Kundenakzeptanz von Geschäftsmodellen im Bereich der Sharing Economy

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

Anhangverzeichnis

Elektronisches Anhangverzeichnis

1. Einleitung
1.1 Motivation der Arbeit
1.2 Zielsetzung und Gang der Untersuchung

2. Sharing Economy: Geschäftsmodelle des kollaborativen Konsums
2.1 Definition und Begriffsabgrenzung
2.2 Treiber der Sharing Economy
2.3 Geschäftsmodelle des kollaborativen Konsums
2.4 Diskussion

3 Carsharing: Beispiel eines Geschäftsmodells des kollaborativen Konsums
3.1 Definition und Begriffsabgrenzung
3.2 Entwicklung des Carsharing
3.3 Einflussfaktoren auf die Nutzung von Carsharing
3.4 Kommerzielles, stationsunabhängiges Carsharing
3.5 Diskussion

4 Theoretischer Bezugsrahmen: Akzeptanz innovativer Geschäftsmodelle
4.1 Begriffliche Einordnung
4.1.1 Innovation
4.1.2 Akzeptanz
4.1.3 Akzeptanz von Innovationen
4.2 Modelle zur Erklärung der Akzeptanz
4.2.1 Theory of Reasoned Action und Theory of Planned Behavior
4.2.2 Technology Acceptance Model
4.2.2.1 Aufbau
4.2.2.2 Erweiterungen
4.2.2.3 Stärken und Schwächen

5 Entwicklung des Untersuchungsmodells
5.1 Bisherige Untersuchungen der Akzeptanz von Carsharing
5.2 Identifikation und Beschreibung der Forschungslücke
5.3 Aufbau des angepassten TAM für den Untersuchungskontext
5.4 Moderator- und Kontrollvariablen

6 Empirische Untersuchung
6.1 Methodik und Vorgehensweise
6.1.1 Studiendesign und Untersuchungsaufbau
6.1.2 Untersuchungsmethodik
6.1.3 Charakterisierung der Stichprobe
6.2 Empirische Auswertung
6.2.1 Befragung in Osnabrück
6.2.1.1 Güteprüfung der Messmodelle
6.2.1.2 Güteprüfung des Strukturmodells
6.2.1.3 Einfluss der Moderator- und Kontrollvariablen
6.2.2 Befragungen in Hannover, Köln und Münster
6.2.2.1 Güteprüfung der Messmodelle
6.2.2.2 Güteprüfung der Strukturmodelle
6.2.2.3 Einfluss der Moderator- und Kontrollvariablen
6.3 Diskussion

7 Schlussbetrachtung
7.1 Zusammenfassung
7.2 Implikationen
7.3 Limitationen und Forschungsausblick

Anhang
Anhang A: Befragung in Osnabrück und Datenauswertung der Stichprobe
Anhang B: Befragungen in Hannover, Köln und Münster
Anhang C: Datenauswertung der Stichprobe in Hannover
Anhang D: Datenauswertung der Stichprobe in Köln
Anhang E: Datenauswertung der Stichprobe in Münster
Anhang F: Charakterisierung der vier Zielstädte

Literaturverzeichnis

Elektronisches Quellenverzeichnis

Abbildungsverzeichnis

Abbildung 1: Geschäftsmodelle des kollaborativen Konsums

Abbildung 2: Innovationsentscheidungsprozess nach Rogers (2003)

Abbildung 3: Angepasstes TAM nach Davis et al. (1989)

Abbildung 4: Untersuchungsmodell zur Erklärung der Akzeptanz von Carsharing

Abbildung A.1: Begrüßungsseite und Spendeninformation

Abbildung A.2: Städteauswahl (Osnabrück)

Abbildung A.3: Informationen zum flow>k -Angebot, Teil 1

Abbildung A.4: Informationen zum flow>k -Angebot, Teil 2

Abbildung A.5: Informationen zum flow>k -Angebot, Teil 3

Abbildung B.1: Begrüßungsseite und Spendeninformation

Abbildung B.2: Städteauswahl (Hannover, Köln, Münster oder Andere Stadt)

Abbildung B.3: Informationen zum stationsunabhängigen Carsharing, Teil 1

Abbildung B.4: Informationen zum stationsunabhängigen Carsharing, Teil 2

Abbildung B.5: Informationen zum stationsunabhängigen Carsharing, Teil 3

Tabellenverzeichnis

Tabelle 1: Nutzungsmotive für Carsharing in der einschlägigen Literatur

Tabelle 2: Übersicht zu Anbietern von stationsunabhängigem Carsharing

Tabelle 3: Empirische Studien zur Erklärung des Carsharing-Nutzungsverhaltens

Tabelle 4: Operationalisierung der latenten Konstrukte

Tabelle 5: Charakterisierung der Stichprobe

Tabelle 6: Kriterien zur Güteprüfung reflektiver Messmodelle in PLS -Modellen

Tabelle 7: Modellgütekriterien der endogenen Variablen

Tabelle 8: Hypothesenüberprüfung auf Basis der Erhebung in Osnabrück

Tabelle 9: Multigruppenanalyse zur Überprüfung der Moderatoreffekte

Tabelle 10: Einfluss der Kontrollvariablen

Tabelle 11: Modellgütekriterien der endogenen Variablen

Tabelle 12: Hypothesenüberprüfung auf Basis der Erhebungen in Hannover, Köln und Münster

Tabelle 13: Multigruppenanalyse zur Überprüfung der Moderatoreffekte

Tabelle 14: Einfluss der Kontrollvariablen

Tabelle 15: Vergleich des angepassten Bestimmtheitsmaßes zwischen der aggregierten Stichprobe und den Teilstichproben in Münster

Tabelle A.1: Verwendete Konstrukte und Indikatoren

Tabelle A.2: Zonenzuordnung der Stadtteile in Osnabrück

Tabelle A.3: Ergebnisse des Pretests

Tabelle A.4: Gütekriterien der ersten Generation

Tabelle A.5: Gütekriterien der zweiten Generation

Tabelle A.6: Fornell-Larcker-Kriterium

Tabelle A.7: Globale Gütekriterien

Tabelle A.8: VIF -Berechnung

Tabelle A.9: Indirekte und totale Kausaleffekte

Tabelle A.10: Einfluss von Kontrollvariablen auf die endogenen Variablen

Tabelle A.11: Vergleich des angepassten Bestimmtheitsmaßes zwischen der aggregierten Stichprobe und den definierten Teilstichproben in Osnabrück

Tabelle B.1: Verwendete Konstrukte und Indikatoren

Tabelle B.2: Ergebnisse des Pretests

Tabelle C.1: Gütekriterien der ersten Generation

Tabelle C.2: Gütekriterien der zweiten Generation

Tabelle C.3: Fornell-Larcker-Kriterium

Tabelle C.4: Globale Gütekriterien

Tabelle C.5: VIF -Berechnung

Tabelle C.6: Hypothesenüberprüfung auf Basis der Erhebung in Hannover

Tabelle C.7: Einfluss der Kontrollvariablen

Tabelle C.8: Indirekte und totale Kausaleffekte

Tabelle C.9: Vergleich des angepassten Bestimmtheitsmaßes zwischen der aggregierten Stichprobe und den definierten Teilstichproben in Hannover

Tabelle D.1: Gütekriterien der ersten Generation

Tabelle D.2: Gütekriterien der zweiten Generation

Tabelle D.3: Fornell-Larcker-Kriterium

Tabelle D.4: Globale Gütekriterien

Tabelle D.5: VIF -Berechnung

Tabelle D.6: Hypothesenüberprüfung auf Basis der Erhebung in Köln

Tabelle D.7: Einfluss der Kontrollvariablen

Tabelle D.8: Indirekte und totale Kausaleffekte

Tabelle D.9: Vergleich des angepassten Bestimmtheitsmaßes zwischen der aggregierten Stichprobe und den definierten Teilstichproben in Köln

Tabelle E.1: Gütekriterien der ersten Generation

Tabelle E.2: Gütekriterien der zweiten Generation

Tabelle E.3: Fornell-Larcker-Kriterium

Tabelle E.4: Globale Gütekriterien

Tabelle E.5: VIF -Berechnung

Tabelle E.6: Hypothesenüberprüfung auf Basis der Erhebung in Münster

Tabelle E.7: Einfluss der Kontrollvariablen

Tabelle E. 8: Indirekte und totale Kausaleffekte

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Anhangverzeichnis

Anhang A: Befragung in Osnabrück und Datenauswertung der Stichprobe

Anhang B: Befragungen in Hannover, Köln und Münster

Anhang C: Datenauswertung der Stichprobe in Hannover

Anhang D: Datenauswertung der Stichprobe in Köln

Anhang E: Datenauswertung der Stichprobe in Münster

Anhang F: Charakterisierung der vier Zielstädte

Elektronisches Anhangverzeichnis

Elektronischer Anhang A: Empirische Daten und Outputs

Elektronischer Anhang B: Vollständiger Fragebogen der empirischen Erhebung

Elektronischer Anhang C: Nicht öffentlich zugängliche Quellen

1. Einleitung

1.1 Motivation der Arbeit

„It’s not just nice to share, it’s the future.”^[1]

In den letzten Jahren hat sich ein leiser, aber bedeutsamer Wandel der Konsumgewohnheiten in der westlichen Gesellschaft angedeutet, der unter dem Begriff „Sharing Economy“ populär geworden ist.^[2] Beispielhaft für diesen neuen Trend ist der Erfolg von Unternehmen wie Wikipedia oder CouchSurfing, die individuellen Nutzern die Möglichkeit geben, Güter untereinander zu teilen, zu leihen oder zu tauschen.^[3] Nachdem das Eigentum von Gütern lange Zeit als das dominierende Konsummotiv galt, gewinnen mittlerweile eigentumslose Konsumpraktiken an Bedeutung.^[4] Führende Wissenschaftler attestieren der Sharing Economy dabei ein disruptives Potential für Wirtschaft und Gesellschaft, da diese nicht nur ein soziales Phänomen darstelle, sondern auch durch rationale Vorteile getrieben werde.^[5] So ermöglichen viele Geschäftsmodelle der Sharing Economy kostengünstigere und nachhaltigere Möglichkeiten der geteilten Produktion bzw. des kollaborativen Konsums als im Falle des Eigentums von Gütern.^[6]

Eines der ökonomisch relevantesten und zugleich anschaulichsten Beispiele für die Sharing Economy ist das Carsharing.^[7] Der Privat-PKW stellt ein traditionelles Symbol für eigentumsorientierten Konsum dar, wird im Schnitt jedoch nur eine Stunde pro Tag genutzt.^[8] Dieser Umstand veranlasste das amerikanische Unternehmen Zipcar im Jahr 2000 zur Entwicklung eines Geschäftsmodells, bei dem unternehmenseigene Fahrzeuge gegen eine minutenbezogene Gebühr flexibel an Konsumenten vermietet werden.^[9] Somit können Zipcar- Kunden die Vorteile der Autonutzung in Anspruch nehmen, ohne für entsprechende Anschaffungs- und Instandhaltungskosten aufkommen zu müssen.^[10] Zipcar, das inzwischen für 500 Millionen US-Dollar an die Avis Budget Group verkauft wurde, steht für ein überaus erfolgreiches Geschäftsmodell der Sharing Economy, das auch in Deutschland populär geworden ist.^[11] Bis Ende 2014 meldeten sich über eine Million Kunden in Deutschland bei Carsharing-Angeboten an.^[12] Der größte Kundenanteil entfällt auf das seit 2009 existierende stationsunabhängige Carsharing, bei dem das Fahrzeug im Gegensatz zum stationsabhängigen Angebot flexibel an einem beliebigen, sich im Stadtgebiet befindenden Ort abgestellt werden kann.^[13] Insgesamt gilt Deutschland mit ca. 150 Anbietern als der differenzierteste Carsharing-Markt weltweit.^[14]

Ungeachtet der Popularität in Deutschland stellt die PKW-Kurzzeitmiete ein Nischenprodukt im städtischen Mobilitätsangebot dar.^[15] So haben sich bislang von allen Führerscheinbesitzern in Deutschland lediglich 1,78% bei einem Carsharing-Dienst angemeldet.^[16] Zudem liegt die Zahl der Carsharing-Nutzer deutlich hinter den einschlägigen Marktprognosen zurück, die ein Potential von teilweise bis zu 2,5 Millionen Kunden antizipieren.^[17] Aufgrund der nachgewiesenen positiven Umwelt- und Verkehrswirkungen werden höhere Nutzerzahlen jedoch v.a. für urbane Ballungsgebiete als sinnvoll erachtet.^[18]

Die praktische Relevanz des Carsharing hat nicht zuletzt auch das Interesse der Wissenschaft erwachen lassen. So existieren inzwischen mehrere Forschungsarbeiten zu ökologischen und infrastrukturellen Aspekten des Carsharing.^[19] Darüber hinaus wurden Nutzungsmotive und Akzeptanzfaktoren wissenschaftlich beleuchtet.^[20] Aufgrund der derzeitigen Nischenposition und des innovativen Charakters des Carsharing kommt dem letzteren Forschungsstrang eine besondere zeitgenössische Bedeutung zu. Da die Akzeptanz eine zentrale Voraussetzung für die Verbreitung und den Markterfolg einer Innovation darstellt, ist deren Ergründung und Stimulation entscheidend für den zukünftigen Erfolg von Carsharing-Systemen.^[21] Die bisherigen Veröffentlichungen weisen diesbezüglich vornehmlich einen deskriptiv-explorativen Charakter mit einer limitierten Einbettung in die wissenschaftliche Akzeptanzforschung auf. Hinsichtlich der untersuchten Carsharing-Systeme werden zudem fast ausschließlich stationsabhängige Systeme in der Wissenschaft behandelt. In Bezug auf stationsunabhängige Angebote, die im Jahr 2013 254.000 Neukunden aufzuweisen hatten und somit eine hohe praktische Relevanz für den Mobilitätsmarkt implizieren, existieren hingegen noch keine entsprechenden Forschungsansätze.^[22] Damit verbunden ist die in der Literatur vorherrschende Ansicht, dass Carsharing als ein Substitut zum Privat-PKW und anderen Verkehrsmittel zu begreifen ist. Dies entspricht jedoch nicht dem modernen Verständnis vieler Carsharing-Anbieter, welche die PKW-Kurzzeitmiete als Ergänzung zum städtischen Verkehrsangebot auffassen.^[23] Folglich lässt sich konstatieren, dass es bis dato keinen zufriedenstellenden Forschungsbeitrag gibt, der die Einflussfaktoren auf die Akzeptanz von stationsunabhängigem Carsharing im Rahmen eines theoretisch fundierten Modells erklärt und empirisch validiert.

