Skip to main content

Mit Chatbots die finanzielle Allgemeinbildung stärken

Zusammenfassung

Die finanzielle Allgemeinbildung (eng. Financial Literacy) wird immer wichtiger und hat immer mehr Auswirkungen auf die wirtschaftliche Lage der einzelnen Bürger. Branchenexperten wie auch die allgemeine Bevölkerung sind sich einig, dass Finanzwissen wichtig ist und dennoch gibt es immer noch große Lücken im Bereich des Finanzwissens. In dieser Arbeit wird versucht, die finanzielle Bildung junger Menschen mithilfe eines chatbotbasiertes Wissenstrainings zu verbessern. Studien dazu haben gezeigt, dass Chatbotsequenzen von 5–10 min, die von der Zielgruppe 2‑ bis 3‑mal pro Woche absolviert werden, das Wissen über Finanzthemen verbessern und gleichzeitig von der Zielgruppe als angenehm und teilweise sogar unterhaltsam empfunden werden. Die Tonalität der Chatbots muss dabei an die Zielgruppe angepasst werden. Einfache Sprache, ein bisschen Humor und der Einsatz von Medien werden sehr geschätzt. Die Ergebnisse zeigen weiter, dass es den Teilnehmern wichtig ist, während der Trainingseinheiten anonym zu bleiben.

Defizite in der finanziellen Allgemeinbildung der Bevölkerung

Finanzielle Allgemeinbildung (eng. Financial Literacy) beschreibt das Wissen einer Person über die wichtigsten finanziellen Konzepte und die Fähigkeit, dieses Wissen anzuwenden, um fundierte finanzielle Entscheidungen treffen zu können [14]. Obwohl die Finanzkompetenz in der DACH-Region internationalen Vergleich recht hoch ist [1], verdeutlichen Studien immer wieder, dass auch hier ein Bedarf nach mehr Schulungsunterlagen existiert. Weiter zeigen Studien, dass es Unterschiede in der Finanzkompetenz zwischen den verschiedenen Altersgruppen, dem Bildungsniveau und dem Geschlecht gibt [2, 3].

Befragungen innerhalb der Bevölkerung zeigen weiter, dass die Mehrheit bislang noch keinerlei Schulungen zu finanziellen Themen erhalten hat, dies aber durchaus wünschenswert finden würde (vgl. Abb. 1 und 2; [18]).

Abb. 1
figure 1

Haben Sie jemals eine Schulung in Finanzangelegenheiten erhalten? Und wenn ja, in welchen?/Anzahl Beobachtungen: 1243. (Zimmermann Seiler et al. [18])

Abb. 2
figure 2

Würden Sie eine Schulung im persönlichen Umgang mit Finanzen und eine Wissensvermittlung im Bereich Altersvorsorge sinnvoll finden?/Anzahl Beobachtungen: 945. (Zimmermann Seiler et al. [18])

Aufgrund der Erkenntnisse von Zimmermann Seiler et al., die zeigen, dass jüngere Menschen die größte Gruppe beim sogenannten finanziellen Analphabetismus bilden [18], wird in dieser Arbeit eine chatbotbasierte Schulungslösung vorgeschlagen, welche sich zunächst vor allem an jüngere Menschen, die gerade ins Berufsleben gekommen sind, fokussiert. Diese kann möglicherweise im Nachhinein auch für andere Altersgruppe aus der DACH-Region adaptiert werden.

Einfache Kommunikation dank Chatbots

Chatbots, auch Conversational Agents (CA) genannt, sind softwarebasierte Systeme, die natürliche Sprache verwenden, um eine menschliche Unterhaltung zu simulieren. Nutzer können mit Chatbots Informationen austauschen [6] oder auf Daten und Dienste zugreifen, indem sie ihre natürliche Sprache verwenden [8]. Obwohl die Bezeichnung dieser softwarebasierten Systeme ständig diskutiert wird (z. B. CA, Chatbot, Chatterbot oder digitaler Assistent), bleibt der Hauptzweck derselbe, nämlich ein nichtmenschliches System, das mit einem Menschen chattet, um einen bestimmten Zweck zu erreichen (z. B. Informationen abrufen, einen Dienst nutzen) [5]. Der erste Chatbot mit dem Namen ELIZA wurde 1966 von Joseph Weizenbaum als textbasiertes Computerprogramm entwickelt, das „eine Konversation in natürlicher Sprache mit einem Computer ermöglicht“. In den 1980er-Jahren wurden textbasierte Chatbots durch sprachbasierte Dialogsysteme und verkörperte CAs erweitert [11]. Textbasierte Chatbots werden häufig auf Webseiten und Messengerplattformen (z. B. WhatsApp, Facebook Messenger, WeChat) implementiert, um den Kunden einen digitalen Touchpoint in natürlicher Sprache zu bieten [7].

