Akzeptanz von Telematik-Tarifen in der Kraftfahrtversicherung im Privatkundensegment. Identifikation und Messung von Treibern und Barrieren

Inhaltsverzeichnis

Abbildungs- und Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Problemstellung und Zielsetzung der Untersuchung
1.2 Gang der Untersuchung

2 Einsatz von Telematik in der Kraftfahrtversicherung
2.1 Grundkonzept eines Telematik-Tarifes
2.2 Konzeptrealisierung in der Praxis
2.3 Mehrwerte und Risiken aus Sicht der Versicherungsnehmer

3 Theorien und Modelle
3.1 Begriffsbestimmung und theoretische Einordnung
3.2 Identifikation von Variablen der Akzeptanz aus den theoretischen Modellen
3.2.1 Theory of Reasoned Action
3.2.2 Technology Acceptance Model
3.2.3 Innovation Diffusion Theory
3.3 Identifikation weiterer Variablen aus der Praxis auf Basis des Experteninterviews
3.4 Theoriegeleitete Modellentwicklung zur Analyse der Akzeptanz von Telematik-Tarifen

4 Empirische Untersuchung
4.1 Methodische Grundlagen zur Datenerhebung
4.2 Datenerhebung mittels Online-Befragung
4.2.1 Operationalisierung der Modellkonstrukte / Fragebogenkonzeption
4.2.2 Pretest
4.2.3 Durchführung der Befragung
4.2.4 Datenbereinigung
4.3 Statistischer Ansatz zur Datenanalyse

5 Datenanalyse
5.1 Stichprobenbeschreibung und deskriptive Statistiken
5.2 Gütebeurteilung der Modelle
5.2.1 Gütebeurteilung des Messmodells
5.2.2 Gütebeurteilung des Strukturmodells
5.3 Untersuchungsergebnisse und Prüfung der Hypothesen

6 Diskussion der Auswertung

7 Fazit und Ausblick

Anhang
Anhang 2 – Dokumentation Experteninterview

Literaturverzeichnis

Abbildungs- und Tabellenverzeichnis

Abbildung 1: Theory of Reasoned Action

Abbildung 2: Technology Acceptance Model

Tabelle 3: Definitionen verwendeter latenter Variablen

Abbildung 4: Modell zur Analyse der Abschlussintention eines Telematik-Tarifes

Abbildung 5: Aufbau eines Strukturgleichungsmodells

Tabelle 6: Altersgruppenverteilung

Tabelle 7: Verteilung der Abschlussbereitschaft von Telematik

Tabelle 8: Verteilung der Stichprobe nach Altersgruppen

Tabelle 9: Nachlasserwartung für den Wechsel in einen Telematik-Tarif

Abbildung 10: Ergebnisse der Strukturgleichungsmodellierung

Tabelle 11: Zusammenfassende Darstellung der Hypothesenüberprüfung

Abbildung 12: Verteilung der Abschlussbereitschaft

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung und Zielsetzung der Untersuchung

Mit erzielten Beitragseinnahmen von mehr als 25 Mrd. Euro p. a. ist die Kraftfahrtversicherung die größte Sparte innerhalb der Schaden- und Unfallversicherung mit einer hohen betriebswirtschaftlichen Bedeutung für Erstversicherungsunternehmen in Deutschland. Hohe Schadenzahlungen belasten jedoch die Profitabilität dieses Geschäftsfeldes. So sind Schaden-Kosten-Quoten (Verhältnis von Aufwendungen für Schadenzahlungen und Versicherungsbetrieb zu verdienten Beiträgen) über 100 %^[1] für Versicherungsgesellschaften in der Kraftfahrtsparte deshalb nicht ungewöhnlich.^[2] Gleichzeitig zwingt die Vergleichbarkeit der Produkte und die hohe Rivalität im Markt die Kraftfahrtversicherer nach neuen Wegen zur Kundengewinnung zu suchen, wobei eine reine Prämiensenkung ohne eine entsprechende Entlastung auf der Kostenseite in einer solchen Konstellation zumeist ökonomisch nicht vertretbar ist.^[3]

Eines der aktuell diskutierten Konzepte zur Ertragssteigerung in der Kfz-Versicherung ist die Einbindung von Big Data in die Produktgestaltung, mit dem Ziel, die Tarife zu individualisieren und stärker an das individuelle Risiko der Kunden auszurichten. Unter der Bezeichnung „Telematik-Tarif“ oder „Pay-how-you-drive“ (PHYD) wird bei diesen Tarifen das spezifische Unfallrisiko eines bestimmten Fahrzeugs anhand der tatsächlichen Fahrweise ermittelt und bei der Prämienberechnung berücksichtigt. Ein risikoaverser Fahrstil soll mit einem Prämiennachlass belohnt, eine risikofreudige Fahrweise dagegen sanktioniert werden.

Dieses Tarifmodell soll vor allem für sicherheitsbewusste Fahrer eine attraktive Alternative zu einem traditionellen Kfz-Versicherungsvertrag darstellen, bei welcher sie nicht mehr das risikoreiche Fahrverhalten „schlechter“ Fahrer durch einen zu ihrem eigenen Risiko relativ hohen Versicherungsbeitrag subventionieren müssen. Umgekehrt sollen ökonomische Anreize in Form von geringeren Beiträgen im Idealfall zur Änderung des Fahrverhaltens risikoreicher Fahrer führen und so die Schadenhäufigkeit reduzieren.^[4]

In den USA entfallen bereits zehn Prozent der Marktanteile auf die PHYD-Tarife. Auch in Großbritannien sind die Telematiktarife schon fest etabliert.^[5] Ganz anders sieht hingegen die Entwicklung in Deutschland aus. Hier stehen die Telematik-Tarife noch ganz am Anfang. Und auch die Meinungen gegenüber dieser Innovation sind zweigeteilt. Während die einen die risikogerechte Prämiengestaltung befürworten, sehen die anderen die permanente Überwachung beim Fahren als ein „Horrorszenario“.^[6]

Im Rahmen der vorliegenden Masterarbeit soll deshalb die Akzeptanz von Telematik-basierten Tarifen in der Kraftfahrtversicherung bei den Privatkunden empirisch untersucht werden. Im Ergebnis soll die Erhebung eine Antwort auf die Forschungsfrage liefern, welche Treiber und Barrieren der Akzeptanz von Telematik-basierten Tarifen in der Kraftfahrtversicherung bei den Privatkunden existieren und wie stark deren Einfluss auf das Entscheidungsverhalten der Versicherungsnehmer ist. Die Identifikation und das Verständnis wesentlicher Einflussfaktoren können vor allem wertvolle Erkenntnisse darüber liefern, welche Rahmenbedingungen geschaffen werden sollen, um den Telematik-Produkten einen erfolgreichen Durchbruch auf dem deutschen Kfz-Versicherungsmarkt zu verschaffen.

