgeleitet. Es war dabei möglich,

allgemeine akzeptanzfördernde Faktoren aus der Perspektive von Software- Entwicklern sowie Endnutzern festzustellen (Folkinshteyn & Lennon, 2016). Auch in themenverwandten Gebieten, wie demMobile PaymentoderNFC Payment,welche ebenfalls Trends im Finanzsektor darstellen (Beutin & Schadbach, 2017), kam das TAM häufig zum Einsatz, um die Einstellungsakzeptanz zu erforschen. Dabei ließen sich sowohl akzeptanzfördernde als auch akzeptanzhemmende Determinanten identifizieren (Muñoz-Leiva, Climent-Climent & Liébana-Cabanillas, 2017; Pal, Vanijja, & Papasratorn, 2015; Riskinanto, Kelana & Hilmawan, 2017; Zmijewska, Lawrence, & Steele, 2004).

Aufgrund seiner Popularität und Validität und kontextuellen Erweiterungsmöglichkeit kommt das TAM auch in dieser Masterarbeit als theoretisches Modell zum Einsatz. Durch Modifikation und Hinzufügen von Konstrukten kann es bei der Erforschung der Determinanten der Einstellungsakzeptanz unterschiedlichster Informationstechnologien eingesetzt werden (Kornmeier, 2009; Wixom & Todd, 2005; Zmijewska et al., 2004). Aus diesem Grund wird das TAM auch in dieser Masterarbeit zunächst modifiziert. Ziel ist es, ein individuelles Forschungsmodell zu erstellen, was es ermöglicht, die Einstellungsakzeptanz von Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen in Deutschland tatsächlich zu erforschen. Im nachfolgenden Kapitel soll auf Basis des TAM ein individuelles Forschungsmodell entwickelt werden.

4 Das Forschungsmodell

Das hier verwendete Forschungsmodell wird auf Grundlage des TAM Hypothesen ableiten. Die Hypothesen werden dazu benötigt, die Zusammenhänge der Konstrukte in der Realität prüfen zu können (Raithel, 2008).

Um die Nutzungsintention (NI) erforschen zu können, wird ein besonderes Augenmerk auf die digitalen Branchen gelegt. Da die Einstellungsakzeptanz keine tatsächliche Technologienutzung umfasst, wird auf das Konstrukt der tatsächlichen Nutzung verzichtet, da Kryptowährungen als Zahlungsmittel in Deutschland nicht weit genug verbreitet sind, um die Verhaltensakzeptanz dieser erforschen zu können.

4.1 Wahrgenommener Nutzen

Im ursprünglichen TAM gibt der wahrgenommene Nutzen (WN) den Grad einer Meinung an, die besagt, dass die Nutzung einer bestimmten Technologie die eigene Arbeitsleistung steigert (Davis, 1989). In Bezug auf Kryptowährungen soll der WN die subjektive Überzeugung darstellen, dass das Zahlen mit einer Kryptowährung den persönlichen Bezahlvorgang erleichtert. Daher leitet sich nach Davis et al. (1989) folgende Hypothesen ab:

Hypothese 1 (H1):Ein wahrgenommener Nutzen hat einen positiven Einfluss auf die Nutzungsintention, Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen zu benutzen.

4.2 Wahrgenommene Benutzerfreundlichkeit

Die wahrgenommene Benutzerfreundlichkeit (WB) beschreibt, inwiefern ein Individuum der Meinung ist, eine Technologie ohne Anstrengung nutzen zu können (Davis, 1986). Laut einer Studie nutzen Deutsche beispielsweise besonders dannMobile Payment, wenn es einfach und schnell verwendet werden kann (Beutin & Schadbach, 2017). Weitere vorliegende Untersuchungen zur Akzeptanz vonMobile Paymentund Kryptowährungen konnten ähnliche Effekte nachweisen (Folkinshteyn

& Lennon, 2016; Muñoz-Leiva et al., 2017; Pal et al., 2015; Pousttchi, 2003; Kornmeier, 2009; Riskinanto et al., 2017; Schierz, Schilke & Wirtz, 2010; Zmijewska et al., 2004). In Bezug auf Kryptowährungen soll mithilfe der WB untersucht werden, inwieweit ein Individuum davon überzeugt ist, dass es diese ohne Anstrengungen als Zahlungsmittel einsetzen könnte. Gemäß des ursprünglichen TAMs wird ebenfalls unterstellt, dass die WB den WN positiv beeinflusst. Aus dem TAM nach Davis et al. (1989) leiten sich für das Konstrukt WB folgende Hypothesen ab: Hypothese 2 (H2): Eine wahrgenommene Benutzerfreundlichkeit hat einen positiven Einfluss auf die Nutzungsintention, Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen zu benutzen.Hypothese 3 (H3): Eine wahrgenommene Benutzerfreundlichkeit hat einen positiven Einfluss auf den wahrgenommenen Nutzen.

4.3 Persönliche Innovationsbereitschaft

Wie eingangs erläutert, ist die Stärke des TAM, dass es sich um kontextuelle Konstrukte erweitern lässt (Kornmeier, 2009; Wixom & Todd, 2005; Zmijewska et al., 2004). Die persönliche Innovationsbereitschaft (PI) stellt eine erste Erweiterung dar. Die PI ist ein Maß dafür, ob eine Person eine Innovation früher annimmt, als der Rest der Bevölkerung. Diese Personen werden auch alsEarly Adopterbezeichnet (Rogers, 2003). Pal et al. (2015) konnten in ihrer Untersuchung der Akzeptanz desMobile Paymenteinen positiven Einfluss der PI auf WB nachweisen. Eine Studie zu den Erfolgsfaktoren vonMobile Paymenthat ebenfalls ergeben, dass eine Innovationsbereitschaft vorhanden sein muss, damit es tatsächlich genutzt wird (Beutin & Schadbach, 2017).

