Zusammenfassung

Die vorliegende Arbeit untersucht den Zusammenhang von Selbstgefälligkeit und Situationsbewusstsein in automatisierten Arbeitsumwelten. Ziel ist es, die beiden Konzepte in einem Modell zu integrieren, welches auf der Annahme beruht, dass Selbstgefälligkeit einen wichtigen Faktor für den Verlust des Situationsbewusstseins darstellt.

Zunächst erfolgt die theoretische Betrachtung der Konstrukte, wobei insbesondere deren Entstehungsbedingungen und Einflussfaktoren beleuchtet werden. Zudem wird in einer Zusammenhangsbetrachtung deren hypothetische Beziehung erläutert. Abschließend wird der empirische Zusammenhang zwischen Selbstgefälligkeit und Situationsbewusstsein anhand von Fragebogendaten zweier Unternehmen der metallverarbeitenden Industrie analysiert.

Die Ergebnisse zeigen, dass Selbstgefälligkeit nicht als Voraussetzung für den Verlust von Situationsbewusstsein angesehen werden kann. Die auf theoretischer Literatur basierende Analyse lässt jedoch ein anderes Bild entstehen, sodass es weiterer Untersuchungen bedarf.

Abstract

The following study was conducted in order to examine the interrelation between complacency and situation awareness in automated work environments. This work aims at integrating the two factors into a model which is based on the assumption that complacency contributes to the loss of situational awareness. First, the two constructs will be discussed theoretically focussing on their development and influence coefficients. Afterwards the hypothetical relationship of complacency and situation awareness is explained. Concluding empirical evidence is aspired by analyzing questionnaire data from two German defence industry organizations.

The results imply that complacency can not be seen as a precondition for the loss of situation awareness. However, the analysis based on theoretical literature forms a different picture. It is concluded that more research is needed in order to reject the proposed hypothesis completely.

