Kurz gesagt
Drei Fragen dazu, wie sehr eine Person einem bestimmten KI-System vertraut. Es gibt eine Langfassung mit 12 Fragen. Nutzen Sie sie für ein benanntes Werkzeug, und denken Sie daran, dass mehr Vertrauen nicht immer besser ist.
Für die Person, die die Diagnose durchführt: eine Leitung aus Personal oder Betrieb, ein internes Projektteam oder eine externe Beratung.
Was es misst
Wie sehr eine Person einem KI-System vertraut, das Sie benennen: etwa dem Assistenten in Ihrem Kundendienst oder einem Prognosewerkzeug.
Vertrauen und Einstellung sind verschieden. Jemand kann KI im Allgemeinen mögen und dem Werkzeug auf dem eigenen Schreibtisch misstrauen, aus gutem Grund.
Wie Sie es nutzen
- Benennen Sie das System in der Einleitung der Umfrage.
- Befragen Sie die Menschen, die es nutzen.
- Vergleichen Sie den Vertrauenswert damit, wie oft das System richtig liegt. Hohes Vertrauen in ein schwaches Werkzeug ist ein Risiko. Geringes Vertrauen in ein gutes Werkzeug ist Verschwendung.
- Betrachten Sie das Ergebnis nach Aufgaben. Mensch und KI zusammen sind nicht immer besser als jeder für sich.
Was es nicht misst
- Ob das Vertrauen verdient ist. Ein hoher Wert kann bedeuten, dass das Werkzeug gut ist. Er kann auch bedeuten, dass die Menschen es nicht mehr prüfen. Eine Übersicht über die Forschung zum Vertrauen in KI argumentiert, dass das Ziel ein Vertrauen ist, das zur Verlässlichkeit des Systems passt, nicht ein möglichst hohes Vertrauen.
- Die Einstellung zu KI im Allgemeinen.
- Können. Menschen, die verstehen, wie KI funktioniert, wählen besser, was sie ihr übergeben.
Wie es geprüft wurde
Die Skala mit 12 Fragen wird seit 2000 für automatisierte Systeme genutzt. 2025 prüfte ein Forschungsteam in Australien sie für mehrere Arten von KI und entwickelte eine Kurzfassung mit drei Fragen. In vier Studien stimmte die Kurzfassung mit anderen Vertrauensmaßen überein und hatte Vorhersagekraft.
Lizenz und Zugang
Der Artikel von 2025 ist frei zugänglich unter CC BY 4.0 und enthält beide Fassungen. Eine andere Sprachfassung ist nicht geklärt.
Alternativen
Andere Diagnoseinstrumente mit ähnlicher Aufgabe, und wann Sie welches vorziehen sollten.
- Wie positiv sehen die Beschäftigten KI im Allgemeinen? AI Attitude Scale (AIAS-4) Nehmen Sie es, wenn Sie die Einstellung zu KI im Allgemeinen wollen, nicht das Vertrauen in ein System. Beschäftigte, jeweils zu ihrer eigenen Sicht · 4 Fragen Frei nutzbar und anpassbar
- Welche positiven und negativen Sichtweisen auf KI haben die Beschäftigten? General Attitudes towards Artificial Intelligence Scale (GAAIS) Nehmen Sie es, wenn Sie ein umfassenderes Bild positiver und negativer Sichtweisen wollen. Beschäftigte, jeweils zu ihrer eigenen Sicht · 20 Fragen, oder 10 in der Kurzfassung Frei nutzbar, vor Änderungen fragen
Die Einzelheiten
- Prüfung
- Die Langfassung ist eine seit Langem etablierte Skala. Ein Team prüfte sie neu für KI und entwickelte die Kurzfassung in vier Studien, und die Ergebnisse hielten stand. Noch hat kein unabhängiges Team die Kurzfassung geprüft.
- Betrachtet
- Person
- Wie die Antworten erhoben werden
- Eine Umfrage, die jede Person zu einem benannten KI-System beantwortet.
- Länge
- 3 Fragen; Langfassung 12 Fragen
- Kosten
- Kostenlos
- Lizenz
- CC BY 4.0Sie dürfen die Fragen aus dem Artikel von 2025 übersetzen und anpassen, wenn Sie die Autoren nennen.
- Sprachen
- Englisch
- Von
- McGrath and colleagues, 2025
Quellen
- McGrath, Lack, Tisch and Duenser (2025). Measuring trust in artificial intelligence: validation of an established scale and its short form. Frontiers in Artificial Intelligence. doi:10.3389/frai.2025.1582880
- Lockey, Gillespie, Morrill and Pool (2024). Trust in Artificial Intelligence: A Critical Systematic Review. Academy of Management Proceedings. doi:10.5465/amproc.2024.14990abstract
Verwandte Studien auf dieser Website
- Wer weiß, wie KI funktioniert, entscheidet besser, was er ihr überlässt Pinski, Adam and Benlian (2023). AI Knowledge: Improving AI Delegation through Human Enablement. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems.
- Wann Mensch plus KI besser ist als beide allein: 106 Experimente Vaccaro, Almaatouq and Malone (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303.