1.2 Zielsetzung und Gang der Untersuchung

Das dargelegte Forschungsdefizit wird durch diese Arbeit aufgegriffen und im Rahmen der folgenden Forschungsfrage nachgegangen: Welche Faktoren beeinflussen die Kundenakzeptanz von kommerziellem, stationsunabhängigem Carsharing? In diesem Kontext soll ein Verhaltensmodell entwickelt werden, das die Nutzungsentscheidung im Hinblick auf stationsunabhängiges Carsharing modelliert. Mithilfe eines quantitativ-empirischen Ansatzes soll dieses validiert werden, um schließlich die Forschungsfrage zu beantworten. Die Untersuchung soll Carsharing-Anbietern dabei helfen, ihr Produkt an relevante Kundenanforderungen anzupassen und somit die Nutzerakzeptanz zu steigern. Aus wissenschaftlicher Perspektive impliziert die Entwicklung eines Akzeptanzmodells einen Mehrwert, da dieses als Grundlage für weitere mobilitätsbezogene Geschäftsmodelle im Bereich der Sharing Economy verwendet werden kann, z.B. für Peer-to-Peer Carsharing oder Taxi-Dienstleistungen.^[24]

Zur Beantwortung der Forschungsfrage orientiert sich die vorliegende Arbeit an der folgenden Struktur. Zum Verständnis der übergeordneten Thematik wird in Kapitel2 zunächst auf das Phänomen der Sharing Economy eingegangen. Nach einer Begriffseinordnung und der Darstellung treibender Faktoren werden verschiedene Kategorisierungsansätze für Geschäftsmodelle des kollaborativen Konsums vorgestellt. In Kapitel3 wird der Fokus auf das Carsharing gelegt, um anhand dessen ein Beispiel eines Geschäftsmodells des kollaborativen Konsums zu analysieren. Dabei werden im Anschluss an eine Begriffsabgrenzung und eine historische Einordnung die wesentlichen Nutzungsmotive mittels einer Literaturrecherche erarbeitet. Schließlich wird das Analyseobjekt dieser Arbeit, das kommerzielle, stationsunabhängige Carsharing näher erläutert und diskutiert. Der theoretische Bezugsrahmen der Untersuchung wird in Kapitel4 expliziert. In diesem Kontext werden die Begriffe „Innovation“ und „Akzeptanz“ definiert, woraufhin die wesentlichen Modelle zur Erklärung der Akzeptanz präsentiert werden. In Kapitel5 wird ein Überblick über den Stand der Forschung zur Akzeptanz von Carsharing gegeben, um darauf aufbauend relevante Forschungsdefizite abzuleiten. In den weiteren Unterabschnitten wird ein Akzeptanzmodell hergeleitet, auf dessen Basis die Forschungsfrage der vorliegenden Arbeit beantwortet werden soll. In Kapitel6 wird auf die Kooperation mit der Stadtteilauto OS GmbH eingegangen, in deren Rahmen die empirische Datenerhebung in den Städten Hannover, Köln, Münster und Osnabrück durchgeführt wurde. Anschließend folgt die Vorstellung der empirischen Ergebnisse, wobei das Hauptaugenmerk auf der Befragung in Osnabrück liegt. Die Arbeit wird in Kapitel 7 durch eine zusammenfassende Betrachtung, eine Ableitung von Implikationen, eine kritische Würdigung sowie einen Forschungsausblick abgeschlossen.

2. Sharing Economy: Geschäftsmodelle des kollaborativen Konsums

2.1 Definition und Begriffsabgrenzung

Eine der bekanntesten Definitionen der Sharing Economy stammt von Botsman/Rogers (2010), die mit dem Buch „What’s mine is yours“ einen zentralen Referenzpunkt für das Thema darstellen.^[25] Die Sharing Economy, auch Collaborative Consumption (CC) bzw. kollaborativer Konsum genannt, wird dabei als eine neue Form des Wirtschaftens und Konsumierens bezeichnet, welche das organisierte Teilen, Leihen und Tauschen von Gütern und Dienstleistungen zwischen Individuen umfasst.^[26] Ausgehend von weiterentwickelten technologischen Möglichkeiten und sich ändernden gesellschaftlichen Werten ermöglichen CC-Praktiken eigentumslose Konsum- und Produktionsmöglichkeiten, die sich von vollständig selbstorganisierten Systemen über professionelle Vermittlungsformen bis hin zu Produkt-Service-Systemen erstrecken.^[27] Konsumenten versprechen sich dabei kostengünstigere und nachhaltigere Möglichkeiten der geteilten Produktion bzw. des gemeinsamen Konsums als im Falle des Eigentums von Gütern.^[28] In Abgrenzung an das reine Teilen („sharing“) fügt Belk (2013) dem Begriffsverständnis hinzu, dass Transaktionen im Rahmen des kollaborativen Konsums gegen eine Gebühr oder andere Kompensationen (z.B. soziale Vorteile) durchgeführt werden und somit auf einer gewissen Gegenseitigkeit beruhen.^[29] Da der kollaborative Konsum auch auf Basis einer nicht-monetären Gegenleistungen (z.B. Reputation) stattfinden kann, ist dieser zudem von vollständig marktvermittelten Transaktionen abzugrenzen.^[30]

2.2 Treiber der Sharing Economy

Einen wesentlichen Treiber des kollaborativen Konsums stellen soziokulturelle Veränderungen in der westlichen Gesellschaft dar. So deuten sozialwissenschaftliche Studien einen Wertewandel seit den 1970er Jahren an, der eine wachsende Bedeutung immaterieller Werte (z.B. soziale Beziehungen, ökologische Werte) gegenüber materiellen Werten (z.B. Eigentumsorientierung, Einkommen) impliziert.^[31] Aufbauend darauf stellt nicht länger das Eigentum, sondern vielmehr der aus dem Zugang zu einem Gut resultierende Nutzen das dominierende Konsummotiv dar.^[32] Die abnehmende gesellschaftliche Bedeutung des Privat-PKW steht beispielhaft für diesen Wertewandel.^[33] Statt des Eigentums eines eigenen Fahrzeugs wird zunehmend auf alternative Mobilitätsdienstleistungen wie z.B. Carsharing zurückgegriffen.^[34]

Die oben beschriebenen soziokulturellen Veränderungen korrelieren mit technologischen Entwicklungen im Bereich der Informations- und Kommunikationstechnologien aus den vergangenen zwei Jahrzehnten.^[35] Dabei ist das zum sozialen Medium weiterentwickelte Internet, das sogenannte Web 2.0, als zentraler Treiber hervorzuheben.^[36] Über soziale Online-Plattformen (z.B. Facebook), Tauschringe (z.B. File Sharing) und virtuelle Gemeingüter (z.B. Wikipedia) werden Angebote des kollaborativen Konsums ermöglicht, die den Zugang zu einem Gut und dem daraus resultierenden Nutzen in den Vordergrund stellen.^[37] Zudem ermöglichen internetfähige mobile Endgeräte jederzeit und von überall Produkte oder Dienstleistungen anzubieten bzw. nachzufragen (z.B. eBay Kleinanzeigen).^[38] Letztlich haben das Internet und die zunehmende Digitalisierung des Alltags nicht nur zu neuen technologischen Möglichkeiten, sondern auch zu einer höheren Bereitschaft zu eigentumslosen Konsumpraktiken geführt.^[39] Insofern sollte der treibende Einfluss technologischer Entwicklungen auf die Sharing Economy in Verbindung mit den bereits erwähnten soziokulturellen Veränderungen verstanden werden.

Ferner begünstigen ökonomische Faktoren den kollaborativen Konsum.^[40] Durch die Möglichkeit, Güter temporär zu nutzen ohne sie zu besitzen, können entsprechende Anschaffungskosten vermieden werden. Dies ist besonders bei solchen Produkten finanziell vorteilhaft, die mit hohen Fixkosten behaftet sind, zugleich aber selten genutzt werden (z.B. Privat-PKW, Bohrer).^[41] Auch die Vermietung ungenutzter Güter birgt einen ökonomischen Anreiz für Sharing Economy-Systeme.^[42] Ein Beispiel hierfür ist das Peer-to-Peer Carsharing-Angebot von RelayRides, bei dem Privatpersonen ihren Privat-PKW entgeltlich an andere Nutzer vermieten können.^[43]

Schließlich trägt die zunehmende Urbanisierung zur Verbreitung von Sharing Economy-Anboten bei.^[44] So führt eine ansteigende Bevölkerungsdichte zu einer größeren Zahl potentieller Anbieter kollaborativer Konsummöglichkeiten.^[45] Außerdem kommt es in dicht besiedelten Gebieten zu Platzlimitationen, die den eigentumslosen Konsum begünstigen.^[46] In Großstädten kann es z.B. von Vorteil sein, zugunsten des Carsharing auf ein eigenes Auto zu verzichten, um nicht für dessen Unterbringung verantwortlich zu sein.

2.3 Geschäftsmodelle des kollaborativen Konsums

In der Literatur existieren unterschiedliche Kategorisierungsansätze der Sharing Economy, respektive des kollaborativen Konsums.^[47] Eine der umfassendsten Kategorisierungen stammt von Botsman/Rogers(2010), welche zwischen Produkt-Service-Systemen (PSS), Redistributionsmärkten und kollaborativem Lebensstil unterscheiden.^[48] Im Kontext von PSS werden Güter gewerblich oder privat für eine temporäre Nutzung zur Verfügung gestellt (z.B. Carsharing von Automobilkonzernen).^[49] Auf Redistributionsmärkten werden bereits genutzte Güter kostenlos oder entgeltlich gehandelt (z.B. auf der Online-Plattform eBay).^[50] Mit dem kollaborativen Lebensstil werden Aktivitäten zwischen Personen mit ähnlichen Interessen beschrieben, welche immaterielle Güter wie Zeit, Raum und Fähigkeiten teilen oder gemeinsam nutzen (z.B. Coworking).^[51]

Die vorgestellte Einteilung von CC-Systemen nach Botsman/Rogers (2010) stellt eine ganzheitliche Beschreibung der Sharing Economy dar, in welche kommerzielle sowie nicht-kommerzielle Systeme eingeordnet werden können. Da sich die vorliegende Arbeit auf kommerzielle Sharing Systeme und insbesondere auf PSS konzentriert, werden diese im Folgenden näher betrachtet. Hierbei wird der Ansatz von Tukker (2004) vorgestellt, in dem PSS auf kommerzielle, professionalisierte Systeme eingegrenzt werden und der folglich dem Untersuchungskontext entspricht.^[52] Tukker (2004) untergliedert PSS in Abhängigkeit ihres Dienstleistungsgehalts in produktorientierte, nutzenorientierte sowie ergebnisorientierte PSS. Produktorientierte PSS, wie z.B. Produktgarantien, werden als eine Eigentumsergänzung mit einem geringen Dienstleistungsgehalt definiert und somit nicht dem kollaborativen Konsum zugeordnet.^[53] Nutzenorientierte PSS besitzen einen höheren Dienstleistungsgehalt und schließen das Produktleasing, die Produktmiete, das Produktteilen und das Produktpooling mit ein.^[54] Im Kontext von ergebnisorientierten PSS fungiert das materielle Gut lediglich als Trägermedium, das eine gewünschte Leistung bzw. ein Nutzungsergebnis liefert (z.B. Reinigung von Kleidung in einer Wäscherei).^[55] Nutzenorientierte und ergebnisorientierte PSS werden als eigentumsersetzende Angebote bezeichnet und sind somit dem kollaborativen Konsum bzw. der Sharing Economy zuzuordnen.^[56] Abbildung 1 stellt die verschiedenen PSS-Geschäftsmodelle der Sharing Economy mit ausgewählten Beispielen dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 : Geschäftsmodelle des kollaborativen Konsums

Quelle: Eigene Darstellung in Anlehnung an Tukker (2004), S. 248.

2.4 Diskussion

Die Sharing Economy hat sich zu einem Wirtschaftsbereich entwickelt, der 2013 einen weltweiten Umsatz von mehr als 15 Milliarden US-Dollar erwirtschaftet hat.^[57] Laut einer Schätzung des Forbes Magazins haben private Haushalte dabei mit 3,5 Milliarden US-Dollar am Umsatzvolumen partizipiert.^[58] Auch die hohen Venture Capital Investitionen in entsprechende Start Ups wie z.B. Uber oder lyft belegen die derzeitige Popularität kollaborativer Konsumpraktiken.^[59] In diesem Kontext wird die Sharing Economy bereits als „gesellschaftlicher Mega-Trend“^[60] bezeichnet, der grundlegende Konsummuster ändern könne.^[61]

Diesem positiven Ausblick stehen jedoch auch Hindernisse entgegen. So werden einige Angebote der Sharing Economy mittlerweile mit rechtlichen Einschränkungen konfrontiert.^[62] In Deutschland existieren beispielsweise behördliche Verbote gegen die Peer-to-Peer Fahrdienstvermittlung Uber oder das private Wohungsvermittlungsportal AirBnB.^[63] Außerdem bleibt es fraglich, wie sich das gesellschaftliche Interesse an eigentumsersetzenden Geschäftsmodellen zukünftig entwickeln wird. Laut einer repräsentativen Bevölkerungsstudie von Heinrichs/Grunenberg (2012) interessieren sich aktuell lediglich 37% der deutschen Bevölkerung für kollaborative Konsumpraktiken. Darüber hinaus hat fast die Hälfte der Deutschen noch keine Erfahrungen mit solchen Konsumformen gemacht.^[64] Für das Funktionieren und den Erfolg kollaborativer Systeme ist es jedoch essentiell, dass eine gewisse kritische Masse, d.h. eine Mindestanzahl von Teilnehmern erreicht wird.^[65]

Diese Aspekte sprechen demnach noch nicht für einen revolutionären Durchbruch der Sharing Economy.^[66] Dennoch kann der Idee des geteilten Konsums ein erhebliches gesellschaftliches Potential zugeschrieben werden. Insbesondere die jüngeren Generationen, die mit dem Teilen und Mieten in der digitalen Welt aufgewachsen sind, sehen Geschäftsmodelle der Sharing Economy als eine ökonomisch attraktive Alternative zum eigentumsorientierten Konsum.^[67] In Verbindung mit der Digitalisierung des Alltags, welche die Grenzkosten des geteilten Konsums zunehmend verringert, wird die Sharing Economy vermutlich in Zukunft an gesellschaftlicher Relevanz und ökonomischem Gewicht dazugewinnen.^[68]

3 Carsharing: Beispiel eines Geschäftsmodells des kollaborativen Konsums

3.1 Definition und Begriffsabgrenzung

Eines der ökonomisch relevantesten Geschäftsmodelle der Sharing Economy stellt das Carsharing dar.^[69] Diese Form der PKW-Kurzzeitmiete wird als nutzenorientierte PSS eingeordnet, da hierbei die temporäre Nutzung eines materiellen Gutes, dem Carsharing-Fahrzeug, im Vordergrund steht.^[70] Carsharing bezeichnet „eine organisierte Form der gemeinsamen Nutzung eines oder mehrerer Autos durch mehrere Nutzer [...]“^[71] und kann als eine Übergangsform zwischen öffentlichem Nahverkehr (Bus, Straßenbahn, U-Bahn etc.) und Individualverkehr (Gehen, Radfahren, Privat-Pkw) gesehen werden.^[72] Es ist dabei zwischen privaten, nachbarschaftlichen und kommerziellen Angeboten zu unterscheiden, wobei letztere im Fokus dieser Arbeit stehen und somit näher beschrieben werden.^[73]

Kommerzielles Carsharing setzt die Mitgliedschaft in einer Carsharing-Organisation (CSO) voraus, welche für Versicherung, Instandhaltung und Reparatur der Fahrzeuge zuständig ist.^[74] Die Mitgliedschaft wird i.d.R. durch eine einmalige Anmeldegebühr und anderen eventuell anfallenden Kosten (z.B. Kaution, Monatsbeiträge) begründet.^[75] Auf diesem Weg ist es Nutzern möglich, die von einer CSO unterhaltene Fahrzeugflotte innerhalb eines definierten Einsatzgebiets gegen eine nutzungsbezogene Bezahlung zu nutzen.^[76] Kommerzielles Carsharing lässt sich in stationsabhängiges und stationsunabhängiges Carsharing unterteilen.^[77] Beim traditionellen stationsabhängigen Carsharing werden die Fahrzeuge dezentral und wohnungsnah an dafür vorgesehenen Stationen bereitgestellt.^[78] Das neuere stationsunabhängige Carsharing, auch Free-Floating-Carsharing oder flexibles Carsharing genannt, stellt die Fahrzeuge ohne feste Stationen in einem definierten Gebiet zur Verfügung.^[79] Die Kunden können die Fahrzeuge dort überall und jederzeit nutzen bzw. abstellen.^[80]

3.2 Entwicklung des Carsharing

Die Ursprünge des Carsharing sind auf die Schweiz zurückzuführen, in der 1987 die zwei ersten stationsabhängigen CSO gegründet wurden.^[81] In Deutschland folgte im Jahr 1988 Stattauto Berlin als erster vergleichbarer Anbieter.^[82] Die Gründergeneration kam dabei aus der Alternativszene und strebte eine ökologische Alternative zum privaten PKW-Besitz an.^[83] Im Zeitverlauf kam es zu einer Professionalisierung und Ausweitung des Angebots in Deutschland, im Rahmen dessen auch das Free-Floating-Carsharing im Jahr 2009 auf dem Markt eingeführt wurde.^[84] Zu der beschriebenen Dynamik hat u.a. der Markteintritt großer Automobilhersteller (v.a. BMW, Daimler, Citroën) beigetragen, der das Carsharing auch medial stärker in den Fokus rückte.^[85]

Mittlerweile gibt es in Deutschland über eine Million Carsharing-Nutzer (ca. + 67,1% zum Vorjahr) bei etwa 150 CSO (Stand: 16.09.14).^[86] Bei stationsbasierten Angeboten waren Anfang 2014 320.000 Teilnehmer (+ 18,5%) angemeldet, während stationsunabhängige Angebote 437.000 Nutzer (+ 138,8%) aufwiesen. Dies verdeutlicht, dass das neue Free-Floating-Angebot das traditionelle Carsharing mittlerweile in Bezug auf die Kundenzahlen überholt hat. Ungeachtet dessen besitzen stationsbasierte Angebote mit 7.700 Fahrzeugen eine größere Flotte als die flexiblen Carsharing-Systeme mit 6.250 Fahrzeugen. Dies hat ebenso zur Folge, dass die Reichweite des traditionellen Carsharing deutlich höher ist mit 33,35 Mio. Menschen als die neuere Form der PKW-Kurzzeitmiete, welche auf eine Reichweite von 9,31 Mio. Menschen kommt.^[87]

3.3 Einflussfaktoren auf die Nutzung von Carsharing

Die Entscheidung für einen bestimmten Mobilitätsstil wird durch persönliche Nutzereigenschaften sowie subjektive Verhaltensmotive determiniert.^[88] Um in diesem Kontext die wesentlichen Einflussfaktoren auf die Nutzung von Carsharing zu identifizieren, wurden die in einer Literaturrecherche am häufigsten genannten Motive aggregiert. Tabelle 1 stellt diese Motive geordnet nach der Anzahl der Nennungen dar. Darüber hinaus wird die Methodik der jeweiligen Untersuchungen herausgestellt. Die Mehrheit der Studien basiert dabei auf quantitativen Erhebungen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1 : Nutzungsmotive für Carsharing in der einschlägigen Literatur

Quelle: Eigene Darstellung.