I

INHALTSVERZEICHNIS

ZUSAMMENFASSUNG   I

ABSTRACT   I

INHALTSVERZEICHNIS   II

ABBILDUNGEN  UND TABELLEN  IV

ABK  ÜRZUNGSVERZEICHNIS  V

1.  EINFÜHRUNG  1

2.  AUTOMATISIERUNG VON ARBEITSUMWELTEN  3

2.1.  VIGILANZ UND ÜBERWACHUNG  3

2.2.  AUTOMATION  6

2.2.1.  Begriffsbestimmung  6

2.2.2.  Zweck und Ziel von Automation  7

2.2.3.  Probleme und Folgen der Automatisierung  8

2.2.4.  Automatisierungslevel  10

2.2.5.  Neue Ansätze zur Gestaltung der Mensch-Maschine-Interaktion  11

3.  SELBSTGEFÄLLIGKEIT - COMPLACENCY  13

3.1.  BEGRIFFSERLÄUTERUNG  13

3.2.  MESSUNG VON SELBSTGEFÄLLIGKEITSPOTENZIAL  16

3.3.  MERKMALE DES SITUATIVEN KONTEXTS  19

3.4.  MERKMALE DER AUTOMATION ALS EINFLUSSFAKTOREN AUF SELBSTGEFÄLLIGES VERHALTEN  19

3.4.1.  Zuverlässigkeit und Konstanz  20

3.4.2.  Komplexität  21

3.4.3.  Verständlichkeit  21

3.5.  ZUSAMMENHANG VON SELBSTGEFÄLLIGKEIT UND AUSGEWÄHLTEN PERSÖNLICHKEITSFAKTOREN  23

3.5.1.  Die Big Five  24

3.5.2.  Neigung zu Langeweile und kognitives Versagen  27

3.5.3.  Selbstwirksamkeit  30

3.5.4.  Gelernte Sorglosigkeit  31

3.5.5.  Vertrauen  32

3.6.  AKTIVE UND PASSIVE SELBSTGEFÄLLIGKEIT  35

4.  SITUATIONSBEWUSSTSEIN - SITUATION AWARENESS  37

4.1.  LEVEL 1 SITUATIONSBEWUSSTSEIN: WAHRNEHMUNG  38

4.2.  LEVEL 2 SITUATIONSBEWUSSTSEIN: INTERPRETATION  41

4.3.  LEVEL 3 SITUATIONSBEWUSSTSEIN: PROJEKTION  42

II

4.4.  FEHLER IM SITUATIONSBEWUSSTSEIN  45

4.5.  MESSUNG VON SITUATIONSBEWUSSTSEIN  47

5.  ZUSAMMENHANGSBETRACHTUNG  50

6.  EMPIRISCHE UNTERSUCHUNG  53

6.1.  STICHPROBE  53

6.2.  HUMAN FACTORS-FRAGEBOGEN  54

6.3.  INHALTLICHE BESCHREIBUNG DER VERWENDETEN SKALEN  54

6.4.  ERGEBNISSE  56

6.4.1.  Skalenstatistiken  56

6.4.2.  Gewissenhaftigkeit und Selbstgefälligkeit  57

6.4.3.  Selbstgefälligkeit und Situationsbewusstsein  58

6.4.4.  Selbstgefälligkeit, Situationsbewusstsein und Fehlverhalten  59

6.5.  DISKUSSION  61

7.  ABSCHLIEßENDE BETRACHTUNGEN  62

7.1.  ZUSAMMENFASSUNG DER ERGEBNISSE  62

7.2.  WEITERE UNTERSUCHUNGSMÖGLICHKEITEN  64

7.3.  EMPFEHLUNGEN  65

7.4.  IMPLIKATIONEN UND GEGENMAßNAHMEN  66

7.5.  FAZIT  70

LITERATURVERZEICHNIS   V

8.  ANHANG  81

A)  ITEMS DER SELBSTGEFÄLLIGKEITSSKALA.  81

B)  ITEMS DER SITUATIONSBEWUSSTSEINSSKALA  81

  )C ITEMS DER FEHLVERHALTENSSKALA.  81

D)  ITEMS DER GEWISSENHAFTIGKEITSSKALA  82

E)  ITEMKENNWERTE SELBSTGEFÄLLIGKEIT  82

F)  ITEMKENNWERTE SITUATIONSBEWUSSTSEIN  83

G)  ITEMKENNWERTE FEHLVERHALTEN  83

H)  ITEMKENNWERTE GEWISSENHAFTIGKEIT  83

III

Abbildungen und Tabellen

ABBILDUNG 1: TRADE-OFF VON SYSTEMKOMPETENZ, MENSCHLICHER ARBEITSBELASTUNG ^UND UNVORHERSAGBARKEIT IN ANLEHNUNG AN GALSTER ET AL., 2007 ...................................... 10 ABBILDUNG 2: ENTSTEHUNG VON SELBSTGEFÄLLIGEM VERHALTEN NACH PARASURAMAN ET AL., 1993 ........ 14 ABBILDUNG 3: INTEGRATIVES RAHMENMODELL DER SELBSTGEFÄLLIGKEIT IN ANLEHNUNG AN BAHNER UND

MANZEY (2004, 2005) ...................................................................................................... 15 ABBILDUNG 4: KONZEPTUELLES VERTRAUENSMODELL IN ANLEHNUNG AN LEE UND SEE (2004) ................... 33 ABBILDUNG 5: ÜBERARBEITETES MODELL DER SELBSTGEFÄLLIGKEIT IN ANLEHNUNG AN MANZEY UND BAHNER

(2004, 2005) .................................................................................................................... 36 ABBILDUNG 6: SITUATION AWARENESS MODELL IN ANLEHNUNG AN ENDSLEY, 1995 ................................... 38 ABBILDUNG 7: MODELL DER MENSCHLICHEN INFORMATIONSVERARBEITUNG IN ANLEHNUNG AN GOLDSTEIN,

2005. ............................................................................................................................... 40 ABBILDUNG 8: EINTEILUNG DES SITUATIONSBEWUSSTSEINS NACH PEW, 2000 ............................................ 48 ABBILDUNG 9: HYPOTHETISCHER ZUSAMMENHANG VON SELBSTGEFÄLLIGKEIT UND SITUATIONSBEWUSSTSEIN

........................................................................................................................................ 52 ABBILDUNG 10: BEZIEHUNG ZWISCHEN SELBSTGEFÄLLIGKEIT, SITUATIONSBEWUSSTSEIN UND

FEHLVERHALTEN ............................................................................................................... 60

TABELLE 1: BEISPIELITEMS AUS DEN VERWENDETEN FRAGEBÖGEN ............................................................ 28 TABELLE 2: TAXONOMIE MÖGLICHER SA FEHLER IN ANLEHNUNG AN JONES UND ENDSLEY, 1996 ................ 47 TABELLE 3: BEISPIELITEMS DER SKALEN FÜR SELBSTGEFÄLLIGKEIT UND SITUATIONSBEWUSSTSEIN ............. 55 TABELLE 4: MITTELWERT UND CRONBACH’S ALPHA DER VERWENDETEN SKALEN ........................................ 57 TABELLE 5: REGRESSIONSTABELLE GEWISSENHAFTIGKEIT UND SELBSTGEFÄLLIGKEIT ................................ 58 TABELLE 6: REGRESSIONSTABELLE SELBSTGEFÄLLIGKEIT UND SITUATIONSBEWUSSTSEIN ........................... 59 TABELLE 7: REGRESSIONSTABELLE SELBSTGEFÄLLIGKEIT, SITUATIONSBEWUSSTSEIN UND FEHLVERHALTEN 60

TABELLE 8: VORSCHLÄGE FÜR SELBSTGEFÄLLIGKEITSITEMS ...................................................................... 65

