TY - GEN A1 - Weber, Karsten T1 - Künstliche Intelligenz als vielschichtige Herausforderung Y1 - 2025 ER - TY - CHAP A1 - Greiner, Nina A1 - Currle, Edda A1 - Bahr, Gudrun A1 - Weber, Karsten ED - Weber, Karsten ED - Haug, Sonja ED - Lauer, Norina ED - Mohr, Christa ED - Pfingsten, Andrea ED - Raptis, Georgios ED - Bahr, Gudrun T1 - Die Rekrutierung von Proband*innen im Projekt DeinHaus 4.0 Oberpfalz BT - Prozess, Herausforderungen und Bewertung T2 - Digitale Technik für ambulante Pflege und Therapie III - Nutzung, Akzeptanz, Wirkung und Lebensqualität N2 - Beschrieben wird der Rekrutierungsprozess im Projekt DeinHaus 4.0. Hierbei werden die spezifischen Herausforderungen bei der Akquise von Schlaganfallbetroffenen aufgezeigt und diskutiert. T3 - Regensburger Beiträge zur Digitalisierung des Gesundheitswesens - 4 KW - Rekrutierung KW - Schlaganfallpatient KW - Forschungsprojekt KW - Telerehabilitation KW - Herausforderungen Y1 - 2024 SN - 978-3-8394-6728-2 U6 - https://doi.org/10.14361/9783839467282-004 SP - 29 EP - 61 PB - transcript CY - Bielefeld ER - TY - RPRT A1 - Bhardwaj, Prakhar A1 - Hauer, Franziska A1 - Mücke, Vanessa A1 - Dotter, Caroline A1 - Haug, Sonja A1 - Weikl, Simone A1 - Weber, Karsten T1 - Recording and understanding multi- and intermodal mobility - a review N2 - The transition to sustainable mobility requires detailed knowledge of actual mobility behavior. Recording mobility behavior through conventional, aggregated, or retrospective survey methods (e.g., counting stations, travel diaries) may yield incomplete insights. In addition, these methods are often expensive, prone to error, or not scalable. The aim of this literature review is to provide a systematic overview of the current state of the literature on recording and analysis of individual mobility data and, based on this, to identify possible research gaps and potential. The exploratory literature review includes social science surveys on multi- and intermodal mobility behavior, as well as an overview of possible ways to analyze travel data. The focus of the latter is on identifying relevant data sources and methodological approaches for segmentation, identification of transport mode, and trip purpose determination. Results from recent studies show that sensor-based data collection alone is not sufficient to fully and accurately map mobility behavior. One possible solution is a “best-of-both-worlds” approach that combines passive, automatic mobility data collection via smartphone sensors with targeted user corrections and additions (“human-in-the-loop”) within an app. The literature review shows that this approach yields the best data quality. Combining mobility surveys with passive collection of mobility data provides a comprehensive, accurate, and complete overview of mobility behavior. KW - multimodal mobility KW - mobility Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87427 CY - Regensburg ER - TY - GEN A1 - Hauer, Franziska A1 - Haug, Sonja A1 - Scharf, Anna A1 - Schultz, Maximilian A1 - Weber, Karsten T1 - Quantitative Befragung zu Künstlicher Intelligenz für Nichtregierungsorganisationen -Fragebogen und Codebuch 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. KW - Künstliche Intelligenz KW - NGO Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87066 N1 - Hauer, Franziska; Haug, Sonja; Scharf, Anna; Schultz, Maximilian; Weber, Karsten (2024): Künstliche Intelligenz für Nichtregierungsorganisationen - Quantitative Erforschung der Umsetzung in deutschen NROs. 3. Arbeitspapier. OTH Regensburg. Regensburg. DOI: 10.13140/RG.2.2.11094.66883 CY - Regensburg ER - TY - RPRT A1 - Bhardwaj, Prakhar A1 - Hauer, Franziska A1 - Mücke, Vanessa A1 - Dotter, Caroline A1 - Haug, Sonja A1 - Weikl, Simone A1 - Weber, Karsten T1 - Multi- und intermodale Mobilität erfassen und verstehen - eine Literaturübersicht N2 - Die Transformation zu nachhaltiger Mobilität erfordert eine detaillierte Erfassung des tatsächlichen Mobilitätsverhaltens, was durch herkömmliche, aggregierte oder retrospektive Erhebungsmethoden (z.B. Zählstellen, Wegetagebücher) nicht vollständig gelingt. Zudem sind diese Methoden oft teuer, fehleranfällig oder nicht nachhaltig skalierbar. Ziel dieser Literaturübersicht ist es, einen systematischen Überblick über den aktuellen Forschungsstand zur Erhebung und Analyse individueller Mobilitätsdaten zu geben und darauf aufbauend mögliche Forschungslücken sowie Potentiale zu identifizieren. Die explorative Literaturrecherche umfasst sozialwissenschaftliche Erhebungen zu multi- und intermodalem