Ökonomische Faktoren zählen zu den wichtigsten Motivgruppen für die Carsharing-Nutzung.^[89] Der Kostenvorteil gegenüber einem eigenen PKW äußert sich diesbezüglich primär in reduzierten Fixkosten (z.B. Anschaffungskosten) und geringeren Nutzungskosten (z.B. günstige Park- und Tankmöglichkeiten). Auch die einfache Kalkulierbarkeit der Kosten macht die PKW-Kurzzeitmiete für viele Menschen attraktiv.^[90]

Ökologische Nutzungsmotive, die in der Marktfrühphase des Carsharing treibend waren, besitzen heutzutage nur noch eine untergeordnete Rolle.^[91] Carsharing wird nach wie vor als eine nachhaltige Mobilitätsform angesehen, der ökologische Aspekt stellt jedoch nur noch einen positiven Nebeneffekt der Nutzung dar.^[92]

Die Faktoren der Nutzerfreundlichkeit beziehen sich vornehmlich auf die Zuverlässigkeit und Bequemlichkeit der Carsharing-Angebote.^[93] Durch flexible und einfache Buchungsmöglichkeiten, transparente Preismodelle, eine begrenzte Fahrzeugverantwortung sowie eine vereinfachte Parkplatzsuche wird dem Nutzer Zeit und Aufwand im Vergleich zu anderen Verkehrsoptionen erspart.^[94] Auch die Verfügbarkeit der Carsharing-Fahrzeuge ist relevant für die Wahrnehmung der Nutzerfreundlichkeit.^[95]

Eine weitere, häufig genannte Motivgruppe bezieht sich auf mobilitätsbezogene Faktoren.^[96] Carsharing-Angebote ermöglichen durch flexible Nutzungskonditionen eine autonome und spontane Mobilität und füllen somit eine Lücke im öffentlichen Nahverkehr.^[97] Auf diese Weise können die Mobilitätsmöglichkeiten insbesondere von Personen ohne Privat-PKW gesteigert werden.^[98]

Die personenbezogenen Faktoren befassen sich primär mit der Beschreibung typischer Carsharing-Kunden. Hierbei lässt sich feststellen, dass die typischen Nutzer zwischen 25 und 49 Jahren alt sind, eine überdurchschnittliche Bildung aufweisen und über ein mittleres bis hohes Einkommen verfügen.^[99] Zudem wohnen die meisten Kunden in urbanen Ballungsgebieten und nutzen häufig Fortbewegungsmittel des Umweltbunds (öffentliche Verkehrsmittel, Fahrrad, Zufußgehen), wohingegen die PKW-Nutzung relativ gering ausfällt. Darüber hinaus beeinflussen individuelle Verkehrsgewohnheiten und Routinen die Verkehrsmittelentscheidung.^[100]

Abschließend sind auch gesellschaftliche Faktoren relevant für die Carsharing-Nutzung. So steht die PKW-Kurzzeitmiete für ein modernes und nachhaltiges Produkt, das primär von jungen, urbanen Menschen bewusst genutzt wird.^[101] Die gesellschaftliche Wahrnehmung des Carsharing wird zudem durch eine abnehmende emotionale Bedeutung des Privat-PKW gestützt.^[102]

3.4 Kommerzielles, stationsunabhängiges Carsharing

Mit dem Markteintritt der großen Automobilhersteller hat sich das stationsunabhängige Carsharing etabliert.^[103] Das erste Angebot dieser Art wurde im Jahr 2009 in Ulm von Car2go auf dem Markt eingeführt.^[104] Das von Daimler und Europcar betriebene Angebot verfügt laut eigenen Angaben über 900.000 Kunden mit 11.000 Fahrzeugen in 30 europäischen und nordamerikanischen Städten.^[105] Damit ist Car2go Marktführer auf dem deutschen Free-Floating-Carsharing Markt.^[106] Neben Car2go zählt DriveNow, ein im Jahr 2011 gegründetes Joint Venture von BMW und Sixt, mit ca. 360.000 Kunden und 3.000 Mini - und BMW -Modellen zu den größten Anbietern von Free-Floating-Systemen.^[107] Mit deutlichem Abstand hinter den zwei genannten Anbietern folgt Multicity, das E-Carsharing-Angebot von Citroën mit ca. 8.300 Mitgliedern und einem exklusiven Angebot von Elektrofahrzeugen.^[108] Mitte 2014 sind darüber hinaus die zwei regionalen Anbieter Spotcar und flow>k auf den Markt gekommen. Spotcar bietet dabei in Kooperation mit Opel 100 Opel Adam -Fahrzeuge in Berlin zur Kurzzeitmiete an.^[109] flow>k ist ein Angebot der Stadtteilauto OS GmbH mit einer Flotte von 30 VW Ups, das seit September 2014 in Osnabrück besteht.^[110] In Tabelle 2 werden die beschriebenen Anbieter und ihre Tarifsysteme dargestellt

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2 : Übersicht zu Anbietern von stationsunabhängigem Carsharing

Quelle: Eigene Darstellung.

3.5 Diskussion

Ungeachtet der hohen Wachstumsraten auf dem deutschen Markt entspricht Carsharing nach wie vor einem Nischenprodukt im urbanen Mobilitätsangebot.^[111] Neben lokalen und individuellen Faktoren existieren allgemeine Hemmnisse, die das Carsharing-Wachstum bislang eingrenzen.^[112]

Eines der größten Hemmnisse wird in der ausgeprägten psychosozialen Bedeutung des Privat-PKW gesehen.^[113] So fühlen sich viele Autofahrer in ihrer Mobilität durch die Carsharing-Nutzung eingeschränkt und unflexibel.^[114] Je nach sozialer Milieuzugehörigkeit ist der Privat-PKW zudem mit einer hohen Bedeutung als soziales Statussymbol behaftet.^[115] Darüber hinaus wird mit Carsharing ein Verlust von Bequemlichkeit und Komfort im Vergleich zum Privat-PKW assoziiert.^[116] Auch etwaige Verkehrsmittelroutinen, die z.B. durch die alltägliche Nutzung eines Privat-PKWs entstehen, wirken sich hemmend auf die Carsharing-Nutzungsbereitschaft aus, da solche Gewohnheiten eine Blindheit gegenüber alternativen Mobilitätsoptionen verursachen können.^[117] Außerdem wird die Carsharing-Nachfrage durch finanzielle Barrieren eingeschränkt. So mindern die hohen Fixkosten, welche mit einem Autokauf einhergehen, die Bereitschaft, andere Mobilitätsoptionen als das eigene Auto zu nutzen.^[118] Zudem impliziert ein Privat-PKW zwar höhere Fixkosten, jedoch auch geringere variable Kosten.^[119] Verschiedene Studien legen daher nahe, dass ab einer zurückgelegten jährlichen Fahrleistung von 6.830 km bis 10.000 km ein eigenes Fahrzeug preiswerter wäre.^[120] Zuletzt sei angemerkt, dass die Erhöhung der Carsharing-Kundenzahlen durch die regionale Beschränkung des Angebots auf mittelgroße bis große Städte limitiert wird.^[121]

Trotz der beschriebenen Barrieren wird dem Carsharing aus Nachfrager- und Anbietersicht eine vielversprechende Perspektive zugeschrieben. So schätzen Wilke/Bongardt (2007) das Potential von Carsharing-Interessierten im Jahr 2020 auf 6,4 Millionen Menschen.^[122] Die zunehmende Urbanisierung sowie sich ändernde Konsummuster im Kontext der Sharing Economy sollen hierbei die wesentlichen Treiber sein.^[123] Der Markteintritt der großen Automobilhersteller, die mit ihren Carsharing-Angeboten bereits teilweise die Gewinnzone erreicht haben, verdeutlicht darüber hinaus die Marktattraktivität aus Anbietersicht.^[124] In diesem Kontext wird das Carsharing zunehmend als erfolgreiches Zusatzangebot zu bestehenden Mobilitätsoptionen in urbanen Ballungsgebieten etabliert.^[125]

Nachdem nun auf die praktische Relevanz der Untersuchungsthematik eingegangen wurde, wird der theoretische Bezugsrahmen der Arbeit im Folgenden vorgestellt. Dieser fungiert als Ausgangspunkt für die Entwicklung eines Untersuchungsmodells zur Erklärung der Akzeptanz von kommerziellem, stationsunabhängigem Carsharing.

4 Theoretischer Bezugsrahmen: Akzeptanz innovativer Geschäftsmodelle

4.1 Begriffliche Einordnung

4.1.1 Innovation

Der Begriff „Innovation“ wurde im wissenschaftlichen Kontext bereits in diversen Zusammenhängen unterschiedlich definiert und verwendet.^[126] Als elementares gemeinsames Charakteristikum kann dabei die Neuheit einer Idee herausgestellt werden. Schumpeter (1947) formuliert dies folgendermaßen: „the defining characteristic [of an innovation; Anm. d. Verf.] is simply the doing of new things or the doing of things that are already being done in a new way [..]”^[127]. Rogers (2003) betont in diesem Zusammenhang, dass die Neuheit einer Innovation nicht unbedingt neues Wissen voraussetzt und somit „objektiv“ neu sein muss.^[128] Vielmehr ist die von potentiellen Kunden wahrgenommene Neuheit eines Produktes ursächlich für eine Innovation.^[129] Zusammenfassend wird eine Innovation gemäß Hauschild/Salomo (2010) wie folgt definiert:

„Innovationen sind qualitativ neuartige Produkte oder Verfahren, die sich gegenüber einem Vergleichszustand „merklich“ – wie auch immer das zu bestimmen ist– unterscheiden. [...] Nur bei einer neuartigen Zweck-Mittel-Kombination liegt Innovation vor.“^[130]

4.1.2 Akzeptanz

„Akzeptanz“ ist ein Begriff der Alltagssprache und kommt seit Ende der 80er Jahre sowohl im Privaten als auch in der Öffentlichkeit zunehmend in Mode.^[131] In der Wissenschaft wird dieser inzwischen in die Einstellungs- und Verhaltensakzeptanz differenziert.^[132] Die Einstellungsakzeptanz beinhaltet die innere Begutachtung und Erwartungsbildung sowie die darauf basierende Handlungsabsicht eines Individuums z.B. ein neues Produkt zu kaufen.^[133] Der Fokus liegt hierbei auf subjektiven, nichtbeobachtbaren Verhaltensabsichten.^[134] Die Verhaltensakzeptanz resultiert aus der Einstellungsakzeptanz und bezieht sich auf beobachtbares Konsumentenverhalten wie den Kauf oder die Nutzung eines Produkts.^[135] Zusammengenommen determinieren Einstellungs- und Verhaltensakzeptanz die individuelle Gesamtakzeptanz. Je höher diese ausfällt, desto höher ist tendenziell die Kauf- bzw. Nutzungshäufigkeit des entsprechenden Produkts.^[136] Die Gesamtakzeptanz wird in Anlehnung an Kollmann (1998) wie folgt definiert:

Akzeptanz ist die Verknüpfung einer inneren, handlungsorientierten Einstellungsbildung und eines freiwilligen, problemorientierten Konsumverhaltens, das sich in der Nutzung bzw. dem Kauf eines Produktes oder einer Dienstleistung widerspiegelt.^[137]

4.1.3 Akzeptanz von Innovationen

Das Ziel der klassischen Akzeptanzforschung besteht darin, Einflussfaktoren auf die individuelle Kundenakzeptanz von Innovationen zu ermitteln und durch geeignete Modelle abzubilden.^[138] Aus diesem Grund werden die sogenannten Akzeptanzfaktoren häufig an den Adoptionsprozess von Innovationen angelehnt, der primär durch Rogers (2003) geprägt wurde.^[139] Der Begriff „Adoption“ wird dabei definiert als Übernahme einer Innovation durch potentielle Kunden, d.h. den Kauf oder die Nutzung eines Produkts.^[140] Für das weitere Verständnis der Arbeit und eine Einordnung der Akzeptanz in den besagten Adoptionsprozess wird dieser im Folgenden kurz vorgestellt.

Der Innovationsentscheidungsprozess beginnt zunächst damit, dass der Konsument von einer Neuheit erfährt (Kenntnisnahme) und sich auf Basis subjektiv wahrgenommener Informationen zu der Innovation eine Meinung bildet (Meinungsbildung).^[141] Darauf aufbauend trifft der Konsument eine entsprechende Entscheidung. Fällt diese positiv aus, wird die Innovation angenommen und erstmals genutzt (Implementierung). Bei einer positiven Kauf- bzw. Nutzungsbewertung wird das Produkt erneut genutzt (Bestätigung). Der Adoptionsprozess wird neben personenspezifischen Faktoren besonders durch die wahrgenommenen Charakteristika einer Innovation beeinflusst.^[142] Laut einer Metastudie von Tornatzky/Klein (1982) sind dabei der relative Vorteil, die Kompatibilität und die Komplexität entscheidend.^[143] Der relative Vorteil bezieht sich auf die wahrgenommene Nutzensteigerung durch eine Innovation gegenüber bereits existierenden Marktlösungen und wird durch ökonomische, soziale und technische Aspekte beeinflusst.^[144] Die Kompatibilität gibt an, inwiefern eine Innovation als vereinbar mit existierenden Werten, Erfahrungen, Bedürfnissen und gesellschaftlichen Normen gilt. Die Komplexität impliziert, wie schwierig das Verständnis und die Nutzung einer Innovation in der Kundenwahrnehmung sind.