IV

Abkürzungsverzeichnis

Cronbach’s Alpha α a abhängige Variable ARAS Aufsteigendes Retikuläres Aktivierungssystem ASRS Aviation Safety Reporting System standardisierter Regressionskoeffizient, beta-Gewicht β,b B Regressionskoeffizient BPS Boredom Proneness Scale CFQ Cognitive Failure Questionnaire CPRS Complacency Potential Rating Scale EFPA European Federation of Psychologist’s Associations EPI Eysenck Personality Inventory HCF High Cognitive Failure LOA Level of Automation M Mittelwert N Größe der Gesamtstichprobe NASA-TLX National Aeronautics and Space Administration-Task Load Index NEO-PI-R Neuroticism, Extraversion, Openness-Personality Inventory revised p Signifikanzniveau r Korrelationskoeffizient (Produkt-Moment-Korrelation nach Pearson und Bravais) R multipler Korrelationskoeffizient R ² Determinationskoeffizient SA Situation Awareness SAGAT Situation Awareness Global Assessment Technique T T-Wert für Signifikanzüberprüfung TBS Task-related Boredom Scale

V

1. Einführung

Mit automatisierten Systemen werden häufig Kontrollräume in Kernkraftwerken, Autopiloten in Flugzeugen oder Navigationssysteme assoziiert. Automation ist mittlerweile ein fester Bestandteil unseres Lebens geworden, sodass wir uns in vielerlei Hinsicht gar nicht mehr bewusst sind, dass wir es mit einem automatisierten System zu tun haben, wie beispielsweise bei der Waschmaschine oder dem Taschenrechner.

Automation ist nicht erst mit der Industrialisierung in das Leben der Menschen eingezogen, doch die zahlreichen technischen Entwicklungen, die ab der zweiten Hälfte des 18. Jahrhunderts vollzogen wurden, markierten den Beginn eines neuen Zeitalters. Dieses setzt sich bis heute in ungeahnten Dimensionen fort und konfrontiert den Menschen ständig mit neuen Möglichkeiten. Am Anfang war die Technik noch unausgereift und diente vor allem der körperlichen Entlastung des Menschen (Wickens und Hollands, 2000). Doch die wachsenden Anforderungen an den Menschen führten auch in der Technik zu erstaunlichen Fortschritten, sodass wir uns heute in einer Welt wieder finden, in der nahezu alles von technischen Systemen geregelt wird. Dennoch ist die Zusammenarbeit von Mensch und Technik auch durch zahlreiche Konflikte, wie Störungen in der Interaktion von Menschen und den Systemen, mit denen sie arbeiten, gekennzeichnet.

Aus dieser Entwicklung entstand eine Wissenschaft die sich mit den Human Factors befasst. „Die menschlichen Faktoren […] sind alle physischen, psychischen und sozialen Charakteristika des Menschen, insofern sie das Handeln in und mit soziotechnischen Systemen beeinflussen oder von diesen beeinflusst werden“ (Badke-Schaub, Hofinger und Lauche, 2008, S. 4). Laut Wickens, Gordon und Liu (1998, S.2) lässt sich jedoch festhalten, dass „human factors are graphically illustrated by breakdowns in the interaction between humans and the systems with which they work“. Somit ist das Ziel der Fachdisziplin Human Factors, die menschliche Interaktion mit automatisierten Systemen so zu gestalten, dass (1) weniger Fehler entstehen, (2) die Produktivität erhöht wird, (3) die Sicherheit gesteigert wird und (4) der Komfort im Umgang mit dem System verstärkt wird (Wickens et al., 1998; Badke-Schaub et al., 2008). Human Factors kann also als eine interdisziplinäre Wissenschaft mit systemischer Perspektive betrachtet werden,

1

wobei auf verschiedene Basisdisziplinen zurückgegriffen wird. Der Fokus richtet sich hier auf allgemeinpsychologische Prozesse aber auch auf differential- und sozialpsychologische Aspekte in Bezug auf ihre Bedeutung für die Arbeit des Menschen (Badke-Schaub et al., 2008).

Neben den Human Factors ist noch ein weiteres Konzept in den Mittelpunkt der Aufmerksamkeit gerückt. James Reason (1997) sieht den Ursprung vieler Fehler im Menschen - „Human Error“. Reason entwickelte eine Typologie der menschlichen Fehler und beschrieb die Umstände ihres Auftretens. Fehler lassen sich allgemein als „the failure of planned actions to achieve their desired goal“ (Reason und Hobbs, 2003, S. 39) beschreiben. Fehler sind somit definiert als das Versagen geplanter Handlungen, ein erwünschtes Ziel zu erreichen. Die standardisierte ingenieurstechnische Lösung für menschliche Fehler liegt darin, die betroffenen Bereiche zu automatisieren (Parasuraman, Mouloua, Molloy und Hilburn, 1996). Auf die Konsequenzen sowohl positiver als auch negativer Art, die mit diesem Vorgehen verbunden sind, wird im weiteren Verlauf noch eingegangen.

