h1

h2

h3

h4

h5
h6
http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png

Untersuchungen zur Qualität von unternehmerischen Entscheidungsprozessen in Teams



Verantwortlichkeitsangabevorgelegt von Marisa Schirmer

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen


Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026


Genehmigende Fakultät
Fak08

Hauptberichter/Gutachter
;

Tag der mündlichen Prüfung/Habilitation
2025-10-30

Online
DOI: 10.18154/RWTH-2026-01795
URL: https://publications.rwth-aachen.de/record/1028665/files/1028665.pdf

Einrichtungen

  1. Lehr- und Forschungsgebiet Entscheidungsforschung und Finanzdienstleistungen (812520)
  2. Lehrstuhl und Institut für Arbeitswissenschaft (417110)

Projekte

  1. BMBF 02L19C400 - Verbundprojekt: Arbeitswissenschaftliches Kompetenzzentrum für Erwerbsarbeit in der Industrie 4.0 (AKzentE4.0); Teilprojekt: Verbundkoordination, arbeitswissenschaftliche Analyse und Ergebnis-Synthese (BMBF-02L19C400) (BMBF-02L19C400)

Inhaltliche Beschreibung (Schlagwörter)
Qualität von Entscheidungsprozessen (frei) ; Teams (frei) ; individuelles Entscheidungsverhalten (frei) ; künstliche Intelligenz als Entscheidungsunterstützung (frei) ; unternehmerische Entscheidungen (frei)

Thematische Einordnung (Klassifikation)
DDC: 330

Kurzfassung
Unternehmen stehen zunehmend vor der Herausforderung, ihre Handlungs- und Wettbewerbsfähigkeit in einem Arbeitsumfeld zu sichern, das u. a. durch den Einsatz disruptiver Technologien wie Künstliche Intelligenz (KI), sich stetig ändernde Marktbedingungen und wachsende Unsicherheiten geprägt ist (z. B. Adzhienko et al., 2023; Mack & Khare, 2016). Um in diesem Umfeld erfolgreich agieren zu können, müssen Unternehmen wirksame Entscheidungen treffen und dafür die Qualität der zugrunde liegenden Entscheidungsprozesse (z. B. Carneiro et al., 2019) gewährleisten, die als zentraler Prädikator für den Entscheidungserfolg fungieren (u. a. Ji & Dimitratos, 2013; Samba et al., 2021). Durch qualitativ hochwertige Entscheidungsprozesse können u. a. die Effizienz und die Anpassungsfähigkeit von Unternehmen gefördert werden (z. B. Reeves & Deimler, 2012; Văcărescu Hobeanu, 2018). Bislang wurde die Qualität von Entscheidungsprozessen in der wissenschaftlichen Forschung jedoch meist nur bruchstückhaft anhand isolierter Aspekte erfasst und gemessen (z. B. Bujar et al., 2017), sodass erhebliche Forschungslücken hinsichtlich der empirischen Analyse von Entscheidungsprozessen und ihrer Qualität bestehen. Zur Schließung dieser Forschungslücken wurde in der vorliegenden Dissertation ein Mixed-Method-Forschungsdesign gewählt, in dessen Rahmen die Qualität von Entscheidungsprozessen in Teams anhand des praxisnahen Ansatzes der Decision Quality-Kriterien nach Spetzler et al. (2016) im unternehmerischen Kontext untersucht wurde. Mittels einer branchenübergreifenden quantitativen Fragebogenstudie (N = 461 bis 472) wurde die Datengrundlage für verschiedene deskriptive und inferenzstatistische Analysen erhoben. Im Rahmen dieser Analysen wurde die Qualität von Entscheidungsprozessen systematisch anhand verschiedener Aspekte untersucht, um unterschiedliche Facetten des Forschungsgegenstandes umfassend zu identifizieren und bestehende Forschungsdefizite zu adressieren: (1) Der Zusammenhang zwischen der Qualität von Entscheidungsprozessen in Teams und dem subjektiv wahrgenommenen Entscheidungserfolg sowie potenzielle Einflussfaktoren auf die Prozessqualität, darunter eine unterstützende Organisationskultur und die wahrgenommene Relevanz der Entscheidung, wurden inferenzstatistisch untersucht (Beitrag 1). (2) Aufgrund des von Unsicherheiten geprägten Arbeitsumfeldes und die dadurch bedingte große Menge an zu verarbeitenden Informationen gewinnt für Unternehmen die Integration von KI in Entscheidungsprozesse zunehmend an Bedeutung (Trunk et al., 2020). Im Hinblick auf den Einsatz von KI-Systemen als potenzielle Entscheidungsunterstützung wurde die Wahrnehmung dieser Systeme bezüglich des erlebten Vertrauens und Nutzens, der Übernahme möglicher Rollen im Team und der Auswirkungen auf die Qualität des Entscheidungsprozesses im Rahmen eines Gruppenvergleichs zwischen Arbeitnehmenden mit und ohne KI-Erfahrung sowohl deskriptiv als auch inferenzstatistisch analysiert (Beitrag 1, Beitrag 2). (3) Eine Untersuchung der in der unternehmerischen Praxis vorkommenden Kombinationen von Verhaltensweisen bei Arbeitnehmenden im Rahmen von Entscheidungen und des Zusammenhangs dieser mit verschiedenen Persönlichkeitsdimensionen hat eine differenzierte inferenzstatistische Analyse individueller Einflussfaktoren auf das Entscheidungsverhalten ermöglicht und erste typologische Zusammenhänge im Hinblick auf die Zusammensetzung von Teams für Entscheidungsprozesse aufgedeckt (Beitrag 3). (4) Die Erprobung der Qualitätskriterien nach Spetzler et al. (2016) in der unternehmerischen Praxis erfolgte im Rahmen einer Fallstudie anhand eines Entscheidungsprozesses im Team zur Umstrukturierung der Aufbauorganisation der Lebenshilfe Aachen Werkstätten & Service GmbH (Beitrag 4).Die im Rahmen der vorliegenden Dissertation erlangten Forschungserkenntnisse liefern sowohl eine fundierte Grundlage für zukünftige empirische Studien als auch zugleich erste praktische Implikationen zur Gestaltung qualitativ hochwertiger Entscheidungsprozesse innerhalb von Teamstrukturen und geeigneter organisationaler Rahmenbedingungen im unternehmerischen Kontext, insbesondere bei der Einführung und Nutzung von KI-Systemen als Entscheidungsunterstützung.