Es ist daher anzunehmen, dass Personen mit einer vorhandenen PI eher dazu geneigt sind, Kryptowährungen als Zahlungsmittel einzusetzen und die Benutzerfreundlichkeit dieser positiver einstufen, als jene bei denen diese Eigenschaft nicht ausgeprägt ist. Daher wird das TAM ebenfalls um das Konstrukt PI erweitert: Es wird angenommen, dass PI sowohl einen direkten Effekt auf die NI, als auch einen moderierenden Effekt auf WB hat. Somit leiten sich folgende Hypothesen ab:

Hypothese 4 (H4):Die persönliche Innovationsbereitschaft hat einen positiven Einfluss auf die Nutzungsintention, Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen zu benutzen.Hypothese 5 (H5):Die persönliche Innovationsbereitschaft hat einen positiven Einfluss auf das die wahrgenommene Benutzerfreundlichkeit.

4.4 Wahrgenommenes Risiko

Das Wahrgenommene Risiko (WR) beschreibt die Unsicherheit einer Person in Bezug auf mögliche, negative Folgen der Technologienutzung (Bauer, 1960). Da es in Bezug auf neue Technologien oftmals nicht nur positive, sondern auch negative Assoziationen gibt, gewann dieses Konstrukt in den letzten Jahren im Bereich der Technologieakzeptanzforschung immer mehr an Popularität (Schierz, et al., 2010). In unterschiedlichsten themenverwandten Akzeptanzuntersuchungen konnte ein Einfluss des WR auf das Nutzungsverhalten festgestellt werden (Featherman & Pavlou, 2003; Folkinshteyn, & Lennon, 2016; Kornmeier, 2009; Muñoz-Leiva et al., 2017; Schierz, et al., 2010). Studien belegen, dass beispielsweise die Angst vor Diebstahl oder die Unsicherheit in Bezug auf die langfristige Nachfrage, große Hemmnisse für den Kauf von Bitcoins darstellen (Ahamad, Nair, & Varghese, 2013; Bitkom Research, 2018a). Diese Hemmnisse können als WR klassifiziert werden, weshalb das TAM um das Konstrukt WR erweitert wird und sich folgende Hypothese ableiten lässt:

Hypothese 6 (H6): Ein wahrgenommenes Risiko hat einen negativen Einfluss auf die Nutzungsintention, Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen zu benutzen. Aus den soeben erläuterten Konstrukten und deren Hypothesen leitet sich folgendes Forschungsmodell ab, welches in Abbildung ² dargestellt wird.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2:Forschungsmodell. Quelle: Eigene Darstellung. In Anlehnung an Davis et al. (1989).

Das entwickelte Forschungsmodell soll es ermöglichen, in den nachfolgenden Schritten, die Determinanten der Einstellungsakzeptanz von Kryptowährungen als alternatives Zahlungsmittel in den zehn umsatzstärksten digitalen Branchen Deutschlands zu erforschen. Da die Einstellungsakzeptanz mit einer NI einhergeht, soll die Untersuchung der NI dabei helfen, die zu Grunde liegende Forschungsfrage beantworten zu können (Kollmann, 1998).

Um den praktischen Nutzen des Forschungsmodells überprüfen zu können, wurden für die Konstrukte WN und WR jeweils eine und für die Konstrukte WB und PI zwei Hypothesen abgeleitet. Die Prüfung der Hypothesen erfolgt im Zuge der weiteren empirischen Forschung. Daher soll im nachfolgenden Kapitel zunächst die methodische Vorgehensweise der empirischen Forschung skizziert werden.

5 Methodische Vorgehensweise

Die methodische Vorgehensweise besteht aus insgesamt 6 Schritten. Zum besseren Verständnis wurden diese in einer Abbildung zusammengefasst.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3:Methodisches Vorgehensmodell. Quelle: Eigene Darstellung. In Anlehnung an Raithel (2008).

Wie in Abbildung 3 zu erkennen ist, bildet das Forschungsmodell und die Ableitung der Hypothesen den ersten Schritt des methodischen Vorgehens. Aus Gründen des verbesserten Leseflusses, erfolgte die Ableitung des Forschungsmodells und die Hypothesenbildung bereits in Kapitel 4. Die Herleitung des Forschungsmodells ist demnach abgeschlossen und daher in Abbildung ³ optisch abgegrenzt.

Im zweiten Schritt sollen nun die Konstrukte, unter Zuhilfenahme von Studien und wissenschaftlichen Publikationen, operationalisiert werden. Das Ergebnis der Operationalisierung sind die Indikatoren, die aus den jeweiligen Konstrukten gebildet werden. Darauffolgend soll das Forschungsdesign vorgestellt werden. Hierbei sollen das Erhebungsinstrument, die Feldzeit und die Merkmalsträger der Datenerhebung definiert werden. Im Anschluss daran soll die Auswahl des Erhebungsinstrumentes begründet werden und die Online-Umfrage vor dem Pretest zusätzlich durch Fachexperten validiert werden. Im 5. Schritt des methodischen Vorgehens sollen, mithilfe einer Online-Umfrage, wertvolle Daten erhoben und anschließend ausgewertet werden. Für die Auswertung kommt neben der deskriptiven Statistik, die sogenanntePartial-Least-SquareAnalyse (PLS) zum Einsatz. Dies ist notwendig, um in diesem Schritt die Hypothesen beantworten zu können. Nachdem sämtliche Daten ausgewertet wurden, sollen diese diskutiert und interpretiert werden, um im Anschluss daran die Forschungsfrage beantworten zu können.

6 Operationalisierung der Konstrukte

Um die Anwendbarkeit des Forschungsmodells prüfen zu können, ist es notwendig die Konstrukte, die in den Hypothesen H1 bis H4 enthalten sind, einer empirischen Prüfung zu unterziehen (Häder, 2006). Bei den Konstrukten handelt es sich um latente Variablen, die nicht direkt beobachtbar sind. Daher müssen diese zunächst empirisch erfassbar und überprüfbar gemacht werden (Raithel, 2008). Dies kann mithilfe sogenannter Indikatoren bewerkstelligt werden. Diese stellen die Determinanten der Akzeptanz im Sinne der Forschungsfrage dieser Masterarbeit dar. Die Abbildung von latenten Variablen in Indikatoren wird auch als Operationalisierung definiert (Stein, 2014). Daher werden nachfolgend die Konstrukte operationalisiert.

Davis (1989) empfiehlt, die Konstrukte des TAM durch unterschiedliche Indikatoren messbar und abfragbar zu machen. Daher ist es notwendig, dass die Indikatoren im direkten Zusammenhang zu den Konstrukten stehen.