Mittlerweile herrscht die Erkenntnis vor, dass nicht nur der Mensch allein für Fehler verantwortlich ist, sondern dass dabei das gesamte System betrachtet werden sollte. Bei der Interaktion von Mensch und Maschine können demnach beide die Ursache von Fehlern darstellen und auch Organisationsprozesse finden Eingang in die Untersuchung. Dieser systemische Ansatz lässt genug Freiraum, Fehler nicht nur aus einen Blickwinkel zu beurteilen, sondern das System als Ganzes zu betrachten. Es wird deutlich, dass menschliche Fehler eher als Effekt oder Symptom tiefer liegender Probleme betrachtet werden sollten, denn als deren Ursache (Dekker, 2005).

Gordon Dupont befasste sich im Auftrag von Transport Canada mit den menschlichen Faktoren, die bei der Instandhaltung von Flugzeugen eine Rolle spielen und entdeckte dabei 12 Bereiche potenzieller Probleme (Civil Aviation Authority, 2002). Dieses Modell wurde als „Dirty Dozen“ (Dupont, 1997) bekannt. Dabei wurden die zwölf Faktoren Mangel an Teamwork, Mangel an Wissen, Mangel an Durchsetzungsvermögen, Mangel an Aufmerksamkeit, Mangel an Ressourcen, Mangel an Kommunikation, Druck, Selbstgefälligkeit, Stress, Ablenkung, Erschöpfung und soziale Normen identifiziert, die sehr häufig zu menschlichen Fehlern führen. Mit Hilfe dieser Taxonomie kann eine genauere Analyse von Fehlern

2

ermöglicht werden, aus der sich nicht nur Implikationen für die Arbeit des Menschen ableiten lassen, sondern auch für eine ihm zuträgliche Gestaltung der Systeme. Ziel dieser Arbeit ist es, die Faktoren Selbstgefälligkeit und Situationsbewusstsein genauer zu beleuchten und eine Modellvorstellung zu entwickeln, die die Verknüpfung der beiden verdeutlicht. Es wird davon ausgegangen, dass Selbstgefälligkeit als wichtige Variable betrachtet werden kann, die die Entstehung eines adäquaten Situationsbewusstseins verhindert. Um dies zu verdeutlichen wird zunächst auf automatisierte Arbeitsumwelten eingegangen, dann werden die beiden Konzepte einzeln unter Berücksichtigung aktueller Forschungsergebnisse betrachtet und anschließend integriert. Der Zusammenhang soll im weiteren Verlauf empirisch belegt werden. Abschließend werden Implikationen aufgezeigt, die sich daraus für folgende Untersuchungen sowie die Gestaltung der Interaktion von Mensch und Maschine ableiten lassen.

2. Automatisierung von Arbeitsumwelten

Im weiteren Verlauf soll auf die zunehmende Automation im Arbeitsleben eingegangen werden. Hierbei finden Aspekte wie Vigilanz, Zielsetzungen von Automatisierung, Automationsstufen und neue Konzepte der Mensch-Maschine-Interaktion Beachtung.

2.1. Vigilanz und Überwachung

„Vigilance or sustained attention refers to the ability of observers to maintain their focus of attention and to remain alert to stimuli for prolonged periods of time“ (Warm et al., 1996, S. 183). Vigilanz bezieht sich also auf die Aufrechterhaltung der Aufmerksamkeit oder der Signalentdeckungsrate über einen längeren Zeitraum (McFadden, Vimalachandran, Blackmore, 2004).

Vigilanzaufgaben sind beispielsweise die Überwachung eines Radars oder die dauerhafte Überwachung bestimmter Systemparameter. Wickens und Hollands (2000, S. 34) beschreiben sie folgendermaßen: "In the vigilance task an operator is required to detect signals over a period of time […], and the signals are intermittent, unpredictable, and infrequent". Operateure müssen also Signale über eine bestimmte Zeitperiode entdecken, wobei die Signale sporadisch und unvorhersagbar auftreten.

3

Bereits während des zweiten Weltkrieges wurde festgestellt, dass Operateure, die mit Vigilanzaufgaben betraut waren, schon nach kurzer Zeit eine starke Leistungsverschlechterung zeigten. Dieser Umstand wird als Vigilanzverlust bezeichnet. Bereits nach 30 Minuten werden Signale oder Ereignisse zunehmend schlechter entdeckt und die Fehlerwahrscheinlichkeit nimmt mit der Dauer der Überwachungszeit zu (Warm et al., 1996; Wickens und Hollands, 2000). Es lässt sich somit sagen, dass „the efficacy of sustained attention is fragile, waning quickly over time“ (Warm et al., 1996, S. 184). Das bedeutet, dass die Wirkungskraft aufrechterhaltener Aufmerksamkeit brüchig ist und im Laufe der Zeit schnell schwindet. Neben der Zeit tragen auch noch andere Faktoren zu dem Vigilanzverlust bei wie beispielsweise die Ereignisdeutlichkeit und Signalrate. Während helle und laute Signale leicht entdeckt werden können, fällt dies bei subtilen Signalen schwerer. Es konnte des Weiteren gezeigt werden, dass auch selten auftretende Signale nur schwerlich entdeckt werden. Bailey und Scerbo (2007) führten dazu ein Experiment durch, bei dem die Probanden eine Mehrfachaufgabe durchführten, die unter anderem aus einer Überwachungsaufgabe bestand. Die Probanden sollten dabei auf Automationsfehler achten. Die Aufgabe war jedoch so manipuliert, dass nur ein Automationsfehler während des gesamten etwa 100-minütigen Experiments auftrat, den die Probanden entdecken sollten. Die Entdeckungsrate war sehr gering, denn nur 33.3% der neun Probanden entdeckten den Fehler, wobei die mittlere Reaktionszeit bei 25.50 Sekunden lag. Dies verdeutlicht die Schwierigkeit, mit der sich Operateure hochzuverlässiger Systeme konfrontiert sehen, wenn sie selten auftretende Fehler entdecken sollen.

