Skip to main content
SpringerLink
Log in

Vertrauen in KI – Eine empirische Analyse innerhalb des Produktionsmanagements

  • Chapter
  • First Online:
Künstliche Intelligenz in Wirtschaft & Gesellschaft

Part of the book series: FOM-Edition ((FOMEDITION))

Zusammenfassung

Ob Industrie 4.0, Big Data, Predictive Analytics oder Robotik – die digitale Transformation hat viele Facetten. Sie führt aber nicht nur zu einem Paradigmenwechsel in der industriellen Produktion. Auch komplexe kognitive Tätigkeiten sind durch die fortschreitende Entwicklung der künstlichen Intelligenz (KI) einem Wandel unterzogen. Smarte Assistenten halten Einzug in die Arbeitswelt und erfordern eine Kooperation von KI und Mensch. KI agiert anders als bisherige Systeme – autonom statt automatisch – und somit bisweilen für den Menschen unerwartet, überraschend und nicht immer nachvollziehbar. In dieser Konstellation ist Vertrauen ein essenzieller Faktor, der über das Funktionieren der Mensch-KI-Kooperation entscheidet. Im Rahmen des vorliegenden Beitrages sollen daher mit einer empirischen Analyse innerhalb des Produktionsmanagements die Einflussfaktoren auf das Vertrauen sowie deren Wirkmechanismen identifiziert werden.

Der vorliegende Beitrag fußt auf einer Langfassung, die im Shaker Verlag unter dem Titel Vertrauen in Entscheidungen künstlicher Intelligenz im Produktionsmanagement erschienen ist (siehe Saßmannshausen 2019).

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 39.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Für die Validität der Skala für Vertrauen siehe Beierlein et al. (2014, S. 8 ff.), für die Validität der Skala für wahrgenommene Fähigkeit siehe Schyns et al. (2014, S. 5) und für die Validität der Skala für digitale Affinität siehe Karrer et al. (2009, S. 197) sowie Neyer et al. (2016, S. 8 ff.).

  2. 2.

    Bei der digitalen Affinität und dem Expertenstatus geschieht dies auf Basis des Gesamtscores (Trennung bei 2,5) und bei der Vorhersagbarkeit und den Fehlerkosten auf Basis des jeweiligen Szenarios.

  3. 3.

    Diese Signifikanz gilt nach Field (2009, S. 191) für einseitige Tests und muss für zweiseitige Tests verdoppelt werden.

Literatur

  • Aghamanoukjan, A., Buber, R., & Meyer, M. (2009). Qualitative interviews. In R. Buber & H. H. Holzmüller (Hrsg.) Qualitative Marktforschung. Konzepte – Methoden – Analysen (2. Aufl., S. 415–436). Wiesbaden: Gabler (Lehrbuch).

    Google Scholar 

  • Atteslander, P. (2008). Methoden der empirischen Sozialforschung (12. Aufl.). Berlin: Schmidt.

    Google Scholar 

  • Baccala, M., Curran, C., Garrett, D., Likens, S., & Rao, A. et al. (2018). 2018 AI predictions. 8 insights to shape business strategy. PwC. https://www.pwc.com/us/AI2018. Zugegriffen: 01. Dec. 2019.

  • Banavar, G. (2016). Learning to trust artificial intelligence systems. Accountability, compliance and ethics in the age of smart machines. Somers (USA): IBM.

    Google Scholar 

  • Bansal, T., Pachocki, J., Sidor, S., Sutskever, I., Mordatch, I. (2018). Emergent complexity via multi-agent competition. In arXiv preprint arXiv:1710.03748 o. Jg. (o. H.). https://arxiv.org/abs/1710.03748.

  • Barton, A. H., & Lazarsfeld, P. F. (1984). Einige Funktionen von qualitativer Analyse in der Sozialforschung. In Christel Hopf & Elmar Weingarten (Hrsg.), Qualitative Sozialforschung (S. 41–89). Stuttgart: Klett-Cotta.

    Google Scholar 

  • Beierlein, C., Kemper, C., Kovaleva, A. J., & Rammstedt, B. (2014) Interpersonales Vertrauen (KUSIV3). Zusammenstellung sozialwissenschaftlicher Items und Skalen. ZIS – GESIS Leibniz Institute for the Social Sciences. https://doi.org/10.6102/zis37.