PHYD-Konzepte werden zwar in der Praxis bereits intensiv diskutiert, in der deutschen Literatur finden sich jedoch nur wenige Beiträge, die sich mit der Akzeptanz von Telematik-Tarifen beschäftigen. Nur vereinzelte Untersuchungen werden außerdem in den Rahmen der Akzeptanzforschung eingebettet. Diese Forschungslücke soll mit der vorliegenden Arbeit aufgegriffen werden. Dafür soll nach Betrachtung der drei wesentlichen Modelle der Adoptions- und Akzeptanzforschung ein eigenes, kontextspezifisches, theoretisches Modell zur Identifizierung von Einflussfaktoren und Erklärung der Akzeptanz entwickelt und auf Basis empirisch erhobener Daten auf die Forschungsfrage angewendet werden.

1.2 Gang der Untersuchung

Die vorliegende Untersuchung gliedert sich in sieben Kapitel. Die Struktur der Arbeit leitet sich aus der Forschungsfrage ab und orientiert sich am klassischen Aufbau von empirischen Forschungsarbeiten.

Das Kapitel eins gibt zunächst einen Überblick über die Problemstellung und die Zielsetzung der Forschungsarbeit. In Kapitel zwei wird die Funktionsweise von Telematik-Tarifen erläutert. Das Augenmerk wird darauf gelegt, die praktische Konzeptrealisierung sowie die aus dem Tarif resultierenden Mehrwerte und Risiken aus Kundensicht darzustellen. In der vorliegenden empirischen Erhebung wird die Wahrnehmung dieser Kriterien untersucht. Das Verständnis der wesentlichen Produkteigenschaften ist für die spätere Einordnung der Ergebnisse von entscheidender Bedeutung.

Kapitel drei widmet sich der Beschreibung der theoretischen Grundlage der Forschungsarbeit. Der Schwerpunkt liegt dabei in der Entwicklung eines eigenen theoretischen Modells zur Erklärung der Akzeptanz von Telematik-Tarifen und der Formulierung entsprechender Forschungshypothesen. Dafür werden im ersten Schritt drei wesentliche Modelle der Adoptions- und Akzeptanzforschung mit deren Konstrukten detailliert beschrieben sowie ergänzende Variablen aus der Praxis im Rahmen eines Experteninterviews erfasst. Aus diesem Pool an Konstrukten wird im zweiten Schritt das theoretische Modell für die vorliegende Arbeit konzipiert.

In Kapitel vier werden methodische Grundlagen zur Datenerhebung sowie die im Zusammenhang mit der empirischen Untersuchung durchzuführenden Vor- und Nachbereitungen vorgestellt. Die ausgewählte Form der Befragung wird im Hinblick auf den Untersuchungsgegenstand beurteilt, die theoretischen Konstrukte in einzelne Items operationalisiert, der Fragebogen getestet und der Prozess der Datenbereinigung im Anschluss an die Befragung geschildert. Des Weiteren wird der statistische Auswertungsansatz der Strukturgleichungsmodellierung erläutert sowie die Auswahl der varianzbasierten „Partial Least Squares“ (PLS)-Methode begründet.

Die Vorstellung der Untersuchungsergebnisse mit Bewertungen einzelner Hypothesen findet in Kapitel fünf statt. Dazu wird im Vorfeld nach einer kurzen Beschreibung der Stichprobe und der deskriptiven Statistik zunächst die Güte der erhobenen Daten sowie des zugrunde gelegten Modells überprüft. Die kritische Interpretation der Ergebnisse aus der Datenauswertung findet im darauf folgenden Kapitel sechs statt.

Die Forschungsarbeit schließt mit einem Fazit in Kapitel sieben. Nach einem kurzen Überblick über die durchgeführte Untersuchung werden daraus abgeleitete Handlungsempfehlungen für die Praxis ausgesprochen, Grenzen dieser Masterarbeit aufgezeigt sowie ein Ausblick auf weitere Forschungsfelder gegeben.

2 Einsatz von Telematik in der Kraftfahrtversicherung

2.1 Grundkonzept eines Telematik-Tarifes

Telematik ist eine Verknüpfung der Begriffe Telekommunikation und Informatik.^[7] Es ist eine Technologie, die die Funktionen der Navigation, Ortung, Informatik und Kommunikation miteinander vernetzt. Sie ermöglicht eine drahtlose Übertragung von Informationen und deren anschließende Weiterverarbeitung.^[8]

In der Kfz-Versicherung kann mithilfe von Telematik das Fahrverhalten der Fahrzeugnutzer erfasst und anhand der übermittelten Daten analysiert werden. Auf dieser Basis lassen sich im Ergebnis individuelle Risikoprofile der Kunden erstellen, die maßgeblich die Höhe der zu zahlenden Prämie bestimmen. Mit der Telematik eröffnet sich also für die Versicherungsunternehmen die Möglichkeit einer nutzenbasierten Kalkulation der Kfz-Versicherungsprämie. Die Versicherungsmodelle, die bei der Kalkulation den Fahrstil berücksichtigen, werden deshalb auch als Pay-how-you-drive (PHYD) tituliert. Der Grundgedanke derartiger Tarife besteht darin, dass ein risikoaverser Fahrstil mit einem Prämienrabatt belohnt und ein risikoreiches Fahrverhalten dagegen mit Prämienzuschlägen sanktioniert wird.^[9]

Der Beitrag einer konventionelle Kfz-Versicherung wird primär durch folgende Merkmale bestimmt:

- Fahrzeugdaten (Hersteller, Motorleistung)
- PKW-Zulassungsort
- Sozio-demografische Merkmale der Fahrzeugnutzer (Alter, Jahr des Führerscheinerwerbs, ggf. Beruf und Unfallhistorie)
- Angaben des Kunden zur jährlichen Fahrleistung, welche nur begrenzt kontrollierbar sind.