Neben den eben erwähnten Faktoren ist auch die räumliche Unsicherheit bei der Ausführung von Vigilanzaufgaben von Bedeutung. Oftmals wissen Operateure nicht, wo sich der zu beobachtende Ereignisort befindet, was durch das Vorhandensein mehrerer zu überwachender Displays noch erschwert wird. Der Abfall der Leistung wird meist auch von einer Erhöhung der wahrgenommenen Arbeitsbelastung begleitet (Warm et al., 1996). Nach Singh und Kollegen (2008) bezieht sich Arbeitsbelastung auf die Informationsverarbeitungslast oder die Ansprüche an die Ressourcen, die durch die Aufgabe auferlegt werden. Die Arbeitsbelastung kann durch die Kosten des menschlichen Operateurs beschrieben werden, die für ihn während der Durchführung einer komplexen Aufgabe entstehen.

4

Die vorherrschende Erklärung für die schlechten Leistungen und den Vigilanzverlust bei Überwachungsaufgaben ist, dass die Aufgaben ermüdend und nicht ausreichend stimulierend sind, sodass ein bestimmter Level der Aktivierung und der Alarmiertheit nicht erreicht wird. Die sich wiederholenden und monotonen Aspekte von aufrechterhaltener Aufmerksamkeit reduzieren den Level der Stimulation, zudem ist meist auch nur eine geringe intrinsische aufgabenbezogene Aktivierung vorhanden (Warm et al., 1996; Wickens et al., 1998). Stimulation wird jedoch von den Elementen des zentralen Nervensystems benötigt, um Wachheit und Alarmiertheit aufrechtzuerhalten. Das Resultat ist, dass das Gehirn schlechter auf externale Stimulation reagiert, was zu einem Abfall in der Signalentdeckung führt (Frankmann und Adams, 1962 und Heilman, 1995 in Warm et al., 1996).

Warm und Kollegen (1996) vertreten jedoch die Ansicht, dass Vigilanzaufgaben nicht unterstimulierend, sondern eher mit einer hohen Arbeitsbelastung verbunden sind. Sie stellten fest, dass die Kosten der mentalen Operationen in Vigilanzaufgaben substantiell sind, und Elemente wie mentale Anforderung, Frustration und zeitliche Anforderung zusätzlich zur Arbeitsbelastung beitragen. Ein Verlust der Vigilanz kann unter diesen Umständen als die Erschöpfung der

Informationsverarbeitungsressourcen über die Zeit betrachtet werden, wobei von Operateuren gefordert wird, kontinuierlich Signale unter Bedingungen von großer Unsicherheit und geringer situativer Kontrolle zu entdecken (Davies und Parasuraman, 1982 und Warm, 1993 in Warm et al., 1996). Es wird von Warm und Kollegen (1996) vermutet, dass zwei Faktoren besonders auf die Arbeitsbelastung bei Vigilanzaufgaben einwirken. Erstens erhöhen die Salienz der zu entdeckenden Signale und die visuelle Ermüdung die Arbeitsbelastung. Zweitens ist für die optimale Displayüberwachung meist eine eingeschränkte Körperhaltung erforderlich, wodurch die Skelettmuskulatur beansprucht wird und Ruhelosigkeit auftritt (Warm et al., 1996).

Beide dargestellten Auffassungen über die Ursachen des Vigilanzverlusts beschreiben wichtige Charakteristika von Überwachungsaufgaben. Nach Meinung der Autorin lässt sich die klassische Erklärung jedoch zu sehr von den Eigenschaften der Aufgabe leiten und beachtet die Auswirkung auf den Menschen in zu geringem Maße. Auch wenn es nachvollziehbar erscheint, dass reizarme Aufgaben zu einem zu niedrigen Aktivierungsniveau führen, sollten dennoch die Effekte solcher Aufgaben auf die wahrgenommene Arbeitsbelastung nicht unterschätzt werden.

5

Nachdem nun das Grundprinzip der Vigilanz und damit verbundene Probleme erläutert wurden, soll im folgenden Abschnitt auf Automation eingegangen werden.