Mobilitätsverhalten, sowie einen Überblick über Analysemöglichkeiten von Wegedaten. Der Fokus liegt auf der Identifikation relevanter Datenquellen und methodischer Ansätze zur Segmentierung, Verkehrsmittelerkennung und Wegezweckbestimmung. Ergebnisse aus aktuellen Studien verdeutlichen, dass ausschließlich sensorgestützte Datenerhebungen bisher nicht ausreichen, um Mobilitätsverhalten vollumfänglich und präzise abzubilden. Eine mögliche Lösung ist ein "Best-of-both-worlds-Ansatz, der die passive, automatische Mobilitätsdatenerfassung via Smartphone-Sensorik mit gezielten Nutzerkorrekturen und Ergänzungen ("Human-in-the-Loop") innerhalb einer App kombiniert. Die Literaturauswertung zeigt, dass auf diesem Weg die beste Datenqualität gewonnen werden kann. Durch die Kombination von Mobilitätsbefragung mit passiver Erhebung von Mobilitätsdaten kann ein umfassender, möglichst vollständiger und korrekter Überblick über das Mobilitätsverhalten gewonnen werden. KW - KI KW - Mobilität Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87415 CY - Regensburg ER - TY - GEN A1 - Currle, Edda A1 - Haug, Sonja A1 - Weber, Karsten T1 - Künstliche Intelligenz und Anamnese (KI-Anamnese) — Fragebogen der Trendstudie zur Akzeptanz von KI in der Anamnese in Arztpraxen in Deutschland mit Codeplan 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 KW - Fragebogen Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87079 N1 - Der Fragebogen ist Anhang zu folgender Veröffentlichung: Currle, E., Haug, S. & Weber, K. (2025). Akzeptanz des Einsatzes von Künstlicher Intelligenz im Anamneseprozess: Ergebnisse einer Bevölkerungsbefragung in Deutschland [Acceptance of artificial intelligence tools for medical history-taking: Findings of a population survey in Germany]. Zeitschrift für Evidenz, Fortbildung und Qualität im Gesundheitswesen, 198-199, 9–17. https://doi.org/10.1016/j.zefq.2025.10.003 Nachweis auf dem Publikationsserver unter: https://opus4.kobv.de/opus4-oth-regensburg/frontdoor/index/index/docId/8671 Zugehöriges Datenset: 10.5281/zenodo.18017447 (DOI) CY - Regensburg 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 - 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 - JOUR A1 - Weber, Karsten T1 - Public images of artificial intelligence: an overview JF - media-culture-social communication N2 - Artificial intelligence (AI) is not only a ubiquitous topic in scholarly debates but in recent years has also received increased media and political attention. Discussions, initially strongly influenced by autonomous vehicles but currently dominated by expectations concerning generative AI such as ChatGPT, have contributed to public awareness. There are debate cycles, often characterized by a significant decline in public attention after a certain period of time, and the issue to a large extent or completely disappears from mass media’s agenda; also, they are often specific to certain countries. In this paper, a cursory cross-country overview concerning studies on media representations and the public perception of AI is provided. The use of AI in healthcare will be particularly highlighted, as there are currently high expectations regarding the benefits of AI, but other areas of application will also be considered. It will be tentatively concluded that in many countries, public perception of and public attitudes toward AI often is based on superficial knowledge and even prejudices. Y1 - 2025 U6 - https://doi.org/10.31648/mcsc.10343 IS - 21 SP - 9 EP - 24 PB - Wydawnictwo Uniwersytetu Warmińsko-Mazurskiego w Olsztynie CY - Olsztyn 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“ — Fragebogen zur Online-Befragung und Codeplan 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. Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87409 N1 - Vetter, Miriam/Haug, Sonja/Dotter, Caroline/Weber, Karsten (2024). 4. Arbeitspapier. Ak-zeptanz und Nutzungsbereitschaft von Smart-Meter-Anwendungen und datenbasierten Mehrwertdiensten. Erste Auswertungen im Rahmen von EVEKT. Ostbayerische Technische Hochschule (OTH) Regensburg. Regensburg. EVEKT – Erhöhung der Verbraucherpartizipa-tion an der Energiewende durch KI-Technologien und datenbasierte Mehrwertdienste. Teil-projekt Ethische und soziale Aspekte der Erhöhung der Verbraucherpartizipation an der Energiewende durch KI-Technologien. https://doi.org/10.13140/RG.2.2.33227.60968 Zugehöriges Datenset: https://doi.org/10.5281/zenodo.17962728 CY - Regensburg 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 - 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 -