Die Akzeptanz nimmt im geschilderten Entscheidungsprozess eine tragende Rolle ein. So beeinflusst die Einstellungsakzeptanz das Konsumentenverhalten von der Phase der Kenntnisnahme bis zur letztendlichen Adoptionsentscheidung in der Entscheidungsphase und spiegelt somit die Adoptionsbereitschaft wieder.^[145] Die Verhaltensakzeptanz bezieht sich hingegen auf die Prozesse, welche nach der Adoptionsentscheidung bis zur Bestätigungsphase ablaufen.^[146] Folglich ist die Einstellungsakzeptanz entscheidend für die erste Adoptionsentscheidung, während die Verhaltensakzeptanz relevant ist für die fortgeführten Adoptionsentscheidungen. Der Erfolg einer Innovation ist somit abhängig von positiven Ausprägungen sowohl der Einstellungsakzeptanz als auch der Verhaltensakzeptanz.^[147] Der beschrieben Prozess wird in Abbildung 2 verdeutlicht.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 : Innovationsentscheidungsprozess nach Rogers (2003)

Quelle: Eigene Darstellung in Anlehnung an Rogers (2003), S. 170.

4.2 Modelle zur Erklärung der Akzeptanz

4.2.1 Theory of Reasoned Action und Theory of Planned Behavior

In der Literatur existieren drei zentrale Modelle zur Erklärung der Kundenakzeptanz.^[148] Die Theory of Reasoned Action (TRA) wird diesbezüglich als Grundlagenmodell angesehen, das im Forschungsverlauf um die Theory of Planned Behavior (TPB) und das Technology Acceptance Model (TAM) erweitert wurde. Im Folgenden wird zunächst die TRA sowie die TBP vorgestellt. Aufgrund der übergeordneten Bedeutung für diese Arbeit wird das TAM in Abschnitt 4.2.2 detaillierter dargestellt.

Die von Ajzen/Fishbein (1975) entwickelte Theory of Reasoned Action ist eine der am häufigsten verwendeten wissenschaftlichen Modelle zur Erklärung menschlichen Verhaltens und wird primär in der Konsumentenforschung angewendet.^[149] Die zentrale Annahme des Modells ist, dass das bewusste Verhalten einer Person durch die Verhaltensabsicht determiniert wird. Diese wird wiederum durch die Einstellung zum genannten Verhalten sowie durch die subjektive Norm bestimmt.^[150] Die Einstellung einer Person ergibt sich aus den wahrgenommen Konsequenzen einer Handlung und der persönlichen Bewertung dieser Konsequenzen.^[151] Die subjektive Norm basiert auf der Wahrnehmung, dass Mitmenschen, die einer Person wichtig sind, eine bestimmte Verhaltensweise von ihr erwarten.^[152] Die beiden Konstrukte Einstellung und subjektive Norm werden somit ausschließlich durch persönliche Einschätzungen und Meinungen beeinflusst.^[153] Etwaigen externen Einflüssen wird lediglich ein indirekter Einfluss zugeschrieben.^[154] Die hier zugrundeliegende Annahme, dass das menschliche Verhalten vernunftbestimmt und vollkommen rational ist, stellt einen wesentlichen Kritikpunkt der TRA dar.^[155] So kann das Modell keine Situationen erklären, in welchen Individuen nur eine unvollständige Kontrolle über ihr eigenes Verhalten besitzen, z.B. wenn bestimmte Fähigkeiten oder Ressourcen für eine Handlung notwendig sind.^[156]

Dieser Kritikpunkt wird mit der Theory of Planned Behavior aufgegriffen, die Ajzen (1985) und Ajzen (1991) auf der TRA aufbauen.^[157] Dem Variablengerüst der TRA wird dabei die wahrgenommene Verhaltenskontrolle hinzugefügt, die als zusätzliche Determinante auf die Verhaltensabsicht sowie das tatsächliche Verhalten wirkt.^[158] Die neue Variable beschreibt die individuelle Wahrnehmung, wie einfach oder schwierig die Ausführung eines zuvor geplanten Verhaltens mit den gegebenen persönlichen Ressourcen und Möglichkeiten ist.^[159] Im Vergleich zur TRA führt die TPB daher besonders in jenen Situationen zu einem höheren Erklärungsgehalt, in denen bestimmte Vorrausetzungen für die Ausführung einer Handlung notwendig sind und somit die individuelle Verhaltensentscheidung beeinflussen.^[160]

Die zwei vorgestellten Modelle aggregieren mehrere, voneinander unabhängig entwickelte Theorien zu einer einheitlichen und empirisch validierten Variablenstruktur.^[161] Durch die explizite Definition und Operationalisierung der verwendeten Variablen fungieren die Modelle als Ausgangspunkt für diverse empirische Arbeiten zur Untersuchung menschlichen Verhaltens.^[162] Darüber hinaus bilden die TRA und die TPB kein in sich geschlossenes System und können folglich durch relevante Einflussvariablen erweitert werden.^[163] Ein wesentlicher Nachteil der vorgestellten Theorien besteht jedoch darin, dass die individuellen Einschätzungen und Meinungen, welche den Modellen zugrunde liegen, für jeden Untersuchungskontext in aufwendigen Voruntersuchungen neu identifiziert werden müssen.^[164]

4.2.2 Technology Acceptance Model

4.2.2.1 Aufbau

Basierend auf den oben beschriebenen Verhaltensmodellen formulieren Davis (1986) bzw. Davis/Bagozzi/Warshaw (1989) das Technology Acceptance Model.^[165] Dieses wurde ursprünglich für die Modellierung der Nutzerakzeptanz von Informationssystemen im organisatorischen Kontext (v.a. am Arbeitsplatz) entwickelt.^[166] In den vergangenen 20 Jahren wurde der Anwendungsbereich jedoch kontinuierlich erweitert und erstreckt sich heutzutage auf diverse Technologiebereiche.^[167]

Das TAM erklärt die Einstellung gegenüber einer Technologie über die beiden Einflussvariablen wahrgenommene Nützlichkeit sowie wahrgenommene Einfachheit der Nutzung.^[168] Die wahrgenommene Nützlichkeit beschreibt, inwieweit eine Person davon überzeugt ist, dass die Verwendung eines bestimmten Systems die Arbeitsleistung verbessert und somit nutzenstiftend ist.^[169] Die wahrgenommene Einfachheit der Nutzung ist definiert als der Grad geistiger oder körperlicher Anstrengung, der mit der Nutzung eines Systems verbunden wird.^[170] Die wahrgenommene Nützlichkeit und die wahrgenommene Einfachheit der Nutzung werden von externen, im Modell nicht explizit definierten Variablen beeinflusst, wie z.B. System- oder Nutzereigenschaften.^[171] Im Weiteren determiniert die Einstellung die Verhaltensabsicht, die analog zur TRA die tatsächliche Nutzung einer Technologie bestimmt.^[172] Die Verhaltensabsicht wird zudem von der wahrgenommenen Nützlichkeit beeinflusst. Im Zuge mehrerer Erweiterungen hat sich das in Abbildung 3 dargestellte angepasste TAM in der Forschung etabliert, das auf das Konstrukt der Einstellung verzichtet.^[173]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3 : Angepasstes TAM nach Davis et al. (1989)

Quelle: Venkatesh/Davis (1996), S. 453.

Das TAM stellt ein universelles Forschungsmodell dar, das die wesentlichen Erkenntnisse der Akzeptanzforschung aggregiert. So basiert das Konstrukt der Verhaltensabsicht auf den Erkenntnissen der TRA und der TPB.^[174] Die wahrgenommene Nützlichkeit weist Ähnlichkeiten mit dem von Rogers definierten relativen Vorteil einer Innovation auf, wohingegen die wahrgenommene Einfachheit der Nutzung inhaltlich der Komplexität sowie der Kompatibilität aus Rogers Adoptionsmodell entspricht.^[175]

4.2.2.2 Erweiterungen

In der Forschungshistorie wurde das TAM bereits mehrmals erweitert.^[176] Die erste Weiterentwicklung zum sogenannten TAM 2 ist auf die Studie von Venkatesh/Davis (2000) zurückzuführen. Hierbei werden dem Ursprungsmodell soziale (subjektive Norm, Image) und funktionale Antezedenzien (Arbeitsrelevanz, Ergebnisqualität, Darstellbarkeit der Ergebnisse) hinzugefügt, welche die wahrgenommene Nützlichkeit beeinflussen.^[177] Zusätzlich werden zwei Moderatoren (Erfahrung, Freiwilligkeit) berücksichtigt, die den Zusammenhang zwischen subjektiver Norm und wahrgenommener Nützlichkeit bzw. der Verhaltensabsicht beeinflussen.^[178] Die Unified Theory of Acceptance and Use of Technology (UTAUT) wurde von Venkatesh et al. (2003) entwickelt und führt acht bekannte Modelle zur Akzeptanz von Informationssystemen wie die TRA und den Innovationsentscheidungsprozess zusammen.^[179] Die Autoren postulieren dabei, dass die Verhaltensabsicht von den vier Determinanten Leistungserwartung, Aufwandserwartung, sozialer Einfluss und unterstützende Rahmenbedingungen bestimmt wird.^[180] Die Wirkungszusammenhänge werden durch mehrere Moderatoren wie dem Alter oder der Erfahrung beeinflusst. Im Rahmen der Studie von Venkatesh/Bala (2008) wurde das TAM 3 entwickelt, welches das TAM 2 um ausgewählte Prädikatoren der wahrgenommenen Einfachheit der Nutzung erweitert (z.B. objektive Benutzbarkeit, wahrgenommene externe Kontrollierbarkeit).^[181]

Die vorgestellten Erweiterungen des TAM stellen mehrere neue Konstrukte und Kausalitäten bereit, die je nach Untersuchungskontext verwendet werden können. Dennoch wird das Ursprungsmodell von Davis durch seine Einfachheit und Flexibilität nach wie vor als Basis für die TAM-bezogene Forschung angesehen.^[182]

4.2.2.3 Stärken und Schwächen

Das TAM hat sich seit seiner Publikation zu einem der populärsten Modelle der Akzeptanzforschung im Bereich der Technologie- und Systemnutzung entwickelt.^[183] Diese Tatsache ist unter anderem auf die weitreichende empirische Bestätigung zurückzuführen, die das Modell im Forschungsverlauf erfahren hat und die hohe Aussagekraft der TAM-Konstrukte bestätigt.^[184] Eine weitere Stärke des TAM ist dessen Einfachheit, da dieses durch die Konzentration auf die zwei Konstrukte der Nützlichkeit und der Einfachheit ohne großen Aufwand anwendbar ist.^[185] Die Generalisierbarkeit und Flexibilität des Modells, welche durch die Vielfalt der bisherigen Anwendungsbereiche belegt werden, stellen weitere Vorzüge des TAM dar. Abschließend zeichnet sich das TAM durch seine Robustheit aus. Durch die Möglichkeit der Integration zusätzlicher Variablen lässt sich das Modell an verschiedene Untersuchungskontexte anpassen, ohne dabei einen wesentlich Erklärungsgehalt einzubüßen.^[186]

Neben den Vorteilen des TAM wird jedoch in Bezug auf die erwähnte Einfachheit bezweifelt, ob menschliches Verhalten über mehrere Anwendungsbereiche mithilfe eines derart schlichten Modells erklärt werden kann.^[187] Damit einher geht die Kritik, dass das TAM durch dessen geringe Kontextspezifität nur eine beschränkte Ableitung von Handlungsempfehlungen zulässt.^[188] Ebenfalls wird die durch die große Verbreitung empfundene Dominanz des TAM-Ansatzes in der Akzeptanzforschung kritisiert. So hat die TAM-Forschung laut Chuttur (2008) inzwischen einen Sättigungsgrad erreicht, der neue Forschungsansätze notwendig macht.^[189] Auch andere Wissenschaftler bescheinigen der auf dem TAM basierenden Forschung nur noch marginale Erkenntnisfortschritte und bemängeln eine eindimensionale Forschungsausrichtung.^[190] Neben diesen inhaltlichen Gesichtspunkten werden methodische Aspekte der TAM-Forschung als problematisch erachtet. So wurden die meisten auf dem TAM beruhenden Forschungsbeiträge auf Basis von Studentensamples und Selbsteinschätzungen der Befragten durchgeführt, was die allgemeine Aussagekraft und Repräsentativität der Studien limitiert.^[191]

5 Entwicklung des Untersuchungsmodells

5.1 Bisherige Untersuchungen der Akzeptanz von Carsharing

Im Folgenden werden Forschungsbeiträge vorgestellt, die sich mit der empirischen Validierung von Akzeptanz- und Verhaltensmodellen im Carsharing-Kontext beschäftigen.^[192] Dieses Vorgehen stellt eine geeignete Grundlage dar, um Forschungslücken zu identifizieren und die Notwendigkeit der Entwicklung eines eigenen Akzeptanzmodells im Rahmen dieser Arbeit zu verdeutlichen. In Tabelle 3 wird dafür der aktuelle Forschungsstand veranschaulicht und mithilfe verschiedener Beurteilungskriterien kategorisiert.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3 : Empirische Studien zur Erklärung des Carsharing-Nutzungsverhaltens

Quelle: Eigene Darstellung.

Im Hinblick auf das Kriterium des Untersuchungsmodells, das die Forschungsbeiträge gemäß dem verwendeten theoretischen Modell kategorisiert, lässt sich feststellen, dass die zwei am häufigsten verwendeten theoretischen Untersuchungsgrundlagen die TPB sowie das TAM darstellen. So entwickelt Harms (2003) ein auf der TPB gestütztes Akzeptanzmodell, das jedoch nur in Bezug auf Mobilitätsroutinen untersucht wird.^[193] Hoffmann (2009) und Maertins (2006) bauen ihre Studien ebenfalls auf der TPB auf, um Einflussfaktoren auf die Kundenbindung von Carsharing-Nutzern abzubilden.^[194] Das TAM fungiert in der Untersuchung von Fazel (2014) als Basis für die Erklärung der Akzeptanz von E-Carsharing, wohingegen Pieper et al. (2013) die Kundenloyalität anhand des TAM analysieren.^[195] In der Gesamtschau wird deutlich, dass lediglich in der Arbeit von Fazel (2014) ein holistisches Akzeptanzmodell entwickelt und insbesondere empirisch geprüft wird.

Der Untersuchungsgegenstand differenziert die aufgeführten Studien nach deren primären Analyseobjekten. Dabei wird deutlich, dass die Akzeptanz von Carsharing lediglich in der Arbeit von Schrader (2001) unmittelbar untersucht wird. Die Studie besitzt jedoch vornehmlich einen deskriptiven Charakter und vernachlässigt eine tiefergehende Analyse der Wirkungszusammenhänge im Untersuchungsmodell. Zudem wird Carsharing in der besagten Studien als eine eigentumsersetzende Dienstleistung behandelt, was nicht mehr dem modernen Verständnis von Carsharing entspricht. Die PKW-Kurzzeitmiete wird heutzutage vielmehr als Zusatzangebot zu bestehenden Mobilitätsalternativen – auch zum Privat-PKW – gesehen.^[196] Die zwei genannten Kritikpunkte sind auch für die Arbeit von Meijkamp (2000) anzubringen, der den Einfluss personenspezifischer Merkmale (z.B. soziodemographische Charakteristika, Mobilitätsroutinen) sowie produktbezogener Faktoren (z.B. Wahrnehmung der Kosten und der Qualität) auf die Adoptionsentscheidung analysiert.^[197] In den verbleibenden Studien liegt der Fokus zum einen auf ausgewählten Determinanten der Kundenakzeptanz, wie z.B. auf Mobilitätsroutinen oder Allokationsstrategien von Carsharing-Fahrzeugen. Zum anderen werden Prädikatoren der Kundenbindung von Carsharing-Nutzern untersucht. In diesem Kontext kommen Maertins (2006) und Hoffmann (2009) zu dem Schluss, dass die Kundenakzeptanz von stationsbasiertem Carsharing durch die wahrgenommene Selbstbeweglichkeit, die Einfachheit sowie die Verfügbarkeit entsprechender Angebote bedingt wird.^[198]

Die Klassifizierung der Forschungsbeiträge hinsichtlich der Methodik demonstriert, dass die quantitative Befragung das dominierende Erhebungsinstrument darstellt. Ausnahmen hiervon bilden die Arbeiten von Harms (2003) und Herrmann/Schulte/Voß (2014), die neben einer Umfrage mehrere Kundeninterviews bzw. eine Computersimulation mit empirischen Nutzerdaten durchführen.

