Die Blockchain-Technologie im Zahlungskontext. Einstellungen zur Kryptowährung und ihre Auswirkungen auf die Nutzungsakzeptanz

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung

2 Theoretischer Hintergrund

2.1 Blockchain-Technologie
2.1.1 Definition
2.1.2 Charakteristika
2.2 Kryptowährungen
2.2.1 Klassifikationen
2.2.2 Marktdiffusionsgrad
2.3 Einstellung
2.4 Akzeptanz
2.4.1 Begriffliche Abgrenzung
2.4.2 Technology Acceptance Model (TAM)
2.4.3 Weitere relevante Konstrukte
2.5 Konzeptionelles Modell

3 Hypothesen
3.1 Fragestellung
3.2 Hypothesen zur expliziten Messung
3.3 Hypothesen zur impliziten Messung
3.4 Hypothesen zum Zusammenhang der impliziten und expliziten Messung

4 Methode
4.1 Ablauf der Untersuchung
4.2 Stichprobe
4.3 Messinstrumente
4.3.1 Explizite Messmethodik
4.3.1.1 Wahrgenommener Nutzen
4.3.1.2 Wahrgenommene Einfachheit der Nutzung
4.3.1.3 Nutzungsintention
4.3.1.4 Polaritätsprofil
4.3.1.5 Weitere Konstrukte
4.3.2 Impliziter Assoziationstest
4.4 Auswertungsstrategie

5 Ergebnisse
5.1 Deskriptive Statistiken und Reliabilität
5.2 Überprüfung der expliziten Hypothesen
5.3 Überprüfung der impliziten Hypothesen
5.4 Überprüfung der Zusammenhangshypothesen zur expliziten und impliziten Messung

6 Diskussion
6.1 Zusammenfassung und Interpretation
6.2 Einschränkungen der Ergebnisse

Literaturverzeichnis

Anhang
1. Online Fragebogenstudie
2. Bild-Stimuli des IATs
3. Prüfung auf Heteroskedastizät und Normalverteilung von Residuen der aufgestellten Regressionsmodelle

Abstract

Cryptocurrencies represent a novel method for processing online payments that are currently settled using government currencies such as the Euro. The aim of this master thesis was to contribute to the evaluation of user acceptance of cryptocurrencies in the context of payments. For this purpose, acceptance dimensions were derived based on the Technology Acceptance Model and a literature analysis. By means of semantic differential, a polarity profile for cryptocurrencies and the Euro was established to reveal different associations of users towards the attitude objects. In addition, the Implicit Association Test (IAT) was used to investigate potential users' unconscious and automatic attitudes towards cryptocurrencies by comparing association strengths between the online currency and the Euro. Both methods provide insight in favor of a complementary rather than a substitutive use of cryptocurrencies. In addition, methodological aspects regarding the suitability of the IAT for attitude measurement of cryptocurrencies are discussed.

Kryptowährungen stellen eine neuartige Methode zur Abwicklung von online Zahlungen dar, die derzeit mittels staatlicher Währungen wie dem Euro abgewickelt werden. Ziel der vorliegenden Masterarbeit war es, zur Abschätzung einer möglichen Nutzungsakzeptanz von Kryptowährungen im Zahlungskontext beizutragen. Hierzu wurde auf Basis des Technology Acceptance Models und einer Literaturanalyse Akzeptanzdimensionen abgeleitet und mittels semantischen Differenzials ein Polaritätsprofil für Kryptowährungen und dem Euro aufgestellt, um unterschiedliche Assoziationen von Nutzern zu den Einstellungsobjekten offenzulegen. Darüber hinaus wurde mit dem impliziten Assoziationstest (IAT) die unbewussten und automatischen Einstellungen von potenziellen Nutzern zu Kryptowährungen untersucht, indem Assoziationsstärken zwischen Euro und Kryptowährungen verglichen wurden. Beide Methoden liefern Erkenntnis für einen komplementären anstelle eines substituierenden Nutzens von Kryptowährungen. Außerdem werden methodische Aspekte zur Eignung des IATs zur Einstellungsmessung von Kryptowährungen diskutiert.

Abbildungsverzeichnis

ABBILDUNG 1: AUSGEWÄHLTE KLASSIFIKATIONEN VON KRYPTOWÄHRUNGEN

ABBILDUNG 2: THEORIE DES GEPLANTEN VERHALTENS IN ANLEHNUNG AN AJZEN (1991).. 12 ABBILDUNG 3: TECHNOLOGY ACCEPTANCE MODELL ANGELEHNT AN DAVIS &WARSHAW (1989)

ABBILDUNG 4: KONZEPTIONELLES MODELL BASIEREND AUF DEM TAM-MODEL NACH DAVIS &WARSHAW (1989) UND ERWEITERT BASIEREND EINER LITERATURRECHERCHE

ABBILDUNG 5: SEMANTISCHES DIFFERENZIAL FÜR DIE DARSTELLUNG VON POLARITÄTSPROFILEN OHNE INVERTIERTE ITEMS

ABBILDUNG 6: SCHEMATISCHE DARSTELLUNG DES IATS

ABBILDUNG 7: ERGEBNIS DES POLARITÄTSPROFILS FÜR EURO UND KRYPTOWÄHRUNGEN 51 ABBILDUNG 8: LATENZZEITEN DER INKOMPATIBLEN UND KOMPATIBLEN BLÖCKE IM IAT

Tabellenverzeichnis

TABELLE 1: MODELLVARIABLEN UND KORRESPONDIERENDE GEGENSATZPAARUNGEN

TABELLE 2: DESKRIPTIVE STATISTIKEN UND RELIABILITÄT DER VERWENDETEN SKALEN

TABELLE 3: KORRELATION DER VERWENDETEN SKALEN MIT DEMOGRAFISCHEN VARIABLEN

TABELLE 4: KORRELATIONEN UNTERHALB DER VERWENDETEN SKALEN ANHAND DER PRODUKT-MOMENT-KORRELATION NACH PERSON

TABELLE 5: LINEARE REGRESSION DER TAM-VARIABLEN AUF DIE EXPLIZITE EINSTELLUNG ZU KRYPTOWÄHRUNGEN

TABELLE 6: LINEARE REGRESSION DER TAM-VARIABLEN AUF DIE NUTZUNGSINTENTION VON KRYPTOWÄHRUNGEN

TABELLE 7: MITTELWERTSUNTERSCHIEDE DES SEMANTISCHEN DIFFERENZIALS

TABELLE 8: LINEARE REGRESSION DER NUTZUNG VON KRYPTOWÄHRUNGEN AUF DIE EXPLIZITE EINSTELLUNG

TABELLE 9: LINEARE REGRESSION ZUR VORHERSAGE DER NUTZUNGSINTENTION VON KRYPTOWÄHRUNGEN DURCH DIE EXPLIZITE EINSTELLUNG

TABELLE 10: MITTLERE LATENZZEITEN DER KOMPATIBLEN UND INKOMPATIBLEN DURCHGÄNGE DES IATS

TABELLE 11: LINEARE REGRESSION ZUR VORHERSAGE DER NUTZUNGSINTENTION VON KRYPTOWÄHRUNGEN DURCH DIE IMPLIZITE EINSTELLUNG

TABELLE 12: MULTIPLE LINEARE REGRESSION ZUR VORHERSAGE DER NUTZUNGSINTENTION VON KRYPTOWÄHRUNGEN DURCH DIE EXPLIZIT UND IMPLIZITE EINSTELLUNG