Um die Indikatoren mit einer möglichst hohen Inhaltsvalidität für das jeweilige Konstrukt zu bilden, sollen empirisch belegte Erkenntnisse aus wissenschaftlichen Publikationen in die eigene Forschung integriert werden. Dies bietet sich an, da die dort zum Einsatz gekommenen Konstrukte und Indikatoren bereits empirisch validiert wurden (Straub, Boudreau & Gefen, 2004).

Neben den empirisch belegten Erkenntnissen wissenschaftlicher Publikationen, sollen ebenfalls die Forschungsergebnisse aus Studien in die Operationalisierung der Konstrukte einfließen.

Aufgrund der Aktualität des Themas ist die Anzahl wissenschaftlicher Publikationen und Studien im Bereich der Kryptowährungen derzeit noch gering. Daher soll auch auf themenverwandte Forschungsgebiete ausgewichen werden. Hier bieten sich, nebenE-Services,vor allem andere innovative Trends des Finanzsektors an, wie dasMobile PaymentoderNFC Payment(Beutin & Schadbach, 2017).

Bei der Literaturrecherche konnten insgesamt sieben wissenschaftliche Publikationen aus dem Bereich der Kryptowährungen,E-Servicesund dem Finanzsektor als geeignet eingestuft werden. Die Identifizierung dieser ublikationen erfolgte mithilfe der PlattformenResearchGate,Google Scholarund ScienceDirect.

Die Publikation von Sprenlink (2014) bietet dabei einen breiten Überblick über den Akzeptanzprozess von Kryptowährungen, mögliche Einsatzszenarien und beschreibt Vorteile für unterschiedliche Interessensgruppen. Folkinshteyn und Lennon (2016) erläutern in ihrer Arbeit Determinanten der Akzeptanz aus Sicht von Software-Entwicklern und Bitcoin-Nutzern. Sie liefern eine Vielzahl möglicher, akzeptanzfördernder bzw. -hemmender Indikatoren.

Die Untersuchung von Featherman & Pavlou, (2003) bietet sich als weitere Quelle an, da der Einfluss des WR auf die Nutzung von E-Services erforscht wurde und nachgewiesen werden konnte. Auch Muñoz-Leiva et al. (2017) gelang es, bei der Untersuchung desMobile Bankings,den Einfluss des WR auf die NI empirisch zu belegen. Für die Operationalisierung des Konstruktes PI ist vor allem die Akzeptanzanalyse desNFC-Paymentvon Pal et al. (2015) von Bedeutung. Hierbei konnte der Einfluss der PI auf die Technologienutzung nachgewiesen werden. Die Arbeiten von Pousttchi (2003) und Zmijewska et al. (2004) beschreiben die Wichtigkeit der Kosten, Sicherheit und Benutzerfreundlichkeit für die Nutzung vonMobile Payment.

Neben den wissenschaftlichen Publikationen wurden drei Studien aus dem Bereich der Kryptowährungen und drei aus dem Bereich desMobile Paymentals relevant eingestuft. Die Befragung von Bitkom Research (2018a) liefert Gründe der Nutzung oder Nicht-Nutzung des Bitcoin deutscher Privatpersonen. Evans-Greenwood et al. (2016) zeigen in ihrer Studie unterschiedliche Potenziale der Blockchain auf. Dies soll vor allem für die Operationalisierung des Konstruktes WN wertvolle Informationen liefern, da sich die dort beschriebenen Potenziale auf den Zahlungsverkehr beziehen. Hungerland et al. (2017) beleuchten in ihrer Studie den Wandel des Finanzsektors. Dabei untersuchen sie, welche Rolle Kryptowährungen dabei einnehmen. Dabei werden vor Allem die Schwächen und Verbreitungshemmnisse des Bitcoin in Deutschland offengelegt.

Eine durchgeführte Expertenbefragung von 2017 versuchte die Gründe zu erforschen, warum dasMobile Paymentin Deutschland nur schwach verbreitet ist. Neben der mangelnden Verbreitung von Akzeptanzstellen und dem Betrugsrisiko wurde noch eine Vielzahl weiterer möglicher Gründe genannt (Statista, 2017). Ähnliche Gründe der Nichtnutzung vonMobile Paymentgehen aus den Studien von

Paxmann et al. (2014) und Beutin und Schadbach (2017) hervor. Darüber hinaus werden in diesen Studien die Einflüsse der PI auf die Nutzung desMobile Paymentuntersucht und einmal mehr dessen Bedeutung verdeutlicht (Paxmann et al., 2014; Beutin & Schadbach, 2017).

Im Zuge der Operationalisierung konnten, mithilfe der oben aufgeführten wissenschaftlichen Publikationen und Studien, Indikatoren für die einzelnen Konstrukte des Forschungsmodells identifiziert werden. Die Ergebnisse werden in den nachfolgenden Abschnitten vorgestellt.

6.1 Indikatoren des Wahrgenommenen Nutzens

Für das Konstrukt WN wurden insgesamt sechs Indikatoren identifiziert. Der Erste ist dabei dieUnabhängigkeit vom staatlichen Finanzsystem, auf den der Bitcoin- Erschaffer bereits 2008 hingewiesen hatte (Nakamoto, 2008). Die Bedeutung dieser Autonomie für Privatpersonen konnte im niederländischen Raum wissenschaftlich bereits nachgewiesen werden (Sprenlink, 2014).

Ein weiterer Indikator stelltAnonymitätbei einer Transaktion dar (Sixt, 2017; Tapscott & Tapscott, 2016). Studien belegen, dass dieAnonymitätder eigenen Identität einer der bedeutendsten Nutzungsfaktoren für Verbraucher ist (Statista, 2017). Daher ist anzunehmen, dass dies einen Einfluss auf die NI haben könnte und wird somit als weiteren Indikator des Konstrukts WN herangezogen. Neben derAnonymitätbieten Kryptowährungen eine absoluteFälschungssicherheit(Dixon, 2017) Dies könnte einen weiteren Nutzen darstellen, da hierdurch das Risiko eines Betruges deutlich sinkt (Evans-Greenwood et al., 2016).

