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

Seitenansichten

150
checked on 26.12.2024

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Volltext ergänzen

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.