Verlagslink DOI: | 10.1007/978-3-658-29995-8_12 | Titel: | Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen | Sprache: | Deutsch | Autorenschaft: | Corves, Annette Schön, Eva-Maria |
Herausgeber*In: | Boßow-Thies, Silvia Hofmann-Stölting, Christina |
Erscheinungsdatum: | 2020 | Verlag: | Springer Fachmedien Wiesbaden | Buchtitel: | Data-driven Marketing: Insights aus Wissenschaft und Praxis | Anfangsseite: | 257 | Endseite: | 281 | Zusammenfassung: | Menschen sind seit Jahrzehnten davon fasziniert, Maschinen mit menschlichem Bewusstsein zu erschaffen. Künstliche Intelligenz (KI) trifft genau diesen Nerv und stößt aber gerade deshalb auf Misstrauen. Die zunehmende Entwicklung innovativer Produkte, die auf KI basieren, führen zu einer Erleichterung im Alltag der Menschen sowie zu einer Revolution der Arbeitswelt. Zum anderen erzeugen Medienberichte über Datenmissbrauch, Abhöraktionen und über die KI als Gefahr für die Menschheit Misstrauen. Dies kann in eine ablehnende Haltung gegenüber dem technologischen Fortschritt resultieren. Ziel dieses Artikels ist es, einen Beitrag zum Aufbau eines berechtigten digitalen Vertrauens zu leisten. Hierzu werden Kenntnisse zu humanen Vertrauensquellen und -mustern zusammengeführt und ein Trust-Journey-Ansatz zum Vertrauensaufbau für das Marketing entwickelt. Implikationen einer spezifischen KI-Trust-Journey werden am Beispiel von Voice User Interfaces (VUI) wie z. B. Amazon Alexa, Tmall Genie von Alibaba, Alice und Google Home konkretisiert. Abschließend werden Prinzipien des digitalen Vertrauensaufbaus empfohlen, um Marken und innovative, digitale Produkte aus der Vertrauensperspektive zu stärken und die wesentliche Rolle des Marketings in der menschzentrierten digitalen Produktentwicklung herauszuarbeiten. |
URI: | http://hdl.handle.net/20.500.12738/10818 | ISBN: | 978-3-658-29994-1 978-3-658-29995-8 |
Einrichtung: | Department Wirtschaft Fakultät Wirtschaft und Soziales |
Dokumenttyp: | Kapitel (Buch) |
Enthalten in den Sammlungen: | Publications without full text |
Zur Langanzeige
Volltext ergänzen
Feedback zu diesem Datensatz
Export
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.