  • Benner, P. E. (2017). Stufen zur Pflegekompetenz. From novice to expert. (3. Aufl.). Bern: Hogrefe.

    Google Scholar 

  • Beutin, N. (2008). Verfahren zur Messung der Kundenzufriedenheit im Überblick. In C. Homburg (Hrsg.), Kundenzufriedenheit. Konzepte – Methoden – Erfahrungen (7. Aufl., S. 121–171). Wiesbaden: Gabler.

    Google Scholar 

  • Bourier, G. (2018). Beschreibende Statistik. Praxisorientierte Einführung – Mit Aufgaben und Lösungen (13. Aufl.). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Brynjolfsson, E. & McAfee, A. (2016). The second machine age. Wie die nächste digitale Revolution unser aller Leben verändern wird (6. Aufl.). Kulmbach: Börsenmedien AG.

    Google Scholar 

  • Bullinger, A. C., & Kullmann, G. (2013). Das Konzept Systemvertrauen. Vertrauen als Grundlage von Zusammenarbeit und wirtschaftlichem Erfolg. Chemnitz: aw&l Wissenschaft und Praxis (Ergebnisbericht zum Verbundprojekt).

    Google Scholar 

  • Bundesagentur für Arbeit (2011). Klassifikation der Berufe 2010 (Bd. 1). Systematischer und alphabetischer Teil mit Erläuterungen. Nürnberg: Bundesagentur für Arbeit.

    Google Scholar 

  • Burggräf, P., Wagner, J., & Koke, B. (2018). Artificial intelligence in production management. A review of the current state of affairs and research trends in academia. In: International Conference on Information Management and Processing (ICIMP) IEEE, London, 82–88.

    Google Scholar 

  • Cho, E. (2016). Making reliability reliable. A systematic approach to reliability coefficients. Organizational Research Methods 19 (4), 651–682.

    Google Scholar 

  • Cook, J., & Wall, T. (1980). New work attitude measures of trust, organizational commitment and personal need non‐fulfilment. Journal of Occupational and Organizational Psychology 53 (1), 39–52. http://onlinelibrary.wiley.com/doi/10.1111/j.2044-8325.1980.tb00005.x/full.

  • Cutler, A., Pribić, M., & Humphrey, L. (2019). Everyday ethics for artificial intelligence. A practical guide for designers & developers (5. Aufl.). IBM. https://www.ibm.com/watson/assets/duo/pdf/everydayethics.pdf. Zugegriffen: 09. Juni. 2020.

  • Denscombe, M. (2017). The good research guide. For small-scale social research projects (6. Aufl.). London: Open University Press.

    Google Scholar 

  • Dhar, V. (2016). When to trust robots with decisions, and when not to. Harvard Business Review. https://hbr.org/2016/05/when-to-trust-robots-with-decisions-and-when-not-to, zuletzt aktualisiert am 17. Mai. 2016, zuletzt geprüft am 02. Juli. 2018.

  • Dombrowski, U., Riechel, C., & Evers, M. (2014). Industrie 4.0. Die Rolle des Menschen in der vierten industriellen Revolution. In W. Kersten, H. Koller & H. Lödding (Hrsg.). Industrie 4.0. Wie intelligente Vernetzung und kognitive Systeme unsere Arbeit verändern (S. 129–153). Berlin: Gito (Schriftenreihe der Hochschulgruppe für Arbeits- und Betriebsorganisation e.V. (HAB).

    Google Scholar 

  • Döring, N., & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften (5. Aufl.). Berlin, Heidelberg: Springer.

    Book  Google Scholar 

  • Eid, M., Gollwitzer, M., & Schmitt, M. (2011). Statistik und Forschungsmethoden (2. Aufl.). Weinheim-Basel: Beltz.

    Google Scholar 

  • Field, A. (2009). Discovering statistics using SPSS and sex and drugs and rock’n‘ roll (3. Aufl.). Los Angeles: SAGE Publications.