Abb. 3 zeigt eine vereinfachte Darstellung eines Chatbots.

Abb. 3
figure 3

Logische Architektur eines Chatbots (vereinfacht dargestellt), vgl. Stucki et al. [15]

In der von Stucki et al. [15] beschriebenen Variante von Chatbots wird davon ausgegangen, dass der Nutzer den Dialog startet oder zumindest zuerst mit einem Anliegen auf den Chatbot zukommt. In der vorliegenden Arbeit ist es meist der Chatbot, der das Gespräch führt und dem Nutzer Fragen stellt bzw. ihm das nötige finanzielle Wissen vermittelt.

Chatbots als Wissensvermittler

Chatbots haben den Vorteil, dass sie dem Nutzer Wissen auf Augenhöhe präsentieren können. Die einfache und unkomplizierte Kommunikation per Chat führt laut Hundertmark [10] bei vielen Nutzern zu mehr Freude am Lernen und trägt auch dazu bei, dass das gelernte Wissen besser in ihrem Gedächtnis verankert werden kann als bei klassischen Lernmethoden [10]. Laut Clarizia et al. [4] können Chatbots sogar als eine der innovativsten Lösungen zur Schließung der Lücke zwischen Technologie und Bildung betrachtet werden. Dies ist auf verschiedene Aspekte zurückzuführen. Chatbots ermöglichen es den Nutzern, ihrem eigenen individuellen Tempo zu folgen [7, 8]. Der Chatbot kann (und sollte) sich an ihr Tempo anpassen. Ein Chatbot kann mehrere Plattformen, wie beispielsweise Microsoft Teams, Slack oder WhatsApp, gleichzeitig bedienen und ist für den Benutzer jederzeit und überall verfügbar [10]. Ein Chatbot ist konsistent und fair, da er jeden Nutzer gleichbehandelt [16], aber gleichzeitig kann er jeden Schüler je nach Lernfortschritt und Wissensstand fördern [4]. Einer der wichtigsten Punkte ist jedoch die Skalierbarkeit eines Chatbots. Während menschliche Lehrer in der Anzahl der Schüler, die sie unterstützen können, begrenzt sind, hat ein Chatbot keine Begrenzung und kann daher einem Schüler eine engere Betreuung bieten [16]. Ein Chatbot kann sogar besser werden, je mehr Nutzer er hat (abhängig von der zugrunde liegenden Technologie). Außerdem ist das Lernen mit Chatbottechnologie viel interaktiver [4]. Dies kann zu einer zusätzlichen Motivation zum Lernen führen. Andererseits kann ein Chatbot eine offensive Rolle spielen und einen Schüler durch das Versenden von Erinnerungen (in einem Gamificationansatz) zum Weiterlernen motivieren [4]. Bei der Aufzählung der Vorteile, stellt sich natürlich immer die Frage, was die Alternative zum Chatbot ist. Sicher ist ein Chatbot wesentlich skalierbarer als ein Mensch. Dafür fehlt manchen Studenten möglicherweise die persönliche Nähe. Vergleicht man die Chatbots mit Apps, wie Duolingo fällt schnell auf, dass die Wissensvermittlung mit Chatbots möglicherweise etwas einseitig ist, denn sie findet lediglich im Dialog statt. Anbieter von Apps, wie Duolingo versuchen dagegen unterschiedliche Lernmethoden miteinander zu verknüpfen. Bei der Auswahl der passenden Lernmethode für diese Arbeit wurden überwiegend die Vorteile von Chatbots berücksichtigt, welche dazu geführt haben, das Design von Chatbots im Bereich der Wissensvermittlung von finanziellen Themen genauer zu untersuchen.

