h1

001020690 001__ 1020690
001020690 005__ 20251128132017.0
001020690 0247_ $$2HBZ$$aHT031315345
001020690 0247_ $$2Laufende Nummer$$a44769
001020690 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-09177
001020690 037__ $$aRWTH-2025-09177
001020690 041__ $$aGerman
001020690 082__ $$a300
001020690 1001_ $$0P:(DE-82)IDM03292$$aWerz, Johanna Miriam$$b0$$urwth
001020690 245__ $$aKünstliche Intelligenz erklären, verstehen, nutzen : Anforderungen an Transparenz und ihr Einfluss auf die Nutzung von KI-Entscheidungsunterstützungssystemen$$cvorgelegt von Johanna Miriam Werz$$honline
001020690 246_3 $$aExplaining, understanding, using artificial intelligence : requirements for transparency and its influence on the use of AI decision support systems$$yEnglish
001020690 260__ $$aAachen$$bRWTH Aachen University$$c2025
001020690 300__ $$a1 Online-Ressource : Illustrationen
001020690 3367_ $$02$$2EndNote$$aThesis
001020690 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
001020690 3367_ $$2BibTeX$$aPHDTHESIS
001020690 3367_ $$2DRIVER$$adoctoralThesis
001020690 3367_ $$2DataCite$$aOutput Types/Dissertation
001020690 3367_ $$2ORCID$$aDISSERTATION
001020690 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2025$$gFak07$$o2025-04-01
001020690 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
001020690 5203_ $$aTrotz der zunehmenden Zahl an Unterstützungssystemen mit künstlicher Intelligenz (KI) für den Privatgebrauch wurde KI-Transparenz lange Zeit vor allem aus technischer Perspektive erforscht. Studienergebnisse mit Endnutzenden zeigen jedoch, dass Systemtransparenz nicht automatisch zu Systemakzeptanz führt. Es stellt sich also die Frage, wie sich Transparenz von KI- Entscheidungsunterstützungssystemen auf die Nutzung dieser Systeme durch Endnutzende auswirkt. Im Rahmen der vorliegenden Dissertation wurde diese Forschungsfrage anhand von drei Studien mit einem Mixed Method-Ansatz untersucht. Die erste Studie, ein quantitatives Onlineexperiment mit n = 169 Teilnehmenden, analysierte, wie Akkuratheitsangaben die Nutzung eines Algorithmus nach einem Fehler beeinflussen. Die zweite Studie, qualitative Fokusgruppendiskussionen mit n = 26 Teilnehmenden, identifizierte Anforderungen an KI-Transparenz aus Sicht von Endnutzenden. Die dritte Studie, ein quantitatives Onlineexperiment mit n = 151 Teilnehmenden, verglich vier Transparenzarten hinsichtlich ihrer Wirkung auf Vertrauen und Nutzung der Algorithmen. Die Ergebnisse zeigen, dass technische Erklärungen allein nicht ausreichen, um das Vertrauen in KI-Systeme zu stärken oder deren Nutzung zu fördern. Mehr als Erklärungen, wie eine KI funktioniert, sind Hintergrundinformationen über Entwickler*innen, die Motive von hinter der KI stehenden Institutionen oder externe Prüfungen entscheidend für die Vertrauensbildung. Akkuratheitsangaben haben einen begrenzten positiven Effekt auf die Nutzung, während Erklärungen, warum ein einzelnes Ergebnis zustande kam, besonders bei Fehlern gewünscht werden. Die Anforderungen sind abhängig von den Eigenschaften eines Systems, insbesondere davon, wie schwerwiegend Fehler wären, und von den Vorerfahrungen der Nutzenden. Wichtiger als eine detaillierte Transparenz ist es, das Verständnis der Nutzenden der Transparenzmaßnahmen sicherzustellen und Verlässlichkeit der KI zu vermitteln. Die Arbeit betont die Bedeutung einer nutzendenzentrierten Entwicklung von KI-Transparenz, um der Individualität von Systemen und Nutzendengruppen gerecht zu werden. Neben weiteren Implikationen wurde eine Transparenzmatrix für Entwickler*innen ausgearbeitet, mit der sich die notwendigen Transparenzimplikationen auf Basis gegebener Systemeigenschaften identifizieren lassen. Auch für politische Entscheidungsträger*innen ergeben sich Implikationen zur Förderung der Transparenz in KI-Systemen. Darüber hinaus werden die Limitationen der Einzelstudien sowie der Gesamtarbeit diskutiert und weiterführende Fragen für zukünftige Forschung abgeleitet.$$lger