    Google Scholar 

  • Freitag, M., Kück, M., Alla, A. A., & Lütjen, M. (2015). Potenziale von Data Science in Produktion und Logistik. Teil 1 – Eine Einführung in aktuelle Ansätze der Data Science. Industrie 4.0 Management 31 (5), 22–26.

    Google Scholar 

  • Fuchs, A. (2011). Methodische Aspekte linearer Strukturgleichungsmodelle. Ein Vergleich von kovarianz- und varianzbasierten Kausalanalyseverfahren. Research Papers on Marketing Strategy No. 2. Würzburg: Julius-Maximilians-Universität Würzburg.

    Google Scholar 

  • Gausemeier, J., Fink, A., & Schlake, O. (1996). Szenario-Management. Planen und Führen mit Szenarien (2. Aufl.). München: Carl Hanser.

    Google Scholar 

  • Gigerenzer, G. (2008). Bauchentscheidungen. Die Intelligenz des Unbewussten und die Macht der Intuition (13. Aufl.). München: Goldmann.

    Google Scholar 

  • Hancock, P. A., Stowers, K. L., & Kessler, T. T. (2019). Can we trust autonomous systems? In Hasan Ayaz & Frédéric Dehais (Hrsg.), Neuroergonomics (S. 199), London: Academic Press.

    Google Scholar 

  • Hedderich, J., & Sachs, L. (2018). Angewandte Statistik. Methodensammlung mit R (16. Aufl). Berlin: Springer Spektrum.

    Google Scholar 

  • Helfferich, C. (2014). Leitfaden- und Experteninterviews. In Nina Baur & Jörg Blasius (Hrsg.), Handbuch Methoden der empirischen Sozialforschung (S. 559–574). Wiesbaden: Springer VS.

    Google Scholar 

  • High-Level Expert Group on Artificial Intelligence (2019). Ethics guidelines for trustworthy AI. European Commission. https://ai.bsa.org/wp-content/uploads/2019/09/AIHLEG_EthicsGuidelinesforTrustworthyAI-ENpdf.pdf. Zugegriffen: 09. Juni. 2020.

  • Hoffmeyer-Slotnik, J. H. P., Glemser, A., Heckel, C. Heyde, C. v. d., Quitt, H., & Hanefeld, U. et al. (2010). Statistik und Wissenschaft. Demographische Standards Ausgabe 2010 (5. Aufl., Bd. 17). Wiesbaden: Statistisches Bundesamt.

    Google Scholar 

  • Homburg, C. & Giering, A. (1996). Konzeptualisierung und Operationalisierung komplexer Konstrukte. Ein Leitfaden für die Marketingforschung. Marketing ZFP 18 (1), 3–24.

    Google Scholar 

  • Jacoby, J. (2013). Trademark surveys. Designing, implementing, and evaluating surveys. Chicago: American Bar Association.

    Google Scholar 

  • Jockisch, M. (2010). Das Technologieakzeptanzmodell. In G. Bandow & H. H. Holzmüller (Hrsg.) “Das ist gar kein Modell!”. Unterschiedliche Modelle und Modellierungen in Betriebswirtschaftslehre und Ingenieurwissenschaften (1. Aufl., S. 233–254). Wiesbaden: Gabler (Gabler Research).

    Google Scholar 

  • Kahneman, D. (2012). Schnelles Denken, langsames Denken. München: Siedler.

    Google Scholar 

  • Kaiser, R. (2014). Qualitative Experteninterviews. Wiesbaden: Springer.

    Book  Google Scholar 

  • Karrer, K., Glaser, C., & Clemens, C. (2009). Technikaffinität erfassen – der Fragebogen TA-EG. In A. Lichtenstein, C. Stößel & C. Clemens (Hrsg.), Der Mensch im Mittelpunkt technischer Systeme. Berliner Werkstatt Mensch-Maschine-Systeme (Bd. 8, S. 196–201). Düsseldorf: VDI.

    Google Scholar 

  • Kassebaum, U. B. (2004). Interpersonelles Vertrauen. Entwicklung eines Inventars zur Erfassung spezifischer Aspekte des Konstrukts. Dissertation. Hamburg: Universität Hamburg.