Mit Chatbots den finanziellen „Analphabetismus“ bekämpfen

Wir wollen die Stärken der Chatbottechnologie nutzen, um das Wissen über Finanzthemen in der Bevölkerung zu verbessern. Bislang existieren weder in der Forschung noch in der Praxis erprobte Lösungen, wie die Chatbottechnologie eingesetzt werden kann, um das Wissen rund um Finanzthemen innerhalb der Bevölkerung zu verbessern. Die vorliegende Arbeit hat das Ziel, diese Forschungslücke zu schließen. Folglich soll die folgende Forschungsfrage beantwortet werden:

Wie müssen chatbasierte Trainingseinheiten gestaltet sein, damit sie das Finanzwissen bei jungen Menschen in der DACH-Region verbessern und gleichzeitig von der Zielgruppe akzeptiert werden?

Die Forschungsfrage richtet sich zunächst ausschließlich an junge Bürger, die gerade ins Berufsleben eingetreten sind. Diese Eingrenzung erfolgte mithilfe von 3 kurzen unstrukturierten Experteninterviews mit Fachleuten aus der Finanzbranche. Alle 3 Experten waren sich einig, dass die Lücken in der Finanzkompetenz dieser Gruppe sehr groß sind und dass gleichzeitig bisher nur wenig Schulungsmaterial für diese Zielgruppen verfügbar ist. Es ist aber zu vermuten, dass einige Resultate auch auf andere Zielgruppen übertragbar sind.

Erste Gestaltungsprinzipien für Chatbots als Wissensvermittler

Um Antworten auf die oben definierte Forschungsfrage zu finden, wurde ein Protoytyp, welcher aus 9 kurzen Chatbotsequenzen besteht, entwickelt. Die einzelnen Chatbots wurden auf Basis von Gestaltungsprinzipien aus anderen Chatbotstudien entwickelt. Demnach ist eines der wichtigsten Prinzipien im Bereich der Wissensvermittlung, wohl die Einfachheit des Chatbots. Nach Wambsganss et al. [17] sollte die Nutzung keine komplizierte Einrichtung erfordern, sondern plattformunabhängig sein und eine hohe Verfügbarkeit aufweisen (DP4). Wie Wambsganss et al. [17] betonen, sollte der Chatbot über verschiedene Medien wie Audio und grafische Elemente verfügen (DP1). Guglielmo [9] und Casas et al. [3] schlagen eine Personifizierung des Chatbots vor. Dies fördert die emotionale Bindung und regt zur Interaktion an. Um dies zu erreichen, sollte sich der Chatbot wie ein Mensch verhalten – also lächeln, eher kurze Sätze schreiben, mit Beispielen erklären etc. (DP5). Hundertmark [10] schlägt außerdem die Verwendung von vorgefertigten Antworten, auch regelbasierte Chatbots genannt, vor, da dies die Hürden für die Nutzung des Chatbots senkt (DP6). Dies kann jedoch von dem Thema abhängen, das mit dem Chatbot unterrichtet wird. Casas et al. [3] erwähnen die Fairness des Chatbots als weitere Anforderung. Der Nutzer sollte nicht vom Chatbot beurteilt werden, sondern er sollte vielmehr das Lernen fördern (was in der Regel bei guter Stimmung besser funktioniert) (DP2). Fühlt sich der Nutzer schlecht behandelt, wird er die Interaktion und die fiktive Person dahinter nicht mögen. Daher ist der Lerneffekt viel geringer. Ein guter Ansatz, um den Nutzer zu motivieren und die Interaktion zu fördern, ist Gamification (DP3) [13]. Gamification ist die Verwendung von Spielelementen in anderen Kontexten. Dazu kann das Lösen eines Problems, der Erhalt von Belohnungen, Abzeichen oder ein Quiz gehören. Eine weitere Option im Zusammenhang mit Gamification ist der Vergleich mit anderen Benutzern, wie von Wambsganss et al. vorgeschlagen [17]. Gamificationelemente sollten jedoch mit Vorsicht eingesetzt werden, da sie das Lernen nicht stören sollten [13]. Schließlich muss der Chatbot neben all den motivierenden Aspekten auch so gestaltet sein, dass der Nutzer etwas mit ihm lernen kann. Casas et al. [3] schlagen eine individuelle Auswahl des Themas vor. Dies hat den Vorteil, dass der Nutzer das Ziel verstehen kann und weiß, was das Ziel ist (DP7). Andererseits sollte das vermittelte Thema eine klare Relevanz für den Nutzer haben (DP8). Diese Relevanz kann durch den Einsatz von pädagogischen Rollenspielszenarien verbessert werden [17].

