--- title: "Consumers and Artificial Intelligence: An Experiential Perspective" url: "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/" type: "study" language: de-DE description: "Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion?" --- # Consumers and Artificial Intelligence: An Experiential Perspective > Consumers and Artificial Intelligence: An Experiential Perspective: Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? Evidenzgrad C, Risk of Bias unclear. ## Quelle Autor:innen: Stefano Puntoni, Rebecca Walker Reczek, Markus Giesler, Simona Botti Jahr: 2020 Journal/Quelle: Journal of Marketing DOI: 10.1177/0022242920953847 APA: Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Zitationen laut Paper-Korpus: 1021 ## Forschungsfrage / Summary Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? ## Methode und Evidenzqualität [Studien](/studien/)typ: Studie Population: Konsument:innen in Interaktion mit KI-Produkten und Services Risk of Bias: unclear Evidenzgrad: C ## Key Findings - Vier KI-Erfahrungen enthalten jeweils Nutzen-Kosten-Spannungen. - Reaktionen hängen von Identität, Kontrolle, Vertrauen und Kontext ab. - Manager sollten Transparenz kalibrieren, Bias prüfen, Selbstwirksamkeit erhalten und inklusive Interaktionen gestalten. ## Effektgrößen / Outcomes - Outcomes: Data-capture experience, Classification experience, Delegation experience, Social experience ## Conversion-Implikationen - KI-Datenpraktiken transparent und kontrollierbar machen. - Nutzer:innen Klassifikationen prüfen/korrigieren lassen. - User Agency in Delegationsfeatures erhalten. - Social AI so gestalten, dass sie nicht entfremdet oder stereotypisiert. ## Limitationen - Keine empirische Prüfung oder Effektgrößen. - Narrative/konzeptionelle Synthese statt systematischer Review. - Keine kausale Evidenz. ## Verknüpfte Konzepte - [AI Trust Calibration](/konzepte/ai-trust-calibration/) - [Recommender Trust](/konzepte/recommender-trust/) - [Identity Signaling](/konzepte/identity-signaling/) - [Trust Signals](/konzepte/trust-signals/) ## Unterstützte Claims - [AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.](/claims/ai-recommendations-need-trust-calibration/) - [Boundary Conditions für Identity Signaling: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.](/claims/identity-signaling-has-boundary-conditions/) ## FAQ ### Worum geht es in dieser Studie? Consumers and Artificial Intelligence: An Experiential Perspective: Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? Evidenzgrad C, Risk of Bias unclear. ### Welche Evidenz wird genutzt? Die Seite nutzt Claims, Studien, Use Cases und Quellen aus dem SurrealDB Knowledge Graph der Conversion-Psychologie-Wissensbasis. ### Ist die Ausgabe auf Deutsch verfügbar? Ja. Alle menschenlesbaren Inhalte und Agent-Ausgaben sind standardmäßig deutsch. ## Quellen - Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 [Quelle öffnen](https://doi.org/10.1177/0022242920953847) ## JSON-LD ```json { "@context": "https://schema.org", "@graph": [ { "@type": "WebSite", "@id": "https://conversion.stevebaka.de/#website", "url": "https://conversion.stevebaka.de", "name": "conversion.stevebaka.de", "description": "Deutschsprachige Wissensbasis und Audit-Plattform für evidenzbasierte Conversion-Psychologie.", "publisher": { "@id": "https://conversion.stevebaka.de/#organization" } }, { "@type": "Organization", "@id": "https://conversion.stevebaka.de/#organization", "name": "conversion.stevebaka.de", "url": "https://conversion.stevebaka.de", "parentOrganization": { "@id": "https://stevebaka.de/#organization" }, "sameAs": [ "https://stevebaka.de" ] }, { "@type": "Person", "@id": "https://conversion.stevebaka.de/autoren/steve-baka/#person", "name": "Steve Baka", "url": "https://conversion.stevebaka.de/autoren/steve-baka/", "sameAs": [ "https://stevebaka.de" ], "jobTitle": "Conversion- und AI-Infrastructure-Berater", "knowsAbout": [ "Conversion-Psychologie", "Verkaufspsychologie", "Behavioral Science", "GraphRAG", "SurrealDB", "D-A-CH Conversion Optimierung" ] }, { "@type": "WebPage", "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#webpage", "url": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/", "name": "Consumers and Artificial Intelligence: An Experiential