Die Prämienkalkulation basiert somit auf historischen Daten und berücksichtigt nur mäßig die tatsächliche Fahrleistung sowie das individuelle Fahrverhalten nach Abschluss eines Versicherungsvertrages. Die pauschale Preisberechnung führt dazu, dass „gute“ Fahrer die risikoreiche Fahrweise „schlechter“ Fahrer durch einen zu ihrem persönlichen Risiko unangemessen hohen Mehrbeitrag subventionieren. Das konventionelle Versicherungsmodell bietet somit dem Fahrer kaum einen ökonomischen Anreiz, durch das Fahrverhalten sein Risikoprofil zu verbessern.^[10]

Ein solcher Anreiz soll dagegen mit einem Telematik-Tarif geschaffen werden. Das individuelle Unfallrisiko wird bei der Prämienberechnung berücksichtigt, indem die tatsächliche Fahrweise als Kalkulationselement mit einbezogen wird. Es wird insofern erwartet, dass ein auf ökonomisches Handeln bedachter Versicherungsnehmer in einem Telematik-Tarif sich bemühen wird, sein Risikoprofil so gering wie möglich zu halten, um seine Versicherungsprämie zu minimieren.^[11]

In der Praxis lassen sich bis dato drei Formate der Telematik-Tarife unterscheiden:

1. Im einfachsten Modell wird lediglich die tatsächlich gefahrene Kilometerleistung zusätzlich bei der Kalkulation berücksichtigt. Hierzu wird zum Ende des Jahres der Kilometerstand an den Versicherer übermittelt.
2. Im zweiten Modell fließen neben der Kilometerleistung auch die Geschwindigkeit und das Bremsverhalten in die Bildung des Risikoprofils ein.
3. Die dritte Variante ist GPS-basiert und erfasst in Echtzeit das gesamte Bewegungsprofil des Fahrzeugs.^[12]

In der vorliegenden Untersuchung wird ausschließlich das dritte und somit „echte“ Telematik-Modell behandelt. Die für die Prämienberechnung relevanten Kriterien sowie die technische Realisierung werden im folgenden Unterkapitel vorgestellt.

2.2 Konzeptrealisierung in der Praxis

Um aus dem Fahrverhalten das individuelle Risikoprofil des Fahrers zu erstellen, werden Faktoren berücksichtigt, für die in der empirischen Unfallforschung ein signifikanter Zusammenhang mit PKW-Unfallrisiken festgestellt wurde.^[13]

Da zum aktuellen Zeitpunkt das Angebot an Telematik-Tarifen in Deutschland sehr überschaubar ist, basiert die nachfolgende Erläuterung auf den Produkten „S-Drive“ der Sparkassen DirektVersicherung (S-Direkt) sowie „Telematik-Garant“ der VHV-Versicherungen (VHV). Die Objektivität der Auswahl ist dadurch begründet, dass die Sparkassen DirektVersicherung der erste Anbieter eines Kfz-Telematik-Tarifes auf dem deutschen Versicherungsmarkt war^[14]. Das Produkt „Telematik-Garant“ hat dagegen aktuell die mit Abstand höchste Positionierung in der Suchmaschine „Google“ bei dem Stichwort „Kfz Telematik“ und auch die höchste Medienpräsenz.^[15]

In beiden Produkten werden die folgenden Faktoren zur Bestimmung des Prämiennachlasses für eine umsichtige und risikoarme Fahrweise gemessen:^[16]

- Die Einhaltung von zulässigen Tempolimits
- Beschleunigungs- , Brems- und Lenkmanöver: Abruptes Bremsen oder Beschleunigung in den Kurven wirkt sich negativ auf die Bewertung aus.
- Straßentyp: Autobahnfahrten werden positiv, Fahrten auf außerörtlichen Landesstraßen oder innerhalb geschlossener Ortschaften negativ bewertet.
- Zeit: Eine Risikoerhöhung stellen z. B. Fahrten zu Hauptverkehrszeiten (17:00 – 18:00 Uhr) im Berufsverkehr oder Nachtfahrten am Wochenende dar. Positiv werden dagegen Fahrten am Vormittag bewertet.

Aus den genannten Kriterien wird ein Score-Wert zwischen 0 (sehr risikoreiche Fahrweise) und 100 (sehr risikoarme Fahrweise) gebildet, der an den Versicherer übermittelt wird. Je höher der Score-Wert, desto höher fällt der Nachlass aus. Die erfassten Kriterien werden je nach Anbieter unterschiedlich gewichtet, wobei die Geschwindigkeit und die Fahrweise deutlich stärker als der Straßentyp und die Zeit berücksichtigt werden.^[17]

Die Daten werden in der Regel mit einer „Telematik-Box“ gesammelt. Diese wird entweder analog dem S-Drive-Modell (S-Direkt) an die Batterie des Fahrzeugs fest angeschlossen oder entsprechend dem Telematik-Garant-Modell (VHV) in den 12-V-Anschluss (Zigarettenanzünder) gesteckt. Die Box sammelt die Fahrdaten und übermittelt diese zur Analyse an den Rechenzentrum-Partner des Versicherers. Der externe Dienstleister ermittelt aus den Daten einen aggregierten Score-Wert, welcher dann dem Versicherer zur Prämienbestimmung zur Verfügung gestellt wird. Beide Versicherer geben auf ihren Webseiten an, dass keine weiteren Details zur Fahrweise an sie übermittelt werden und die gesammelten Daten somit nur für den Versicherungsnehmer einsehbar sind.^[18] Auch das Beratungsunternehmen Towers Watson, welches die Entwicklung von Telematik in Deutschland mit zahlreichen Publikationen forciert, bestätigt, dass in den aktuell auf dem deutschen Kfz-Versicherungsmarkt vorhandenen Telematik-Tarifen dem Versicherer lediglich der Score-Wert zur Verfügung gestellt wird.^[19]

Obwohl theoretisch auch eine vollständige Datenübermittlung an den Versicherer denkbar ist, wofür Towers Watson ausdrücklich wirbt^[20], wird in der vorliegenden Untersuchung die Kundenakzeptanz des Status quo in Deutschland, also der Produkte mit einer ausschließlichen Übermittlung des Score-Wertes, untersucht.

