Kollege Roboter: Eine Metaanalyse über Roboter am Arbeitsplatz

Fragestellung: Seit der Einfuhrung von Robotern in der Industrie hat sich ihre Anzahl in Organisationen vervielfacht. Dabei treten sie in verschiedenen Formen auf, sie variieren beispielsweise in ihrer Adaptivitat, Autonomie oder im Anthropomorphismus. Diese Variationen verandern die Interaktion vom sozialen und technischen System und haben Auswirkungen auf die Zufriedenheit, Leistung oder Arbeitsbelastung. Das Ziel dieser Studie ist es, die Forschung zu Mensch-Roboter-Interaktion (MRI) am Arbeitsplatz metaanalytisch zu uberprufen und einen Uberblick uber die Robotereigenschaften zu vermitteln, die mit effektiver MRI zusammenhangen. Vorgehen: Es wurde eine systematische Literaturrecherche in Psychologie- und Ingenieursdatenbanken (PsycINFO, Web of Science, IEEE Xplore und ACM Digital Library) durchgefuhrt und 2325 nicht redundante Artikel gefunden. Es konnten lediglich 30 empirische Studien eingeschlossen werden, die die untersuchte Technologie als „Roboter“ bezeichneten, an einem Arbeitsplatz durchgefuhrt wurden oder eine Arbeitsplatzaufgabe darstellen, eine Interaktion zwischen Mensch und Roboter berichten und Einflussgrosen fur die Effektivitat von MRI angeben (z. B. Leistung, Zufriedenheit, Arbeitsbelastung oder Vertrauen). Ergebnisse: Ergebnisse der 3-Level Metaanalyse fur das Ausmas der Assistenz bei der Interaktion (basierend auf einer Subgruppe von 41 Effektstarken in 11 Studien) zeigen einen mittleren Einfluss auf die MRI-Effektivitat (d = 0,54). τ²-Werte zeigen eine starke Heterogenitat zwischen den Effektstarken, nicht aber zwischen den Studien. Limitationen: Die ermittelten metaanalytischen Effektstarken konnten verzerrt sein, da in Originalstudien oft nur statistische Kennwerte fur signifikante Ergebnisse angegeben werden. Implikationen/ Relevanz: Diese Studie gibt einen systematischen Uberblick uber empirische Forschung aus dem Bereich der Robotik, um sich der Frage „Wie kann MRI moglichst effektiv gestaltet werden?“ zu nahern. Sie soll die interdisziplinare MRI-Forschung fordern und Forschern und Roboterentwicklern Einblick geben, was die MRI erfolgreich macht.