Aus unterschiedlichen Quellen lässt sich ebenfalls dieTransaktionsgeschwindigkeitals ein geeigneter Indikator ableiten (Pal et al., 2015; Paxmann et al., 2014; Pousttchi, 2003; Zmijewska et al., 2004). Pousttchi (2003) fand in seiner Untersuchung der Nutzungsgründe vonMobile Paymentheraus, dass 91% der Befragten dieTransaktionsgeschwindigkeitals bedeutsam für dessen Nutzung empfinden. Dies lässt sich ebenfalls in Bezug auf Kryptowährungen identifizieren und stellt daher einen weiteren Indikator dar (Folkinshteyn & Lennon, 2016; Sprenlink, 2014).

AnfallendeTransaktionskostenspielen ebenfalls eine wichtige Rolle beim WN. Die Relevanz vonTransaktionskostenließ sich sowohl im Bereich desMobile Paymentals auch bei Kryptowährungen belegen. Grundsätzlich stellenTransaktionskosten

ein Hemmnis für sämtliche Zahlungsmittel dar, da mit ihrer Höhe auch die Nutzungsbereitschaft sinkt (Paxmann et al., 2014; Sprenlink, 2014; Statista, 2017; Zmijewska et al., 2004). Bei einer Kreditkartenzahlung trägt in Deutschland, in den meisten Fällen, das Kreditinstitut die anfallenden Transaktionskosten. Bei Kryptowährungen muss derjenige die Kosten tragen, der die Zahlung ausführt. Somit ist zu erwarten, dass dies die NI senken könnte (Sixt, 2017).

Die enorm starken Preisschwankungen, wie sie beispielsweise beim Bitcoin auftauchen, haben eine Vielzahl Deutscher bereits dazu bewegt Kryptowährungen zu kaufen. Sie spekulierten darauf, durch diePreisvolatilitätdes Bitcoin Gewinne erzielen zu können (Bitkom Research, 2018a). Untersuchungen konnten dies ebenfalls als Verwendungsgrund identifizieren, weshalbPreisvolatilitätden letzten Indikator des Konstruktes WN bildet (Evans-Greenwood et al., 2016; Folkinshteyn & Lennon, 2016; Hungerland et al., 2017; Sprenlink, 2014).

6.2 Indikatoren der Wahrgenommenen Benutzerfreundlichkeit

DieEinfache Erlernbarkeitstellt den ersten der fünf gebildeten Indikatoren des Konstruktes WB dar. Dieser Indikator geht dabei vor Allem auf Davis (1989) zurück. In der Forschungsarbeit von Pousttchi (2003) zur Akzeptanz vonMobile Payment, gaben 81% der Befragten an, dass die einfache Erlernbarkeit des Umgangs mit Mobile Payment eine wichtige Voraussetzung für dessen Akzeptanz und Nutzung darstellt. Zu ähnlichen Ergebnissen kommen auch Pal et al. (2015) und Riskinanto et al. (2017) in ihren Untersuchungen.

Aus einer repräsentativen Studie zu den Ablehnungsgründen von Kryptowährungen als Zahlungsmittel in Deutschland geht hervor, dass der Erwerb zu kompliziert sei (Bitkom Research, 2018a). Da dies ein Nutzungshindernis darstellen kann, dient derEinfache Erwerbvon Kryptowährungen als weiter Indikator.

Es kann angenommen werden, dass Kryptowährungen einem Netzwerkeffekt unterliegen. Das bedeutet, dass die Nachfrage, Kryptowährungen als Zahlungsmittel einzusetzen, mit dem Angebot an Akzeptanzstellen steigt und umgekehrt. Da es in Deutschland allerdings nicht viele Stellen gibt, die eine Zahlung mit Kryptowährungen akzeptieren, ist dieVerfügbarkeit von Akzeptanzstellenein weiterer Indikator (Hungerland et al., 2017; Statista, 2017).

Etwa 93% der Befragten einer Analyse zur Akzeptanz vonMobile Paymentgaben an, dass eine einfache Bedienbarkeit eine notwendige Voraussetzung der Nutzung sei (Pousttchi, 2003). Dieses Ergebnis deckt sich mit weiteren Forschungsresultaten aus demselben Forschungsbereich (Muñoz-Leiva et al., 2017; Pal et al. 2015). Eine weitere Studie untersuchte Kundenwünsche in Bezug auf bargeldloses Bezahlen und stellte ebenfalls fest, dass eine einfache Bedienbarkeit voraussetzend für die Nutzung ist (Paxmann et al., 2014). Daher wird in dieser Masterarbeit unterstellt, dass dereinfachen Bedienbarkeitbei der Bezahlung mit Kryptowährungen ein ähnliches Gewicht zu Teil wird.

In Abschnitt 2.1.2 wurde bereits die Funktionsweise einer Bitcoin-Transaktion vorgestellt und es wurde gezeigt, dass es sich hierbei um einen technisch komplexen Prozess handelt. Pal et al. (2015) konnten in ihrer Untersuchung der Akzeptanz desNFC Paymentsdie einfache Verständlichkeit der Funktionsweise als Nutzungsprämisse identifizieren. Die Komplexität der Funktionsweise einer Bezahlung mit Kryptowährungen ist möglicherweise nur schwer verständlich und könnte daher ein Hemmnis der Nutzung darstellen.

6.3 Indikatoren der persönlichen Innovationsbereitschaft

Die PI ist ein starker Treiber für die Akzeptanz und Nutzung einer neuen Technologie (Rogers, 2003). Im Abschnitt 3.3.4 wurde bereits derEarly Adopterdefiniert. Für das Konstrukt PI stellt die Eigenschaft, einEarly Adopterzu sein, eine wesentliche Dimension dar.

Der Zusammenhang zwischen der PI und der Nutzung des kontaktlosen Bezahlverfahrens NFC wurde ausführlich von Pal et al. (2015) in ihrer wissenschaftlichen Arbeit untersucht. Verbraucher, die angaben an neuen Technologien interessiert zu sein, waren eher dazu geneigt das NFC Payment zu nutzen als jene, deren Innovationsbereitschaft nicht in diesem Maße ausgeprägt war. Das Interesse an neuen Technologien wird auch alsTechnophiliebezeichnet. In Studien aus dem Bereich desMobile Paymentkonnte der Einfluss sogenannterTechnophiliebestätigt werden (Beutin & Schadbach, 2017; Paxmann et al., 2014). In dieser Masterarbeit wird daher das Konstrukt PI durch die IndikatorenEarly Adoptersowie derTechnophilierepräsentiert.

