@article{HaugCurrleWeber, author = {Haug, Sonja and Currle, Edda and Weber, Karsten}, title = {Acceptance of Medical History-Taking Supported by Artificial Intelligence and Chatbots: A Population-Based Survey in Germany}, series = {Healthcare}, volume = {14}, journal = {Healthcare}, publisher = {MDPI}, address = {Basel}, doi = {10.3390/healthcare14070905}, pages = {21}, abstract = {Background/Objectives: Digital anamnesis tools, including chatbots, are increasingly being developed and evaluated, yet their implementation in German medical practices remains limited. This study examines the acceptance of medical history-taking assisted by artificial intelligence (AI) among the German population. The objective is to derive implications for integrating such systems into digitalization strategies of medical practices. Methods: This study is based on an online survey of the German population, aged between 18 and 74 years, conducted in two independent cross-sectional waves (trend design) in 2024 and 2025 with n = 1000 respondents in each year. Based on the Unified Theory of Acceptance and Use of Technology (UTAUT), three hypotheses regarding the use of AI in medical history-taking were developed and tested using linear regression models. Results: Both waves reveal a high acceptance level of AI-supported anamnesis systems for people aged between 18 and 74, regardless of whether a chatbot is used in medical practice (Scenario 1) or at home (Scenario 2). The latter received slightly less approval for the intention to use (mean intention scores: 3.50 and 3.45, range from 1.0 to 5.0) than Scenario 1 (3.59, 3.56). The indices of Performance Expectancy (PE), Effort Expectancy (EE), and perceived Social Influence (SI) determine the intention to use a chatbot with the strongest correlation of the PE index (Scenario 1: ß =0.466, Scenario 2: ß = 0.475). Most respondents (73\% and 75\%) expressed a favorable opinion for digitally storing medical history data within their electronic health record (EHR). Conclusions: The findings suggest that gender- and age- specific differentiation—aside from considering the needs of older adults—may be less relevant for designing digitalization strategies than previously assumed. Instead, the focus of medical practices should lie on the practicability of the tool used. Despite currently low EHR utilization rates in Germany, medical practices may expect broad patient approval regarding the digital storage of medical history data.}, language = {en} } @misc{HauerSchultzHaugetal., author = {Hauer, Franziska and Schultz, Maximilian and Haug, Sonja and Weber, Karsten}, title = {K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen - quantitativer Datensatz [Data set]}, doi = {10.5281/zenodo.17977270}, abstract = {K{\"u}nstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu ver{\"a}ndern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies k{\"o}nnte besonders interessant f{\"u}r Organisationen sein, die wenig Ressourcen zur Verf{\"u}gung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu z{\"a}hlen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. {\"U}ber den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgef{\"u}hrt. Der Web-Survey baut auf den Erkenntnissen des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene und noch ben{\"o}tigte Ressourcen. Daf{\"u}r wurden 343 NROs verschiedener Gr{\"o}ßen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.}, language = {de} } @misc{HaugCurrleWeber, author = {Haug, Sonja and Currle, Edda and Weber, Karsten}, title = {K{\"u}nstliche Intelligenz und Anamnese (KI-Anamnese) - Datens{\"a}tze Welle 1 und Welle 2 [Data set]}, doi = {10.5281/zenodo.18017447}, abstract = {Die Studie st{\"u}tzt sich auf eine Quotenstichprobe der deutschsprachigen Bev{\"o}lkerung im Alter von 18 bis 74 Jahren. Sie wurde als L{\"a}ngsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgef{\"u}hrt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine m{\"o}glichst genaue Abbildung der Grundgesamtheit zu gew{\"a}hrleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgr{\"o}ße, Ortsgr{\"o}ße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuz{\"u}glich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil {\"u}bersetzt sowie abgewandelt, aus anderen Studien {\"u}bernommen.}, language = {de} } @misc{HaugVetterDotteretal., author = {Haug, Sonja and Vetter, Miriam and Dotter, Caroline and Weber, Karsten}, title = {Forschungsprojekt "EVEKT "Erh{\"o}hung der Verbraucherpartizipation an der Energiewende und datenbasierte Mehrwertdienste" — Datensatz [Data set]}, doi = {10.5281/zenodo.17962728}, abstract = {Um Leistungsschwankungen im Stromnetz durch fluktuierende erneuerbare Energien auszugleichen, sollen in Deutschland intelligente Messtechnologien in Privathaushalten verbaut werden. Diese gelten als zentraler Bestandteil sog. Smart-Grids (intelligente Stromnetze), die Stromnachfrage und -angebot steuern, um Stromnetzstabilit{\"a}t zu gew{\"a}hrleisten. Die Werte, die bei der Messung des Stromverbrauchs in Privathaushalten erhoben werden, k{\"o}nnen an die Verbraucher*innen mithilfe von Apps oder anderer Smart-Meter-Plattformen (datenbasierte Mehrwertdienste) r{\"u}ckgemeldet werden. Vor diesem Hintergrund wurde 2023 eine Online-Befragung der Wohnbev{\"o}lkerung in Deutschland durchgef{\"u}hrt (n=2.027). Untersucht wurden Bekanntheit, Nutzungsbereitschaft und Akzeptanz intelligenter Stromz{\"a}hler bzw. Smart-Meter sowie die Nutzungsintention bei Anwendungsszenarien und Datenschutzbedenken.}, language = {de} }