Um die Studien im Hinblick auf das Carsharing-System zu klassifizieren, das den jeweiligen Untersuchungskontexten zugrunde liegt, wird das Kriterium des untersuchten Carsharing-Systems berücksichtigt. Dabei werden sieben der neun Studien dem stationsabhängigen Carsharing zugeordnet. Aufgrund der Neuheit stationsunabhängiger Angebote und des E-Carsharing war die Prominenz des traditionellen Carsharing in der Wissenschaft zu erwarten. Lediglich die Studie von Herrmann/Schulte/Voß (2014) befasst sich mit Free-Floating-Angeboten am Beispiel von Car2go.^[199] Aufgrund des technischen Hintergrunds der genannten Arbeit, welche sich mit der Ausgestaltung von Fahrzeug-Allokationsstrategien befasst, lassen sich jedoch nur bedingt Rückschlüsse auf die Kundenakzeptanz ziehen.

5.2 Identifikation und Beschreibung der Forschungslücke

Der vorangegangene Abschnitt verdeutlicht, dass bislang noch kein Forschungsbeitrag veröffentlicht wurde, der die Kundenakzeptanz des stationsunabhängigen Carsharing mithilfe eines ganzheitlichen Akzeptanzmodells empirisch erklärt. Es existieren zwar bereits wissenschaftliche Beiträge zur Akzeptanz von stationsabhängigem Carsharing, diese stellen jedoch primär explorative Studien dar, welche sich der deskriptiven Identifikation von Akzeptanzfaktoren widmen.^[200] Darüber hinaus wird Carsharing v.a. in den älteren Studien als eigentumsersetzende Dienstleistung gesehen, was dem heutigen Carsharing-Verständnis nicht mehr gerecht wird.^[201] In anderen Beiträgen wird wiederum kein ganzheitlicher Ansatz verfolgt, z.B. durch die ausschließliche Untersuchung der Bedeutung von Verkehrsmittelroutinen oder Fahrzeugallokationsstrategien.^[202] Auch durch eine Fokussierung auf die Kundenbindung wird keine vollständige Betrachtung der Akzeptanz gewährleistet, da sich die entsprechenden Ergebnisse ausschließlich auf bestehende Carsharing-Kunden beziehen.

In der vorliegenden Arbeit soll die identifizierte Forschungslücke eines holistischen Akzeptanzmodells im Kontext des stationsunabhängigen Carsharing aufgegriffen und geschlossen werden. Auf Basis von theoretisch hergeleiteten Hypothesen und einer empirischen Untersuchung sollen die wesentlichen Einflussfaktoren auf die Akzeptanz von Free-Floating-Carsharing-Systemen identifiziert und empirisch erklärt werden. Dabei soll Carsharing als eine Ergänzung zu öffentlichen Verkehrsmitteln und dem Privat-PKW verstanden werden, um die gegenwärtige Marktsituation realistisch abzubilden.^[203]

Aufgrund der Modellrobustheit und der weitreichenden empirischen Bestätigung wird das TAM als Grundlage für die Untersuchung verwendet. Da das stationsunabhängige Carsharing eine innovative Weiterentwicklung des traditionellen Carsharing-Ansatzes darstellt, erscheint das auf technische Innovationen ausgerichtete TAM als geeignet für den Untersuchungskontext.^[204] Im Gegensatz zur TRA und der TPB bildet das TAM dabei ein schlichtes und sparsames Modell, das sich durch kontextspezifische Erweiterungen leicht anpassen lässt. Außerdem wird im TAM sowohl die Einstellungs- als auch die Verhaltensakzeptanz untersucht, womit die in Abschnitt 4.1.2 definierte Akzeptanz vollständig abgebildet werden kann.^[205] Zuletzt dokumentieren zahlreiche Beispiele in der Literatur, dass die Verwendung des TAM auch außerhalb des ursprünglichen Anwendungsbereichs der Informations- und Kommunikationstechnologien zu validen Ergebnissen führt.^[206] So wurde dieses schon mehrfach im Verkehrsmittelbereich angewendet, was auf die Eignung des Modells für den Carsharing-Kontext deutet.^[207] Im folgenden Abschnitt wird daher ein auf dem TAM aufbauendes Untersuchungsmodell hergeleitet, das in Abbildung 4 vorab dargestellt wird. Zunächst wird dabei auf die originären Variablen des TAM eingegangen, die folglich auch die zentralen Wirkungszusammenhänge dieser Arbeit darstellen. Anschließend werden notwendige Modellerweiterungen besprochen, welche sich an den Carsharing-Motivgruppen aus Abschnitt 3.3 orientieren.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4 : Untersuchungsmodell zur Erklärung der Akzeptanz von Carsharing

Quelle: Eigene Darstellung.

5.3 Aufbau des angepassten TAM für den Untersuchungskontext

Die im TAM definierten Variablen wahrgenommene Nützlichkeit, wahrgenommene Einfachheit der Nutzung, Verhaltensabsicht und tatsächliche Nutzung werden für den vorliegenden Forschungskontext angepasst und übernommen. Die wahrgenommene Nützlichkeit induziert dabei das Ausmaß, zu dem eine Person denkt, dass die Nutzung von stationsunabhängigem Carsharing^[208] einen Nutzen stiftet. Die wahrgenommene Einfachheit der Nutzung wird in Anlehnung an Hoffmann (2009) in den Begriff wahrgenommene Nutzerfreundlichkeit umformuliert und beschreibt den Grad, zum dem eine Person denkt, dass Carsharing einfach und bequem zu nutzen ist.^[209] Somit kann das Motiv der Nutzerfreundlichkeit, das laut der Literaturrecherche in Abschnitt 3.3 zu den wichtigsten Motivgruppen für die Carsharing-Nutzung zählt, treffender als mit dem originären TAM-Konstrukt der Einfachheit der Nutzung abgebildet werden. Das Konstrukt Verhaltensabsicht stellt die Absicht einer Person dar, Carsharing in der Zukunft zu nutzen und bildet im Untersuchungsmodell die zentrale Determinante der Einstellungsakzeptanz.^[210]

Die wahrgenommene Nützlichkeit wie auch die wahrgenommene Nutzerfreundlichkeit wirken nach Davis et al. (1989) positiv auf die Verhaltensabsicht. Diese Zusammenhänge wurden in der Forschung bereits mehrfach bestätigt und führen zu den folgenden Hypothesen:^[211]

H1: Die wahrgenommene Nützlichkeit hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

H2: Die wahrgenommene Nutzerfreundlichkeit hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

Darüber hinaus wird gemäß dem Wirkungszusammenhang im TAM ein positiver Einfluss der wahrgenommenen Nutzerfreundlichkeit auf die Nützlichkeit angenommen.^[212] Außerdem wird ausgehend vom TAM und der TRA ein positiver Zusammenhang zwischen der Verhaltensabsicht und der tatsächlichen Nutzung von stationsunabhängigem Carsharing postuliert.^[213] Die tatsächliche Nutzung fungiert dabei als Indikator für die Verhaltensakzeptanz, die der Einstellungsakzeptanz nachgelagert ist.^[214] Es werden folgende Hypothesen formuliert:

H3: Die wahrgenommene Nutzerfreundlichkeit hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

H4: Die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing hat einen positiven Einfluss auf die tatsächliche Nutzung.

Die Literaturrecherche demonstriert darüber hinaus die Wichtigkeit ökonomischer Faktoren für die Carsharing-Nutzung. Da im TAM keine Kostendimension berücksichtigt wird, erscheint es sinnvoll, dass Untersuchungsmodell mit dem Konstrukt wahrgenommenes Preissystem zu erweitern. Dieses drückt in Anlehnung an Hoffmann (2009) den Grad aus, zu dem eine Person denkt, dass das Preissystem von Carsharing-Angeboten transparent und kostengünstig ist.^[215] Hoffmann (2009) belegt diesbezüglich, dass die Preiswahrnehmung positiv mit der Zufriedenheit von Carsharing-Kunden korreliert.^[216] Maertins (2006) bestätigt dies und stellt heraus, dass transparente und leicht kalkulierbare Kosten steigernd auf die Kundenzufriedenheit wirken. Auch Meijkamp (2000) weist einen positiven Einfluss der Preiswahrnehmung auf die Carsharing-Adoptionsentscheidung nach.^[217] Folglich kann hypothetisiert werden, dass die Wahrnehmung eines transparenten und kostengünstigen Preissystems einen positiven Einfluss auf die Verhaltensabsicht ausübt:

H5: Ein als transparent und kostengünstig wahrgenommenes Preissystem hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

Hoffmann (2009) stellt außerdem heraus, dass eine positive Wahrnehmung des Preissystems einen treibenden Einfluss auf die Nutzerfreundlichkeit ausübt.^[218] Da auch die Literaturrecherche zu dem Schluss kommt, dass ein transparentes Preissystem relevant ist für die Nutzerfreundlichkeit, wird für die vorliegende Untersuchung postuliert:

H6: Ein als transparent und kostengünstig wahrgenommenes Preissystem hat einen positiven Einfluss auf die wahrgenommene Nutzerfreundlichkeit von stationsunabhängigem Carsharing.

Ebenfalls wird für diese Arbeit ein positiver Zusammenhang zwischen dem Preissystem und der Nützlichkeit angenommen. Da die Nützlichkeit im TAM-Kontext an den von Rogers definierten relativen Vorteil anknüpft und dieser u.a. durch ökonomische Aspekte beeinflusst wird, ergibt sich die folgende Hypothese:^[219]

H7: Ein als transparent und kostengünstig wahrgenommenes Preissystem hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

Wie in Abschnitt 3.2 dargelegt, waren die ersten Carsharing-Angebote in Europa ökologisch motiviert. Heutzutage spielen ökologische Nutzungsmotive nur noch eine untergeordnete Rolle.^[220] Dennoch stellt der Umweltaspekt bei der Nutzung von Carsharing nach wie vor einen positiven Nebeneffekt für viele Konsumenten dar und sollte daher berücksichtigt werden.^[221] In diesem Sinne drückt das Konstrukt ökologische Einstellung, das von Hoffmann (2009) für den Carsharing-Kontext entwickelt wurde, den Grad aus, zu dem eine Person denkt, dass Carsharing umweltfreundlich ist.^[222] Fazel (2014) hypothetisiert diesbezüglich einen positiven Einfluss der ökologischen Einstellung auf die Nutzerfreundlichkeit, den er in seiner Untersuchung jedoch nicht bestätigen kann.^[223] Auch in Hoffmanns Arbeit kann kein signifikanter Einfluss der ökologischen Einstellung nachgewiesen werden.^[224] Bedingt durch die häufige Nennung in der Literaturrecherche und der damit verbundenen Relevanz in der wissenschaftlichen Debatte wird dennoch die folgende Hypothese aufgestellt:

H8: Die ökologische Einstellung hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

Laut der Literaturrecherche implizieren mobilitätsbezogene Faktoren ebenfalls ein wichtiges Nutzungsmotiv für Carsharing. So eröffnen entsprechende Angebote eine zusätzliche Mobilitätsoption neben dem Privat-PKW und Verkehrsmitteln des öffentlichen Nahverkehrs.^[225] Das Konstrukt wahrgenommene Autonomie von Hoffmann(2009) spiegelt diesen Aspekt wieder und beschreibt das Ausmaß, zu dem eine Person denkt, dass sie sich frei und unabhängig mit Carsharing fortbewegen kann.^[226] In der Studie von Hoffmann zeigt sich diesbezüglich ein signifikant positiver Einfluss der wahrgenommenen Autonomie auf die Kundenbindung.^[227] Maertins (2006) kann darüber hinaus nachweisen, dass einer der wesentlichen Akzeptanzfaktoren für die Carsharing-Nutzung in der damit verbundenen wahrgenommenen Selbstbeweglichkeit liegt.^[228] Hat eine Person das Gefühl, sich frei und unabhängig mit Carsharing fortbewegen zu können, empfindet sie dieses auch als nutzenstiftend. Diese Kausalität wird in den zwei Akzeptanzmodellen TAM 2 und TAM 3 durch den Einfluss der Ergebnisqualität auf die wahrgenommene Nützlichkeit abgebildet.^[229] Die Ergebnisqualität bezieht sich dabei auf das Ausmaß, zu dem eine Person denkt, dass ein System, d.h. das Carsharing-Angebot, eine entsprechende Aufgabe, d.h. die individuelle Mobilität, erfüllt.^[230] Somit wird prognostiziert:

H9: Die wahrgenommene Autonomie hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

Zudem demonstriert Hoffmann (2009), dass die wahrgenommene Autonomie einen positiven Einfluss auf die wahrgenommene Nutzerfreundlichkeit von Carsharing-Systemen ausübt.^[231] Auch Maertins (2006) bestätigt die Relevanz der Selbstbeweglichkeit für die empfundene Nutzerfreundlichkeit.^[232] Aufgrund dessen wird hypothetisiert:

H10: Die wahrgenommene Autonomie hat einen positiven Einfluss auf die wahrgenommene Nutzerfreundlichkeit von stationsunabhängigem Carsharing.

Neben den bereits genannten Motivgruppen sollten gesellschaftliche Faktoren im Untersuchungsmodell integriert werden. Carsharing wird in der Öffentlichkeit als Baustein einer nachhaltigen Verkehrs- und Klimapolitik gesehen. Aufgrund des damit verbundenen „grünen Image“ ist die PKW-Kurzzeitmiete v.a. im urbanen Kontext häufig Ausdruck einer modernen und ökologischen Lebensweise.^[233] Um dies in der Untersuchung abzubilden, eignen sich die Faktoren Image und subjektive Norm, welche Bestandteile des TAM 2 und TAM 3 sind.^[234] Das Image erklärt dabei den Grad, zu dem der individuelle Status einer Person durch die Nutzung von Carsharing innerhalb eines sozialen Systems verbessert werden kann. Die subjektive Norm beschreibt den durch das soziale Umfeld einer Person entstehenden Druck, Carsharing zu nutzen. In Bezug auf die Nutzerakzeptanz von Elektromobilität belegt Fazel (2014) die positive Wirkung des Image und der subjektiven Norm auf die wahrgenommene Nützlichkeit.^[235] Dudenhöffer (2013) kann den positiven Zusammenhang zwischen der subjektiven Norm und der Nützlichkeit bestätigen.^[236] Da Carsharing im Kontext der Nachhaltigkeitsdebatte ähnliche gesellschaftliche Themen aufgreift wie die Elektromobilität, können auf Basis der beschriebenen Forschungsbeiträge folgende Hypothesen formuliert werden:

H11: Das Image hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

H12: Die subjektive Norm hat einen positiven Einfluss auf die wahrgenommene Nützlichkeit von stationsunabhängigem Carsharing.

