Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Determinanten von Vertrauen und Akzeptanz von Large Language Models im Unternehmenskontext

  • Michael Ziegl

    Studienabschlussarbeit: Masterarbeit

    Abstract

    Großes Interesse an Fortschritten im Bereich der Large Language Models ergibt sich aus dem Potenzial, komplexe Aufgaben im Unternehmenskontext zu unterstützen. Anwendungen wie ChatGPT haben in kurzer Zeit eine große Nutzer:innengruppe erreicht. Gleichzeitig bestehen Schwächen, wie etwa das Erzeugen von sogenannten Halluzinationen, unter was man die Generierung unzutreffender oder unlogischer Inhalte versteht. Diese Eigenschaften erschweren Vertrauen und damit die Akzeptanz im betrieblichen Umfeld. Vertrauen und Akzeptanz gelten als wesentliche Voraussetzung für die erfolgreiche Einführung neuer Technologien, da nachgewiesen ist, dass entsprechende Einstellungen die Nutzungsbereitschaft beeinflussen. Vor diesem Hintergrund untersucht die vorliegende Masterarbeit systematisch Einflussfaktoren auf Vertrauen und Akzeptanz von Large Language Models im Unternehmenskontext und analysiert deren Wirkung auf die Nutzungsbereitschaft. Die Arbeit gliedert sich in einen theoretischen und einen empirischen Teil. Der theoretische Abschnitt erläutert Grundlagen zu Künstlicher Intelligenz und Large Language Models, europäische Leitlinien für vertrauenswürdige KI sowie Theorien zu Vertrauen und Akzeptanz. Darauf aufbauend wurde ein Forschungsmodell entwickelt, das technische und funktionale Anforderungen, soziale Einflussfaktoren und ethische Aspekte als Einflussgrößen auf Vertrauen und Akzeptanz integriert. Methodisch wird ein zweistufiges Vorgehen umgesetzt: Zuerst wurde eine systematische Literaturrecherche durchgeführt um den aktuellen Forschungsstand zu erschließen. Anschließend folgt eine quantitative Online-Befragung mit 172 Mitarbeiter:innen mit Erfahrung im Umgang mit Large Language Models. Die Auswertung erfolgt mittels statistischer Analysen sowie der linearen Regressionen, zur Überprüfung der formulierten Hypothesen. Die empirischen Ergebnisse zeigen, dass funktionale Aspekte Determinaten der Akzeptanz von Large Language Models sind. Demografische Merkmale wie Alter oder Geschlecht erweisen sich nicht als relevante Moderatoren dieser Zusammenhänge. Zusätzlich wird Vertrauen als Einflussgröße in das Modell aufgenommen. Höheres Vertrauen in ein Large Language Model korreliert signifikant mit einer höheren Nutzungsabsicht. Es ist sichtbar, dass funktionale Erwartungen sowie vertrauensfördernde Bedingungen entscheidend für die Akzeptanz im Unternehmenskontext sind. Für das Vertrauen in Large Language Models sind somit ethische Einflussgrößen ausschlaggebend. Ein hoher wahrgenommener Respekt für die menschliche Autonomie erhöht das Vertrauen signifikant. Ebenso wirkt die wahrgenommene Fairness, verstanden als Abwesenheit diskriminierender Ausgaben, positiv auf das Vertrauen. Die Analyse verdeutlicht, dass ethische Prinzipien wie Autonomie und Fairness das Vertrauen von Mitarbeitenden in Large Language Models positiv beinflussen und damit eine Grundlage für die erfolgreiche Einführung dieser Technologie bilden.
    Datum der Bewilligung2025
    OriginalspracheDeutsch (Österreich)
    Gradverleihende Hochschule
    • Johannes Kepler University Linz
    Betreuer/-inRené Riedl (Betreuer*in)

    Studiengang

    • Digital Business Management

    Zitieren

    '