2.3 Mehrwerte und Risiken aus Sicht der Versicherungsnehmer

Ein wesentliches kommerzielles Merkmal von Telematik-Tarifen ist – wie schon im Kapitel 2.1 erwähnt wurde – die Aussicht auf eine Prämienersparnis bei entsprechend vorsichtiger Fahrweise. Gleichzeitig bietet ein Telematik-Produkt durch das Datenmanagement dem PKW-Besitzer noch weitere Zusatzleistungen. Spätestens zum 31. März 2018 sollen im Rahmen der Gesetzesinitiative zur Einführung des eCall alle neuen Fahrzeugmodelle in der Europäischen Union mit einem automatischen Notrufsystem ausgestattet werden^[21], welches bei einem schweren Unfall die Notrufzentrale informiert und den Unfallort übermittelt. Diese Funktion bietet auch die Telematik-Box, ebenso, wie die Möglichkeit, bei Bedarf manuell einen Pannendienst zu rufen. Des Weiteren ermöglicht die Telematik-Box, den Standort des Fahrzeugs zu orten. Insbesondere im Falle eines Diebstahls kann diese Funktion die Suche nach dem gestohlenen Fahrzeug unterstützen. Sowohl im S-Drive der Sparkassen DirektVersicherung als auch im Telematik-Garant der VHV ist diese Zusatzleistung enthalten. Ungewiss ist jedoch die praktische Relevanz dieses Services bei dem VHV-Produkt, vor dem Hintergrund, dass die Signal sendende Telematik-Box für jeden Insassen im Inneren des Fahrzeugs einsehbar im Zigarettenanzünder steckt.^[22] Bei dem Produkt der SparkassenDirektversicherung ist die Box an die Autobatterie angeschlossen und somit für den Fahrer nicht aus dem Fahrzeug zu sehen.^[23] Darüber hinaus werben die Produktgeber mit Beratungsdienstleistungen aus dem Telematik-System. So bekommt der Fahrer ein Feedback zum eigenen Fahrstil und ggf. Empfehlungen zum vorsichtigen oder Sprit sparenden Fahren. Außerdem wird die Möglichkeit eingeräumt, die gefahrene Route in einem Kundenportal einzusehen. Für diese Zusatzleistung können sich Versicherungsnehmer interessieren, die das Fahrverhalten anderer Fahrer des versicherten Fahrzeugs (z. B. der Kinder) im Auge behalten wollen.^[24]

Im anschließenden empirischen Teil der vorliegenden Arbeit wird u. a. untersucht, inwiefern die genannten Zusatzleistungen in der Wahrnehmung der potenziellen Kunden einen für die Produktakzeptanz relevanten Nutzen darstellen.

Eines der in der Literatur herausgestellten Haupthindernisse für die Anbieter von Telematik-Tarifen stellt die Besorgnis der Kunden hinsichtlich der Datensammlung dar. Towers Watson hat in einer europaweiten Studie festgestellt, dass der Umgang mit personenbezogenen Daten bei den Kunden die größten Bedenken auslöst.^[25] Dieser Effekt wird durch Publikationen verstärkt, in welchen die Telematik-Box z. B. als „Spion“ ^[26] bezeichnet wird. Auch die Daten- und Verbraucherschützer raten häufig aufgrund der Datensammlung von dem Abschluss eines Telematik-Tarifes ab. ^[27]

3 Theorien und Modelle

3.1 Begriffsbestimmung und theoretische Einordnung

Der Begriff der Akzeptanz bedeutet im allgemeinen Sprachgebrauch eine „generell zustimmende Haltung eines Individuums bzw. einer sozialen Gruppe gegenüber dem in Frage stehenden Sachverhalt.“^[28] In den wissenschaftlichen Beiträgen wird der Terminus abhängig von der Forschungsrichtung sehr heterogen interpretiert. In der Marketingwissenschaft kann der Akzeptanzbegriff eingesetzt werden, um den Erfolg oder Misserfolg von Marktinnovationen zu erklären.^[29] Eine Begriffsdefinition mit dieser Zielsetzung findet sich bei Kollmann unter den absatztheoretischen Ansätzen wieder. Demnach sei die Akzeptanz in diesem Zusammenhang als subjektive Bewertung unterschiedlicher Produktkonzeptionen zu verstehen und werde generell als Annahme von Produkten durch den Markt definiert.^[30] Dethloff erklärt die Akzeptanz von technologischen Innovationen als „positive Annahme oder Übernahme einer Idee, eines Sachverhalts oder eines Produktes, und zwar im Sinne aktiver Bereitwilligkeit und nicht nur im Sinne reaktiver Duldung“.^[31] Dies bedeutet, dass Nutzer eine Produkt- oder Dienstleistungsinnovation dann annehmen, wenn diese für sie attraktiver erscheint als die bisher auf dem Markt erhältlichen Angebote. Somit bezeichnet die Akzeptanz die dem eigentlichen Handeln, also der Entscheidung für oder gegen die Annahme einer Innovation, vorausgehende Formierung von Einstellungen und Nutzungsabsichten.^[32]

Konzeptionelle Ansätze zur Erklärung der Akzeptanz von Innovationen sind primär in der Diffusions- und Akzeptanzforschung zu finden. Insbesondere in den Modellen der Technologieakzeptanz werden menschliche Akzeptanzfaktoren bei der Entscheidung über die Nutzungsabsicht einer Technologieinnovation thematisiert.^[33]

Als theoretische Grundlage für diese Arbeit dienen deshalb drei Grundtheorien: die Diffusionstheorie (Rogers), die Theory of Reasoned Action (Fishbein; Ajzen) und das Technology Acceptance Model (Davis). Obwohl in der Literatur noch mehrere Weiterentwicklungen dieser Theorien zu finden sind^[34], werden diese aufgrund ihrer Fokussierung auf die Technologieinnovationen nicht primär für die vorliegende Untersuchung betrachtet.