2.2. Automation

2.2.1. Begriffsbestimmung

Wie bereits beschrieben sind automatisierte Systeme seit nunmehr über 200 Jahren Teil unseres Lebens. Der Ursprung des Begriffs Automation liegt im griechischen Wort „Automato“, was so viel bedeutet wie sich selbst bewegend oder aus eigenem Antrieb. Hauß und Timpe (2000, S. 43) beschreiben die Bedeutung von Automation im heutigen Sinne wie folgt: „mit Automatisierung und Automation wird der Prozess sowie sein Resultat bezeichnet, in dem Aufgaben (bzw. die daraus resultierenden Tätigkeiten), die vom Menschen ausgeführt wurden, an eine Maschine übergeben werden. Eine ähnliche Definition, die verdeutlicht wodurch menschliche Aufgaben ersetzt werden, wurde von Wickens und Hollands (2000, S. 542) vorgeschlagen: „Automation replaces functions that were originally performed by humans with mechanical or computer components." (2000, S. 542). Automatisierung ersetzt also den Menschen durch mechanische oder Computerkomponenten bei der Ausführung bestimmter Arbeiten (Singh, Singh, Tiwari und Saha, 2008). Formen der Automation variieren von Systemen, die den Menschen völlig ersetzen bis hin zu computergesteuerten Hilfen, die die Überlastung des Operateurs vermeiden. Die Verteilung der Funktionen zwischen Mensch und Maschine kann dabei an verschiedenen Kriterien orientiert sein, wie unter anderem an der Wirtschaftlichkeit oder dem Leistungsvergleich von menschlichen und automatisierten Komponenten. Die Allokation der Funktionen sollte sich jedoch bevorzugt nach den Situationsanforderungen richten (Hauß und Timpe, 2000). Parasuraman und Riley (1997) bemerkten, dass die zunehmende Automation dabei den Menschen nicht aus der Arbeit verdrängt, sondern die Natur der Arbeit verändert. Diese Veränderung vollziehe sich jedoch oftmals auf Wegen, die von den Designern der Automation so nicht beabsichtigt oder erwartet waren. Bei der Entwicklung von automatisierten Systemen sollte darauf geachtet werden, dass man sich an den Bedürfnissen des Operateurs orientiert, denn die Unterstützung des Menschen und nicht dessen Ersetzung steht im Mittelpunkt (Hauß und Timpe, 2000). Der Mensch sollte also auch in automatisierten Arbeitssystemen die leitende Kontrolle behalten (Manzey, 2008). Denn diese sind soziotechnische Systeme, deren

6

„Qualität von der Interaktion zwischen Mensch und Automation“ (Manzey, 2008, S. 309) abhängt, und kein Teilsystem kann ohne die Berücksichtigung des anderen verbessert werden (Badke-Schaub et al., 2008).

2.2.2. Zweck und Ziel von Automation

Die verschiedenen Zwecke der Automation können in vier Kategorien eingeteilt werden: (1) Ausführung von Funktionen, die der Mensch aufgrund angeborener Einschränkungen nicht durchführen kann, (2) Ausführung von Funktionen, die der Mensch zwar durchführen kann, allerdings häufig nur schlecht oder auf Kosten hoher Arbeitsbelastung, (3) Unterstützungsleistung in Gebieten, in denen Menschen an ihre Grenzen stoßen, durch Hilfe bei peripheren und unterstützenden Aufgaben, die notwendig sind, um die Hauptaufgabe durchzuführen, (4) ökonomische Gründe, da die Einführung von Automation häufig billiger ist als die Bezahlung von Personal für diese Arbeit (Wickens und Hollands, 2000).

So ist die Automatisierung bestimmter Funktionen kostensparend und die Effizienz kann gesteigert werden. Leistungsgrenzen weiten sich durch den Einsatz von Automation aus, wodurch die gesamte Systemproduktivität erhöht werden kann. Ein weiteres Ziel, das mit Automation verbunden ist und das für Psychologen die größte Bedeutung innehat, liegt darin, dass bei gut ausgearbeiteter Automation die Arbeitsbelastung des Menschen reduziert wird (Parasuraman und Riley, 1997). Dies gilt sowohl für die Reaktionsausführung, Muskelanstrengung und

Entscheidungsauswahl als auch für die Informationserfassung und -analyse (Wickens und Hollands, 2000).

Masalonis, Duley und Parasuraman (1999) führten in diesem Zusammenhang eine Untersuchung durch, deren Ziel es war, die Effekte auf die Vigilanz und Arbeitsbelastung zu messen, die durch den Einsatz von Autopiloten - also Automation - entstehen. Die von ihnen verwendete Flugsimulationsaufgabe enthielt eine Steuerungs- und zwei Überwachungsaufgaben. Die Aufgabe den Kurs zu halten (Steuerung) wurde bei einer Probandengruppe von einer Automation übernommen. Als abhängige Variable wurde die Herzrate der Probanden gemessen und es zeigte sich, dass der Index der Arbeitsbelastung gemessen durch die Veränderung von der Basisherzrate in der manuellen Bedingung höher war als in der automatisierten Bedingung F (1, 11) = 35.93; p = .0002. Es sei jedoch bemerkt, dass die Messung der Arbeitsbelastung mit Hilfe der Herzrate nicht unbedingt von Vorteil ist, weil die Herzrate stark von physiologischen Vorgängen wie dem Metabolismus beeinflusst

7

wird. Dieses Ergebnis bestätigt laut Masalonis und Kollegen (1999) jedoch die Annahme, dass es durchaus möglich ist, die Arbeitsbelastung durch Automation zu verringern.

