TU Darmstadt / ULB / TUprints

Einfluss von Künstlicher Intelligenz bei aufgabenorientiertem Führungsverhalten auf Mitarbeitende

Petrat, Deborah (2024)
Einfluss von Künstlicher Intelligenz bei aufgabenorientiertem Führungsverhalten auf Mitarbeitende.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00028035
Ph.D. Thesis, Primary publication, Publisher's Version

[img] Text
Dissertation_DPetrat_finalüberarbeitet_27082024.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (7MB)
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Einfluss von Künstlicher Intelligenz bei aufgabenorientiertem Führungsverhalten auf Mitarbeitende
Language: German
Referees: Bruder, Prof. Ralph ; Sträter, Prof. Oliver
Date: 25 September 2024
Place of Publication: Darmstadt
Collation: 201 Seiten in verschiedenen Zählungen
Date of oral examination: 10 July 2024
DOI: 10.26083/tuprints-00028035
Abstract:

Die Entwicklung von KI-Technologien schreitet immer weiter voran. Solche selbstlernenden Technologien können nicht nur zur Unterstützung von Mitarbeitenden (Buxmann & Schmidt, 2019), sondern auch zur Unterstützung für Führungskräfte bei Routineaufgaben eingesetzt werden. Dies möchten auch Unternehmen realisieren, sodass ihre Führungskräfte sich auf die mitarbeiterbezogene Führung sowie die strategische Entwicklung des eigenen Zuständigkeitsbereiches konzentrieren können (Kiehne, 2019; Offensive Mittelstand, 2018). In der Praxis werden derzeit bereits selbstlernende Algorithmen für Führungsaufgaben eingesetzt, jedoch fehlt zu den potentiellen Auswirkungen auf Mitarbeitenden wissenschaftlich fundierte Erkenntnisse (Bings & Schwenkmezger, 2021; Fügener et al., 2019; Petrat, 2019; Seebera et al., 2019). Die vorliegende Studie trägt zu dieser Forschungslücke einen Beitrag bei, indem die Auswirkungen des Einsatzes von KI beim aufgabenorientierten Führungsverhalten auf Mitarbeitende im Vergleich zu einem Menschen untersucht wird. Hierzu wurde eine Laborstudie mit N=71 Versuchspersonen mit einem Durchschnittsalter von MW=26.33 Jahren (SD=7.18) und einer Geschlechteraufteilung von 72% Männern und 28% Frauen durchgeführt. Dabei wurde eine KI-Führungskraft mittels des Onlinetools Synthesia.io generiert und genutzt. Die Ergebnisse zeigen, dass sich der Einsatz einer KI-Führungskraft nicht auf die Leistungsbereitschaft, Leistung sowie Arbeitszufriedenheit von Mitarbeitenden auswirkt. Über den gesamten Versuch hinweg nehmen die Variablen Arbeitszufriedenheit, Akzeptanz sowie Vertrauen auf einer 5-stufigen Likertskala Mittelwerte zwischen MWMIN=3.32 bis MWMAX=4.46 an – unabhängig von der Modalität der präsentierten Führungskraft. Die Versuchspersonen waren innerhalb der Laborstudie im Vergleich zur menschlichen Führungskraft weniger zufrieden mit der KI-Führungskraft. Die Akzeptanz einer menschlichen Führungskraft beeinflusst signifikant die Zufriedenheit mit dieser Führungskraft. Auch die Akzeptanz der KI-Führungskraft beeinflusst signifikant die Gesamtzufriedenheit der Stichprobe. Zudem hängt das Vertrauen in die menschliche Führungskraft positiv mit der Akzeptanz dieser Führungskraft zusammen. Für die Erforschung des Einflusses des Einsatzes einer KI-Führungskraft bietet die vorliegende Arbeit einen Mehrwert, weil, wie bereits kurz umrissen, forschungsbasierte Erkenntnisse hierzu fehlen. Aus der Arbeit leitet sich die praktische Implikation ab, dass sich der Einsatz von KI-Anwendungen zur Entlastung von Führungskräften eignet und sich dies zunächst nicht negativ auf die Leistung und Arbeitszufriedenheit von Mitarbeitenden auswirkt. Diese Aussage kann jedoch nur für das zugrunde liegende Szenario dieser Arbeit getroffen werden. Es bedarf daher weitere Forschung in diesem Feld, insbesondere in der Praxis mit konkreten KI-Anwendungen, um das Vertrauen und die Akzeptanz von KI-Führungskräften zu analysieren und für die Praxis zu stärken, sodass sich der Einsatz nicht langfristig negativ auf Mitarbeitende auswirkt.

Alternative Abstract:
Alternative AbstractLanguage

The development of AI technologies continues to advance. Such self-learning technologies can be used not only to support employees (Buxmann & Schmidt, 2019), but also for managers. Companies would also like to realize this opportunity, so that their managers can focus on employee-related management as well as the strategic development of their own area of responsibility (Kiehne, 2019; Offensive Mittelstand, 2018). In practice, self-learning algorithms are currently already being used for leadership tasks, but there is a lack of scientifically based findings on the potential impact on employees (Bings & Schwenkmezger, 2021; Fügener et al., 2019; Petrat, 2019; Seebera et al., 2019). The present study contributes to this research gap by investigating the effects of using AI in task-oriented leadership behavior on employees compared to a human. For this purpose, a laboratory study was conducted with N=71 subjects with a mean age of MW=26.33 years (SD=7.18) and a gender split of 72% males and 28% females. An AI executive was implemented using the online tool Synthesia.io. The results show that the use of an AI manager does not affect the motivation, performance and job satisfaction of employees. Throughout the entire experiment, the variables of job satisfaction, acceptance and trust on a 5-point Likert scale had mean values between MWMIN=3.32 and MWMAX=4.46 - regardless of the modality of the leader presented. Only the test subjects were less satisfied with the actual AI manager compared to the human one. Furthermore, there were significant results with regard to the influence of the acceptance of a human leader on the satisfaction with the leader. Also, the acceptance of the AI leader significantly influences the overall satisfaction of the sample. In addition, trust in the human leader is positively related to acceptance of the human leader. This study offers added value for research into the influence of the use of an AI leader because, as already briefly outlined, there is a lack of research-based findings on this. The practical implication derived from the work is that the use of AI applications is suitable for relieving the workload of leaders and that this does not initially have a negative impact on the performance and job satisfaction of employees. However, this statement can only be made for the underlying scenario of this work. Further research is therefore needed in this field, especially in practice with specific AI applications, in order to analyze the trust and acceptance of AI leaders and to strengthen it in practice so that its use does not have a negative impact on employees in the long term.

English
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-280354
Classification DDC: 100 Philosophy and psychology > 150 Psychology
600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 16 Department of Mechanical Engineering > Ergonomics (IAD)
16 Department of Mechanical Engineering > Ergonomics (IAD) > Work Design and Work Organization
Date Deposited: 25 Sep 2024 12:04
Last Modified: 26 Sep 2024 07:54
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/28035
PPN: 521699932
Export:
Actions (login required)
View Item View Item