Tab. 1 enthält die aus diesen Forschungen abgeleiteten Gestaltungsprinzipien, welche zur Entwicklung eines ersten Prototyps verwendet worden sind.

Tab. 1 Gestaltungsprinzipien für das erste Artefakt

Die Entwicklung eines wissensvermittelnden Chatbots zur Steigerung der finanziellen Allgemeinbildung

Für die Umsetzung des ersten Prototyps, also eine Sequenz aus 9 einzelnen Chatbots mit Lerninhalten, wurde die No-Code-Lösung von eggheadsFootnote 1 verwendet. Eggheads.ai ist ein Tool, das sich ausschließlich auf die Entwicklung und Implementierung von Chatbots im Lernkontext konzentriert. Die Plattform ist webbasiert und simuliert eine Chatanwendung. Sie ermöglicht die Erstellung regelbasierter Konversationen mit vordefinierten Antworten. Unter Verwendung der zuvor definierten Gestaltungsmerkmale wurden 9 kurze Chatbots entwickelt, die jeweils ein Thema aus dem Bereich der finanziellen Bildung abdecken. Am Ende werden alle 9 Trainingseinheiten in ihrer Gesamtheit als eine Lerneinheit betrachtet und bilden somit zusammen den ersten Prototyp. Da die gesamte Arbeit als Projekt aus der Disziplin des Design Science Researchs betrachtet wird, kann dieser erste Prototyp auch als Artefact bezeichnet werden. In einem Design-Science-Research-Projekt wird zunächst ein Artefact auf Basis von bestehenden Forschungen oder Beobachtungen entwickelt. Dieses Artefact wird dann mit der Zielgruppe evaluiert und daraufhin optimiert, sodass weitere Zielgruppentests und Optimierungsrunden durchlaufen werden, bis eine finale Lösung entsteht.

Bei der Planung der Chatbots wurde, auf Hinweis des Softwareanbieters eggheads, darauf geachtet, dass die Trainingseinheiten nicht länger als 5–10 min dauern. Darüber hinaus wurde eine Reihe von Bildern und Grafiken integriert, um die Dialoge einerseits verständlicher, andererseits aber auch humorvoller und spannender zu gestalten (DP1). Einige der Gestaltungsprinzipien wurden bereits durch die Wahl der Plattform erfüllt, wie beispielsweise „einfach zu bedienen“ (DP4) und „geringer Aufwand“ (DP6). Die meisten Trainings begannen damit, dass der Chatbot eine allgemeine Frage stellte, um herauszufinden, wie viel der Nutzer über das spezifische Thema des Trainings (z. B. Anleihen) weiß. Danach gab der Bot einige Erklärungen zum Thema in Kombination mit weiteren Fragen, um zu verstehen, ob der Nutzer den Inhalt verstanden hat. Da die individuelle Auswahl des Themas durch den Nutzer aufgrund technischer Beschränkungen nicht möglich ist, wurde der Erklärung des Themas der bevorstehenden Chatsequenz und seiner Relevanz eine größere Aufmerksamkeit geschenkt (DP7, DP8). In den meisten Chatsequenzen wurden die Nutzer gebeten, sich fiktiv in eine Situation zu versetzen, in der sie von einem Freund zu verschiedenen Themen rund ums Geld befragt werden und ihre Aufgabe darin besteht, ihrem fiktiven Kollegen mit finanziellen Ratschlägen zu helfen. Zum Beispiel: „Stell dir vor, dein Freund Paulchen will Geld anlegen, aber er weiß nicht, wie viel, was würdest du ihm vorschlagen?“ Dies sollte dem Nutzer zusätzlich helfen, die Wichtigkeit von finanzieller Allgemeinbildung auch im Alltag zu verstehen. Einige der Gestaltungsprinzipien konnten jedoch aufgrund technischer Beschränkungen nicht berücksichtigt werden. Durch das Design der verwendeten Chatbotlösung war es nicht möglich, dem Nutzer einen Vergleich mit anderen Nutzern zu ermöglichen. Auch Gamificationelemente (DP3) konnten in dem ersten Prototyp nur eingeschränkt eingesetzt werden, da die Plattform es nicht erlaubt, den Nutzer individuell zu behandeln, indem man ihn z. B. mit Badges belohnt. Eine weitere Einschränkung der Plattform ist, dass die Konversation zwischen dem Chatbot und dem Nutzer streng linear verläuft. Das bedeutet, dass ein Nutzer erst antworten muss, bevor der Chatbot eine weitere Nachricht senden kann und umgekehrt. Dies führte zu Problemen bei der Anwendung des DP5. In den ersten Gesprächen mit den Experten wurde deutlich, dass die definierte Zielgruppe zunächst allgemeine Informationen über Geldanlagen benötigt, bevor spezifische Themen, wie z. B. die Ruhestandsplanung, behandelt werden können. Daher war der Inhalt der ersten Sitzungen eher allgemein gehalten und umfasste Themen wie „Warum investieren?, Wie viel sollte man investieren?, Welche sind die gängigsten Anlagemöglichkeiten?“ usw. Die siebte und achte Schulung konzentrierte sich mehr auf nachhaltige Anlagen und die letzte Schulung umfasste eine kurze Einführung in die Altersvorsorge.