    Google Scholar 

  • Kelle, U. (2014). Mixed Methods. In Nina Baur & Jörg Blasius (Hrsg.), Handbuch Methoden der empirischen Sozialforschung (S. 153–166). Wiesbaden: Springer VS.

    Google Scholar 

  • Kepplinger, D., & Mair, M. (2016). Forschungsfrage und Hypothesenmodell. So machen Sie (sich) Ihre Projektziele klar! Dietmar Kepplinger 5/219, 6/319. In Tourismus Wissen – quarterly o. Jg. (5 & 6), 219 bzw. 319 (erschinen in zwei Teilen).

    Google Scholar 

  • Kiener, S., Maier-Scheubeck, N., Obermaier, R., & Weiß, M. (2018). Produktionsmanagement. Grundlagen der Produktionsplanung und -steuerung (11. Aufl.). Berlin: De Gruyter Oldenbourg.

    Google Scholar 

  • Klaus, E. (2002). Vertrauen in Unternehmensnetzwerken. Eine interdisziplinäre Analyse. Wiesbaden: Deutscher Universitätsverlag.

    Book  Google Scholar 

  • Kromrey, H. (2009). Empirische Sozialforschung. Modelle und Methoden der standardisierten Datenerhebung und Datenauswertung (12. Aufl.). Stuttgart: Lucius & Lucius.

    Google Scholar 

  • Kruse, R. J., Borgelt, C., Klawonn, F., Moewes, C., Ruß, G., & Steinbrecher, M. (2012). Computational Intelligence. Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. Wiesbaden: Vieweg, Teubner (Studium).

    Google Scholar 

  • Kumar, R. (2014). Research methodology. A step-by-step guide for beginners (4. Aufl.). Los Angeles: SAGE Publications.

    Google Scholar 

  • Lamnek, S. (2005). Qualitative Sozialforschung. Lehrbuch (4. Aufl.). Weinheim-Basel: Beltz.

    Google Scholar 

  • Lee, H.-J. (2004). The role of competence-based trust and organizational identification in continuous improvement. Journal of Managerial Psychology, 19(6), 623–639.

    Article  Google Scholar 

  • Lubian, D. (2010). Measuring attitudes: Using branching and numerical scales. In 64th Annual Conference of the American Association for Public Opinion Research (AAPOR) Mai 13–16, Chicago, Illinois, S. 6135–6149.

    Google Scholar 

  • Luhmann, N. (2009). Vertrauen. Ein Mechanismus der Reduktion sozialer Komplexität (4. Aufl.). Stuttgart: Lucius & Lucius.

    Google Scholar 

  • Malhotra, N., Krosnick, J. A., & Thomas, R. K. (2009). Optimal design of branching questions to measure bipolar constructs. Public Opinion Quarterly, 73(2), 304–324. https://doi.org/10.1093/poq/nfp023.

    Article  Google Scholar 

  • Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organizational trust. The Academy of Management Review, 20(3), 709–734.

    Article  Google Scholar 

  • Mayring, P. (2002). Einführung in die qualitative Sozialforschung (5. Aufl.). Weinheim-Basel: Beltz.

    Google Scholar 

  • Mayring, P. (2010). Qualitative Inhaltsanalyse. In Günter Mey & Katja Mruck (Hrsg.), Handbuch Qualitative Forschung in der Psychologie (S. 601–613). Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Mayring, P., & Fenzl, T. (2014). Qualitative Inhaltsanalyse. In Nina Baur & Jörg Blasius (Hrsg.), Handbuch Methoden der empirischen Sozialforschung (S. 543–556). Wiesbaden: Springer VS.

    Google Scholar 

  • McAfee, A., & Brynjolfsson, E. (2017). Machine, platform, crowd. harnessing our digital future. New York: W.W. Norton & Company.

    Google Scholar 

  • Mesenhöller, E. (2004). Zeitdatenermittlung in indirekten Bereichen bei Einsatz von Work-flow-Management-Systemen. zugl.: Dissertation, Universität Dortmund. Aachen: Shaker.