6.4 Indikatoren des Wahrgenommenen Risikos

DiePreisvolatilitätvon Kryptowährungen wurde bereits als Indikator des Konstrukts WN definiert. Die Preisschwankungen verlaufen jedoch zumeist nicht in eine Richtung, wie die jüngste Kursentwicklung des Bitcoin zeigt. Dieser fiel von einem

Allzeithoch von mehr als 19.000 EUR auf nur 6.361,16 EUR (Stand: 01.06.18; Historical Data, 2018). DiePreisvolatilitätdes Bitcoin ist beispielsweise einer der Hauptgründe für den Nichtkauf in Deutschland und stellte in einer Vielzahl von Studien ein WR seitens der Verbraucher dar (Bitkom Research, 2018a; Evans- Greenwood et al., 2016; Folkinshteyn & Lennon, 2016; Hungerland et al., 2017; Sprenlink, 2014). Aus diesem Grund kommt diePreisvolatilitätebenfalls für die Erhebung des WR zum Einsatz.

In einer Forschungsarbeit zum Akzeptanzprozess von Kryptowährungen wurde deutlich darauf hingewiesen, dass potenzielle Nutzer ein hohes Verlustrisiko der eigenen Token durch Betrug wahrnehmen (Sprenlink, 2014). Daraus leitet sich ab, dass die Angst vor Betrug ein wesentlicher Grund ist sich von Kryptowährungen abzuwenden (Bitkom Research, 2018a; Evans-Greenwood et al., 2016; Featherman & Pavlou, 2003; Sprenlink, 2014). DasBetrugsrisikosoll demzufolge eine weitere Dimension des WR darstellen.

Auch der mangelnde Schutz persönlicher Daten könnte ein Risiko darstellen. Gerade wenn es um den Datenschutz geht, ist Deutschland ein Vorreiter (Tapscott & Tapscott 2016). Die Bedeutung des Datenschutzes zeigte sich spätestens im Zuge der NSA-Spionageaffäre, welche eine große Datenschutzdebatte in Deutschland nach sich zog (Biermann, 2016, 8 Juli) und seit der in diesem Jahr verabschiedeten EU-weiten Datenschutzbestimmung ist dieses Thema präsenter als je zuvor (Europäische Kommission, 2018). Bereits 2017 gaben 54% Deutscher bei einer Befragung an, dass Datenschutz sehr wichtig ist. Lediglich 1% gaben an, dass er unwichtig sei (YouGov, n.d.).

Vor allem beim Geldtransfer stellt der Verlust der persönlichen Daten einen Risikofaktor aus Sicht des Verbrauchers dar (Ahamad et al., 2013; Beutin & Schadbach, 2017; Featherman & Pavlou, 2003; Muñoz-Leiva et al., 2017; Pal et al., 2015; Paxmann et al., 2014; Statista, 2017). Zwar werden bei einer Zahlung mit Kryptowährungen gar keine personenbezogenen Daten erhoben, dennoch wird in dieser Masterarbeit unterstellt, dass dies vor allem bei weniger versierten Verbrauchern als Risiko wahrgenommen werden könnte (Tapscott & Tapscott 2016).

Neben den genannten möglichen Risiken, könnte auch der Ort, an dem die Token aufbewahrt werden, ein Hemmnis der Akzeptanz darstellen. Oftmals werden die eigenen Tokens bei Krypto-Börsen aufbewahrt (Tapscott & Tapscott 2016).

Dadurch entsteht ein sogenanntes Leistungsrisiko seitens der Krypto-Börsen, da diese zwar für die Sicherheit der Währungsbestände verantwortlich sind, anders als bei einer staatlichen Bank, für den Verlust aber nicht immer haftbar gemacht werden können (Sixt, 2017). Das Leistungsrisiko wurde bereits in der wissenschaftlichen Publikation von Featherman & Pavlou (2003) als Indikator identifiziert und bildet somit den vierten Akzeptanzindikator des WR.

6.5 Indikatoren der Nutzungsintention

Bei der Operationalisierung des Konstruktes NI wird sich stark am ursprünglichen TAM orientiert. Im Zuge der Datenerhebung für das Konstrukt NI soll daher erforscht werden, ob sich der Befragte vorstellen kann Kryptowährungen als Zahlungsmittel einzusetzen und ob ein konkretes Nutzungsvorhaben besteht (Davis, 1989) (Anhang I). Dabei soll die NI jeweils bei einem konkreten Einsatzszenario pro digitaler Branche erhoben werden. Somit stellen die digitalen Branchen die Indikatoren der NI dar. Daher soll abgefragt werden, ob der Befragte beim Kaufabschluss in den digitalen BranchenOnline Handel, Mobilitätsdienste, Online Reisebuchung, Online Essenslieferung, ePublishing, Online VideospieleundOnline VeranstaltungsticketKryptowährungen einsetzen würde. Hierbei könnte beispielsweise der Bitcoin zum Einsatz kommen (Anhang I).

Für die digitalen BranchenVernetzte FahrzeugesowieSmarte Haushaltsgeräte, sollen die Befragten ihre NI bei Bezahlszenarien angeben, bei denen Geräte unter Einsatz von Kryptowährungen autonom bezahlen können. Als Beispiel für die digitale BrancheVernetzte Fahrzeugedient ein PKW, der in der Lage ist selbstständig Parkgebühren zu begleichen und fürSmarte Haushaltgeräteein Kühlschrank, der durch ihn entstandene Stromkosten autonom bezahlt (IOTA Foundation, 2018a; IOTA Foundation, 2018b; Sixt, 2017). Beide Szenarien ließen sich mit der Kryptowährung IOTA tatsächlich umsetzen, da diese Kryptowährung Transaktionen zwischen Geräten ermöglicht (IOTA Foundation, 2018c).

Für die digitale BrancheVideo und Musik On-Demandwird ein weiteres Bezahlszenario definiert. Hierbei wäre es mit der Kryptowährung Slate möglich, ausschließlich für den Nutzungszeitraum zu bezahlen, in der tatsächlich On- Demand Inhalte konsumiert würden (Slate Entertainment Group, 2018).