Die Identifikation von Treibern und Barrieren der Akzeptanz von Telematik-Tarifen erfolgt in Anlehnung an diese drei Grundmodelle, die deshalb zunächst in ihren Grundzügen skizziert werden. Der Schwerpunkt liegt dabei auf der Erläuterung der Konstrukte innerhalb der Modelle, welche die Akzeptanz beeinflussen. Diese werden im nächsten Schritt durch weitere kontextspezifische Faktoren aus der Praxis angereichert und anschließend in einem eigenen Modell zusammengefasst.

3.2 Identifikation von Variablen der Akzeptanz aus den theoretischen Modellen

3.2.1 Theory of Reasoned Action

Die Theory of Reasoned Action (TRA) ist ein generelles Verhaltensmodell und stellt einen der wesentlichen Erklärungsansätze für menschliches Verhalten sowie die Basis für weitere Modelle dar.^[35] Die Theorie beruht auf der Annahme, dass das Verhalten von Menschen (actual behavior) allein von der Verhaltensabsicht (Behavioral Intention) gesteuert wird, die wiederum durch die Einstellung gegenüber dem Verhalten (Attitude Toward Behavior) im Zusammenspiel mit der subjektiven Norm (Subjective Norm) determiniert wird. Die Theorie postuliert des Weiteren, dass sog. „salient beliefs“^[36], also Überzeugungen und Meinungen der Person, die beiden Variablen beeinflussen.^[37] Die folgende Abbildung zeigt die Konstrukte des Modells sowie die bestehenden Abhängigkeiten untereinander.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Theory of Reasoned Action, Quelle: Entnommen aus: Fishbein, M.; Ajzen, I. (1975), S. 216.

Die Einstellung (Attitude towards behavior) entsteht aus Annahmen (salient beliefs) der Person über die Konsequenzen der Handlung, multipliziert mit der Evaluation dieser Konsequenzen. Die Annahme repräsentiert somit die Erwartung der Person, dass eine Handlung zu einem bestimmten Ergebnis führt. Die Bewertung der Annahme dient dabei als Multiplikator und regelt die Stärke der salient beliefs. Das Modell besagt damit, dass externe Stimuli die Einstellung der Person gegenüber dem Verhalten nur indirekt, über die Veränderung der Annahmen bzgl. der Konsequenzen beeinflussen.^[38]

Die subjektive Norm spiegelt die normative Überzeugung der Person wider, die sich aus der wahrgenommenen Erwartung des persönlichen Umfelds sowie der Motivation der Person selbst, diese Erwartung zu erfüllen (Motivation to comply), zusammensetzt.^[39]

Die „Theory of Reasoned Action“ stellt als allgemeine Theorie zur Erklärung des Verhaltens einer Person in sich kein abgeschlossenes System dar und erlaubt einsatzspezifische Erweiterungen, solange diese im Bezug zu den im Grundmodell enthaltenen Konstrukten stehen. Aus diesem Grund hat das Modell bereits in unterschiedlichen Kontexten Anwendung gefunden. Die Grundaussage des Modells, dass das tatsächliche Verhalten von der Verhaltensabsicht direkt beeinflusst wird, bleibt jedoch von den Anpassungen unberührt.^[40]

3.2.2 Technology Acceptance Model

Auf Basis der Theory of Reasoned Action entwickelte Davis das derzeit am weitesten verbreitete und empirisch überprüfte Modell zur Erklärung der Akzeptanzfaktoren von technologischen Innovationen – das Technology Acceptance Model (TAM).^[41]

Anders als die TRA analysiert also das Technology Acceptance Model die Akzeptanz neuer Informationstechnologien. Innerhalb dieser Ausrichtung bleibt das Modell jedoch allgemeingültig und erfüllt somit den Anspruch, zur Erklärung der Akzeptanz unterschiedlicher technologischer Innovationen eingesetzt zu werden. Entsprechend definiert Davis, et al., (1989, S. 985) das Ziel des TAM „to provide an explanation of the determinants of computer acceptance that is general, capable of explaining user behavior across a broad range of end-user computing technologies […]”^[42].

Im Technology Acceptance Model wiederholt sich die Kernaussage der Theory of Reasoned Action, dass die eigentliche Systemnutzung (Actual System Use) sich direkt aus der Nutzungsintention (Behavioral Intention to Use) ableitet, die wiederum von der Einstellung zur Nutzung (Attitude Toward Using) determiniert wird. Das wesentliche Merkmal vom Technology Acceptance Model stellen zwei Konstrukte dar, die sowohl auf die Einstellung als auch auf die Nutzungsintention gegenüber der Technologieinnovation einwirken. Diese sind der wahrgenommene Nutzen („Perceived Usefullness“) und die wahrgenommene Einfachheit der Nutzung (Perceived Ease of Use).^[43] Das Technology Acceptance Model wird in der folgenden Grafik dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2 Technology Acceptance Model, Quelle: Entnommen aus: Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 985.

Da das Modell ursprünglich zur Erklärung der Akzeptanz von technologischen Innovationen am Arbeitsplatz eingesetzt wurde, wird der wahrgenommene Nutzen definiert als „the degree to which a person believes that using a particular system would enhance his or her job performance.”^[44] Demnach wird die Person die technologische Innovation akzeptieren, wenn sie glaubt, durch die Nutzung der Innovation ihre Arbeitseffizienz verbessern zu können.^[45] Davis erläutert jedoch, dass auch finanzielle Vorteile, als Konsequenz aus der Nutzung der Technologie-innovation, für die Individuen einen zusätzlichen Nutzen darstellen können.^[46]

Die wahrgenommene Einfachheit der Nutzung wird definiert als “the degree to which a person believes that using a particular system would be free of effort”.^[47] Der Anwender wird also desto eher bereit sein, das neue Informationssystem zu nutzen, je einfacher dessen Bedienbarkeit ist. Die leichte Bedienbarkeit kann zum einen dadurch zum Ausdruck gebracht werden, dass die Systemnutzung insgesamt mit einer geringen psychischen und physischen Anstrengung verbunden ist. Darunter fällt somit auch die Tatsache, dass die Technologie in diesem Fall vom Nutzer auch als leicht verständlich wahrgenommen werden soll.^[48]