Companies are increasingly faced with the challenge of ensuring their ability to act and compete in a working environment that is characterized by, among other things, the use of disruptive technologies such as artificial intelligence (AI), constantly changing market conditions, and growing uncertainties (e.g., Adzhienko et al., 2023; Mack & Khare, 2016). In order to operate successfully in this environment, companies must make effective decisions and ensure the quality of the underlying decision-making processes (e.g., Carneiro et al., 2019), which serve as a key predictor of decision-making success (e.g., Ji & Dimitratos, 2013; Samba et al., 2021). High-quality decision-making processes can promote, among other things, the efficiency and adaptability of companies (e.g., Reeves & Deimler, 2012; Văcărescu Hobeanu, 2018). However, to this point, the quality of decision-making processes in scientific research has mostly been assessed and measured in a fragmented manner based on isolated aspects (e.g., Bujar et al., 2017), resulting in significant gaps in research regarding the empirical analysis of decision-making processes and their quality. To close these research gaps, a mixed-method research design was chosen for this doctoral thesis, in which the quality of decision-making processes in teams was examined in a corporate context using the practical approach of decision quality criteria according to Spetzler et al. (2016). A cross-industry quantitative questionnaire study (N = 461 to 472) was used to collect the data for various descriptive and inferential statistical analyses. As part of these analyses, the quality of decision-making processes was systematically examined on the basis of various aspects in order to comprehensively identify different facets of the research topic and address existing research gaps: (1) The relationship between the quality of decision-making processes in teams and the subjectively perceived success of decisions, as well as potential factors influencing process quality, including a supportive organizational culture and the perceived relevance of the decision, were examined using inferential statistics (Paper 1). (2) Due to the uncertain working environment and the resulting large amount of information to be processed, the integration of AI into decision-making processes is becoming increasingly important for companies (Trunk et al., 2020). With regard to the use of AI systems as potential decision support, the perception of these systems in terms of perceived trust and benefits, the assumption of possible roles in the team, and the effects on the quality of the decision-making process were analyzed both descriptively and with inferential statistics in a group comparison between employees with and without AI experience (Paper 1, Paper 2). (3) An investigation of the combinations of behaviors that occur in corporate practice among employees in the context of decision-making and the relationship between these behaviors and various personality dimensions has enabled a differentiated inferential statistical analysis of individual factors influencing decision-making behavior and revealed initial typological correlations with regard to the composition of teams for decision-making processes (Paper 3). (4) The quality criteria according to Spetzler et al. (2016) were tested in corporate practice in a case study based on a team decision-making process to restructure the organizational structure of Lebenshilfe Aachen Werkstätten & Service GmbH (Paper 4).The research findings obtained in this doctoral thesis provide both a solid basis for future empirical studies and initial practical implications for the design of high-quality decision-making processes within team structures and suitable organizational frameworks in a corporate context, particularly when introducing and using AI systems as decision support.

OpenAccess:
Download fulltext PDF
(additional files)

Dokumenttyp
Dissertation / PhD Thesis

Format
online

Sprache
Multiple

Externe Identnummern
HBZ: HT031417326

Interne Identnummern
RWTH-2026-01795
Datensatz-ID: 1028665

Beteiligte Länder
Germany

 GO


OpenAccess

QR Code for this record

The record appears in these collections:
Document types > Theses > Ph.D. Theses
Faculty of Mechanical Engineering (Fac.4)
School of Business and Economics (Fac.8)
Publication server / Open Access
Public records
Publications database
812520
417110

 Record created 2026-02-13, last modified 2026-04-13


OpenAccess:
Download fulltext PDF
(additional files)
Rate this document:

Rate this document:
1
2
3
 
(Not yet reviewed)