Insgesamt konnten sieben wissenschaftliche Publikation sowie sechs Studien identifiziert werden, mithilfe derer die Konstrukte operationalisiert wurden. Die identifizierten Indikatoren wurden den jeweiligen Konstrukten zugeordnet und es wurde Wert darauf gelegt, Indikatoren auszuwählen, die einer Vielzahl von Quellen entstammen, um eine Inhaltsvalidität gewährleisten zu können. Im weiteren Verlauf wurden für alle digitalen Brachen Bezahlszenarien entwickelt, bei denen Kryptowährungen zum Einsatz kommen.

Im nachfolgenden Kapitel wird das Forschungsdesign dieser Masterarbeit vorgestellt. Das definiert die Art und Weise der empirischen Erfassung und Überprüfung der Konstrukte.

7 Festlegung des Forschungsdesigns

Das Forschungsdesign bildet die Grundlage der empirischen Untersuchung und legt die zeitliche Dimension der Erhebung, das Erhebungsinstrument sowie die Merkmalsträger fest (Stein, 2014).

Da es aufgrund des zeitlichen Rahmens dieser Masterarbeit nicht möglich ist, eine Datenerhebung über einen größeren Zeitraum zu betrachten, soll die Online Umfrage auf eine zweiwöchige Laufzeit beschränkt werden (Raithel, 2008). Damit kann nur der aktuelle Zeitpunkt der Bestandsaufnahme betrachtet werden. Aus wissenschaftlicher Sicht gilt die einmalige Datenerhebung für einen derartigen Betrachtungsgegenstand als ausreichend (Stein, 2014).

Als Erhebungsinstrument wird die standardisierte Online-Umfrage ausgewählt, da sich so in kürzester Zeit nicht nur eine hohe Teilnehmerzahl erreichen lässt, sondern auch ein hohes Kontaktpotenzial durch die Reichweite des Internet ausgeschöpft werden kann (Zerback, Schoen, Jackob & Schlereth, 2009). Darüber hinaus bietet die Online-Umfrage den Vorteil der zeitlichen und räumlichen Unabhängigkeit. Eine zeitgleiche Befragung ist hierbei möglich, die sämtliche Methodeneffekte ausgrenzt, die durch die Erhebung zu unterschiedlichen Zeitpunkten auftreten können (Wagner & Hering, 2014).

Es gilt außerdem sicherzustellen, dass eine Person nicht im Auftrag eines Unternehmens an der Online-Umfrage teilnimmt, um als Privatperson klassifiziert werden zu können (Duden, 2018). Da es sich bei der Bezahlung mit Kryptowährungen um eine Zahlungsabwicklung handelt, sollen die zu Befragenden volljährig sein. Wie in Abschnitt 2.2 gezeigt wurde, werden Transaktionen mit Kryptowährungen online abgewickelt und daher ist ein vorhandener Internetzugang Voraussetzung zur Teilnahme. Diese Bedingung ist allerdings schon durch die Wahl des Erhebungsinstruments erfüllt. Auf die Einschränkung eines bestimmten Bildungsstandes wird bewusst verzichtet, um ein breiteres Forschungsergebnis zu erzielen. Darüber hinaus wird unterstellt, dass Privatpersonen, die nicht wissen was Kryptowährungen sind, nicht in der Lage sind, die Online-Umfrage angemessen zu beantworten und werden daher als unzulässig eingestuft. Als Merkmalsträger lassen sich demnach deutsche, volljährige Privatpersonen jeden Bildungsgrades definieren, die Kryptowährungen kennen und einen Zugang zum Internet haben. Die Merkmalsträger stellen die zu untersuchende Grundgesamtheit dieser Forschung dar (Raithel, 2008).

Da sich der Erhebungszeitraum auf zwei Wochen belaufen soll und die Daten nur einmalig erhoben werden sollen, liegt dieser Forschung ein Querschnittsdesign zugrunde (Raithel, 2008).

8 Online-Umfrage

Zum Erstellen einer Online-Umfrage, gibt es eine Vielzahl verfügbarer Online-Tools. Die Wahl fällt auf das Toolquestback, da es neben einer einfachen Nutzeroberfläche beim Erstellen der Online-Umfrage zusätzlich über einen einfachen Datenexport verfügt.

Beim Erstellen einer Online-Umfrage ist ein selbsterklärendes und ästhetisches äußeres Erscheinungsbild wichtig. Es kann einen relevanten Einfluss auf das Verhalten der Befragten haben und die Anzahl vollständig abgeschlossener Online- Umfragen positiv beeinflussen (Raithel, 2008). Deshalb wird auf eine einfache und selbsterklärende Gestaltung der Online-Umfrage besonderen Wert gelegt.

Maurer & Jandura (2009) empfehlen neben der ästhetischen Darstellung der Inhalte, eine Status-Anzeige und eine Nummerierung der Fragen, um die Anzahl der Nichtbeantwortungen zu verringern.

8.1 Aufbau der Online-Umfrage

Die Online-Umfrage unterteilt sich in fünf Teile. Nach einem inhaltlichen Einstieg folgt eine sogenannte Eisbrecher-Frage. Im Hauptteil werden die Indikatoren abgefragt und anschließend sozialstatistische Daten erhoben. Im Schlussteil folgt eine Danksagung für die Teilnahme (Kuckartz, Ebert, Rädiker & Stefer, 2009).

Der erste Teil der Online-Umfrage ist der inhaltliche Einstieg. Hierbei wird zunächst der Kontext der Online-Umfrage hergestellt und es wird kurz erläutert, dass sich Kryptowährungen neben Spekulationen an Krypto-Börsen ebenfalls als

Zahlungsmittel eignen. Darüber hinaus wird auf die Datenschutzerklärung hingewiesen. Den Datenschutzbestimmungen muss der Umfrageteilnehmer zustimmen, um fortfahren zu können (Anhang I). Die Einleitung soll kurzgehalten werden und sich auf die wichtigsten Informationen beschränken. Ein zu hoher Leseaufwand im Vorfeld der Befragung kann nämlich einen frühen Abbruch der Online-Umfrage zur Folge haben (Maurer & Jandura, 2009).