Das Modell besagt, dass diese beiden Variablen die Einstellung gegenüber der Nutzung beeinflussen, die Variable „wahrgenommener Nutzen“ jedoch auch direkt auf die Nutzungsabsicht einwirkt. Des Weiteren wird ein positiver Einfluss der wahrgenommenen einfachen Bedienbarkeit auf den wahrgenommenen Nutzen postuliert. Davis et al. (1989, S. 987) begründen dies damit, dass eine einfache Bedienbarkeit eines IT-Systems grundsätzlich die Arbeitseffizienz weiter erhöhen kann und somit den subjektiven Nutzen steigert.^[49]

Die beiden zentralen Modellkonstrukte werden durch weitere externe Faktoren beeinflusst, die im ursprünglichen Modell jedoch nicht näher beschrieben sind. Die Variable „subjektive Norm“ wird also aus der „Theory of Reasoned Action“ nicht in das ursprüngliche TAM übernommen. Davis, Bagozzi und Warshaw begründen dies damit, dass ein direkter Einfluss der subjektiven Norm auf die Nutzungsabsicht schwer von dem Einfluss der Variable „Nutzungseinstellung“ zu unterscheiden ist.^[50]

In der Weiterentwicklung des TAM – dem „Technology Acceptance Model II“ – haben Vekantesh und Davis die externen Variablen operationalisiert und auch die subjektive Norm als eigene Modellvariable mit einem direkt postulierten Einfluss auf den wahrgenommenen Nutzen und die Nutzungsintention berücksichtigt. Vekantesh und Davis kommen jedoch zum Ergebnis, dass ein direkter Einfluss der subjektiven Norm auf die Verhaltensintention nur dann besteht, wenn die Systemnutzung für den Anwender verpflichtend ist.^[51]

3.2.3 Innovation Diffusion Theory

Die von Rogers entwickelte Diffusionstheorie widmet sich ebenfalls der Erklärung von Annahme und Nutzung der Innovationen in einem sozialen System. Rogers definiert die Diffusion als „the process by which an innovation is communicated through certain channels over time among the members of a social system.”^[52] Einen Bestandteil der Diffusionstheorie stellt der Adoptionsprozess dar, welchen eine Person bis zur Entscheidung zur endgültigen Übernahme einer Innovation durchläuft. Nach Rogers besteht dieser Prozess idealtypisch aus fünf Phasen: Knowledge, Persuasion, Decision, Implementation und Confirmation. Das Individuum nimmt demnach entweder zufällig oder bewusst auf der Suche nach neuen Lösungsansätzen die Innovation zunächst zur Kenntnis (Knowledge). Im zweiten Schritt (Persuasion) bewertet das Individuum diese anhand definierter Charakteristika, die in der Theorie explizit genannt sind. Abhängig von dem Bewertungsergebnis kommt es entweder zur Annahme oder Ablehnung der Innovation (Decision). In der vierten Phase (Implementation) testet das Individuum die Innovation und vergleicht die gewonnenen Erkenntnisse mit früheren Annahmeentscheidungen. Stehen diese im Einklang, wird die Entscheidung bestätigt und weiter genutzt, andernfalls wieder rückgängig gemacht.^[53]

Die in der zweiten Phase (Persuasion) des Adoptionsprozesses zur Bewertung der Innovation herangezogenen Kriterien nehmen in der Diffusionstheorie eine bedeutende Rolle ein, um die Akzeptanz von Innovationen innerhalb eines sozialen Systems zur erklären. Nach Rogers beeinflussen die Attribute „Relativer Vorteil“ (Relative Advantage), „Kompatibilität“ (Compatibility), „Komplexität“ (Complexity), „Ausprobierbarkeit“ (Trialability) und „Beobachtbarkeit“ (Observability) maßgeblich den Diffusionsprozess.^[54] Für die vorliegende Untersuchung sind diese Eigenschaften der Innovation nach Rogers als Faktoren der Akzeptanz von besonderer Bedeutung und werden deshalb nachfolgend erläutert.

Relativer Vorteil (Relative Advantage)

Rogers definiert den relativen Vorteil als „the degree to which an innovation is perceived as being better than the idea it supersedes.”^[55] Damit ist also die Verbesserung gegenüber der bisherigen Technologie gemeint. Je nach Individuum kann der relative Vorteil unterschiedlich interpretiert werden. Die Verbesserung kann sich sowohl im höheren ökonomischen Ertrag in Form von Kostenvorteilen, als auch im höheren Komfort oder höherem sozialen Prestige widerspiegeln. Je größer der wahrgenommene Mehrwert gegenüber der bisherigen Technologie, desto höher ist die Adoptionsrate und die Adoptionsgeschwindigkeit der Innovation.^[56]

Kompatibilität (Compatibility)

Als Kompatibilität bezeichnet Rogers „the degree to which an innovation is perceived as consistent with the existing values, past experiences, and needs of potential adopters.”^[57] Die Kompatibilität zeigt die Konsistenz der Innovation mit bestehenden Werten, Erfahrungen, Normen und Bedürfnissen des Individuums auf. Bei nicht vorhandener Kompatibilität ist die Adoption der Innovation nur schwer umzusetzen. Ggf. kann die Adoption erst dann geschehen, wenn sich das Wertesystem des Individuums geändert hat.^[58]

Komplexität (Complexity)

Mit dem Begriff Komplexität bezeichnet Rogers „the degree to which an innovation is perceived as relatively difficult to understand and use”.^[59] Es wird damit ausgedrückt, wie schwer es ist, die Innovation zu verstehen und zu benutzen. Leicht verständliche Produkte verbreiten sich schneller als Innovationen, deren Nutzung schwer zu verstehen und mit einem größeren Lernaufwand verbunden ist. Der wahrgenommene Schwierigkeitsgrad wird dabei vom Kenntnisstand und der Technikaffinität des Nutzers beeinflusst.^[60] Je größer der Grad an wahrgenommener Komplexität, desto langsamer ist die Diffusion in einem sozialen System.^[61]

Trialability (Ausprobierbarkeit)

Unter diesem Begriff versteht Rogers „the degree to which an innovation may be experimented with on a limited basis.”^[62] Die Eigenschaft beschreibt die Möglichkeit, erste positive oder negative Erfahrungen mit der Innovation vor der Entscheidung zu sammeln. Die Unsicherheiten im Umgang mit der Innovation können während der Testphase beseitigt werden. Je geringer der Aufwand zum Testen der Innovation, desto schneller wird die Innovation im sozialen System adoptiert.^[63]