Die Abb. 45 und 6 zeigen Ausschnitte aus den Chatbots als Beispiel für bestimmte Gestaltungsprinzipien.

Abb. 4
figure 4

Beispiel für die Begrüßung durch einen Chatbot (DP5, DP8)

Abb. 5
figure 5

Beispiel eines Chatbots mit Bildern (DP1, DP3)

Abb. 6
figure 6

Beispiel eines Chatbots mit Grafikaustauschformat (GIF) (DP1, DP5)

Erstes Userfeedback und Handlungsempfehlungen

Zur Evaluierung des ersten Artefacts wurden 15 Testnutzer rekrutiert, die in die definierte Zielgruppe passen. Sie können daher als junge Berufstätige mit wenig Wissen über Finanzthemen angesehen werden. Während 9 Tagen erhielten die Teilnehmer jeden Tag 1 E-Mail, in der sie aufgefordert wurden, das nächste Chatbottraining zu absolvieren. Auch wenn die Zahl der Testuser zunächst gering erscheinen mag, gehen wir davon aus, dass die Ergebnisse, basierend auf den Erkenntnissen von Norman Nielsen [12], eine gute Grundlage für die Beantwortung der Forschungsfrage darstellen. Laut Nielsen müssen für bestimmte Forschungsfragen sogar weniger als 5 Personen befragt werden, um aussagekräftige Ergebnisse zu erhalten. Nielson [12] argumentiert, dass dank des unterschiedlichen Verhaltens jedes einzelnen Testnutzers und der Tatsache, dass jeder weitere Nutzer dem Forscher weniger Einblick geben kann als der vorherige, der Forscher mit einer sehr kleinen Testgruppe genügend Einblick erhalten kann.

Am Ende der Testphase der 9 kurzen Chatbotsequenzen erhielten alle Teilnehmerinnen und Teilnehmer einen Fragebogen, in dem sie zunächst kurz nach ihrem Wissenszuwachs gefragt wurden, dann aber vor allem nach ihrer Wahrnehmung der Chatbotsequenzen.