TABELLE 13: MITTELWERTE DER VERWENDETEN AKZEPTANZDIMENSIONEN FÜR EURO UND KRYPTOWÄHRUNGEN

1 Einleitung

Kaum jemand konnte sich der Thematik rund um Kryptowährungen in den vergangenen Jahren entziehen, sei es durch positive oder negative Nachrichten in den Medien, Gespräche bei der Arbeit, Einträge in Foren oder durch Berichterstattungen von Freunden und Bekannten. Mit Kryptowährungen werden viele unterschiedliche Eigenschaften assoziiert, wenigen jedoch ist der genaue Einsatzzweck der innovativen Technologie bekannt (Arli et al., 2021). Dabei liest sich die Entstehungsgeschichte von Kryptowährungen wie eine Erzählung aus der Feder eines Drehbuchautors. Im Jahr 2008 wird ein Dokument mit den Namen: Bitcoin: A Peer-to-Peer Electronic Cash System unter dem Pseudonym Satoshi Nakamoto veröffentlicht, dessen Inhalt nicht weniger als eine Revolution des online Zahlungssystems beabsichtigt. Kurz darauf geht die erste Blockchain basierte Kryptowährung, der Bitcoin online. Kurz nach der Weltfinanzmarktkrise im Jahr 2007 wird der Bitcoin als eine alternative Währung eingeführt, dessen Ziel es ist, digitale Transaktionen unabhängig von zentralen Behörden durchführbar zu machen (Härdle et al., 2020). Mehr als zehn Jahre später ringt der Bitcoin noch immer um eine breite Marktdurchdringung, wobei inzwischen unzählige weitere Kryptowährungen durch Initial Coin Offerings (ICOs) der Öffentlichkeit zugänglich gemacht wurden (Hahn & Wons, 2018). Auch in der Literatur erhalten Kryptowährungen immer mehr Interesse, wie eine Analyse der Google Scholar Suchergebnisse unter dem Stichwort „ Cryptocurrency“ zeigt. Die steigende Anzahl an Untersuchungen wirft jedoch auch zunehmend Fragen auf. So stellen Giudici & Milne (2020) fest, dass in der Literatur Uneinigkeit darüber herrscht, ob Kryptowährungen als Rohstoff, Geld oder etwas ganz anderes klassifiziert werden sollte. Auch hinsichtlich der Frage, ob Kryptowährungen eine ernst zu nehmende Alternativwährungsform darstellen können oder nach einem anfänglichen Enthusiasmus in Vergessenheit geraten, herrscht derzeit Uneinigkeit. Während etwa Grover et al. (2019) zu dem Entschluss kommen, dass „ Nutzer offen für die Akzeptanz der Blockchain-Technologie zur Durchführung digitale Transaktionen [sind ] “ (S.23), kommen Hairudin et al. (2020) und Jonker (2019) zu einem gegenteiligen Entschluss. Bei der Betrachtung der Literatur fällt weiter auf, dass die Abschätzung einer möglichen Nutzerakzeptanz bislang nur mittels explizit gemessener Messmethoden, d.h. Selbstauskunftskalen (z. B. Jonker 2019) oder mittels Ableitung von Indikatoren (z. B. Grover et al. 2019) realisiert wurde. Da sich Kryptowährungen als alternatives Zahlungssystem in direkter Konkurrenz zu Währungen wie dem Euro begeben, bietet sich für die Untersuchung der Nutzereinstellung der implizite Assoziationstest an, dessen Messung über die Differenzen von Reaktionszeiten zweier Einstellungsobjekte (in diesem Fall Euro und Kryptowährungen) realisiert werden kann (Greenwald et al., 2003). Implizite Messmethoden bieten dabei den Vorteil, dass mit ihnen auch solche Einstellungen messbar gemacht werden, denen sich Menschen (noch) nicht unmittelbar bewusst sind. Solche unbewussten Tendenzen können jedoch einen wichtigen Einfluss auf individuelles Verhalten, wie eine Nutzungsakzeptanz von Kryptowährungen, ausüben. Gleichzeitig gelten implizite Einstellungsmessungen als robust gegenüber bewusster und unbewusster Verfälschungstendenzen, wie sie bei der Beantwortung von Rating-Skalen üblich sein können (Gregg & Klymowsky, 2013).

Insofern soll in dieser Arbeit zum Forschungsstand der Adoption von Kryptowährungen im Zahlungskontext beigetragen werden, indem die Nutzungsakzeptanz neben den üblich gemessenen expliziten Einstellungs- und Akzeptanzmessungen auch die impliziten und automatischen Einstellungen von potenziellen Nutzern zur Technologie untersucht werden. Daneben wird mit einem Vergleich von Kryptowährungen und Euro auf unterschiedlichen Akzeptanzdimensionen ein Polaritätsprofil der beiden Einstellungsobjekte geliefert, um unterschiedliche Assoziationen beider konkurrierender Systeme aufzuzeigen. Abschließend trägt diese Arbeit mit einer methodisch differenzierten Betrachtung über explizite und implizite Messmethoden zum Forschungsstand der Einstellungs- und Akzeptanzmessung bei, indem Zusammenhangsmaße und Vorhersagefähigkeit zur Nutzungsintention von Kryptowährungen als Zahlungsmittel untersucht werden.

2 Theoretischer Hintergrund

In diesem Kapitel werden zunächst die wichtigsten Erkenntnisse aus der Forschung zu den untersuchten Konstrukten und Sachverhalten beschrieben. Dabei wird zu Beginn die Blockchain-Technologie als technologischen Grundlage von Kryptowährungen beschrieben. Danach wird ein Überblick über den Forschungsstand zu Kryptowährungen geliefert. Anschließend wird auf das psychologische Konstrukt der Einstellung mit einer Fokussierung auf unterschiedliche Messansätze eingegangen, bevor in einem letzten Teil die wichtigsten Theorien zur Technologieakzeptanz in ein Arbeitsmodell für die Untersuchung münden. Die Ableitung eines konzeptionellen Modelles fungiert dabei als Grundlage für das empirische Untersuchungsmodell.