Beobachtbarkeit (Observability)

Als Beobachtbarkeit bezeichnet Rogers „the degree to which the results of an innovation are visible to others.”^[64] Das Attribut besagt, dass je mehr die Innovation in ihrer Nutzung für die Gesellschaft sichtbar ist, desto wahrscheinlicher ist die Adoption der Technologie durch die Gesellschaft. Rogers konkretisiert in seiner Studie dieses Attribut anhand einer Technologie, die aus einer Hardware- und einer Software-Komponente besteht. Je stärker die Visibilität des Hardware-Anteils der Innovation in der Gesellschaft ist, desto höher ist deren Adoptionsrate.^[65] Die Visibilität der Innovation fördert vor allem die interpersonelle Kommunikation (Mund-zu-Mund-Werbung) und verbreitet diese schneller im sozialen System.^[66]

Der Einfluss der Attribute der Innovation auf das Adoptionsverhalten wurde bereits in mehreren Studien bestätigt.^[67]

3.3 Identifikation weiterer Variablen aus der Praxis auf Basis des Experteninterviews

Anders als in den vorangegangenen Unterkapiteln werden nachfolgend kontextspezifische Akzeptanztreiber und Barrieren vorgestellt, die auf Basis des geführten Experteninterviews mit dem Vertriebsvorstand der Sparkassen DirektVersicherung, Herrn Dr. Cramer, identifiziert werden konnten. Bevor im nächsten Unterkapitel das Modell zur Erklärung der Akzeptanz von Telematik-Tarifen aus den herausgestellten Variablen entwickelt wird, sollen aus didaktischen Gründen zunächst alle für das Modell relevanten Faktoren aufgeführt werden. Dieser Schritt wird deshalb der nachfolgenden Einordnung der zuvor dargestellten Konstrukte in den Kontext der Untersuchung vorgezogen. Dagegen wird, um Redundanzen zu vermeiden, bei der darauf folgenden Modellentwicklung auf eine ausführliche Beschreibung der ergänzten Variablen aus der Praxis verzichtet und auf dieses Unterkapitel verwiesen.

Vorwissen der Kunden

Im Experteninterview mit dem Vertriebsvorstand der Sparkassen DirektVersicherung wurde als ein weiterer Einflussfaktor auf die Produktakzeptanz das Ausmaß an vorhandenem Wissen und Erfahrung bzgl. der Funktionsweise der Technologieinnovation genannt. So behauptet Herr Dr. Cramer, dass dieser Zusammenhang bereits auf der Ebene der Vertriebspartner (in der Regel handelt es sich um Vergleichsportale) sichtbar sei. Während kurz nach der Telematik-Tarifeinführung noch viele Vertriebspartner grundsätzlich skeptisch gegenüber der neuen Technologie gewesen seien, habe das Interesse im Laufe der Zeit deutlich zugenommen. Auch auf der Kundenebene wurde der Einfluss der Vorkenntnisse auf die Einstellung gegenüber dem Tarif als relevant eingeschätzt. Dies begründet Herr Dr. Cramer damit, dass die Kunden oft nicht wissen, wie das Produkt funktioniert und – beeinflusst durch die teilweise negative Berichterstattung bzgl. der Telematik-Lösungen in den Medien – daher eine grundsätzlich negative Einstellung gegenüber dem Produkt haben.^[68] Die Studie von Pikkarainen, T., et. al. (2004), in welcher die Konsumentenakzeptanz zur Nutzung des Online-Bankings untersucht wurde, bestätigt den Einfluss vorhandener Informationen auf die Adoption einer Technologie am Beispiel des Online-Bankings. In der Studie werden zwei unterschiedliche Informationsschwerpunkte hervorgehoben. Als „major factor“ ^[69] für die Adoption werden zum einen Kenntnisse über die Verfügbarkeit existierender Technologien und zum anderen Kenntnisse über die Vor- und Nachteile aus der Nutzung genannt. ^[70]

Innovationsbereitschaft der Kunden

Eine weitere Einflussgröße auf die Akzeptanz der Telematik-Tarife stellt aus der Beobachtung von Herrn Dr. Cramer die Innovationsbereitschaft der Kunden dar. Herr Dr. Cramer versteht darunter das Ausmaß an Motivation der Kunden, eine neue Technologie kennenzulernen bzw. zu besitzen. Zahlreichen Kundenrückmeldungen konnte Herr Dr. Cramer entnehmen, dass insbesondere technikbegeisterte Kunden sich für einen Telematik-Tarif interessieren.^[71]

Auch die in den USA und Kanada durchgeführten Untersuchungen von Towers Watson bestätigen, dass die technikaffinen Kunden zu den „Early Adopters“^[72] gehören. So spricht Towers Watson in diesem Zusammenhang von „Tech-Savvy Millennials“ – also technisch erfahrenen jungen Erwachsenen im Alter zwischen 20 – 30^[73] – die in Kanada die höchste Akzeptanz gegenüber nutzungsbasierten Versicherungstarifen gezeigt haben.^[74]

Wahrgenommenes Risiko für die Privatsphäre

Als eine wesentliche Barriere für die Akzeptanz von Telematik-Tarifen führt Herr Dr. Cramer die Besorgnis der Kunden im Bereich des Datenschutzes auf. Zusammengefasst kann die Besorgnis als Grad des wahrgenommenen Risikos für die Privatsphäre definiert werden. Da im Telematik-Tarif sowohl die personenbezogenen Kundendaten als auch die Fahrtstrecke bzw. der aktuelle Standort des Fahrzeugs erfasst wird, unterscheidet Herr Dr. Cramer bei dem wahrgenommenen Risiko für die Privatsphäre zwischen diesen beiden Facetten. Er schließt vor allem nicht aus, dass manche Kunden es tolerieren, wenn die Daten zur eigenen Person geteilt werden und gleichzeitig sehr sensibel bzgl. ihres Bewegungsprofils sind und umgekehrt.^[75]