Im Allgemeinen fiel das Feedback zu den Chatbots sehr positiv aus. Dies zeigt sich darin, dass 100 % der Testnutzer das Chattraining zur finanziellen Allgemeinbildung weiterempfehlen würden. Die Mehrheit gab sogar an, dass sie mithilfe des Chattrainings ihr Finanzwissen verbessern konnten und dass sie dabei sogar noch Spaß hatten. Das positive Feedback der Testnutzer zeigt, dass Chatbots zur Vermittlung von Finanzwissen eine geeignete Methode sind. Die Ergebnisse zeigen aber auch, dass es wichtig ist, dass sich der Schwierigkeitsgrad der Trainings an die Nutzer anpasst. Die Mehrheit der Nutzer wünscht sich pro Woche 3–5 kurze Chatbottrainings, die jeweils maximal 10 min dauern sollten. Bei der Erstellung von Inhalten ist es wichtig, dass diese auch Medien wie Bilder oder Videos enthalten. Etwa 3 Medienbeiträge pro Schulung erweisen sich als angemessen. Idealerweise sollten die Medien so zur Verfügung gestellt werden, dass die Nutzer sie für sich selbst speichern können. Die Tonalität des Chatbots sollte auf Augenhöhe mit den Nutzern sein und darf sogar etwas Humor sowie Emojis enthalten. Allerdings darf der Chatbot es mit dem Humor nicht übertreiben und muss auch eine gewisse Ernsthaftigkeit bewahren. Anonymität ist für die Teilnehmer sehr wichtig. Sie nutzen die Möglichkeit, ihre Unwissenheit im Chatbot zu äußern. Die Auswertung zeigt, dass sie dies nur tun, wenn sie anonym bleiben. Es ist auch nicht erwünscht, den eigenen Lernfortschritt anonym mit den anderen Teilnehmern zu teilen. Dies steht im Gegensatz zu der von Wambsganss et al. [17] beschriebenen Anforderung, wobei der Vergleich zwischen den Nutzern wichtig ist. Die Nutzer sind zufrieden, wenn das Training nur zwischen ihnen und dem Chatbot stattfindet. Es wird also kein zusätzlicher menschlicher Finanzberater gewünscht. Die Tatsache, dass die Nutzer nicht selbst offene Fragen stellen konnten, war für viele Testnutzer der einzige Kritikpunkt. Dies steht im Widerspruch zu DP6, das allerdings nur von Casas et al. [3] befürwortet wurde. In Zukunft sollte es zumindest am Ende möglich sein, dass die Nutzer ihre Fragen auch direkt eintippen können und der Chatbot sie beantwortet. Interessant ist auch, dass die User im Durchschnitt ungefähr € 5 pro Monat für diese Art von Finanztrainings bezahlen würden.

Tab. 2 fasst die wichtigsten Designkriterien für eine Chatbottrainingssequenz zusammen. Die Erkenntnisse basieren auf dem Feedback, welches wir zum ersten Prototyp erhalten haben. Dies ist gleichzusetzen mit der ersten Iteration des Design-Science-Research-Ansatzes.

Tab. 2 Aus der Bewertung abgeleitete neue Gestaltungsprinzipien

Schlussfolgerungen für wissensvermittelnde Chatbots im Bereich Financial Literacy

Unsere Arbeit zeigt, dass Chatbots ein geeignetes Mittel sind, um Finanzwissen zu vermitteln. Die Studie zeigt, dass der finanzielle Analphabetismus vor allem bei jungen Menschen in der DACH-Region mit chatbotbasierten Lösungen reduziert werden kann. Chatbots bieten Anonymität, können aber gleichzeitig das Wissen auf Augenhöhe an den Nutzer weitergeben. Wichtige Anforderungen an das Design, sind vor allem kurze Trainingssitzungen, die Verwendung verschiedener Medien und ein adaptives Tempo bzw. ein anpassender Schwierigkeitsgrad des Lehrmaterials. Weiter spielt die Tonalität der Chatbots eine wichtige Rolle, diese sollte sich an die Sprache der Zielgruppe anpassen und wenige Fachwörter verwenden. Die in dieser Arbeit vorgeschlagenen Designkriterien basieren auf Forschungen, die wir mithilfe eines ersten Prototyps, welcher aus einer Trainingseinheit mit 9 Chatsequenzen besteht, durchgeführt haben.

Basierend auf unseren Erkenntnissen, haben wir die erste Chatbotsequenz aus unserem Prototyp optimiert und möchten sie gern für weitere Forschungen öffentlich zur Verfügung stellen. Der neue Chatbot zum Thema „Geld anlegen“ kann durch Scannen des folgenden QR-Codes erreicht werden. Die Nutzung ist anonym, wir tracken lediglich die Nutzungszahlen dieses neuen Chatbots (Abb. 7).

Abb. 7
figure 7

QR-Code zu optimierter Chatbotsequenz „Warum Geld anlegen?“. (https://eggheads.ai/chat/2444)

Ausblick und weitere Forschungsmöglichkeiten

Obwohl das Feedback zu dem ersten Prototyp positiv war und die Rückmeldungen der Nutzer dazu beigetragen haben, weitere Verbesserungen an dem Prototyp vorzunehmen, bleiben einige offene Fragen sowie Potenziale für weitere Forschungen.

Zunächst einmal muss erwähnt werden, dass die neuen Leitlinien nur auf der Grundlage der ersten Iteration des Design-Science-Research-Prozesses entwickelt wurden. Sie sollten in einer weiteren Iteration bestätigt oder verbessert werden.