Perspective", "description": "Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion?", "inLanguage": "de-DE", "isPartOf": { "@id": "https://conversion.stevebaka.de/#website" }, "breadcrumb": { "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#breadcrumb" }, "datePublished": "2026-07-01", "dateModified": "2026-07-04", "mainEntity": { "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#article" } }, { "@type": "ScholarlyArticle", "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#article", "headline": "Consumers and Artificial Intelligence: An Experiential Perspective", "name": "Consumers and Artificial Intelligence: An Experiential Perspective", "description": "Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion?", "inLanguage": "de-DE", "author": { "@id": "https://conversion.stevebaka.de/autoren/steve-baka/#person" }, "publisher": { "@id": "https://conversion.stevebaka.de/#organization" }, "mainEntityOfPage": { "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#webpage" }, "datePublished": "2026-07-01", "dateModified": "2026-07-04", "citation": [ "https://doi.org/10.1177/0022242920953847" ], "mentions": [], "text": "Consumers and Artificial Intelligence: An Experiential Perspective: Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? Evidenzgrad C, Risk of Bias unclear. Quelle. Autor:innen: Stefano Puntoni, Rebecca Walker Reczek, Markus Giesler, Simona Botti Jahr: 2020 Journal/Quelle: Journal of Marketing DOI: 10.1177/0022242920953847 APA: Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Zitationen laut Paper Korpus: 1021 Forschungsfrage / Summary. Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? Methode und Evidenzqualität. Studientyp: Studie Population: Konsument:innen in Interaktion mit KI Produkten und Services Risk of Bias: unclear Evidenzgrad: C Key Findings. Vier KI Erfahrungen enthalten jeweils Nutzen Kosten Spannungen. Reaktionen hängen von Identität, Kontrolle, Vertrauen und Kontext ab. Manager sollten Transparenz kalibrieren, Bias prüfen, Selbstwirksamkeit erhalten und inklusive Interaktionen gestalten. Effektgrößen / Outcomes. Outcomes: Data capture experience, Classification experience, Delegation experience, Social experience Conversion Implikationen. KI Datenpraktiken transparent und kontrollierbar machen. Nutzer:innen Klassifikationen prüfen/korrigieren lassen. User Agency in Delegationsfeatures erhalten. Social AI so gestalten, dass sie nicht entfremdet oder stereotypisiert. Limitationen. Keine empirische Prüfung oder Effektgrößen. Narrative/konzeptionelle Synthese statt systematischer Review. Keine kausale Evidenz. Verknüpfte Konzepte. AI Trust Calibration Recommender Trust Identity Signaling Trust Signals Unterstützte Claims. AI und Recommender Entscheidungen sollten erklärbar und kontrollierbar sein, um Über und Untervertrauen zu vermeiden. Boundary Conditions für Identity Signaling: Zielgruppe, Funnel Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.", "learningResourceType": "Evidence source", "isBasedOn": [ "https://doi.org/10.1177/0022242920953847" ], "about": [] }, { "@type": "BreadcrumbList", "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#breadcrumb", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Startseite", "item": "https://conversion.stevebaka.de/" }, { "@type": "ListItem", "position": 2, "name": "Consumers and Artificial Intelligence: An Experiential Perspective", "item": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/" } ] }, { "@type": "FAQPage", "@id": "https://conversion.stevebaka.de/studien/10-1177-0022242920953847/#faq", "inLanguage": "de-DE", "mainEntity": [ { "@type": "Question", "name": "Worum geht es in dieser Studie?", "acceptedAnswer": { "@type": "Answer", "text": "Consumers and Artificial Intelligence: An Experiential Perspective: Wie erleben Konsument:innen KI über Datenerfassung, Klassifikation, Delegation und soziale Interaktion? Evidenzgrad C, Risk of Bias unclear." } }, { "@type": "Question", "name": "Welche Evidenz wird genutzt?", "acceptedAnswer": { "@type": "Answer", "text": "Die Seite nutzt Claims, Studien, Use Cases und Quellen aus dem SurrealDB Knowledge Graph der Conversion-Psychologie-Wissensbasis." } }, { "@type": "Question", "name": "Ist die Ausgabe auf Deutsch verfügbar?", "acceptedAnswer": { "@type": "Answer", "text": "Ja. Alle menschenlesbaren Inhalte und Agent-Ausgaben sind standardmäßig deutsch." } } ] } ] } ```