Zuletzt sind personenbezogenen Einflussfaktoren in das Untersuchungsmodell einzubeziehen, welche hauptsächlich demographische Nutzermerkmale sowie Verkehrsgewohnheiten umfassen. Demographische Faktoren werden in der vorliegenden Untersuchung zu den Kontrollvariablen gezählt, die im nächsten Abschnitt näher vorgestellt werden. Im Kontext von Mobilitätsgewohnheiten existieren mehrere wissenschaftliche Studien, die sich mit dem Einfluss von Routinen auf die Verkehrsmittelnutzung beschäftigen.^[237] Einer der Haupterkenntnisse ist dabei, dass Verkehrsmittelentscheidungen zu einem wesentlichen Teil von Routinen und zurückliegenden Transportmittelentscheidungen beeinflusst werden.^[238] So neigen Menschen dazu, Verkehrsalternativen zu wählen, mit denen sie bereits Erfahrungen gesammelt haben.^[239] Im Kontext von Carsharing sind insbesondere der Besitz und die Nutzungshäufigkeit eines Privat-PKW relevant.^[240] Autobesitzer haben i.d.R. mehr Erfahrungen mit dem eigenen Fahrzeug als mit Carsharing-Angeboten gesammelt und weisen folglich zumeist eine geringere Carsharing-Nutzungsintention auf als PKW-lose Personengruppen.^[241] In diesem Zusammenhang aggregiert Hoffmann (2009) den Besitz und die Verfügbarkeit eines Fahrzeugs mit dem Konstrukt PKW-Verfügbarkeit und weist dessen negativen Einfluss auf die Carsharing-Nutzungsbereitschaft nach.^[242] Daher kann für die nach Hoffmann (2009) definierte PKW-Verfügbarkeit folgende Hypothese abgeleitet werden:

H13: Die PKW-Verfügbarkeit hat einen negativen Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

Mobilitätsroutinen im Bereich der öffentlichen Verkehrsmittel (ÖV), d.h. Bus und Bahn, beeinflussen ebenfalls die Carsharing-Nutzungsbereitschaft.^[243] So wurde gezeigt, dass Personen, die häufig die ÖV nutzen, leichter für Carsharing motiviert werden können als überzeugte Autofahrer.^[244] Simultan dazu kann auch die Nutzungshäufigkeit des Fahrrads relevant sein für die Bereitschaft, die PKW-Kurzzeitmiete in Anspruch zu nehmen.^[245] Daher können die folgenden Hypothesen formuliert werden:

H14: Die Nutzungshäufigkeit öffentlicher Verkehrsmittel hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

H15: Die Nutzungshäufigkeit des Fahrrads hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

Wie im Kontext der Herleitung der Hypothese H13 bereits erwähnt wurde, besitzt die Erfahrung, die ein Individuum mit einer Mobilitätsalternative gesammelt hat, eine tragende Rolle für die Verhaltensabsicht bzgl. des entsprechenden Verkehrsmittels. Folglich kann angenommen werden, dass die Erfahrung mit Carsharing im Allgemeinen und stationsunabhängigem Carsharing im Speziellen einen positiven Einfluss auf die Nutzungsintention von Free-Floating-Angeboten ausübt. Diese Annahme führt zu folgender Hypothese:

H16: Die Erfahrung mit Carsharing im Allgemeinen und stationsunabhängigem Carsharing im Speziellen hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

Als weitere personenbezogene Determinante der Carsharing-Nutzung ist die individuelle Bereitschaft zu nennen, Fahrzeuge mit anderen Personen zu nutzen und zu teilen. Diesen Aspekt berücksichtigt Fazel (2014) in seinem Akzeptanzmodell mit der Determinante Offenheit gegenüber gemeinschaftlicher Nutzung, die durch die zwei Teilkonstrukte Mieten und Teilen operationalisiert wird.^[246] Mieten bezieht sich hierbei auf die Einstellung bzgl. der Möglichkeit, Produkte bei Bedarf auszuleihen und dadurch die Anschaffung zu vermeiden. Teilen spiegelt die Einstellung wieder, Produkte bei Bedarf mit anderen Leuten zu teilen. Diesbezüglich zeigt Fazel, dass die Offenheit gegenüber gemeinschaftlicher Nutzungen in Form des Mietens und Teilens einen positiven Einfluss auf die Carsharing-Nutzungsintention ausübt. Aufgrund der Kongruenz mit dem vorliegenden Untersuchungskontext werden folgende Hypothesen abgeleitet:

H17: Die Offenheit gegenüber gemeinschaftlicher Nutzung - Mieten hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

H18: Die Offenheit gegenüber gemeinschaftlicher Nutzung - Teilen hat einen positiven Einfluss auf die Verhaltensabsicht zur Nutzung von stationsunabhängigem Carsharing.

5.4 Moderator- und Kontrollvariablen

Neben den oben postulierten Kausalzusammenhängen werden in der vorliegenden Untersuchung Einflüsse von Moderator- und Kontrollvariablen geprüft. Darüber hinaus werden indirekte Einflüsse zwischen den Untersuchungsvariablen untersucht.^[247] Letztere werden lediglich in einem explorativen Vorgehen betrachtet und somit an dieser Stelle nicht weiter expliziert. Moderatorvariablen beruhen auf qualitativen Ausprägungen einer Untersuchungseinheit und beeinflussen die Wirkungsbeziehung zwischen zwei Variablen.^[248] Kontrollvariablen beziehen sich auf Drittvariablen, welche die hypothetisierten Zusammenhänge im Untersuchungsmodell beeinflussen, jedoch nicht im originären Interesse der Untersuchung liegen.^[249] Um eine Verzerrung der Ergebnisse zu vermeiden (d.h. omitted variable bias), sollten Kontrollvariablen in der Datenauswertung berücksichtigt werden.^[250] Im Folgenden wird zunächst auf Moderatoreffekte eingegangen, bevor der Einfluss von Kontrollvariablen besprochen wird.

Im Kontext von Moderatorvariablen wird in der Studie von Davis/Bagozzi/Warshaw (1989) gezeigt, dass Person, die Erfahrungen mit einer Technologie besitzen, den Einfluss der Einfachheit der Nutzung einer entsprechenden Technologie auf die Verhaltensabsicht anders wahrnehmen als Unerfahrene.^[251] Venkatesh et al. (2003) demonstrieren bei einem Vergleich mehrerer Verhaltensmodelle, dass die Einflussdeterminanten der Verhaltensabsicht je nach Erfahrung der Studienteilnehmer unterschiedliche Effektstärken besitzen.^[252] Fazel (2014) belegt zudem, dass die Erfahrung mit Elektromobilität einen moderierenden Einfluss auf die Verbindung zwischen der wahrgenommenen Einfachheit und der Verhaltensabsicht ausübt.^[253] Auf Basis der genannten Forschungsbeiträge kann angenommen werden, dass sich die Stärken der Pfadverbindungen zwischen der wahrgenommenen Nützlichkeit bzw. der wahrgenommenen Nutzerfreundlichkeit und der Verhaltensabsicht je nach Ausprägung der Carsharing-Erfahrung signifikant unterscheiden. Da die Richtung der Moderation auf Basis der Literatur nicht final prognostiziert werden kann, wird formuliert:

H19: Die Carsharing-Erfahrung hat einen signifikanten Einfluss auf den Zusammenhang zwischen der wahrgenommenen Nutzerfreundlichkeit und der Verhaltensabsicht.

H20: Die Carsharing-Erfahrung hat einen signifikanten Einfluss auf den Zusammenhang zwischen der wahrgenommenen Nützlichkeit und der Verhaltensabsicht.

In Bezug auf die Kontrollvariablen werden die soziodemographische Charakteristika Alter, Einkommen und Zentralität des Wohnorts herangezogen. Hinsichtlich des Alters weist Schrader (2001) einen signifikant negativen Effekt auf die Carsharing-Akzeptanz nach.^[254] Auch andere wissenschaftliche Beiträge deuten an, dass jüngere Menschen offener für die Idee des Carsharing sind.^[255] Fazel (2014) findet zudem heraus, dass das Alter einen negativen Einfluss auf die Nutzungsabsicht bzgl. E-Carsharing aufweist.^[256] Daher kann auch für die vorliegende Untersuchung gemutmaßt werden, dass das Alter einen negativen Effekt auf die Verhaltensabsicht im Carsharing-Kontext ausübt.

Da ökonomische Aspekte zu den wichtigsten Carsharing-Nutzungsmotiven zählen, ist das Einkommen als zusätzliche Kontrollvariable zu berücksichtigen. Fazel (2014) belegt in diesem Zusammenhang einen positiven Einfluss des Einkommens auf die Verhaltensabsicht von E-Carsharing.^[257] Auch die Erkenntnisse aus der Literaturrecherche sprechen dafür, dass die Verhaltensabsicht in Abhängigkeit des Einkommens schwankt. So ist die Popularität von Carsharing v.a. bei Personengruppen mit mittlerem bis hohem Einkommen hoch.^[258] Es lässt sich also vermuten, dass das Einkommen einen positiven Einfluss auf die Verhaltensabsicht besitzt.

Wie in Abschnitt 3.5 deutlich wurde, ist stationsunabhängiges Carsharing primär in urbanen Gebieten vertreten. Dies könnte vornehmlich damit zusammen hängen, dass in Städten und zentralen Wohngebieten bessere infrastrukturelle Rahmenbedingungen existieren, die eine intermodale Fortbewegung erleichtern und somit auch die Carsharing-Nutzung fördern. Daher kann gefolgert werden, dass sowohl die Nutzerfreundlichkeit, d.h. die Einfachheit der Nutzung, als auch die Nützlichkeit von Carsharing, d.h. die Möglichkeit Carsharing mit anderen Verkehrsmitteln zu kombinieren, in zentral gelegenen Wohngebieten stärker wahrgenommen werden als in ländlicheren Gebieten. Daher wird für die vorliegende Untersuchung die Zentralität des Wohnorts als Kontrollvariable für die wahrgenommene Nutzerfreundlichkeit sowie die wahrgenommene Nützlichkeit aufgenommen. Diese Annahmen besitzen einen explorativen Charakter, da es nach Wissen des Autors noch keine Studie gibt, welche die Zentralität des Wohnorts mit der Carsharing-Akzeptanz in Relation setzt.

6 Empirische Untersuchung

6.1 Methodik und Vorgehensweise

6.1.1 Studiendesign und Untersuchungsaufbau

Um die in Kapitel 5 abgeleiteten Hypothesen empirisch zu überprüfen, wird ein deskriptiver Forschungsansatz gewählt, da das zugrundeliegende Untersuchungsmodell keinen experimentellen Stimulus enthält.^[259] Ziel der Untersuchung soll es sein, die Akzeptanz gegenüber stationsunabhängigem Carsharing zu einem bestimmten Zeitpunkt objektiv zu messen. Aus diesem Grund entspricht die vorliegende Arbeit einer Querschnittsanalyse, die auf einer quantitativen Erhebung von Primärdaten beruht.^[260] Die Untersuchung wird in Zusammenarbeit mit der Stadtteilauto OS GmbH durchgeführt, die das Free-Floating-Angebot flow>k seit November 2014 in Osnabrück betreibt.^[261] In diesem Kontext wird die Akzeptanz gegenüber flow>k in Osnabrück abgefragt. Darüber hinaus wird die Akzeptanz von stationsunabhängigem Carsharing in Münster, Köln und Hannover als Referenzpunkt untersucht.^[262] Im Rahmen einer Teilerhebung wird dabei ein standardisierter Online-Fragebogen über soziale Online-Netzwerke und das Kundenpanel sowie Partnerunternehmen von Stadtteilauto OS in den vier Zielstädten distribuiert. Die Online-Befragung hat sich besonders in der Marketing-Wissenschaft etabliert und ist zudem aus Kosten- und Zeitgründen vorteilhaft in der Anwendung.^[263] Eine Spende in Höhe von 50 Cent pro ausgefülltem Fragebogen an den Osnabrücker Hospiz Verein dient als Anreiz zur Teilnahme an der Umfrage. Nach der Determinierung des Studiendesigns muss dieses in einen konkreten Untersuchungsaufbau überführt werden. Hierfür wird im Folgenden zunächst der Aufbau des Fragebogens thematisiert, bevor auf die Operationalisierung der verwendeten Konstrukte eingegangen wird.

Zu Beginn des Online-Fragebogens wird nach dem Wohnort des Teilnehmers gefragt, wobei die Städte Osnabrück, Köln, Hannover, Münster und Andere Stadt zur Auswahl gestellt werden. Wird Osnabrück als Wohnort angegeben, gelangt der Teilnehmer zu einer detaillierten Beschreibung des flow>k -Angebots in Osnabrück.^[264] Im weiteren Verlauf der Umfrage werden Fragen zu besagtem Carsharing-System gestellt. Falls der Teilnehmer eine andere Stadt als Osnabrück auswählt, wird eine Beschreibung des stationsunabhängigen Carsharing gezeigt.^[265] Die anschließenden Fragen beziehen sich somit auf das stationsunabhängige Carsharing im Allgemeinen.

Die Definition und Operationalisierung der in der Arbeit verwendeten latenten Konstrukte erfolgte in enger Anlehnung an die wissenschaftliche Literatur. Dabei wurden empirisch validierte Konstrukte aus Forschungsbeiträgen zum TAM und dem Carsharing entnommen und als reflektive Messmodelle operationalisiert. Im Kontext der Anpassung an den Untersuchungskontext wurde das Konstrukt Verhaltensabsicht, welches ursprünglich nach der Nutzungsabsicht bzgl. einer bestimmten Technologie in einer nicht näher festgelegten Zeitspanne fragt, leicht umformuliert.^[266] In der vorliegenden Erhebung wurde diesbezüglich die Intention abgefragt, Carsharing innerhalb der nächsten drei Monate zu nutzen. Auf diesem Weg soll die kurzfristige und somit die unmittelbare Nutzungsintention in Bezug auf Carsharing erhoben werden. Für den flow>k -Teil der Umfrage wurden darüber hinaus die Formulierungen der Konstrukte an das Angebot in Osnabrück angepasst. Für die anderen Städte erfolgte eine Adaption der Konstrukte an das allgemeine stationsunabhängige Carsharing.

Die latenten Konstrukte wurden auf 7-stufigen Likert-Skalen gemessen, da diese aus Reliabilitäts- und Validitätsgründen als zweckmäßig angesehen werden.^[267] In Tabelle 4 werden alle verwendeten latenten Konstrukte, deren Herkunft sowie eine Zuordnung der Konstrukte zu den in der Literaturrecherche definierten Nutzungsmotiven abgebildet.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 4 : Operationalisierung der latenten Konstrukte

Quelle: Eigene Darstellung.

Die direkt beobachtbaren Variablen wurden auf einem Nominal- und Ordinalniveau abgefragt. Die Zentralität des Wohnorts wurde dabei lediglich in Osnabrück abgefragt, da der Wohnort dort in einen konkreten Zusammenhang mit dem Geschäftsgebiet von flow>k gesetzt werden kann. Diesbezüglich wurden die Teilnehmer nach dem Stadtteil gefragt, in dem sie in Osnabrück wohnen. Anschließend wurden die Stadteile vier Zonen zugeordnet, welche auf den definierten Parkzonen für flow>k -Fahrzeuge beruhen.^[268] Eine Übersicht zu allen in der Umfrage verwendeten Konstrukten mit den entsprechenden Fragestellungen bzw. Aussagen befindet sich im Anhang in Tabelle A.1 für Osnabrück und in Tabelle B.1 für die anderen Städte.