Darüber hinaus möchten wir die folgenden Aspekte erwähnen und für zukünftige Forschungen berücksichtigen.

Erstens lag der Fokus dieser Arbeit hauptsächlich auf dem Design der Chatbots und nicht auf dem Inhalt. In weiteren Iterationen des Design Science Research könnte untersucht werden, wie der Inhalt selbst und die ausgewählten Themen weiter optimiert werden können.

Zweiten könnte die Zielgruppenbeschränkung auf jüngere Menschen und junge Berufstätige in weiteren Iterationen hinterfragt werden. Es müsste analysiert werden, ob Chatbots auch für andere Zielgruppen geeignet sind und wenn ja, wie die Gestaltungsrichtlinien für diese Gruppen angepasst werden müssten.

Drittens ist zu beachten, dass das Feedback zur Tonalität des Chatbots überwiegend allgemein war. Bis jetzt ist unklar, wie genau die Tonalität des Chatbots verbessert werden sollte. Stucki et al. [15] zeigen in ihrem Buch auf, wie wichtig eine eigene Chatbotpersönlichkeit, das Erscheinungsbild oder Gesicht des Chatbots (sogenannter Avatar) sowie der sprachliche Stil des Chatbots sein können. Diese Aspekte wurden bisher weder bei den Designanforderungen noch im Fragebogen berücksichtigt und sollten in weiteren Forschungen genauer analysiert werden.

Viertens darf nicht vergessen werden, dass die Nutzer um offene Fragen an den Chatbot gebeten haben. Wie bereits erläutert, ist dies technisch und inhaltlich nicht einfach umzusetzen. Es erfordert zunächst ein genaueres Verständnis dafür, warum Nutzer offene Fragen stellen würden, welche Arten von Fragen sie stellen würden und wie schnell sie eine Antwort von einem Chatbot oder einem Menschen erwarten.

Schlussendlich haben wir die Chatbots im Rahmen dieser Arbeit natürlich kostenlos zur Verfügung gestellt. Die Teilnehmer wurden dennoch am Ende der Umfrage gefragt, wie viel sie für ein solches Training bezahlen würden. Diese Frage könnte noch eingehender untersucht werden. Es mangelt bislang noch an ausreichendem Wissen zum Marktpotenzial solcher Chattrainings und es ist unklar, welche Art von Organisation diese Chatbots den Bürgern zur Verfügung stellen sollte. Möglich wären unabhängige Unternehmen bzw. Start-ups, aber auch Banken oder Vermögensverwalter kommen hier als Buying Center infrage. Dann stellt sich aber natürlich auch die Frage, welche Interessen die jeweiligen Anbieter verfolgen und wie sichergestellt werden kann, dass der Nutzen für die Bevölkerung im Vordergrund steht und nicht der Nutzen der einzelnen Anbieter.

Abschließend ist zu sagen, dass wir mit dieser Arbeit eine gute Grundlage zur Verbesserung der finanziellen Allgemeinbildung innerhalb der Bevölkerung schaffen konnten und gleichzeitig weitere Fragestellungen in diesem Bereich entwickeln konnten, welche in zukünftigen Forschungen berücksichtigt werden sollten. Aus unserer Perspektive scheint es bei der Bearbeitung weiterer Forschungsfragen unabdingbar, auch ethische Fragestellungen zu berücksichtigen, um sicherzustellen, dass langfristig immer die Verbesserung der finanziellen Allgemeinbildung das Ziel bleibt und nicht wirtschaftliche Motive einzelner Anbieter in den Vordergrund treten.

Notes

  1. https://eggheads.ai.

Literatur

Verwendete Literatur

  1. Ackermann N, Eberle F (2016) Financial Literacy in der Schweiz. In: Aprea C, Wuttke E, Breuer K, Koh NK, Davis P, Greimel-Fuhrmann B, Lopus J (Hrsg) International handbook of financial literacy. Springer, Singapur, S 341–355

    Chapter  Google Scholar 

  2. Braun M, Graf R (2013) Financial Literacy und Altersvorsorge in der Schweiz. Numeracy 6(2):1–10

    Google Scholar 

  3. Casas J, Mugellini E, Abou Khaled O (2018) Food diary coaching chatbot

    Book  Google Scholar 

  4. Clarizia F, Colace F, Lombardi M, Pascale F, Santaniello D (2018) Chatbot: an education support system for student. In: Castiglione A, Pop F, Ficco M, Palmieri F (Hrsg) Cyberspace safety and security. Springer, Cham, S 291–301