    Google Scholar 

  • Mey, G., & Mruck, K. (2010). Interviews. In Günter Mey & Katja Mruck (Hrsg.), Handbuch Qualitative Forschung in der Psychologie (S. 423–435). Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Moravčík, M., Schmid, M., Burch, N., Lisý, V., Morrill, D., & Bard, N. (2017). DeepStack: Expert-level artificial intelligence in heads-up no-limit poker. Science, 356(6337), 508–513.

    Article  Google Scholar 

  • Nerdinger, F. W. (2014). Interaktion und Kommunikation. In Friedemann W. Nerdinger, Gerhard Blickle, & Niclas Schaper (Hrsg.), Arbeits- und Organisationspsychologie (3. Aufl., S. 55–70). Berlin: Springer.

    Google Scholar 

  • Neyer, F. J., Felber, J., & Gebhardt, C. (2016). Kurzskala zur Erfassung von Technikbereitschaft (technology commitment). Zusammenstellung sozialwissenschaftlicher Items und Skalen. ZIS – GESIS Leibniz Institute for the Social Sciences. https://doi.org/10.6102/zis244.

  • Nuissl, N. (2018). Durch KI wird Software zum Wettbewerbsfaktor. Industrieanzeiger, 140(11), 50–53.

    Google Scholar 

  • Poddig, T. (1992). Künstliche Intelligenz und Entscheidungstheorie. Wiesbaden: Deutscher Universitätsverlag.

    Book  Google Scholar 

  • Poser, H. (2012). Wissenschaftstheorie. Eine philosophische Einführung (2. Aufl.). Stuttgart: Reclam.

    Google Scholar 

  • PricewaterhouseCoopers (2017). Sizing the prize. https://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf, zuletzt aktualisiert am 05. Okt. 2017, zuletzt geprüft am 01. Dec. 2019.

  • Raab, G., Unger, A., & Unger, F. (2018). Methoden der Marketing-Forschung. Grundlagen und Praxisbeispiele (3. Aufl.). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Rasch, B., Friese, M., Hofmann, W., & Naumann, E. (2014). Quantitative Methoden 1. Einführung in die Statistik für Psychologen und Sozialwissenschaftler. (4. Aufl.). Berlin: Springer.

    Google Scholar 

  • Reinecke, J., & Pöge, A. (2010). Strukturgleichungsmodelle. In Christof Wolf & Henning Best (Hrsg.), Handbuch der sozialwissenschaftlichen Datenanalyse (1. Aufl., S. 775–804). Wiesbaden: Springer VS.

    Chapter  Google Scholar 

  • Russell, S. J., Norvig, P. (2016). Artificial intelligence. A modern approach. (3. Aufl.). London: Pearson Education.

    Google Scholar 

  • Sämann, W. (1970). Rationalisierung der Büroarbeit als Zukunftsaufgabe. REFA-Nachrichten, 23(6), 421–425.

    Google Scholar 

  • Saßmannshausen, T. M. (2019). Vertrauen in Entscheidungen künstlicher Intelligenz im Produktionsmanagement – eine empirische Analyse. Düren: Shaker (Wirtschaftswissenschaftliches Forum der FOM, 59).

    Google Scholar 

  • Schreier, M. & Odag, Ö. (2010). Mixed methods. In G. Mey & K. Mruck (Hrsg.). Handbuch Qualitative Forschung in der Psychologie. Wiesbaden: Springer VS, S. 263–277.

    Google Scholar 

  • Schyns, B., & Collani, G. V. (2014). Berufliche Selbstwirksamkeitserwartung. Zusammenstallung sozialwissenschaftlicher Items und Skalen: ZIS - GESIS Leibniz Institute for the Social Sciences.

    Google Scholar 

  • Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., & Driessche, G. v. d. (2016). Mastering the game of Go with deep neural networks and tree search. In Nature 529 (7587), S. 484–489.

    Google Scholar 

  • Spector, P. E. (1992). Summated rating scale construction. Thousand Oaks: SAGE Publications.

    Book  Google Scholar 

  • Stock, T. (2013). Ein Verfahren zur Personalplanung und -steuerung und Restrukturierung der Aufbauorganisation für eine bedarfsorientierte und wandlungsfähige Produktion. zugl. Dissertation, Universität Stuttgart. Stuttgart: Fraunhofer.