Nach Erstellung des Fragebogens wurde die inhaltliche Relevanz und Verständlichkeit in einem Pretest überprüft.^[269] Dieser wurde von insgesamt 50 Personen aus dem Bekanntenkreis des Autors sowie von Mitarbeitern der Stadtteilauto OS GmbH ausgefüllt. In diesem Kontext haben 27 Personen den Fragebogen zum allgemeinen stationsunabhängigen Carsharing und 23 Personen den flow>k -Teil beantwortet. Darauf basierend wurden einige Fragen leicht umformuliert, um die Verständlichkeit zu verbessern. Nach Weiber/Mühlhaus (2014) empfiehlt es sich außerdem, die Eindimensionalität der Konstrukte und anschließend die Reliabilität der jeweiligen Itemstrukturen im Rahmen eines Pretests zu prüfen.^[270] Auf Basis einer explorativen Faktorenanalyse (EFA) und den Gütekriterien der ersten Generation zur Reliabilitätsbeurteilung wurden die Items NF1_06, P1_05, A1_03, U1_4 und OT1_04 für den Fragebogen zum flow>k- Angebot sowie entsprechend die Items NF1_06, P1_05, A1_03, U1_4 und OT1_04 für den allgemeinen Fragebogen eliminiert.^[271] Die Analysen wurden separat für die beiden Fragebogen durchgeführt.^[272] Um für die Feldphase eine einheitliche Struktur der Konstrukte zu gewährleisten, wurden jeweils die gleichen Items in den zwei Teilen des Fragebogens eliminiert. Es wurden dabei lediglich solche Items gelöscht, die aus inhaltlicher und statistischer Sicht keinen Mehrwert für den Fragebogen darstellten.^[273]

6.1.2 Untersuchungsmethodik

Das theoretisch hergeleitete Untersuchungsmodell wird mithilfe eines Strukturgleichungsansatzes überprüft. Dieser ermöglicht im Vergleich zu anderen multivariaten Analysemethoden die Berücksichtigung latenter sowie manifester Variablen und wird im Zusammenhang mit dem TAM als bevorzugte Untersuchungsmethode angewendet.^[274] Strukturgleichungsmodelle (SGM), auch Kausalmodelle genannt, ermöglichen eine quantitative Abschätzung von theoretisch abgeleiteten Wirkungszusammenhängen zwischen mehreren Variablen und können sowohl theorieprüfend als auch theoriebildend eingesetzt werden.^[275] Da die vorliegende Arbeit auf einer empirisch noch nicht geprüften Erweiterung des vielfach bestätigten TAM basiert, weist das hier verwendete SGM theorieprüfende und theoriebildende Eigenschaften auf.^[276]

Strukturgleichungsansätze lassen sich in kovarianzbasierte und varianzbasierte Verfahren differenzieren.^[277] Der kovarianzanalytische Ansatz, der auch als LISREL -Ansatz (Linear Structural Relations) bezeichnet wird, basiert auf der konfirmatorischen Faktorenanalyse und beinhaltet eine simultane Schätzung der latenten Variablen im Mess- und Strukturmodell.^[278] Ziel ist dabei die bestmögliche Reproduktion der empirisch generierten Varianz-Kovarianzmatrix.^[279] Im Gegensatz dazu greift der varianzanalytische Ansatz, auch PLS -Ansatz (Partial Least Squares) genannt, auf ein zweistufiges Vorgehen zurück.^[280] Zunächst werden ausgehend von den Daten der Messvariablen Konstruktwerte für die latenten Variablen im Rahmen einer Hauptkomponentenanalyse berechnet. Diese werden im zweiten Schritt verwendet, um auf Basis einer Regressionsanalyse die Struktur des Kausalmodells zu schätzen. Das varianzanalytische Verfahren verfolgt somit das Ziel, die Varianz der Fehlerterme im Mess- und Strukturmodell zu minimieren, um eine möglichst genaue Annährung an die empirischen Ausgangsdaten zu erreichen. Aus diesem Grund wird der PLS -Ansatz auch den explorativen Verfahren zugeordnet.

[...]

---

^[1] Rosenberg (2013).

^[2] Vgl. Botsman/Rogers (2011), S. 69; Heinrichs/Grunenberg (2012), S. 2; Werner (2014).

^[3] Vgl. Botsman/Rogers (2011), S. XV f.; Gansky (2010), S. 223; Lessig (2008), S. 155; Stein (2015), S.28.

^[4] Vgl. Botsman/Rogers (2011), S. 69; Lamberton/Rose (2012), S. 109; Smolka/Hienerth (2014), S. 2.

^[5] Vgl. Benkler (2011), S. 3.

^[6] Vgl. Botsman/Rogers (2011), S. 70 f.; Heinrichs/Grunenberg (2012), S. 2.

^[7] Vgl. PricewaterhouseCoopers (2014).

^[8] Vgl. Botsman/Rogers (2011), S. 114.

^[9] Vgl. Sacks (2011); Zipcar (2015).

^[10] Vgl. Botsman/Rogers (2011), S. 114; Sacks (2011).

^[11] Vgl. Geron (2013), S. 60.

^[12] Vgl. hier und im Folgenden Bundesverband CarSharing e.V. (2014), S. 3.

^[13] Vgl. Bundesverband Carsharing e.V. (2014), S. 2.

^[14] Vgl. Schlesiger (2015), S. 25.

^[15] Vgl. Fazel (2014), S. 38 und S. 42; Rammler/Sauter-Servaes (2013), S. 34; Schaefers (2013), S.69; Zentes/Freer/Beham (2012), S. 66.

^[16] In Deutschland gab es bis Ende 2014 56,07 Mio. PKW-Führerscheinbesitzer (vgl. Statista (2015a)).

^[17] Vgl. Harms (2003), S. 4; Steding/Herrmann/Lange (2004), S. 158.

^[18] Vgl. Arnold et al. (2010), S. 10; Gossen/Scholl (2011), S. 1; Harms/Truffer (2005), S. 4; Steding/Herrmann/Lange (2004), S. 158; Wilke/Bongardt (2007), S. 1747.

^[19] Vgl. u.a. Firnkorn/Müller (2011); Herrmann/Schulte/Voß (2014); Loose (2010); Scholl et al. (2013); Pieper et al. (2013); Wilke/Bongardt (2007).

^[20] Vgl. u.a. Baum/Pesch (1995); Behrendt (2000); Fazel (2014); Harms (2003); Harms/Truffer (2005); Hoffmann (2009); Schrader (2001).

^[21] Vgl. Bagozzi/Lee (1999), S. 224; Fazel (2014), S. 2 und S. 82 f.; Kollmann (1998), S. 61 und S.92; Königstorfer (2008), S. 11; Meijkamp/Theunissen (1996), S. 2.

^[22] Vgl. Bundesverband CarSharing e.V. (2014), S. 3.

^[23] Vgl. Fazel (2014), S. 43.

^[24] Vgl. Stein (2015), S. 30.

^[25] Vgl. Heinrichs/Grunenberg (2012), S. 3; Heinrichs (2013), S. 229, John (2013), S. 119.

^[26] Vgl. Botsman/Rogers (2011), S. XV f.; Heinrichs/Grunenberg (2012), S. 2.

^[27] Vgl. Botsman (2013); Heinrichs/Grunenberg (2012), S. 2.

^[28] Vgl. Botsman/Rogers (2011), S. 70 f.; Heinrichs/Grunenberg (2012), S. 2.

^[29] Vgl. Belk (2013), S. 1597.

^[30] Vgl. Belk (2013), S. 1597; Ozanne/Ballantine (2010), S. 485; Smolka/Hienerth (2014), S. 5.

^[31] Vgl. Heinrichs/Grunenberg (2012), S. 7.

^[32] Vgl. Bardhi/Eckhardt (2012), S. 881; Scholl et al. (2013), S. 2.

^[33] Vgl. Institut für Mobilitätsforschung (2011), S. 18.

^[34] Vgl. Scholl et al. (2013), S. 3.

^[35] Vgl. Heinrichs/Grunenberg (2012), S. 8.

^[36] Vgl. Botsman/Rogers (2010), S. 100; Heinrichs/Grunenberg (2012), S. 4 und S. 9; Scholl et al. (2013), S.2.

^[37] Vgl. Bardhi/Eckhardt (2012), S. 883; Heinrichs/Grunenberg (2012), S. 9.

^[38] Vgl. Owyang/Tran/Silva (2013), S. 6.

^[39] Vgl. Aigrain (2012), S. 21; Belk (2013), S. 1595; Stein (2015), S. 28.

^[40] Vgl. Gansky (2010), S. 63; John (2013), S. 121; Owyang/Tran/Silva (2013), S. 6.

^[41] Vgl. Gansky (2010), S. 23.

^[42] Vgl. Owyang/Tran/Silva (2013), S. 6.

^[43] Vgl. RelayRides (2015).

^[44] Vgl. Bardhi/Eckhardt (2012), S. 884; Owyang/Tran/Silva (2013), S. 5.

^[45] Vgl. Owyang/Tran/Silva (2013), S. 5.

^[46] Vgl. Bardhi/Eckhardt (2012), S. 884.

^[47] Vgl. Belk (2013), S. 1595.

^[48] Vgl. Botsman/Rogers (2011), S. 71; Heinrichs/Grunenberg (2012), S. 3 f.

^[49] Vgl. Botsman/Rogers (2011), S. 73; Botsman (2013); Mont (2001), S. 238.

^[50] Vgl. Botsman/Rogers (2010), S. 72 f.; Heinrichs/Grunenberg (2012), S. 4.

^[51] Vgl. Botsman/Rogers (2010), S. 73; Botsman (2013); Heinrichs/Grunenberg (2012), S. 4.

^[52] Vgl. Mont (2001), S. 239 f.; Piscicelli/Cooper/Fisher (2014), S. 1.

^[53] Vgl. Piscicelli/Cooper/Fisher (2014), S. 1; Schrader (1999), S. 107; Schrader (2001), S. 84.

^[54] Vgl. Fazel (2014), S. 49, Schrader (2001), S. 78.

^[55] Vgl. Fazel (2014), S. 50; Schrader (2001), S. 83; Tukker (2004), S. 248 f.

^[56] Vgl. Fazel (2014), S. 49; Piscicelli/Cooper/Fisher (2014), S. 1.

^[57] Vgl. Heinrichs/Grunenberg (2012), S. 1 f.; PricewaterhouseCoopers (2014).

^[58] Vgl. Owyang/Tran/Silva (2013), S. 8; PricewaterhouseCoopers (2014).

^[59] Vgl. o. V. (2014a); o. V. (2014b); Owyang/Tran/Silva (2013), S. 8.

^[60] Vgl. BITKOM (2013).

^[61] Vgl. Heinrichs (2013), S. 230.

^[62] Vgl. Hecking (2014); o. V. (2013); Schmidt (2013).

^[63] Vgl. Hecking (2014); Hintze (2013); Kotowski (2014).

^[64] Vgl. Heinrichs/Grunenberg (2012), S. 15.

^[65] Vgl. Blieffert (2013), S. 31; Botsman/Rogers (2011), S. 75.

^[66] Vgl. Heinrichs/Grunenberg (2012), S. 18.

^[67] Vgl. Geron (2013), S. 62; Heinrichs/Grunenberg (2012), S. 17; Zimmermann (2014), S. 3.

^[68] Vgl. Staun (2014).

^[69] Vgl. PricewaterhouseCoopers (2014).

^[70] Vgl. Firnkorn/Müller (2011), S. 1519; Haubold/Möhrle (2014), S. 307; Schrader (2001), S. 81 f.

^[71] Vgl. Loose et al. (2004), S. 19.

^[72] Vgl. Alfian/Rhee/Yoon (2014), S. 60; Fazel (2014), S. 33.

^[73] Vgl. Gossen (2012), S. 27; Fazel (2014), S. 35.

^[74] Vgl. Franke (2001), S. 17; Gossen (2012), S. 28; Loose et al. (2004), S. 19; Sakhdari (2006), S.23.

^[75] Vgl. Gossen (2012), S. 28; Sakhdari (2006), S. 23.

^[76] Vgl. Efthymiou/Antoniou/Waddel (2013), S. 65; Fazel (2014), S. 31; Sakhdari (2006), S. 23.

^[77] Vgl. Gossen/Scholl (2011), S. 1 f.; Haubold/Möhrle (2014), S. 308.

^[78] Vgl. Gossen/Scholl (2011), S. 1; Sakhdari (2006), S. 23.

^[79] Vgl. Gossen/Scholl (2011), S. 2; Sonnberger/Carrera (2012), S. 12.

^[80] Vgl. Gossen/Scholl (2011), S. 2; Sonnberger/Carrera (2012), S. 12.

^[81] Vgl. Fazel (2014), S. 31; Sakhdari (2006), S. 28.

^[82] Vgl. Fazel (2014), S. 32; Sakhdari (2006), S. 28.

^[83] Vgl. Maertins (2006), S. 24; Wilke/Bongardt (2007), S. 1747.

^[84] Vgl. Maertins (2006), S. 24; Zentes/Freer/Beham (2012), S. 66 f.

^[85] Vgl. Fazel (2014), S. 38; Rammler/Sauter-Servaes (2013), S. 34; Schaefers (2013), S. 69; Zentes/Freer/Beham (2012), S. 66.

^[86] Vgl. hier und im Folgenden Bundesverband CarSharing e.V. (2014), S. 3;. Bundesverband CarSharing e.V. (2015a). Eine Studie von BITKOM geht sogar von über 4 Mio. Carsharing-Nutzern in Deutschland aus. Diese Zahlen werden vom Bundesverband CarSharing e.V. jedoch als zu hoch erachtet und daher nicht berücksichtigt (vgl. BITKOM (2014); Bundesverband CarSharing e.V. (2015b)).

^[87] Die Reichweite wird hierbei definiert als die erreichbare Bevölkerung in den Gebieten mit entsprechenden Carsharing-Angeboten (vgl. Bundesverband CarSharing e.V. (2014), S. 3 f.).

^[88] Vgl. Gossen (2012), S. 32.

^[89] Vgl. Behrendt (2000), S. 29 f.; Muheim (1998), S. 44.

^[90] Vgl. Petersen (1995), S. 62-69; Sakhdari (2006), S. 23-25.

^[91] Vgl. Baum/Pesch (1994), S. 87; Gossen (2010), S. 39; Loose (2010), S. 53; Muheim (1998), S.44.

^[92] Vgl. Schaefers (2013), S. 75.

^[93] Vgl. Schaefers (2013), S. 74.

^[94] Vgl. Schaefers (2013), S. 73 f.

^[95] Vgl. Schaefers (2013), S. 74.

^[96] Vgl. Behrendt (2000), S. 29 f.

^[97] Vgl. Harms/Truffer (2005), S. 20; Sakhdari (2006), S. 29.

^[98] Vgl. Harms/Truffer (2005), S. 20.

^[99] Vgl. hier und im Folgenden Behrendt (2000), S. 31; Efthymiou/Antoniou/Waddel (2013), S. 72; Gossen (2012), S. 34; Loose (2010), S. 2; Maertins (2006), S. 20; Wilke/Bongardt (2007), S. 1751.

^[100] Vgl. Gossen (2012), S. 34; Harms/Truffer (2005), S. 16.

^[101] Vgl. Rammler/Sauter-Servaes (2013), S. 26; Schaefers (2013), S. 74 f.; Sonnberger/Carrera (2012), S.5.

^[102] Vgl. Gossen (2012), S. 41.

^[103] Vgl. Zentes/Freer/Beham (2012), S. 66 f.

^[104] Vgl. Firnkorn/Müller (2011), S. 1520; Grünweg (2009).

^[105] Vgl. Car2go (2015); Schlesiger (2014).

^[106] Vgl. Bay (2014).

^[107] Vgl. Daniel (2014); o. V. (2014d); Zentes/Freer/Beham (2012), S.67.

^[108] Vgl. Citroën Multicity (2015).

^[109] Vgl. o. V. (2014c); Spotcar (2015).

^[110] Vgl. flow>k (2015a).

^[111] Vgl. Loose (2010), S. 115.

^[112] Vgl. Loose (2010), S. 115.

^[113] Vgl. hier und im Folgenden Behrendt (2000), S. 36; Fazel (2014), S. 42; Loose (2010), S. 120 f.; Sonnberger, Carrera (2012), S. 7.

^[114] Vgl. Gossen (2012), S. 43.

^[115] Vgl. Loose (2010), S. 2.

^[116] Vgl. Fazel (2014), S. 42; Litman (2000), S. 2.

^[117] Vgl. Behrendt (2000), S. 36; Chen/Chao (2011), S. 128; Fazel (2014), S. 42; Harms (2003), S. II; Harms/Lanzendorf/Prillwitz (2007), S. 744.

^[118] Vgl. Loose (2010), S. 122.

^[119] Vgl. Litman (2000), S. 2.

^[120] Vgl. Baum/Pesch (1994), S. 44 f.; Franke (2001), S. 17 f.; Sakhdari (2006), S. 25.

^[121] Vgl. Gossen (2012), S. 42; Grießhammer et al. (2010), S. 28.

^[122] Vgl. Wilke/Bongardt (2007), S. 1753.

^[123] Vgl. Kröger (2014); Shaheen/Mallery/Kingsley (2012), S. 80.

^[124] Vgl. Fazel (2014), S. 43; Schlesiger (2014).

^[125] Vgl. Fazel (2014), S. 43; Schlesiger (2015), S. 26.

^[126] Vgl. Fazel (2014), S. 76; Hauschild/Salomo (2011), S. 4; Salomo (2008), S. 15.

^[127] Vgl. Schumpeter (1947), S. 151.

^[128] Vgl. Rogers (2003), S. 12.