Direkt nach dem inhaltlichen Einstieg folgt die sogenannte Eisbrecher-Frage. Deren Aufgabe ist es, das Engagement des Befragten positiv zu beeinflussen. Sie soll eine Herleitung zum Thema schaffen und das Interesse des Befragten wecken (Raithel, 2008). Im Kapitel 7 wurde festgelegt, dass Personen, die nicht wissen was Kryptowährungen sind, als ungeeignet für die Teilnahme an der Online-Umfrage gelten. Daher wird die Eisbrecher-Frage als sogenannte Filterfrage instrumentalisiert. Dies bietet die Möglichkeit, den Datensatz schneller zu bereinigen. Daher wird im Zuge der Eisbrecher-Frage abgefragt, ob der Umfrageteilnehmer Wissen über Kryptowährungen besitzt (Anhang I).

Im Hauptteil der Online-Umfrage werden die Indikatoren der einzelnen Konstrukte abgefragt. Um diese abfragen zu können, werden sie zunächst als Aussage formuliert. Diese Aussagen werden auch als Items bezeichnet (Häder, 2006). Insgesamt werden vier Item-Batterien für die Konstrukte WN, WB, WR und PI gebildet. Eine Item-Batterie ist die Auflistung mehrerer Items, die mit Hilfe einer Skala beantwortet werden sollen (Porst, 2014).

Für das Konstrukt NI werden insgesamt zehn Item-Batterien entwickelt, um die NI innerhalb der jeweiligen digitalen Branchen abfragen zu können.

Werden Items ausschließlich positiv oder negativ gepolt, besteht die Gefahr, dass das Ergebnis verzerrt werden könnte. Negativ formulierte Items hätten dabei einen größeren Einfluss, als positiv gepolte Items (Raithel, 2008). Daher wird bei der Formulierung der einzelnen Items großen Wert auf die wertneutrale Formulierung gelegt. Da jedoch, beispielsweise beim Konstrukt WR, eine erhöhte Herausforderung der wertneutralen Formulierung besteht, werden die Fragen der Online-Umfrage in unterschiedliche Richtungen gepolt. Dies eröffnet zusätzlich die Möglichkeit, Befragte besser zu identifizieren, die immer dieselbe Antwort abgeben, um den Datensatz später bereinigen zu können (Raithel, 2008).

Für jede Item-Batterie wird zusätzlich eine standardisierte, geschlossene Frage formuliert. Geschlossene Fragestellungen zeichnen sich dadurch aus, dass sie sich besonders gut für die quantitative Datenerhebung eignen und dem Befragten Antwortmöglichkeiten geben (Kuckartz et al., 2009). Ziel dieser geschlossenen Frage der Konstrukte, WN, WB, WR und PI ist es, einen Kontext für den Befragten herzustellen.

Bei den zehn Item-Batterien der NI werden die geschlossenen Fragen durch die Bezahlszenarien der jeweiligen digitalen Branchen repräsentiert. Die Mehrheit der Bezahlszenarien sind jedoch rein hypothetischer Natur. Da derzeit nur 1,7% der Deutschen Kryptowährungen als Zahlungsmittel eingesetzt haben, kann nicht davon ausgegangen werden, dass die zu Befragenden dies bereits taten (Civey, 2017). Daher werden die geschlossenen Fragen im Konjunktiv II formuliert.

Für die Branche des Online Handel lautet die geschlossene Frage beispielsweise:

„Angenommen Sie hätten die Möglichkeit Ihre Kleidung in Ihrem Lieblings-Online- Shop mit Kryptowährungen zu bezahlen. Wie bewerten Sie folgende Aussage?“ (Anhang I).

Die Antwortmöglichkeiten für die jeweiligen Items werden in Form einer Likert-Skala dargestellt, bei der die Intervallabstände immer gleich groß sind (Raithel, 2008). Die Likert-Skala ist eine verbalisierte Intervallskala, mit der es möglich ist, Einstellungen von Personen zu erheben. In dieser Online-Umfrage kommt eine Likert-Skala mit sieben Intervallen zum Einsatz. Dies kann dabei helfen den Gehalt an Informationen zu maximieren (Raithel, 2008; Welker & Matzat, 2009). Die sieben-stufige Likert- Skala kam beim ursprünglichen TAM von Davis (1989) ebenfalls zum Einsatz und hat sich auch in weiteren Akzeptanzforschungen desMobile Paymentbewährt (Davis, 1989; Featherman & Pavlou, 2003; Muñoz-Leiva et al., 2017).

Da die Skalen von Online-Fragebögen einen Verlauf darstellen, wird in der Literatur empfohlen, in europäischen Ländern die Richtung der Skala von links nach rechts aufzubauen, da dies der allgemeinen Denkrichtung entspricht (Porst, 2014). Zusätzlich verfügt die Skala über einen Skalenmittelpunkt („Ich weiß nicht“), um dem Befragten die Möglichkeit zu geben keine Antwort abzugeben, anstatt eine Falschangabe machen zu müssen. Dies kann die Anzahl der abgeschlossenen Beantwortungen zusätzlich erhöhen (Anhang I; Porst, 2014).

Die in dieser Online-Umfrage verwendete Skala ist daher von links nach rechts wie folgt verbalisiert: Intervall 1 = „Trifft gar nicht zu“, Intervall 2 = „Trifft überwiegend nicht zu“, Intervall 3 = „Trifft eher nicht zu“, Intervall 4 = „Ich weiß nicht“, Intervall 5 = „Trifft eher zu“, Intervall 6 = „Trifft überwiegend zu“ und Intervall 7 = „Trifft voll und ganz zu“ (Anhang I, Prost, 2013; Raithel, 2008).

Nach dem Hauptteil folgt die Erhebung sozialstatistischer Daten. Diese sollten grundsätzlich am Ende einer Umfrage stehen, da diese die Umfrageteilnehmer in der Regel nicht interessieren und somit die Nichtbeantwortung-Quote gesenkt werden kann (Raithel, 2008). Der Fragebogen der sozialstatistischen Daten setzt sich aus drei Merkmalen zusammen. Dabei sollen das Geschlecht, das Alter sowie der höchste Bildungsabschluss erfasst werden (Anhang I). Die Erhebung der sozialstatistischen Daten soll dabei helfen die spätere Stichprobe zu bilden. Abschließend erfolgt auf der letzten Seite der Online-Umfrage eine Danksagung für die Teilnahme. Darüber hinaus findet sich auf der letzten Seite die E-Mail-Adresse des Autors dieser Masterarbeit, damit den Befragten die Möglichkeit geboten wird bei Rückfragen oder Interesse in Kontakt zu treten (Prost, 2013).