    Google Scholar 

  • Sydow, J. (1995). Konstitutionsbedingungen von Vertrauen in Unternehmensnetzwerken. Theoretische und empirische Einsichten. In R. Bühner, K. D. Haase, & J. Wilhelm (Hrsg.), Die Dimensionierung des Unternehmens (S. 177–220). Stuttgart: Schäffer-Poeschel.

    Google Scholar 

  • Sydow, J. (1998). Understanding the constitution of interorganizational trust. In C. Lane & R. Bachmann (Hrsg.), Trust within and between Organizations (S. 31–63). Oxford: Oxford University Press.

    Google Scholar 

  • Ullrich, A., Vladova, G., Gronau, N., & Jungbauer, N. (2017). Akzeptanzanalyse in der Industrie 4.0-Fabrik. Ein methodischer Ansatz zur Gestaltung des organisatorischen Wandels. In R. Obermaier (Hrsg.). Industrie 4.0 als unternehmerische Gestaltungsaufgabe. Betriebswirtschaftliche, technische und rechtliche Herausforderungen (2. Aufl.). Wiesbaden: Springer Gabler, S. 291–307.

    Google Scholar 

  • Venkatesh, V., Davis, F. D. (2000). A theoretical extension of the technology acceptance model. Four longitudinal field studies. Management Science 46 (2), 186–204.

    Google Scholar 

  • Visser, E. J. de, Pak, R., Shaw, T. H. (2018). From ‚automation‘ to ‚autonomy’: the importance of trust repair in human-machine interaction. Ergonomics 61(10), 1409–1427. https://doi.org/10.1080/00140139.2018.1457725.

  • Waltl, B., & Vogl, R. (2018). Explainable artificial intelligence. The new frontier in legal informatics. Jusletter IT 22 (o. H.).

    Google Scholar 

  • Wenzel, K., Singer, A., Struwe, S., & Lutze, T. (2017). Modulare Assistenzsysteme für heterogene Produktionsumgebungen – CyProAssist. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb, 112(3), 177–181. https://doi.org/10.3139/104.111688.

    Article  Google Scholar 

  • Wiendahl, H.-P. (2014). Betriebsorganisation für Ingenieure (8. Aufl.). München: Hanser.

    Google Scholar 

  • Winkler, H., Seebacher, G., & Oberegger, B. (2017). Effizienzbewertung und -darstellung in der Produktion im Kontext von Industrie 4.0. In R. Obermaier (Hrsg.). Industrie 4.0 als unternehmerische Gestaltungsaufgabe. Betriebswirtschaftliche, technische und rechtliche Herausforderungen (2. Aufl., S. 219–243). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Witt, H. (2001). Forschungsstrategien bei quantitativer und qualitativer Sozialforschung. Forum Qualitative Social Research 2 (1), Art. 8. http://nbn-resolving.de/urn:nbn:de:0114-fqs010189. Zugegriffen: 22. Mai. 18.

  • World Economic Forum (2015). Deep shift. Technology tipping points and societal impact. Global Agenda Council on the Future of Software & Society: Survey Report.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Universität Siegen, Siegen, Deutschland

    Till Moritz Saßmannshausen

  2. FOM Hochschule, Essen, Deutschland

    Thomas Heupel

Authors
  1. Till Moritz Saßmannshausen
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Thomas Heupel
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Till Moritz Saßmannshausen .

Editor information

Editors and Affiliations

  1. FOM Hochschule für Oekonomie & Management, Düsseldorf, Germany

    Rüdiger Buchkremer

  2. FOM Hochschule für Oekonomie & Management, Essen, Germany

    Thomas Heupel

  3. FOM Hochschule für Oekonomie & Management, Frankfurt a. M., Germany

    Oliver Koch

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Saßmannshausen, T.M., Heupel, T. (2020). Vertrauen in KI – Eine empirische Analyse innerhalb des Produktionsmanagements. In: Buchkremer, R., Heupel, T., Koch, O. (eds) Künstliche Intelligenz in Wirtschaft & Gesellschaft. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29550-9_10

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-29550-9_10

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-29549-3

  • Online ISBN: 978-3-658-29550-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation