Forschungsansicht — KI-AgentenTestplatz

Forschungsfragen

F1 — Wie unterscheidet sich die Entscheidungsqualität zwischen Aufgabentypen (Planung, Durchführung, Kontrolle, Führung) bei Zusammenarbeit mit einem KI-Agenten im Vergleich zu rein menschlicher Bearbeitung (Postkorb-Kontrollbedingung)?
F2 — Wie verändert sich das Vertrauen in den KI-Agenten über aufeinanderfolgende Runden, insbesondere nach sichtbaren Fehlern des Agenten?
F3 — Welcher Zusammenhang besteht zwischen berufsbezogenen Persönlichkeitsmerkmalen (Leistungsmotivation, Flexibilität, Durchsetzungsstärke, Belastbarkeit) und Intensität sowie Qualität der Mensch-KI-Zusammenarbeit?
F4 — Unterscheiden sich die Anbieter (Claude, GPT, Gemini, Open-Source-Modell) in ihrem Beitrag zu ökonomischem Erfolg und wahrgenommener Zusammenarbeitsqualität?
F5 — Wie wirkt sich der Autonomiegrad des Agenten (Vorschlag vs. eigenständige Ausführung mit Kontrolle) auf Risikoeinschätzung und Erfolg aus?
F6 — Unterscheidet sich die Rollenverteilung zwischen Mensch und Agent bei sachbezogenen Analyseaufgaben von personenbezogenen Bewertungsaufgaben?

Zuordnung der Messgrößen: Entscheidungsqualität → Bewertungsraster (unten je Runde), Vertrauensverlauf → Kurzerhebung je Runde, Persönlichkeit → Baseline-Skalen, Reliance → Reliance-Index + Protokolle (Export).

Alle Daten liegen ausschließlich im Browser dieses Geräts. Export als JSON (vollständig, inkl. Interaktionsprotokolle) oder als Excel-Arbeitsmappe (Blatt „Runden": eine Zeile je Runde; Blatt „Teilnehmende": eine Zeile je Person; Blatt „Texte": eine Zeile je Texteinheit — Chat-Beiträge von Person und Agent, finale Entscheidungen, offene Abschlussantworten — mit Metadatenspalten und Spalte „text" für die psycholinguistische Auswertung, z. B. mit LIWC-22). Die Bewertung der Entscheidungsqualität erfolgt hier nachträglich anhand des Bewertungsleitfadens (1 = unzureichend, 5 = exzellent).

Bewertungsleitfaden (kriterienbasiertes Expertenrating)

Jede abgeschlossene Runde wird anhand von fünf Grundkriterien und einem modulspezifischen Kriterium auf einer 5-Punkte-Skala bewertet. Die Verhaltensanker beschreiben die Stufen 1, 3 und 5; die Stufen 2 und 4 sind Zwischenwerte. Bewertungsregeln: erst das vollständige Interaktionsprotokoll und die finale Entscheidung lesen, dann jedes Kriterium unabhängig von den anderen bewerten (kein Gesamteindrucksurteil), im Zweifel den Anker wählen, dessen Beschreibung dem beobachteten Verhalten am nächsten kommt.

Sitzungen

Code	Anbieter	Autonomie	Runden	Status	Angelegt	Aktionen

Fragebogen-Editor (modulare Instrumente)

Die Erhebungsinstrumente sind als Konfiguration hinterlegt und können hier angepasst werden: Items ergänzen oder umformulieren, Baseline-Skalen hinzufügen (z. B. Resilienz), offene Fragen ändern. Die Anpassung gilt für neu angelegte Sitzungen auf diesem Gerät; jede Sitzung protokolliert die Versionskennung ihrer Instrumentenfassung (Spalte fragebogen_version im Export).

Während einer laufenden Erhebungswelle sollten Skalen-IDs und bestehende Item-Formulierungen nicht verändert werden — sonst sind Sitzungen nicht mehr vergleichbar. Neue Items/Skalen ergänzen und die version-Kennung hochzählen; Auswertung dann getrennt nach fragebogen_version.

Aktive Konfiguration (JSON)