001020690 520__ $$aDespite the increasing number of artificial intelligence (AI) systems for private usage, AI transparency has long been researched primarily from a technical perspective. However, study results with end users show that system transparency does not automatically lead to system acceptance. Therefore, the question arises of how transparency of AI decision support systems affects the use of these systems by end users. In this dissertation, this research question was investigated using three studies with a mixed-method approach. The first study, a quantitative online experiment with n = 169 participants, analyzed how accuracy information about an algorithm influences the use of this algorithm after an error. The second study, qualitative focus group discussions with n = 26 participants, identified requirements for AI transparency from the perspective of end users. The third study, a quantitative online experiment with n = 151 participants, compared four different types of transparency regarding their effect on trust and use of the respective algorithms. The results show that technical explanations alone are not sufficient to strengthen trust in AI systems or increase their usage. More than explanations of how an AI works, background information about developers, the motives of the institutions behind the AI or external audits help to build trust. Accuracy information has a limited positive effect on usage, while explanations about why a single result emerged are desirable when errors occur. The requirements towards AI transparency depend on the characteristics of the system, in particular how severe errors would be, and users' previous experience. More important than detailed transparency is ensuring that users understand the transparency measures and conveying the reliability of the AI-system. The work emphasizes the importance of a user-centered development of AI transparency due to the individuality of systems and user groups. In addition to further implications, a transparency matrix for developers was elaborated, which can be used to identify the necessary transparency implications based on given system characteristics. Implications also arise for political decision-makers to promote transparency in AI systems. In addition, limitations of the individual studies and the overall work are discussed and follow-up questions for further research are derived.$$leng
001020690 536__ $$0G:(EU-Grant)101069499$$aFAIRWork - Flexibilization of complex Ecosystems using Democratic AI based Decision Support and Recommendation Systems at Work (101069499)$$c101069499$$fHORIZON-CL4-2021-DIGITAL-EMERGING-01$$x0
001020690 536__ $$0G:(DE-82)EXS-SF-OPSF654$$aOPSF654 - Transparency in Artificial Intelligence: Considering Explainability, User and System Factors (TAIGERS) (EXS-SF-OPSF654)$$cEXS-SF-OPSF654$$x1
001020690 536__ $$0G:(DE-82)EXS-SF$$aExploratory Research Space: Seed Fund (2) als Anschubfinanzierung zur Erforschung neuer interdisziplinärer Ideen (EXS-SF)$$cEXS-SF$$x2
001020690 536__ $$0G:(DE-82)EXS$$aExcellence Strategy (EXS)$$cEXS-SF$$x3
001020690 588__ $$aDataset connected to Lobid/HBZ
001020690 591__ $$aGermany
001020690 653_7 $$aAI usage
001020690 653_7 $$aNutzeranforderungen
001020690 653_7 $$aTechnologieakzeptanz
001020690 653_7 $$aTransparenz
001020690 653_7 $$aalgorithm aversion
001020690 653_7 $$aartificial intelligence
001020690 653_7 $$ahuman centered AI
001020690 653_7 $$akünstliche Intelligenz
001020690 653_7 $$amenschzentrierte KI
001020690 653_7 $$atransparency
001020690 653_7 $$atrust
001020690 653_7 $$auser demands
001020690 7001_ $$0P:(DE-82)IDM01328$$aIsenhardt, Ingrid$$b1$$eThesis advisor$$urwth
001020690 7001_ $$0P:(DE-82)IDM00463$$aZiefle, Martina$$b2$$eThesis advisor$$urwth
001020690 8564_ $$uhttps://publications.rwth-aachen.de/record/1020690/files/1020690.pdf$$yOpenAccess
001020690 8564_ $$uhttps://publications.rwth-aachen.de/record/1020690/files/1020690_source.doc$$yRestricted
001020690 8564_ $$uhttps://publications.rwth-aachen.de/record/1020690/files/1020690_source.docx$$yRestricted
001020690 8564_ $$uhttps://publications.rwth-aachen.de/record/1020690/files/1020690_source.odt$$yRestricted
001020690 909CO $$ooai:publications.rwth-aachen.de:1020690$$pdnbdelivery$$pec_fundedresources$$pVDB$$pdriver$$popen_access$$popenaire
001020690 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001020690 9141_ $$y2025
001020690 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM03292$$aRWTH Aachen$$b0$$kRWTH
001020690 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM01328$$aRWTH Aachen$$b1$$kRWTH
001020690 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00463$$aRWTH Aachen$$b2$$kRWTH
001020690 9201_ $$0I:(DE-82)735410_20230123$$k735410$$lLehrstuhl für Kommunikationswissenschaft$$x0
001020690 961__ $$c2025-11-27T16:19:09.860703$$x2025-11-02T13:15:37.147690$$z2025-11-27T16:19:09.860703
001020690 9801_ $$aFullTexts
001020690 980__ $$aI:(DE-82)735410_20230123
001020690 980__ $$aUNRESTRICTED
001020690 980__ $$aVDB
001020690 980__ $$aphd