2.1 Blockchain-Technologie

Als technologische Grundlage von Kryptowährungen dient die Blockchain- Technologie, welche im Folgenden näher definiert wird. Außerdem werden die charakteristischen Eigenschaften der Technologie aufgezeigt, um im späteren Verlauf der Arbeit als Verständnisgrundlage für die Ableitung der Akzeptanz von Nutzern zu dienen.

2.1.1 Definition

Als technologische Basis von Kryptowährungen lässt sich die Blockchain- Technologie als ein auf Algorithmen basierendes System zur Speicherung von Aktivitäten innerhalb eines konsistenten und unveränderlichen Netzwerks beschreiben. Nach ZTle & Strazdina (2018) handelt es sich bei der Technologie um ein „System, das eine genaue und irreversible Datenübertragung in einem dezentralisierten Person zu Person-Netzwerk“ (S. 12) ermöglicht. Eine neue Aktivität (z. B. Transaktion) wird dabei verschlüsselt der Aktivitätshistorie hinzugefügt, welche in kleinere Abschnitte (Blöcke) unterteilt ist (Nakamoto, 2008). Die digitalen Blöcke werden dabei jedem Netzwerkteilnehmer zur Verfügung gestellt, wodurch eine transparente Nachverfolgung aller Aktivitäten gegeben ist und somit die Notwendigkeit einer zentralen Autorität abgelöst wird (ZTle & Strazdina, 2018). Die Blockchain-Technologie lässt sich somit als eine neue Art der Datenbank zur Speicherung von Transaktionen verstehen, die als effizienter und sicherer als ihre zentral geführten Pendants gelten (Härdle et al., 2020).

2.1.2 Charakteristika

Für eine nähere Beschreibung der Blockchain-Technologie werden zwei Dimensionen nach Upadhyay (2020) herangezogen, der a) verteilte Konsensmechanismus und b) die Netzwerkanonymität.

Verteilter Konsensmechanismus. Ein Hauptattribut der Blockchain- Technologie stellt die Integration mehrere Netzwerkteilnehmer (Nodes) zur Sicherstellung der korrekten Abwicklung von Transaktionen dar. Dabei werden über digitale Protokolle alle im Netzwerk getätigten Transaktionen in kleineren Einheiten (Blöcken) abgespeichert und an Nodes im System verteilt. Als Vorteil der offenen Distribution von Transaktionshistorien wird dabei aufgeführt, dass somit eine zentrale Angriffsstelle für Manipulation vermieden wird (Zïle & Strazdina, 2018). Zur Verifizierung einer Transaktion werden die Blöcke über Hashing-Algorithmen verschlüsselt und jedem folgenden Block hinzugefügt, weshalb auch von einer Blockchain gesprochen wird(Berentsen & Schar, 2018). Um neue Transaktionen zu verifizieren und in neue Daten-Blöcke zu überführen, bedarf es in einem solch dezentralisierten Netzwerks eines effizienten Konsensmechanismus. Diese werden in der Literatur üblicherweise in Proof-of- Work, Proof-of Stake und Proof-of-Concept untergliedert, wobei auch alternative Formen der Verifizierung von Transaktionen denkbar sind (Corbet et al., 2020). Beim bekanntesten Proof-of-Work Mechanismus lösen eine Vielzahl an Nodes parallel eine kryptografische Rechenaufgabe, dessen Lösung eher zufällig durch Rechenleistung (Work) gelöst und anschließend zu Incentivierungszwecken vergütet wird (Nakamoto, 2008). Stimmen eine Mehrheit der Ergebnisse verschiedener Nodes überein, so wird ein neuer Block der Blockchain hinzugefügt. Um rückwirkendeine Veränderung an dem System durchzuführen, bedarf es daher einer Manipulation von 51% der Rechenleistungen im System. Durch dieses Vorgehen wird eine Manipulation zwar theoretisch nicht ausgeschlossen, lässt sich praktisch jedoch als hoch unwahrscheinlich einstufen (Zïle & Strazdina, 2018).Die Blockchain lässt sichdabei als äußerst Transparent charakterisieren, da alle Transaktionen sowohl mit bestehenden als auch neu hinzukommenden Netzwerkteilnehmern geteilt werden (Chen & Bellavitis, 2020).

Netzwerkanonymität. Aufgrund der Verteilung von Transaktionshistorien zwischen den Netzwerkteilnehmern bedarf es einer Anonymisierung, um eine Offenlegung der Vermögenslage von Netzwerkteilnehmern zu verhindern. Einem Teilnehmer wird dabei üblicherweise eine feste Identifikationsnummer oder Alias zugewiesen, die es anderen erlaubt, zu jeder Zeit den Transaktionsverlauf und die Kredibilität transparent nachvollziehbar zu machen, während dabei die Anonymität erhalten bleibt. Anders als bei online Transaktionen mit Fiat­Währungen bedarf es daher keiner Angabe des Namens und der Anschrift der an einer Transaktion beteiligten Parteien. Dabei ist jedoch zu beachten, dass bei einer Offenlegung der Identifikationsnummer eines Netzwerkteilnehmers in der Regel alle Transaktionen innerhalb des Systems lückenlos zurückverfolgt werden können (Chen & Bellavitis, 2020).

Der Vollständigkeitshalber sei erwähnt, dass sich mittels Blockchain-basierter Systeme neben den zuvor aufgezeigten Transaktionen ebenfalls alternative Daten innerhalb der Blöcke speichern lassen. So können mittels Blockchains etwa die Besitzreihenfolge über Speicherung von Inhaberschaft abgebildet werden. Blockchain-basierte Systeme werden aufgrund der Popularität des Bitcoins häufig mit den im Folgenden beschriebenen Kryptowährungen gleichgesetzt. Diese stellen dabei jedoch lediglich eine Form der Anwendungsmöglichkeiten der Technologie dar (ZTle & Strazdina, 2018).

2.2 Kryptowährungen

In diesem Kapitel wird eine Definition von Kryptowährungengeliefert sowie eine Klassifikation der Technologie zum besseren Verständnis dargestellt. Abschließend wird ein Status quo zum Reifegrad von Kryptowährungen diskutiert, indem Kryptowährungen als Transaktionsmittel näher betrachtet werden.