Der Vorteil der Entlastung des Menschen in vielerlei Hinsicht wird ebenso deutlich wie die Gewährleistung eines sicheren Arbeitens, denn Automation dringt häufig in Bereiche vor, die für den Menschen schier unerreichbar wären, sei es in der Luft-und Raumfahrt oder bei der Bearbeitung toxischer und radioaktiver Substanzen. Es steht außer Frage, dass durch zuverlässige Automatisierung menschliche Fehler verhindert werden können, allerdings sind mit der Automatisierung von Funktionen, die vorher vom Menschen ausgeführt wurden, auch Probleme, wie unausgeglichene Arbeitsbelastung, verringertes Situationsbewusstsein, Selbstgefälligkeit und Verminderung der Fähigkeiten, verbunden. Auf diese und weitere Aspekte wird im nächsten Abschnitt eingegangen.

2.2.3. Probleme und Folgen der Automatisierung

Die Konsequenzen für den Menschen, die von der Automation ausgehen, sind ebenso vielseitig wie auch weitreichend.

So ist zu berücksichtigen, dass sich mit der Zunahme der Anzahl der nichtmenschlichen Komponenten die Wahrscheinlichkeit eines Systemfehlers erhöht. Des Weiteren wird Automation oft durch Software umgesetzt, die von Menschen geschrieben wurde. Deswegen ist zu beachten, dass sich auch in hochentwickelten Systemen Fehler befinden können. Zudem stehen Operateure komplexen Systemen häufig kritisch gegenüber, da deren Funktionsweise nicht nachvollziehbar und verständlich ist. Dadurch können Operateure während des Betriebs von Aktionen des Systems überrascht werden, was sie in ihrer Arbeit beeinträchtigt (Wickens und Hollands, 2000).

Es lassen sich Veränderungen in der Vigilanz feststellen, welche zu einem Verlust des Situationsbewusstseins führen, wenn der Operateur eine überwachende Tätigkeit ausführt (Manzey, 2008). In diesem Zusammenhang wurde auch das Auftreten von Selbstgefälligkeit beschrieben (Parasuraman et al., 1993). Hinzu kommt die Annahme einer passiven Beobachterrolle, anstelle einer aktiven Kontrollfunktion, was sich auf die Arbeitsbelastung sowie die Fertigkeiten auswirkt (Endsley, 1996). Wenn der Operateur nicht mehr aktiv in seine Arbeit involviert ist, da die Automation zunehmend die Verantwortung übernimmt, kann es zu einem schrittweisen Verlust der Fertigkeiten kommen, denn ohne aktives Involvement

8

können motorische und kognitive Fähigkeiten nicht ausreichend trainiert werden (Manzey, 2008). Daraus lässt sich folgende Implikationen ableiten: je weniger Praxis Operateure haben, desto mehr verringert sich ihr Vertrauen in ihre eigenen Fähigkeiten, als Folge kommt es häufiger zu einer Verwendung der Automation (Wickens et al. 1998). So entsteht ein Kreislauf, bei dem die Fertigkeiten des Operateurs sich kontinuierlich verringern.

Außerdem kann die Zunahme von Fehlern beobachtet werden, wenn der Operateur im Falle eines Ausfalls der Automatisierung das System manuell steuern muss. Die passive Rolle führt zudem dazu, dass die dynamische Aktualisierung der Systeminformation und eine Integration der Information in den Arbeitsspeicher erschwert werden. In diesem Zusammenhang bemerkte auch Parasuraman (2000), dass insbesondere die Automatisierung der Entscheidungsfindung in einer dynamischen Umwelt sich derart auf den Operateur auswirkt, dass er sein Situationsbewusstsein verliert, weil er nicht mehr aktiv in die Evaluation der Informationsquellen involviert ist.

Bereits 1988 wurde von Norman die Wichtigkeit des Feedbacks für den Menschen erkannt. Viele automatisierte Systeme beinhalten jedoch den Nachteil, dass sie nur sehr wenig oder gar kein Feedback für den Operateur bereitstellen. Dadurch wird der menschliche Part des Systems nicht ausreichend darüber informiert, ob seine Anfragen richtig angekommen sind oder ob sie adäquat ausgeführt werden. Selbst im Falle eines vorhandenen Feedbacks kann es zu Komplikationen kommen, da die dargestellten Informationen oftmals eine Vielzahl von Systemparametern beinhalten, die der Operateur nicht ohne weiteres interpretieren kann (Endsley, 1996; Manzey, 2008). Dieser Ausschluss des Operateurs aus dem Geschehen, sei es durch das Vorenthalten oder den Überfluss von Informationen, hat zur Folge, dass das Verständnis des Menschen vom System noch weiter sinkt und die subjektive Komplexität zunimmt. Demzufolge kann sowohl die Bildung mentaler Modelle, als auch die Interpretation von Informationen erschwert werden (Manzey, 2008). Des Weiteren ist zu erwähnen, das bestimmte Formen der Automatisierung die Arbeitsbelastung des Operateurs erhöhen oder das Muster der Belastung über die Zeit sehr unbalanciert ist (Parasuraman, 2000). Darunter kann verstanden werden, dass vor allem in kritischen Situationen die Arbeitsbelastung zusätzlich durch Automation erhöht wird, wenn Operateure die Systeme an die veränderten Umweltbedingungen anpassen müssen. Als Beispiel aus der Luftfahrt kann hier die

9

Abänderung der Landebahn durch den Tower genannt werden. Die Arbeitsbelastung der Piloten ist in der kritischen Phase des Landeanflugs bereits erhöht und die Neuprogrammierung des Autopiloten entsprechend den neuen Bedingungen verursacht weitere Belastung.

Einige der eben angeführten Probleme können jedoch durch eine adäquate Wahl des Automatisierungslevels vermindert werden. Auf diese Möglichkeit soll im Folgenden eingegangen werden.

2.2.4. Automatisierungslevel

Automation wird verschiedenartig in Arbeitssystemen eingesetzt. Ein Prozess kann dabei gar nicht automatisiert sein, wodurch dessen Ausführung weiterhin manuell abläuft. Er kann aber auch vollautomatisiert sein, sodass keine Möglichkeit der Einflussnahme mehr für den Menschen besteht und er sich lediglich in der Rolle des Überwachers wieder findet. Zwischen diesen beiden Extremen lassen sich noch zahlreiche andere Level der Automation (LOA - Level of Automation) ausmachen, in denen nur Teilfunktionen von der Technik übernommen werden. An Abbildung 1 ist erkennbar, dass mit unterschiedlichem Grad der Automatisierung auch ein Trade-off stattfindet, der die Gewichtung von Arbeitsbelastung, Systemkompetenz und Unvorhersagbarkeit verändert. Wenn die Automation

Abbildung 1: Trade-off von Systemkompetenz, menschlicher Arbeitsbelastung und Unvorhersagbarkeit in Anlehnung an Galster et al., 2007

10

Der Level der Automatisierung bezieht sich nach Singh und Kollegen (2008) auf die Menge an Arbeit, die von der automatisierten Komponente übernommen wird. Timpe und Kolrep (2000, S. 21) beziehen sich bei ihrer Definition eher auf den Menschen und stellen fest, dass Automatisierungsstufen „ein Mensch-Maschine-System qualitativ in Abhängigkeit des Anteils menschlicher Informationsverarbeitung an der gesamten Informationsverarbeitung im System“ charakterisieren. Sie weisen jedoch darauf hin, dass die Anteile eher funktional in Bezug auf die Aufgabe bzw. deren Teilaufgaben zu verstehen sind und nicht als Quantifizierung der Informationsverarbeitung.

Endsley und Kaber (2003) verwendeten zur Erfassung des Einflusses des LOA auf das Situationsbewusstsein und die Arbeitsbelastung eine Taxonomie von zehn Levels unterschiedlicher Automation. Da diese jedoch sehr umfangreich ist, sei für weitere Informationen auf den Artikel der beiden Autoren verwiesen. Um die Wirkungsweise von Automation auf den Menschen zu verdeutlichen wird eine Einteilung nach übernommenen Funktionen als ausreichend angesehen. Nach Parasuraman (2000; auch Singh et al., 2008) übernimmt Automation meist Teile der Informationsverarbeitung vom Menschen, die in vier Stufen eingeteilt werden kann: (1) Informationssammlung, (2) Informationsanalyse, (3) Entscheidungs- und Handlungsauswahl sowie (4) Handlungsausführung. Je nach den Anforderungen der Situation können beliebig viele der vier Stufen automatisiert werden und das in unterschiedlichem Ausmaß. Es wird deutlich, dass automatisierte Systeme zunehmend kognitive Aufgaben übernehmen, was wie bereits erläutert Vor- und Nachteile für den Menschen beinhaltet. Um die Konflikte, die durch die Funktionsallokation entstehen, möglichst gering zu halten, wurden neue Gestaltungsprinzipien entwickelt, auf die nun eingegangen werden soll.

2.2.5. Neue Ansätze zur Gestaltung der Mensch-Maschine-Interaktion

Ein möglicher Ansatz die eben erläuterten Probleme zu vermeiden liegt darin, menschenzentrierte Automation zu verwenden. Dabei werden Anstrengungen dahingehend unternommen, dass der Mensch bei der Arbeit mit dem System besser über dessen Zustände informiert wird. Außerdem erhält er die Möglichkeit das LOA zu wählen, das zu der besten Leistung führt. So können die Vorteile von Automation maximiert und die Kosten für den Menschen möglichst gering gehalten werden (Parasuraman et al., 1996).

11