Um die inhaltliche Validität der soeben erstellten Online-Umfrage sicherzustellen, soll diese außerdem durch Fachexperten überprüft werden (Weiber & Mühlhaus, 2014). Daher wird im nachfolgenden Abschnitt die Expertenvalidierung durchgeführt.

8.2 Expertenvalidierung

Die Expertenvalidierung ist die Absicherung der Gültigkeit der Online-Umfrage, durch anerkannte Autoritäten (Häder, 2006; Raithel, 2008; Reichertz, 2014). Im Zuge der nachfolgenden Expertenvalidierung sollen Fachexperten aus relevanten Bereichen die Eignung der Indikatoren zur Erhebung der Einstellungsakzeptanz beurteilen (Raithel, 2008).

Insgesamt konnten für die Expertenvalidierung vier Experten gewonnen werden. Der Experte 1 ist hauptberuflich Unternehmensberater und ein Miner von Kryptowährungen und Node-Betreiber (Anhang F). Aus dem Finanzbereich hat sich Experte 2 für die Indikatoren-Validierung zur Verfügung gestellt. Experte 2 ist Projekt Manager bei der Direktbank N26 Bank GmbH und arbeitet derzeit an einem Konzept für eine Wallet, die auf der Blockchain- Technologie basiert (Anhang F). Experte 3ist Produktmanagerin der Deutsche Kreditbank AG und arbeitet im Bereich der Wertpapiergeschäfte (Anhang F). Ebenfalls hat Experte 4 an der Expertenvalidierung teilgenommen. Experte ⁴ arbeitet als Account Manager beim B2B Payment- Anbieter Adyen N.V. German Branch (Anhang F).

Zur Durchführung der Validierung wurden sämtliche Inhalte der Online-Umfrage, in eine Excel-Tabelle übertragen und den genannten Experten per E-Mail übermittelt. Die Excel-Tabelle verfügte über ein einleitendes Briefing sowie eine Durchführungsanweisung.

Grundsätzlich empfanden alle Experten den Großteil der entwickelten Indikatoren und Items als passend. Vor allem Experte 1 war besonders engagiert und hat die meisten Anmerkungen gegeben (Anhang F). Drei der vier Experten empfanden den IndikatorEinfache Verständlichkeitals unpassend. Experte 2 begründet dies damit, dass es nicht notwendig sei, die technische Funktionalität zu verstehen, da beispielsweise der Großteil der Kreditkarten Nutzer die Funktionsweise dieser nicht kennen, aber sie trotzdem nutzen (Anhang F). Dies veranlasst dazu, diesen Indikator gänzlich zu streichen. Zwar waren alle Experten mit dem IndikatorLeistungsrisikodes Konstrukts WR einverstanden, Experte 1 empfahl jedoch diesen aufzugliedern. Die Aufteilung sollte dabei in dasSelbstverantwortungsrisikosowie dasDelegationsrisikoerfolgen (Anhang F). Dies erscheint nach Re-Evaluierung der Fachliteratur als sinnvoll, da es zwei Möglichkeiten der Aufbewahrung von Kryptowährungen gibt. Es gibt die Möglichkeit Kryptowährungen in eigenen privaten Wallet oder bei Krypto-Börsen aufzubewahren (Tapscott & Tapscott, 2016). Experte

1 empfahl zudem, das Konstrukt PI zu erweitern. Dabei soll abgefragt werden, ob eine Person bereits die Finanzgeschäfte online abwickelt (Anhang F). Auch die Forschungsliteratur zeigt, dass Verbraucher, die bereits Erfahrungen mit ähnlichen Technologien gemacht haben, grundsätzlich eher dazu geneigt sind, Neues auszuprobieren, als jene ohne derartige Erfahrungen (Pal et al., 2015). Daher wird das Konstrukt PI um den IndikatorErfahrungen im Online Banking/Brokerageerweitert. Eine Übersicht aller identifizierten und durch Fachexperten validierten Indikatoren ist dem Anhang A zu entnehmen.

Im Zuge der Expertenvalidierung wurde dieEinfache Verständlichkeitals Indikator gestrichen, da diese von drei Experten als ungeeignet eingestuft wurde. Darüber hinaus wurden die Konstrukte durch dasDelegations- und Selbstverantwortungsrisiko, sowieErfahrungen im Banking/Bookerageerweitert. Zusammenfassend ergeben sich somit 28 Indikatoren, die die empirische Erfassbarkeit und Überprüfbarkeit der Konstrukte ermöglichen sollen.

Die gesamte Online-Umfrage ist dem Anhang I zu entnehmen. Den letzten Schritt zur Finalisierung der Online-Umfrage, stellt der Pretest dar, welcher nachfolgend beschrieben wird.

[...]

---

¹ Ein Peer-To-Peer Netzwerk ermöglicht den direkten Transfer von Informationen zwischen Endgeräten. Für eine ausführliche Definition des Begriffes siehe: Schoder, D., & Fischbach, K.

² Zugunsten des verbesserten Leseflusses, wird in der vorliegenden Masterarbeit das generische Maskulinum angewandt. Dennoch sind zu jedem Zeitpunkt alle Geschlechter gemeint und es wird versucht, betreffende Formulierungen möglichst geschlechtsneutral zu halten.

³ Nachfolgend wird aus Gründen der besseren Verständlichkeit der Begriff Bitcoin ausschließlich für die Kryptowährung und der Begriff Blockchain für das Netzwerk eingesetzt.

⁴ Abbildung siehe Anhang K

• College: BSP Business School Berlin (form. Potsdam)
• Grade: 1.4
• Author: Constantin Arndt (Author)
• Publication Year: 2018
• Pages: 162
• Catalog Number: V539367
• ISBN (eBook): 9783346163301
• ISBN (Book): 9783346163318
• Language: German
• Tags: akzeptanzanalyse, branchen, deutschland, eine, kryptowährungen, sind, zahlungsmittel