    Chapter  Google Scholar 

  5. Dale R (2016) The return of the chatbots. Nat Lang Eng 22(5):811–817

    Article  Google Scholar 

  6. Diederich S, Janßen-Müller M, Brendel A‑B, Morana S (2019) Emulating empathetic behavior in online service encounters with sentiment-adaptive responses: insights from an experiment with a conversational agent. In: Proceedings of International Conference on Information Systems (ICIS) München, Deutschland

    Google Scholar 

  7. Følstad A, Brandtzaeg PB (2018) Chatbots: changing user needs and motivations. Interactions 25(5):38–43. https://doi.org/10.1145/3236669

    Article  Google Scholar 

  8. Følstad A, Skjuve M‑B, Brandtzaeg PB (2019) Different chatbots for different purposes: towards a typology of chatbots to understand interaction design. In: International conference on internet science proceedings St. Petersburg, S 145–156

    Chapter  Google Scholar 

  9. Guglielmo T (2021) Conversational agents as online learning tutors

    Google Scholar 

  10. Hundertmark S (2020) Digitale Freunde: wie Unternehmen Chatbots erfolgreich einsetzen können. Wiley-VCH, Weinheim

    Google Scholar 

  11. McTear MC (2016) Conversational interfaces: devices, wearables, virtual agents, and robots. In: The conversational interface, S 283–308

    Chapter  Google Scholar 

  12. Nielsen J (1994) Schätzung der Anzahl der Probanden, die für einen Test zum lauten Denken benötigt werden. Int Z Mensch Comput Stud 41(3):385–397

    Article  Google Scholar 

  13. Petrović J, Jovanović M (2020) Conversational agents for learning foreign languages—a survey

    Book  Google Scholar 

  14. Stolper O, Walter A (2017) Finanzielle Allgemeinbildung, Finanzberatung und Finanzverhalten

    Google Scholar 

  15. Stucki, D’Onofrio S, Portmann E (2018) Chatbots gestalten mit Praxisbeispielen der Schweizerischen Post. Springer Vieweg, Wiesbaden

    Google Scholar 

  16. Wambsganss T, Kueng T, Söllner M, Leimeister J‑M (2021a) ArgueTutor: Ein adaptives dialogbasiertes Lernsystem für Argumentationsfähigkeiten

    Google Scholar 

  17. Wambsganss T, Weber F, Söllner M (2021b) Designing an adaptive empathy learning tool

    Book  Google Scholar 

  18. Zimmerman Seiler Y, Döhnert K, Schreiber F (2021) VorsorgeDIALOG – Financial Literacy mit Fokus Altersvorsorge. Hochschule Luzern – Wirtschaft/Institut für Finanzdienstleistungen Zug IFZ, Rotkreuz

    Google Scholar 

Weiterführende Literatur

  1. Möller F, Guggenberger T, Otto B (2020) Towards a method for design principle development in information systems

    Book  Google Scholar 

  2. Osterle H (2020) Life engineering: machine intelligence and quality of life. Springer Nature, Cham

    Book  Google Scholar 

  3. Winkler R, Söllner M (2018) Unleashing the potential of Chatbots in education: a state-of-the-art analysis. In: Academy of Management Annual Meeting (AOM) Chicago, USA

    Google Scholar 

  4. Wollny S, Schneider J, Di Mitri D, Weidlich J, Rittberger M, Drachsler H (2021) Are We There Yet? – Ein systematischer Literaturüberblick über Chatbots im Bildungswesen. Front Artif Intell 4:654924

    Article  Google Scholar 

Download references

Funding

Open access funding provided by University of Fribourg

Author information

Affiliations

Authors

Corresponding author

Correspondence to Sophie Hundertmark.

Additional information

Hinweis des Verlags

Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.

Rights and permissions

Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.

Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.

Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de.

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Hundertmark, S., Grüter, A. & Portmann, E. Mit Chatbots die finanzielle Allgemeinbildung stärken. Informatik Spektrum 45, 80–87 (2022). https://doi.org/10.1007/s00287-022-01450-7

Download citation

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00287-022-01450-7