Zunächst soll eine Arbeitsdefinition vonKryptowährungenfixiertwerden.Härdle et al. (2020) beschreiben Kryptowährungen als „ digitalen Vermögenswert, der distributed ledger- oder Blockchain Technologie verwendet, um sichere Transaktionen zu ermöglichen (s. 1). Die Autoren beschreiben Kryptowährungen somit als online Tauschmittel, welches für sichere und digitale Transaktionen verwendet werden kann. Die Transaktionssicherheit wird dabei mittels kryptografischer Verfahren sichergestellt, sodass keine Drittparteien (z. B. Banken) benötigt werden, um diese durchführen zu können (Härdle et al., 2020). Auffallend ist jedoch, dass in der Literatur und Forschung keine einheitliche Definition identifiziert werden konnte, was an der Vielzahl an unterschiedlichen Anwendungsmöglichkeiten und damit einhergehenden Betrachtungsweisen von Kryptowährungen liegen könnte (Härdle et al., 2020).Aus diesem Grund werden stattdessen fünf Merkmale festgehalten, welche die wichtigsten Merkmale von Kryptowährungen fixieren. Demnach lassen sich Kryptowährungen definieren als 1) online Tauschmittel , welches durch 2) Kryptografie zumeist auf einer 3) Blockchain-Technologie aufsetzt und mittels 4) Algorithmen gesteuert wird. Transaktionen können dabei direkt von Person zu Person (Peer-to-Peer) durchgeführt werden, was durch die Verwendung eines 5) dezentralen Systems ermöglicht wird (Berentsen & Schar, 2018; Corbet et al., 2020; Härdle et al., 2020).

2.2.1 Klassifikationen

In der einschlägigen Literatur und online Quellen zeigt sich hinsichtlich der Klassifikation von Kryptowährungen kein einheitliches Bild (Berentsen & Schar, 2018; Härdle et al., 2020; Prinz, 2020). Eine Mehrheit der vorhandenen Quellen führt keinerlei Klassifikation von Kryptowährungen auf, sondern betrachtet Kryptowährungen isoliert z. B. als Investitionsmittel (Mnif et al., 2020). Andere Publikationen fokussieren sich lediglich auf einzelne Derivate von Kryptowährungen, vor allem denBitcoin(Berentsen & Schar, 2018).Im Rahmen dieser Arbeit soll die Nutzungsakzeptanz von Kryptowährungen als Transaktionsmittel untersucht werden. Nach Arndt (2011) sind „ geringe Korrelationen zwischen Einstellung und Verhalten oftmals damit begründet, dass sehr globale Einstellung mit spezifischen Verhalten in Beziehung gesetzt werden “ (S. 38). Insofern stellen nachfolgende Ausführungen zu Klassifikationen unddem Marktdiffusionsgrad eine notwendige Bedingung für die später folgende Einstellungs- und Akzeptanzmessung von Kryptowährungen dar.

Die Notwendigkeit, Kryptowährungen hinsichtlich dessen Erscheinungsform zu differenzieren, ergibtsich auch aus der Vielzahl an technischen Nuancen (Härdle et al., 2020) und damit einhergehend stark variierende Anwendungsbereiche der Technologie. In der Literatur lassen sich dabei eine beliebige Anzahl an Klassifikationen heranführen, die sich vor allem in derGranularität unterscheidet (z.B. Giudici et al., 2020; Härdle et al., 2020). Da in dieser Arbeit Kryptowährungen als Zahlungsmittel im Fokus stehen, werden im Folgenden lediglich solche Klassifikationen mit direktem Bezug zu Zahlungsabwicklungen aus der Literatur dargestellt. Es wird im Folgenden zwischen drei grobe Klassifikationen unterschieden, die in Abbildung 1 abgebildet sind und zum näheren Verständnis kurz beschrieben werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Ausgewählte Klassifikationen von Kryptowährungen

(Quelle: Eigene Darstellung)

Transaktionswährung. In diese Gruppewerden alle Kryptowährungen gefasst, die sich als direktes Zahlungsmittel definieren lassen, d.h. dessen Zweck es ist Transaktionen zwischen zwei Parteien durchzuführen.Das bekannteste Beispiel einer Kryptowährung zur Abwicklung von Bezahlung ist der Bitcoin, welcher in direkter Konkurrenz zu Fiat-Währungen zu sehen ist. Der Unterschied zwischen Krypto-Transaktionswährungen und staatlichen Währungen wie dem Euro liegt dabei in der Dezentralität der Währung begründet, welches eine direkte Einflussnahme von staatlichen Instituten wie Zentralbanken reduziert(Berentsen & Schar, 2018). Nach Corbet et al. (2020) werden heutzutage eine Vielzahl an Bezahlvorgängen als online Transaktionen abgewickelt. Klassische digitale Transaktionen sind dabei grundsätzlich dem Risiko der Informationsmanipulation ausgesetzt, was diese anfällig für Betrügereien macht. Die Kontrolle möglicher Fehler wird dabei üblicherweise von zentralen Autoritäten (Banken oder Finanzdienstleistern) übernommen, die sich für die Risikoübernahme direkt (durch Gebühren) oder indirekt (z. B. durch Kundendaten) monetär durch die Nutzer vergüten lassen. Bei Kryptowährungen wird dabei dieses Risiko durchdie Blockchain-Technologie in Verbindung mit kryptografischer Verschlüsselung reduziert, sodass zum Vertrauensaufbau zwischen zwei Transaktionsparteien kein Finanzintermediär mehr benötigt wird (Härdle et al., 2020). Personen können demnach online untereinander monetäre Werte austauschen ohne von einer Bank oder Dienstleistern wie PayPal abhängig zu sein.Härdle et al.(2020) weisen darauf hin, dass diese Art von Personen zu Personen (P2P) Transaktionen eine inhärente Gefahr für Währungsbehörden (wie der FEDoder EZB) darstellen, da sich mit diesen den monetären regulatorischen Maßnahmen von Staaten entzogen werden kann. Praktisch bedeutet dies etwa, dass Kryptowährungen von Inflationund Deflationoder der Zinspolitik weitestgehend unbeeinflusst bleiben könnten.

Plattform Token. Eine weitere Klasse von Kryptowährungen sind sogenannte Plattform Token, welche auch als programmierbares Geld bezeichnet werden können. Der Einsatzzwecke dieser Kryptowährungen übersteigt zumeist den von klassischen Währungen. In Abgrenzung zu (Krypto-)Transaktionswährungen erlauben Plattform Token durch die Verwendung von Smart Contractserweiterte Funktionalitäten (Härdle et al., 2020). Giudici et al. (2020) beschreiben Plattform Token als „ ein Vermögenswert auf einer Blockchain, der gegen einige vorher festgelegte Produkte oder Dienstleistungen eingelöst werden kann oder Zugang zu diesen gewährt“ (S.4). Plattform Token ermöglichen somit den Zugang zu Servicesinnerhalb einer spezifischen Plattform und fungieren dort als Zahlungs­oder Transaktionsmittel. Da Token als Währung für jede denkbare Art von Programmen fungieren können, eröffnen diese vermehrte Anwendungsmöglichkeiten.

Stable Coin. Die letzte Klasse bezieht sich auf Kryptowährungen, dessen Wert durch andere Vermögenswerte abgesichert ist. Damit stellen Stable Coins vor allem eine Alternative für Kryptowährungen mit hoher Volatilität wiedem Bitcoin dar. Aufgrund der Absicherung dieser Kryptowährungen mit stabileren Vermögenswerten wie etwa Währungen, Aktien oder Anleihen bietet sich diese Kryptowährung zur Zahlungsabwicklung als Alternative zu den zuvor geschilderten Transaktionswährungen an(Härdle et al., 2020).

2.2.2 Marktdiffusionsgrad

Abschließend gilt es den aktuellen Stand der Marktdiffusion von Kryptowährungen als Zahlungsmittel zu betrachten. Hinsichtlich einer möglichen Marktdiffusion herrscht in der Literatur derzeit noch keinerlei Einigkeit. Giudici et al. (2020) weisen darauf hin, dass es [...] noch wenig eindeutig wissenschaftlich fundierte Erkenntnisse über die Märkte für Kryptowährungen [gibt]“ (S.2). Bisherige empirische Untersuchungen zur Nutzung von Kryptowährungen zeigtendabei auf, dass Kryptowährungen aktuell hauptsächlich als Spekulations­und Wertaufbewahrungsobjekt genutzt werden (Gupta et al., 2020). Nutzer beziehen demnach Kryptowährungen in der Hoffnung, dass diese eine Wertsteigerung erfahrenund nicht als Währung um Waren oder Dienstleistungen zu bezahlen. Dass Kryptowährungen einen Wertzuwachs aufweisen können, belegt die Kursentwicklung etwa der bekanntesten Kryptowährung Bitcoin (CoinMarketCap, 2021). Für den Nutzen des ursprünglich intendierten Einsatzzwecks von Kryptowährungen als Zahlungs- und Transaktionsmittel (Nakamoto, 2008) sind Wertsteigerungen jedoch als undienlich einzustufen, da eine an Wert zunehmende Währung nicht gehandelt, sondern vielmehr gehortet wird.

Hinsichtlich der Frage, ob Kryptowährungen zukünftig auch als Zahlungsmittel eine breite Marktdurchdringung erzielen können, herrscht in der Literatur Uneinigkeit. Gover et al. (2019) werteten eine Vielzahl an Twitter-Beitragen von Nutzern zur Blockchain-Technologie (insbesondere Bitcoin) aus und fanden, dass Nutzer mit der Technologie vor allem Sicherheit, Privatsphäre, Transparenz und Vertrauen verbinden. Die Autoren konnten dabei aufzeigen, dass die positiven Aspekte der Technologie deutlich stärker wahrgenommen bzw. diskutiert wurden als die negativen, was die Autoren als ein Zeichen für die Akzeptanz zur Nutzung interpretierten. In einer umfangreichen Literaturanalyse zur Nutzungsakzeptanz von Kryptowährungen kategorisieren Hairudin et al. (2020)vergangene Studien zur Abschätzung der Adoptionvon Kryptowährungen als Zahlungsmittel in zustimmende und widersprechende Studien ein. Die Ergebnisse zeigen dabei eine deutliche Mehrheit an Studien, welche nicht von einer breiten Akzeptanz der Technologie ausgehen. Zu einem ähnlichen Ergebnis kommt auch Jonker (2019) in einer empirischen Studie zur Untersuchung der Nutzungsintention von Kryptowährungen durch online Händler. Dabei gaben die untersuchten Händler an,Interesse an der Einführung von Kryptowährungen als Zahlungsoption zu haben. Das Hindernis für die Akzeptanz von Kryptowährungen stellte in der Studie jedoch die mangelnde Nachfrage der Verbraucher dar, weshalb Jonker (2019) folgert, „ dass es derzeit unwahrscheinlich scheint, dass die Nutzung von Kryptowährungen durch Online­Händler in naher Zukunft erheblich zunehmen wird.“ (S.1). Auffallend ist dabei, dass keine der Studien zur Abschätzung der Nutzungsakzeptanz identifiziert werden konnten, bei der die Einstellungenzu Kryptowährungen implizit erhoben wurden. Implizite Messmethoden vermögen jedoch auch solche Einstellungen von potenziellen Nutzern zu beleuchten, die auf automatische und daher oftmals unbewusste Einstellungen gegenüber einem Einstellungsobjekt gebildet wurden (Gregg & Klymowsky, 2013).

Es lässt sich daher zusammenfassen, dass sichaufgrund der technischen Grundlage der Blockchain-Technologie unterschiedlichste Anwendungsgebiete für Kryptowährungen ergeben. Der Fokus dieser Arbeit liegt dabei in der Untersuchung des ursprünglichen Zwecks von Kryptowährungen als Transaktionsmittel. Der Reifegrad zeigt jedoch auf, dass die Technologie derzeit hauptsächlich als Anlageklasse genutzt wird. Hinsichtlich der Abschätzung einer breiten Nutzerakzeptanz für Kryptowährungen als Zahlungsmittel herrscht in der Literatur derzeit kein klares Bild, zu dessen Klärung diese Arbeit beizutragen versucht.Dabei wurde eine Forschungslücke identifiziert, die sich auf das Fehlen von impliziten Messungen zur Akzeptanzabschätzung bezieht.Ein Beitrag dieser Arbeit soll daher auf der Einstellungs- und Akzeptanzmessung, insbesondere auch der impliziten Messung liegen, welche in den folgenden Kapitel näher beschrieben wird.

2.3 Einstellung

Einstellungen sind eines in der Psychologie stark beforschtes Konstrukt, mit dem im Allgemeinen eine auf Erfahrung basierte Bewertung bezüglich eines Einstellungsobjektes verstanden wird. Für diese Arbeit wird eine Definition nach Ajzen & Fishbein (1975)herangezogen, nachdem eine Einstellung als gelernte Verhaltensdisposition konstant positiv oder negativ auf ein soziales Objekt zu reagieren definiertist.

Aufgrund der Beobachtung, dass Menschen ihrer Einstellung auf unterschiedlicheWeise Ausdruckverleihen, formulierten Rosenberg & Hovland (1960)das Drei-Komponenten-Modell, nachdemsichdie individuelle Einstellung in drei Einstellungskomponenten aufgliedern lässt. Über die a) affektive Einstellung zeigen sich Emotionen und Empfindungen zum Einstellungsobjekt. Bei der b) kognitiven Einstellung handelt es sich dabei um die bewusste Bewertung und Formulierung von Werturteilen, Meinungen und Überzeugungen, welche üblicherweise in verbalen Äußerungen zum Ausdruck kommen. Die c) konative Einstellung stellt dabei die Handlungsabsicht der Einstellung dar und spiegelt sich daher in der Verhaltenstendenz einer Person wider (Garms- Homolova, 2020).

Einstellungen stellen dabeifür Individuenunter anderemeine Orientierungs-und Interpretationsfunktion dar, mit dem die Komplexität der Umwelt durch Kategorisierung von Einstellungsobjekten in positive oder negative Kategorien vereinfacht werden (Jonas et al., 2014).Für die Vorhersage von individuellen Verhalten wird daher üblicherweise von der Einstellung einer Person auf individuelles Verhalten geschlossen.

In Rahmen dieser Arbeit wird als theoretische Grundlage für die Vorhersage von Verhalten die Theorie des geplanten Verhaltens nach Ajzen (1991) herangezogen. Dabei wird zur Prognose des Verhaltens eines Individuumsein eindimensionaler Ansatz (die kognitive Einstellungskomponente) als Prädiktorfür tatsächliches Verhalten angenommen. Den Autoren nach bildet sich die Einstellung aufgrund von drei Determinanten, 1) der subjektiven Einstellung, 2) der subjektiven Norm sowie d) der individuellen Verhaltenskontrolle gegenüber einem Verhalten. Eine Einstellung äußert sich demnachdann sowohl in einer Verhaltensabsicht als auch in einem tatsächlichen Verhalten, wenn die subjektive Einstellung gegenüber einer konkreten Handlung, die soziale Norm hinsichtlich des Verhaltens sowie die Evaluierung der eigenen Fähigkeitenund Kontrolle über die Durchführung des Verhaltens positiv ausfällt. Die Wirkungsbeziehung ist in Abbildung 2abgetragen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Theorie des geplanten Verhaltens in Anlehnung an Ajzen (1991)

Um die tatsächliche Nutzungsakzeptanz von Kryptowährungen im Zahlungskontext vorhersagen zu können, legt die Theorie daher nahe, anstelle einer allgemeinenEinstellung die konkrete Verhaltensabsicht der Bezahlung mit der neuartigen Technologie zu fokussieren. Daneben ist die wahrgenommene soziale Norm gegenüber Kryptowährungen, d. h. der Einfluss von Meinungen anderer Personen, die für die Verhaltensintention eines Individuums in Betracht gezogen werden, von Wichtigkeit. Schließlich benötigt ein Nutzer ebenfalls die Wahrnehmung über ausreichend Fähigkeiten und Kontrolle zum Bezug der Währung und zur Durchführung einerTransaktion.

Um ein Verhalten vorhersagen zu können, bedarf es der validen Messung der individuellen Einstellung eines potenziellen Nutzers. Die Unterscheidung hinsichtlich des spezifischen Anwendungsgebietes ist dabei für die Einstellungs­und Akzeptanzmessung von hoher Relevanz (Arndt, 2011). Hinsichtlich Kryptowährungen ist naheliegend anzunehmen, dass potenzielle Nutzer der Technologie divergierende Einstellungen zu unterschiedlichen Nutzungsgebieten von Kryptowährungen aufweisen. So wäre etwa denkbar, dass ein Nutzer auf der einen Seite eine positive Einstellung zu Kryptowährungen als Spekulationsobjekt aufweist, etwa in der Hoffnung, dass diese zu mehr Wohlstand führt. Andererseits wäre denkbar, dass sich eine solche positive Einstellung nicht zwangsläufig auf den Anwendungszweck der Bezahlung mit Kryptowährungen übertragt. Insofern zeigt auch die Akzeptanzforschung, dass sich die Messung von Einstellung eines Individuums auf einen konkreten Anwendungsfall des Einstellungsobjekts beziehen sollte, sofern ein hoher Zusammenhang zwischen gemessener Einstellung und Nutzungsverhalten angestrebt wird (Döhl, 1983 & Arndt, 2011). Dabei argumentiert Arndt (2011), dass zwischen der Einstellung und der Nutzungsintention gegenüber einer Technologie differenziert werden müsse, da der Zusammenhang aufgrund weiterer Einflussfaktoren moderiert sein kann. Weiter wird die Diskrepanz zwischen der Einstellung und dem tatsächlichen Verhalten in der Literatur üblicherweise als Attitude-Behavior-Gap diskutiert (Vgl. Glasman & Albarracm, 2006; Ajzen & Fishbein, 2005). Dudenhöffer (2015) zeigt dies etwa in einer Untersuchung zur Technologieakzeptanz von Elektrofahrzeugen in Deutschland auf. In der Analyse lag die tatsächliche Nutzungszahl von Elektrofahrzeugen deutlich unter der angegebenen Verhaltensintention von Befragten.

Hinsichtlich Einstellungsmessung lassen sich dabei grob zwischen impliziten und expliziten Einstellungen unterscheiden, d. h.solchen Einstellungen die etwa über Selbstauskunftskalen (explizit) gemessen oder über unbewusste und automatische Bewertungsprozesse (implizit) abgeschätzt werden.

Messung über das semantische Differenzial. Das semantische Differenzial (SD) von Osgood (1952) stellt in der Einstellungsmessung ein Sonderfall der numerischen Skalen dar, bei denen die Beurteilung mittels kontrastierender Adjektive an beiden Enden durchgeführt wird. Üblicherweise findet die Beantwortung dabei auf einer siebenstufigen Skala statt. Der Vorteil des SD liegt darin, dass ein Vergleich verschiedener Einstellungsobjekte durch mehrdimensionale Beurteilungen voneinemBeantworterermöglicht wird(Jacob, 2012). Insofern biete sich das SD Verfahren für diese Arbeit an, da die Einstellungsmessung zu Kryptowährungen im Vergleich zu einem derzeitigen Bezugsrahmen (dem Euro) beurteilt werden soll (Osgood & Tannenbaum, 1955).

Nach Heise (1969) ist das SD ein geeignetes Verfahren zur Einstellungsmessung. Es wird jedoch darauf hingewiesen, dass die Methodik aufgrund systematischer Fehler zu Ungenauigkeiten führen kann. Probanden können bei der Beantwortung eine bewusste oder unbewusste Haltung einnehmen, wodurch sich Abweichungen zur tatsächlichen Einstellung eines Individuums ergeben können. So weichen Angaben von Probanden von deren tatsächlicher Einstellung etwa aufgrund sozialer Erwünschtheit, eines systematischen Ankreuzverhaltens bzw. aufgrund von Reihenfolgeeffekten sowie individueller Aufmerksamkeitslevel der Probanden ab. Außerdem lassen sichmittels expliziter Methoden nur solche Einstellung messen, denen sich eine Person auch tatsächlich bewusst ist(Gregg & Klymowsky, 2013).Gerade bei neuartigen Sachverhalten wieder Einführung von Technologien mit verwandten Bezugsrahmen ist jedoch denkbar, dass Personen implizite Einstellungen aufgebaut haben, ohne sich dessen bewusst zu sein (Gregg & Klymowsky, 2013).

Messung über implizite Methoden. Implizite Verfahren sind daher besonders dafür geeignet,um solch unbewusste Einstellungenzu messen, dieüber Rating­Skalen nicht zufriedenstellend erhoben werden können.Implizite Einstellungen beruhen weitestgehend nicht auf der kognitiven Einstellungskomponente und müssen daher indirekt gemessen werden (Garms-Homolova, 2020).

Der Frage nach dem Zusammenhangzwischen impliziten und expliziten Maßen liefert dabei einen Aufschluss darüber, ob mit den beiden Verfahren dasselbe gemessen wird (konvergente Validität), oder unterschiedliche Konstrukte erfasst werden (diskriminante Validität). Dabei bemängeln Gawronski & Conrey (2004) die Willkür in der Interpretation von Ergebnissen, sodass bei fehlenden Zusammenhangsmaßen für diskriminante und bei hohen für konvergente Validität seitens der Autoren argumentiert wird. Daneben liegt ein weiterer Erklärungsansatz für das Aufkommen von Diskrepanzenzwischen den beiden Messmethoden in systematischen Fehlern bei der Messung von expliziten als auch bei impliziten Verfahren begründet. Während das SD für bewusste oder unbewusste Verzerrungen von Versuchspersonen etwa aufgrund von sozialer Erwünschtheit oder Selbstdarstellung anfällig ist (Gregg & Klymowsky, 2013), lassen sich gleichzeitig Abweichungen bei der Messung mittels impliziter Methoden etwa durch unzureichende mentale Repräsentativität beobachten (Hofmann et al., 2005). Unter den Bedingungen für einen hohen Zusammenhang expliziter und impliziter Messverfahren nennt Nosek (2005) den a) Grad an Verbundenheit von impliziten und expliziten Präferenzen, die Art der Einstellungsobjekte sowie vier weitere Moderatorvariablen: Selbstdarstellung, Bewertungsstärke, Dimensionalität und Unterscheidbarkeit. Die Messung der Einstellung zur Vorhersage individuellen Verhaltens bedarf demnach einer Kontrolle von systematischen Fehlern, welche im Rahmen dieser Untersuchung zu minimieren gedacht wird.

Um zu testen, ob die implizite und explizite Einstellung einen inkrementellen Nutzen bei der Vorhersage der Nutzungsakzeptanz von Kryptowährungen darstellen können, wird in dieser Arbeit ein dualer Ansatz zur Einstellungsmessung verfolgt.

2.4 Akzeptanz

In der Literatur lassen sich diverse konzeptionelle Ansätze zur Abschätzung der Akzeptanz innovativer Technologien sowie zur Definition von Akzeptanz selbst identifizieren. Im Folgenden wird daher zunächst eine begriffliche Abgrenzung des Akzeptanzbegriffs geliefert, in dem selektive Aspekte der Akzeptanzforschung aufgezeigt werden. Anschließend werden mithilfe theoretischer Modelle relevante Variablen zur Vorhersage der Technologieakzeptanz identifiziert, auf dessen Grundlage die Gegensatzpaare für die Erhebung der Einstellungs- und Nutzungsakzeptanz aufgebaut werden soll.

2.4.1 Begriffliche Abgrenzung

Der Begriff Akzeptanz wird durch Hilbig (1984) als „ eine mehr oder weniger zustimmende Einstellung eines Individuums oder einer Gruppe gegenüber einem Objekt, Subjekt oder sonstigem Sachverhalt“ (S.320) definiert. Die Einstellung wird dabei als vorgelagerte Voraussetzung für eine Akzeptanz verstanden, weshalb Akzeptanz häufig über die Einstellung der Individuen beobachtet bzw. gemessen wird.

Hinsichtlich der Akzeptanz unterscheidet Kollmann (1998) zwischen drei Akzeptanzebenen, der Einstellungs-, Handlungs- und Nutzungsakzeptanz. Von Akzeptanz im engeren Sinne wird dabei erst gesprochen, wenn eine tatsächliche Nutzung, d.h. Nutzungsakzeptanz, stattfindet. Nach Kollmann (1998) lässt sich die Einstellung dabei in der Vorkaufphase, beim Kauf sowie nach dem Kauf messen. Für eine ganzheitliche Betrachtung von Akzeptanz müsste demnach die Einstellung in allen Phasen gemessen werden. Nach Wilhelm (2012) ist die Messung zu drei Zeitpunkten für die meisten Forschungsdesigns allerdings zu aufwendig im Sinne eines Kosten-Nutzen-Verhältnisses, weshalb im Rahmen dieser Arbeit die Einstellung lediglich zu einem Zeitpunkt gemessen wird. Begrifflich unterscheidet Kollmann außerdem zwischen Adaptions-, und Adoptionsakzeptanz. Während Adaption aufgrund von Einschränkungen des Wertesystems eine Anpassung des Individuums an die Technologie voraussetzt, ist dies bei einer Adoption aufgrund der vorhandenen Passung ohne Umstellung möglich. Die Unterscheidung ist relevant, dadie Begriffe „Akzeptanz“, „Adaption“, „Adoption“ und „Diffusion“ in der Forschung üblicherweise als synonyme betrachtet werden, wie eine Meta-Analyse von Williams et al. (2009) zeigt. Bezogen auf Kryptowährungen lässt sich von einer Adaption ausgehen, da sich Nutzer etwa an die Umstellung von zentraler Verwahrung ihres Vermögens und Durchführung von Transaktionen durch Banken oder Dienstleistern hin zu einer dezentralen Verwaltung von Transaktionen in der Blockchain umgewöhnen müssen(Härdle et al., 2020).

2.4.2Technology Acceptance Model (TAM)

Hinsichtlich der Forschungsmodelle haben sich in der Vergangenheit diverse Modelle zur Vorhersage von Technologie-Akzeptanz gebildet. Eine Meta­Analyse zur Modellanalyse der Akzeptanzforschung zeigt das Technology and Acceptance Modell (TAM) von Davis (1989) als das meistverwendete Modell (King & He, 2006).Die Autoren weisen in der Meta-Analyse darauf hin, dass sich das TAM als robustes und bewährtes Modell zur Vorhersage der Akzeptanz neuer Technologien erwiesen hat. Dabei zeigten sich hinsichtlich der im Modell vorgeschlagenen Variablen zur Akzeptanzmessung hohe Korrelationen zur Verhaltensabsicht und dem tatsächlichen Nutzungsverhalten von Nutzern (King & He, 2006). Als methodische Grundlage des Forschungsmodells kann daher die Akzeptanz von Kryptowährungen anhand des TAM-Models nach Davis (1986) als geeignet eingestuft werden. Ziel dieses Kapitels ist es, relevante Variablen aus der Literatur zu extrahieren, die als geeignete Gegensatzpaare für die Einstellungsmessung zu Kryptowährung mittels implizitem Assoziationstest und semantischem Differenzial verwendet werden können. Wie in Kapitel 2.2 dargestellt wird hierfür als Untersuchungsgegenstand Kryptowährungen im Nutzungskontext einesTransaktionsmittels,d. h.als Zahlungsmittel untersucht. Aufbauend auf der Theorie des überlegten Handelns geht das TAM-Modell davon aus, dass die Verhaltensabsicht einer Person die tatsächliche Nutzung einer Technologie vorhersagen kann (Davis, 1989). Zur Erklärung einer Technologieakzeptanz führt Davis (1986) in seinem Modell zwei Hauptfaktoren an, a) den wahrgenommenen Nutzen und b) die vom Nutzer empfundene Einfachheit der Nutzung (Davis, 1989) gegenüber der Technologie. Je größer der Nutzen einer Technologie und je einfacher diese benutzt werden kann, desto höher ist auch die erwartete Adaptationswahrscheinlichkeit(Jockisch, 2010).Die Beziehungskette ist dabei in Abbildung 3 abgebildet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Technology Acceptance Modell angelehnt an Davis & Warshaw (1989)

Das TAM hat im Laufe der Zeit substanzielle Erweiterungen erhalten (z. B. TAM2, TAM 3 sowie UTAUT1-2). In dieser Arbeit wird sich lediglich auf das ursprüngliche TAM-Modell sowie einzelne Variablen der Unified theory of acceptance and use of technology (UTAUT) bezogen, da der Fokus dieser Arbeit die Messung der Einstellung und Nutzungsintention und nicht die Darlegung einer holistischen Wirkungsbeziehung darstellt. Für die Betrachtung der Akzeptanz von Kryptowährungen werden daher die aus den TAM beschriebenen Hauptvariablen übernommen, welche nach dem Modell einen direkten Einfluss auf die Einstellungsbildung und Nutzungsintention haben.Um einzuschätzen, ob die beiden Hauptvariablen des TAMs als aussagekräftig für den Untersuchungszweck der Messung von Akzeptanz von Kryptowährungen herangezogen werden kann, werden im Folgenden die wichtigsten Erkenntnisse aus der Literatur zu den Variablen betrachtet.

Wahrgenommener Nutzen

Der wahrgenommene Nutzen definiert sich als der Grad, in dem ein bestimmtes System oder Technologie die Leistung steigert und Nutzen stiftet (Davis 1989). Nach Grover et al. (2019) lassen sich folgende Evidenznutzen von Kryptowährungen als Zahlungsmittel identifizieren, welche Konsumenten mit der Technologie in Verbinden bringen: a) Reduktion von Transaktionskosten b) Sicherheit und Schnelligkeit von Transaktionen und c) Privatsphäre, Vertrauen und Transparenz. Die Autoren weisen außerdem darauf hin, dass die positiven Aspekte von den Nutzern deutlich stärker wahrgenommen werden als die negativen. Grover et al. (2019) schließen daher darauf, dass „[.] Nutzer offen sind Blockchain-Technologie für digitale Transaktionen zu akzeptieren “ (S. 25). Dabei ist jedoch kritisch anzuführen, dass die Ergebnisse auf Social Media­Analysen fußen, bei denen vorhandene Beiträge auf Twitter ausgewertet wurden. Es wäre denkbar anzunehmen, dass es sich bei den Erstellern dieser Beiträge überwiegend um Erstanwender (Early-Adopter) und Enthusiasten der Blockchain-Technologie gehandelt haben könnte (Gartner, 2021), dessen Wahrnehmung nicht repräsentativ für eine breite Masse zu sehen ist. Da Kryptowährungen als eine Alternative für staatlich regulierte Fiat-Währungen dienen sollen (Nakamoto, 2008), bietet sich ein direkter Vergleich zwischen den beiden Systemen zur Zahlungsabwicklung an. Es ist schlüssig anzunehmen, dass Nutzer einen inkrementellen Nutzen von Kryptowährungen dann wahrnehmen, wenn eine Bewertung von relevanten Einstellungsdimensionen im Vergleich zum Euro positiver ausfallen, d.h. wenn Nutzer die Nützlichkeit von Kryptowährungen höher wahrnehmen als die des Euros. Zu diesem Zweck soll in dieser Arbeit ein Einstellungsprofil für die beiden konkurrierenden Systeme zur Zahlungsabwicklung (Euro und Kryptowährungen) aufgestellt werden, um Diskrepanzen zwischen den Einstellungen von Nutzern untersuchen zu können.

Wahrgenommene Einfachheit der Nutzung

Neben der Nützlichkeit betrachtet das TAM eine zweite Determinante. Die wahrgenommene Einfachheit der Nutzung kann als Grad der körperlichen oder geistigen Anstrengungdefiniert werden, die für eine Person mit der Nutzung einer Technologie einhergeht (Venkatesh & Davis, 2000). Es ergeben sich somit deutliche Parallelen zu den Usability Kriterien nach Nielsen (1993), welche im Folgenden als Leitlinie für die Usability von Kryptowährungen herangezogen werden. Hinsichtlich der Benutzerfreundlichkeit, Erlernbarkeit der Bedienung und erforderlichen mentalen Anstrengung von Kryptowährungen führen Gurguc & Williams (2018) auf, dass das Nutzen von Wallets und Krypto-Börsen ein hohes Maß an technischem Verständnis bedarf, wie etwa der Verschlüsselung mit öffentlichen und privaten Keys. Auch bei der Fehleranfälligkeit, Kontrollierbarkeit und dem Auftreten unerwarteten Verhaltens der Technologie lässt sich ein

[...]