TY - JOUR A1 - Haug, Sonja A1 - Currle, Edda A1 - Weber, Karsten T1 - Acceptance of Medical History-Taking Supported by Artificial Intelligence and Chatbots: A Population-Based Survey in Germany JF - Healthcare N2 - 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. Y1 - 2026 U6 - https://doi.org/10.3390/healthcare14070905 N1 - Corresponding author der OTH Regensburg: Sonja Haug VL - 14 PB - MDPI CY - Basel ER - TY - GEN A1 - Hauer, Franziska A1 - Schultz, Maximilian A1 - Haug, Sonja A1 - Weber, Karsten T1 - Künstliche Intelligenz in Nichtregierungsorganisationen - quantitativer Datensatz [Data set] N2 - Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Verfügung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgeführt. 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 benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Größen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert. Y1 - 2025 U6 - https://doi.org/10.5281/zenodo.17977270 N1 - Related works: Continues Working paper: 10.13140/RG.2.2.21668.69765 (DOI) Working paper: 10.13140/RG.2.2.10671.75685/1(DOI) Is continued by Working paper: 10.13140/RG.2.2.25460.46720 (DOI) Is described by Working paper: 10.13140/RG.2.2.11094.66883 (DOI) Journal article: 10.5771/1613-0707-2025-5-35 (DOI) Is referenced by Conference paper: 10.3233/SHTI250172 (DOI) ER - TY - GEN A1 - Haug, Sonja A1 - Currle, Edda A1 - Weber, Karsten T1 - Künstliche Intelligenz und Anamnese (KI-Anamnese) - Datensätze Welle 1 und Welle 2 [Data set] N2 - Die Studie stützt sich auf eine Quotenstichprobe der deutschsprachigen Bevölkerung im Alter von 18 bis 74 Jahren. Sie wurde als Längsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgeführt. 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 möglichst genaue Abbildung der Grundgesamtheit zu gewährleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgröße, Ortsgröße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuzüglich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil übersetzt sowie abgewandelt, aus anderen Studien übernommen. KW - Anamnese KW - Bevölkerungsumfrage KW - Künstliche Intelligenz KW - Technologieakzeptanz Y1 - 2025 U6 - https://doi.org/10.5281/zenodo.18017447 N1 - Related works: Is described by Other: 10.35096/othr/pub-8707 (DOI) Is metadata for Journal: 10.1016/j.zefq.2025.10.003 (DOI) ER - TY - GEN A1 - Haug, Sonja A1 - Vetter, Miriam A1 - Dotter, Caroline A1 - Weber, Karsten T1 - Forschungsprojekt "EVEKT "Erhöhung der Verbraucherpartizipation an der Energiewende und datenbasierte Mehrwertdienste" — Datensatz [Data set] N2 - 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 Stromnetzstabilität zu gewährleisten. Die Werte, die bei der Messung des Stromverbrauchs in Privathaushalten erhoben werden, können an die Verbraucher*innen mithilfe von Apps oder anderer Smart-Meter-Plattformen (datenbasierte Mehrwertdienste) rückgemeldet werden. Vor diesem Hintergrund wurde 2023 eine Online-Befragung der Wohnbevölkerung in Deutschland durchgeführt (n=2.027). Untersucht wurden Bekanntheit, Nutzungsbereitschaft und Akzeptanz intelligenter Stromzähler bzw. Smart-Meter sowie die Nutzungsintention bei Anwendungsszenarien und Datenschutzbedenken. KW - Smart Meter KW - Technikfolgenabschätzung KW - Energiesparen KW - Datenschutzsorgen KW - Bevölkerungsbefragung KW - Akzeptanz Y1 - 2025 U6 - https://doi.org/10.5281/zenodo.17962728 N1 - Related works: Is derived from: Working paper: 10.13140/RG.2.2.11998.72009 (DOI) Working paper: 10.13140/RG.2.2.11159.85925 (DOI) Is described by: Other: 10.35096/othr/pub-8740 (DOI) Is metadata for: Working paper: 10.13140/RG.2.2.33227.60968 (DOI) Project deliverable: 10.34657/20059 (DOI) Working paper: 10.13140/RG.2.2.17667.11043 (DOI) Journal: 10.1007/s11623-025-2065-8 Titel anhand dieser DOI in Citavi-Projekt übernehmen (DOI) ER -