^[129] Vgl. Hauschild/Salomo (2011), S. 5; Rogers (2003), S. 12.

^[130] Hauschild/Salomo (2011), S. 4 f.

^[131] Vgl. Schrader (2001), S. 121.

^[132] Vgl. Müller-Böling/Müller (1986), S. 24; Salomo (2008), S. 27; Schrader (2001), S. 125.

^[133] Vgl. Kollmann (1998), S. 69; Müller-Böling/Müller (1986), S. 25 f.; Salomo (2008), S. 27; Schrader (2001), S. 124.

^[134] Vgl. Salomo (2008), S. 27.

^[135] Vgl. Salomo (2008), S. 27 f.

^[136] Vgl. Kollmann (1998), S. 61; Salomo (2008), S. 29.

^[137] Vgl. Kollmann (1998), S. 69.

^[138] Vgl. Fazel (2014), S. 82 f.; Kollmann (1998), S. 54; Salomo (2008), S. 26, Schrader (2001), S.125 und S.131.

^[139] Vgl. Schrader (2001), S. 131.

^[140] Vgl. Rogers (2003), S. 21.

^[141] Vgl. hier und im Folgenden Fazel (2014), S. 80; Götze (2011), S. 26-28; Rogers (2003), S. 206.

^[142] Vgl. Rogers (2003), S. 170.

^[143] Vgl. hier und im Folgenden Fazel (2014), S. 94 f.; Götze (2011), S. 73-75; Rogers (2003), S. 15 f.; Tornatzky/Klein (1982), S. 40.

^[144] Vgl. Rogers (2003), S. 229; Terporten et al. (2013), S. 374.

^[145] Vgl. Fazel (2014), S. 83; Kollmann (1998), S. 69; Schrader (2001), S. 134 f.

^[146] Vgl. Kollmann (1998), S. 69.

^[147] Vgl. Fazel (2014), S. 82 f.; Kollmann (1998), S. 61 und S. 92; Königstorfer (2008), S. 11.

^[148] Vgl. Fazel (2014), S. 103.

^[149] Vgl. Fazel (2014), S. 103 f.; Fishbein/Ajzen (1975), S. 16; Königstorfer (2008), S. 22 f.; Schierz (2008), S. 81; Sheppard/Hartwick/Warshaw (1988), S. 325; Venkatesh et al. (2003), S. 428.

^[150] Vgl. Königstorfer (2008), S. 22 f.

^[151] Vgl. Fishbein/Ajzen (1975), S. 301.

^[152] Vgl. Fishbein/Ajzen (1975), S. 302.

^[153] Vgl. Fishbein/Ajzen (1975), S. 16.

^[154] Vgl. Davis (1986), S. 21; Fishbein/Ajzen (1975), S. 307; Schierz (2008), S. 84.

^[155] Vgl. Fishbein/Ajzen (1975), S. 14; Götze (2010), S. 32; Königstorfer (2008), S. 23; Sheppard/Hartwick/Warshaw (1988), S. 325.

^[156] Vgl. Königstorfer (2008), S. 23; Sheppard/Hartwick/Warshaw (1988), S. 325.

^[157] Vgl. Ajzen (1985), S. 12 f.; Ajzen (1991), S. 181; Ajzen (2005), S. 117 f.

^[158] Vgl. Ajzen (1991), S. 182 f.; Ajzen (2005), S. 118.

^[159] Vgl. Ajzen (1991), S. 183; Fazel (2014), S. 107; Königstorfer (2008), S. 23.

^[160] Vgl. Fazel (2014), S. 108; Königstorfer (2008), S. 23.

^[161] Vgl. Ajzen (1991), S. 182 f. und S. 187; Davis (1986), S. 21 f.; Königstorfer (2008), S. 23.

^[162] Vgl. Davis (1986), S. 22; Königstorfer (2008), S. 23.

^[163] Vgl. Fazel (2014), S. 105.

^[164] Vgl. Davis/Bagozzi/Warshaw (1989), S. 984; Fazel (2014), S. 109; Schierz (2008), S. 85.

^[165] Vgl. Davis (1986), S. 24; Davis/Bagozzi/Warshaw (1989), S. 985; Fazel (2014), S. 109.

^[166] Vgl. Davis/Bagozzi/Warshaw (1989), S. 985.

^[167] Vgl. Dudenhöffer (2013), S. 55; Lee et al. (2003), S. 753.

^[168] Vgl. Davis/Bagozzi/Warshaw (1989), S. 985.

^[169] Vgl. Davis (1989), S. 320; Davis/Bagozzi/Warshaw (1989), S. 985.

^[170] Vgl. Davis (1989), S. 320; Davis/Bagozzi/Warshaw (1989), S. 985; Fazel (2014), S. 111.

^[171] Vgl. Davis (1989), S. 335; Lee/Kozar/Larsen (2003), S. 760.

^[172] Vgl. Davis/Bagozzi/Warshaw (1989), S. 985.

^[173] Im Zuge der Arbeit von Davis (1989) wurde herausgefunden, dass die Einfachheit der Nutzung einen direkten Einfluss auf die Nützlichkeit aufweist (vgl. Davis (1989), S. 331 f.). Zudem wurde die Redundanz der Einstellung durch die Studie von Davis/Bagozzi/Warshaw (1989) verdeutlicht. In dieser besitzen nämlich die Nützlichkeit und die Einfachheit der Nutzung einen direkten Einfluss auf die Verhaltensabsicht (vgl. Davis/Bagozzi/Warshaw (1989), S. 997).

^[174] Vgl. Fazel (2014), S. 116 f.

^[175] Vgl. Abschnitt 4.1.3; Fazel (2014), S. 117.

^[176] Vgl. Lee/Kozar/Larsen (2003), S. 755.

^[177] Vgl. Venkatesh/Davis (2000), S. 188.

^[178] Vgl. Venkatesh/Davis (2000), S. 188.

^[179] Vgl. Venkatesh et al. (2003), S. 425.

^[180] Vgl. Venkatesh et al. (2003), S. 425.

^[181] Vgl. Venkatesh/Bala (2008), S. 280.

^[182] Vgl. Fazel (2014), S. 145.

^[183] Vgl. Chuttur (2009), S. 1; Lee/Kozar/Larsen (2003), S. 752.

^[184] Vgl. Schepers/Wetzels (2007), S. 99; Venkatesh/Davis (2000), S. 186; Venkatesh et al. (2003), S.442.

^[185] Vgl. Bagozzi (2007), S. 244; Fazel (2014), S. 118 f.; Köngistorfer (2008), S. 26.

^[186] Vgl. Köngistorfer (2008), S. 26; Venkatesh/Davis/Morris (2007), S. 268.

^[187] Vgl. Bagozzi (2007), S. 244.

^[188] Vgl. Benbasat/Barki (2007), S. 213; Venkatesh/Ramesh (2006), S. 201.

^[189] Vgl. Chuttur (2009), S. 18.

^[190] Vgl. Benbasat/Barki (2007), S. 212; Lee/Kozar/Larsen (2003), S. 766; Venkatesh/Ramesh (2006), S. 201.

^[191] Vgl. Legris/Ingham/Collerette (2003), S. 202.

^[192] Bedingt durch den empirischen Ansatz dieser Arbeit wird auf eine Darstellung konzeptioneller Studien verzichtet.

^[193] Vgl. Harms (2003), S. 10.

^[194] Vgl. Hoffmann (2009), S. 24; Maertins (2006), S. 5.

^[195] Vgl. Fazel (2014), S. 123 f.; Pieper et al. (2013), S. 384.

^[196] Vgl. Abschnitt 3.5.

^[197] Vgl. Meijkamp (2000), S. 21 f.

^[198] Vgl. Hoffmann (2009), S. 216; Maertins (2006), S. 14.

^[199] Vgl. Herrmann/Schulte/Voß (2014), S. 151.

^[200] Vgl. Meijkamp (2000); Schrader (1999); Schrader (2001).

^[201] Vgl. Abschnitt 3.5; Meijkamp (2000); Schrader (1999); Schrader (2001).

^[202] Vgl. Harms (2003); Herrmann/Schulte/Voß (2014).

^[203] Aus diesem Grund wird in der vorliegenden Arbeit auf einen Vergleich der Kundenwahrnehmung von Carsharing mit der Wahrnehmung anderer Verkehrsmittel (z.B. öffentliche Verkehrsmittel, Privat-PKW) verzichtet, wie dies z.B. von Schrader (2001) oder Meijkamp (2000) gemacht wird.

^[204] Vgl. o. V. (2011).

^[205] Vgl. Salomo (2008), S. 42 und S. 49.

^[206] Vgl. Abschnitt 4.2.2.3.

^[207] Vgl. Chen/Chao (2011), S. 130; Fazel (2014), S. 178; Pieper et al. (2013), S. 384.

^[208] Der Begriff „Carsharing“ bezieht sich im Folgenden stets auf kommerzielles, stationsunabhängiges Carsharing.

^[209] Vgl. Hoffmann (2009), S. 109 f. und S. 176 f.

^[210] Vgl. Abschnitt 4.1.2; Salomo (2008), S. 50.

^[211] Vgl. z.B. Legris/Ingham/Collerette (2003); Taylor/Todd (1995); Venkatesh/Davis (2000).

^[212] Vgl. Abschnitt 4.2.2.1.

^[213] Vgl. Abschnitt 4.2.1 und Abschnitt 4.2.2.1.

^[214] Vgl. Salomo (2008), S. 27.

^[215] Vgl. Hoffmann (2009), S. 177 f.

^[216] Vgl. Hoffmann (2009), S. 216.

^[217] Vgl. Meijkamp (2000), S. 21.

^[218] Vgl. Hoffmann (2009) S. 170 und S. 184.

^[219] Vgl. Abschnitt 3.3 und Abschnitt 4.1.3.

^[220] Vgl. Baum/Pesch (1994), S. 87; Gossen (2010), S. 39; Loose (2010), S. 53; Muheim (1998), S. 44.

^[221] Vgl. Schaefers (2013), S. 75.

^[222] Vgl. Hoffmann (2009), S. 209.

^[223] Vgl. Fazel (2014), S. 156 f. und S. 294.

^[224] Vgl. Hoffmann (2009), S. 266.

^[225] Vgl. Sakhdari (2006), S. 29.

^[226] Vgl. Hoffmann (2009), S. 208.

^[227] Vgl. Hoffmann (2009), S. 216.

^[228] Vgl. Maertins (2006), S. 15.

^[229] Vgl. Abschnitt 4.2.2.1.

^[230] Vgl. Davis/Bagozzi/Warshaw (1992), S. 1115.

^[231] Vgl. Hoffmann (2009), S. 215.

^[232] Vgl. Maertins (2006), S. 15.

^[233] Vgl. Sonnberger/Carrera (2012), S. 5; Steding/Herrmann/Lange (2004), S. 158.

^[234] Vgl. Abschnitt 4.2.2.2; Venkatesh/Davis (2000), S. 186; Venkatesh/Bala (2008), S. 277.

^[235] Vgl. Fazel (2014), S. 283.

^[236] Vgl. Dudenhöffer (2013), S. 167.

^[237] Vgl. z.B. Harms (2003); Bamberg/Ajzen/Schmidt (2003); Bamberg/Rölle/Weber (2003).

^[238] Vgl. Chen/Chao (2011), S. 129.

^[239] Vgl. Harms/Truffer (2005), S. 9.

^[240] Vgl. Hoffmann (2009), S. 102.

^[241] Vgl. Harms/Truffer (2005), S. 9; Loose et al. (2004), S. 154; Meijkamp (2000), S. 21; Schrader (1999), S. 116; Schrader (2001), S. 345.

^[242] Vgl. Hoffmann (2009), S. 134 und S. 216.

^[243] Vgl. Loose et al. (2004), S. 154.

^[244] Vgl. Loose (2010), S. 4.

^[245] Vgl. Loose et al. (2004), S. 154; Maertins (2006), S. 69.

^[246] Vgl. hier und im Folgenden Fazel (2014), S. 170 f. und S. 283.

^[247] Vgl. Henseler/Ringle/Sinkovics (2009), S. 304.

^[248] Vgl. Hopwood (2007), S. 263; Sarstedt/Henseler/Ringle (2011), S. 198.

^[249] Vgl. Becker (2005), S. 274 f.; Liang et al. (2007), S. 66; Weiber/Mühlhaus (2014), S. 19.

^[250] Vgl. Weiber/Mühlhaus (2014), S. 19; Wooldridge (2012), S. 512 f.

^[251] Vgl. Davis/Bagozzi/Warshaw (1989), S. 982.

^[252] Vgl. Venkatesh et al. (2003), S. 439.

^[253] Vgl. Fazel (2014), S. 175 f.

^[254] Vgl. Schrader (2001), S. 345.

^[255] Vgl. Abschnitt 3.3.

^[256] Vgl. Fazel (2014), S. 278.

^[257] Vgl. Fazel (2014), S. 278.

^[258] Vgl. Abschnitt 3.3.

^[259] Vgl. Fantapié Altobelli/Hoffmann (2011), S. 10-13; Iacobucci/Churchill (2010), S. 85 und S. 104.

^[260] Vgl. Fantapié Altobelli/Hoffmann (2011), S. 10 f.

^[261] Vgl. Abschnitt 3.4 zu näheren Informationen zum flow>k -Angebot.

^[262] Vgl. Tabelle F.1 im Anhang für eine Übersicht bzgl. der Einwohnerzahlen und der Verkehrsinfrastruktur in den vier Zielstädten.

^[263] Vgl. Meffert/Burmann/Kirchgeorg (2012), S. 162; Zerr (2003), S. 24.

^[264] Vgl. Abbildung A.1 bis Abbildung A.5 im Anhang

^[265] Vgl. Abbildung B.1 bis Abbildung B.5 im Anhang.

^[266] Vgl. Venkatesh et al. (2003), S. 460.

^[267] Vgl. Klarmann (2008), S. 56; Preston/Colman (2000), S. 13.

^[268] Das Abstellen von flow>k -Fahrzeugen ist je nach Stadtteil kostenpflichtig. Es gibt dabei drei Zonen, in denen das Parken je nach Zentralität 0 Euro, 5 Euro oder 10 Euro kostet (vgl. flow>k (2015b)). An diesen Zonen orientiert sich die vorliegende Einteilung der Stadtteile. Die vierte, in dieser Arbeit definierte Zone umfasst alle Stadtteile, die außerhalb des Geschäftsgebiets des flow>k -Angebots liegen. Die genaue Zonenzuordnung wird im Anhang in Tabelle A.2 dargestellt.

^[269] Vgl. Fantapié Altobelli/Hoffmann (2011), S. 59; Iacobucci/Churchill (2010), S. 223 f.

^[270] Vgl. Weiber/Mühlhaus (2014), S. 142 f.

^[271] Vgl. Backhaus/Erichson/Weiber (2013), S. 140; Weiber/Mühlhaus (2014), S. 141 f.

^[272] Vgl. Tabelle A.3 und Tabelle B.2 im Anhang für die genauen Ergebnisse der Pretests.

^[273] Es wurde z.B. aufgrund der inhaltlichen Relevanz der Items OM1_04 und OM2_04 trotz unzufrieden stellender Indikatorreliabilitäten auf eine Eliminierung ebendieser Items verzichtet.

^[274] Vgl. Weiber/Mühlhaus (2014), S. 24.

^[275] Vgl. Fazel (2014), S. 181; Hair (2006), S. 711; Weiber/Mühlhaus (2014), S. 21 f.

^[276] Vgl. Fazel (2014), S. 181; Weiber/Mühlhaus (2014), S. 67.

^[277] Vgl. Fazel (2014), S. 190; Weiber/Mühlhaus (2014), S. 24.

^[278] Vgl. Weiber/Mühlhaus (2014), S. 24 und S. 73.

^[279] Vgl. Sosik/Kahai/Piovoso (2009), S. 16; Weiber/Mühlhaus (2014), S. 54.

^[280] Vgl. hier und im Folgenden Fazel (2014), S. 191 f.; Weiber/Mühlhaus (2014), S. 25 und S. 67.