Das wahrgenommene Risiko für die Privatsphäre wurde bereits in mehreren Forschungsarbeiten zur Akzeptanz neuer Technologien als Variable eingesetzt. Feathermann, M. und Pavlou, P. (2002) integrieren z. B. in ihrer Studie „Predicting E-Services Adoption“ den Faktor „Perceived Risk“^[76], eine dessen Facetten das „Privacy Risk“^[77] darstellt, in das Technology Acceptance Model.^[78] Sie definieren das Risiko für die Privatsphäre als „Potential loss of control over personal information, such as when information about you is used without your knowledge or permission.”^[79] Auch Pikkarainen, T. (2004) führt in seiner Untersuchung der Akzeptanz von Online Banking auf, dass die Privatsphäre eine signifikante Barriere für die Adoption von Online Banking in Australien gewesen sei.^[80]

3.4 Theoriegeleitete Modellentwicklung zur Analyse der Akzeptanz von Telematik-Tarifen

Aus den vorgestellten Theorien und Konzepten wird für diese Arbeit nachfolgend ein Modell zur Untersuchung der Akzeptanz von Telematik-Tarifen entwickelt. Die Basis hierfür bildet das Technology Acceptance Model (TAM), welches kontextspezifisch durch Variablen sowohl aus der Diffusionstheorie von Rogers als auch aus der Praxis, belegt durch ein Experteninterview sowie Studien zu vergleichbaren Forschungsfragen, ergänzt wird.

Das Technology Acceptance Model bildet ein umfassendes und vielfach empirisch bestätigtes Modell zur Untersuchung der aufgestellten Forschungsfrage. Das TAM wurde zwar bislang in erster Linie im Bereich der Informations- und Kommunikationssysteme angewendet, jedoch soll vor allem durch die kontextspezifische Anpassung auf ein Versicherungsprodukt ein wissenschaftlicher Beitrag zur TAM-basierten Akzeptanzforschung geleistet werden. Die zahlreichen wissenschaftlichen Beiträge erlauben zum Aufbau der theoretischen Grundlage entsprechende Erweiterungen des ursprünglichen TAM-Modells. In diesem Sinne besitzt das TAM die notwendige Flexibilität, neue kontextspezifische Variablen in das Modell einzubeziehen, um dadurch auf unterschiedliche Technologien und Situationen angepasst zu werden.^[81]

Im eigenen Modell wird die Annahme aus der TRA und dem TAM übernommen, dass das eigentliche Verhalten direkt von der Nutzungsabsicht abhängt. Die vorliegende Untersuchung beschränkt sich somit auf die Messung der Intention zum Vertragsabschluss eines Telematik-Tarifes (vgl. „behavior intention) als abhängige Variable anstelle der tatsächlichen Nutzung.

Die unabhängigen Variablen und somit Einflussfaktoren auf die Nutzungsintention werden zusammen mit deren Definitionen für die vorliegende Arbeit in der nachfolgenden Übersicht dargestellt. Die Definitionen wurden nach Möglichkeit aus der Literatur übernommen, übersetzt und an den Forschungsgegenstand angepasst. Die Definitionen zu den Variablen aus der Praxis wurden im Experteninterview festgelegt.

Abbildung in dieser Leseprobe nicht enthalten⁸²

Tab. 3: Definitionen verwendeter latenter Variablen Quelle: In Anlehnung an: Rogers, E. (1983); Davis, et al. (1989); Pikkarainen, T. et. al. (2004); Featherman, M., Pavlou, P. (2002); Experteninterview.

Die oben dargestellte Tabelle stellt nur eine zusammengefasste Übersicht dar. Die vollständige Aufführung mit synoptischer Darstellung der Originaldefinitionen ist dem Anhang beigefügt. Die in der Übersicht aufgeführten Konstrukte sowie deren postulierten Einflüsse auf die abhängige Variable „Nutzungsintention“ werden nachfolgend erläutert.

1) Wahrgenommener Zusatznutzen

Nach Davis übt der wahrgenommene Nutzen den stärksten Einfluss auf die Nutzungsintention aus.^[83] Auch in der Diffusionstheorie von Rogers wird mit der Determinante „Relativer Vorteil“ eine ähnliche Auffassung vertreten.^[84] Sowohl im TAM als auch in der Diffusionstheorie wird unter dem nutzungsstiftenden Konstrukt zum einen der finanzielle Vorteil und zum anderen die verbesserte Leistung^[85] aus der Nutzung der Innovation subsumiert. Da ein Telematik-Tarif mit den Komponenten Prämiennachlass bei vorsichtiger Fahrweise und sog. „value-added services“, wie die Notruffunktion, Diebstahlortung etc. beide Dimensionen erfüllt, wird der Einfluss dieser Faktoren zur genaueren Messung separat ausgewertet. Die Variable „wahrgenommener Zusatznutzen“ bildet dabei die zusätzlichen Leistungen aus den “value-added services“ ab, die im Vergleich zu klassischen Kfz-Tarifen den Kunden einen Mehrwert bieten. In der europaweit durchgeführten Studie von Towers Watson wurde gemessen, dass bis zu 60 % der Befragten, sich für die einzelnen Leistungsmerkmale interessieren.^[86] Es gilt also die Annahme, dass der wahrgenommene Zusatznutzen aus den tariflichen Zusatzleistungen die Intention zum Abschluss eines Telematik-Tarifes erhöht.

Die Hypothese 1 lautet: Je höher der wahrgenommene Zusatznutzen, desto höher ist die Nutzungsintention eines Telematik-Tarifes.

2) Wahrgenommener finanzieller Anreiz

Die Aussicht auf eine Prämienersparnis durch eine defensive Fahrweise bildet per se das Hauptargument für den Abschluss eines Telematik-Tarifes. Dieses ergibt sich bereits aus den Werbeaussagen der Produktanbieter. So wirbt die VHV in ihrem Verkaufsprospekt zum Produkt „VHV Telematik-Garant“ bereits im ersten Absatz mit einer Beitragsersparnis von bis zu 30 % p. a.^[87] Die Beratungsgesellschaft Bain & Company stellt in ihrer empirischen Studie „Was Versicherungskunden wirklich wollen“ fest, dass insbesondere bei Basis-Produkten, wie die Kfz-Versicherung, der Preis eines der wichtigsten Kriterien im Entscheidungsprozess bei der Produktauswahl darstellt.^[88] Es wird deswegen angenommen, dass der finanzielle Anreiz analog zu den „value-added services“ die Nutzungsintention positiv beeinflussen kann. Dadurch, dass die Höhe einer möglichen Prämienersparnis variabel ist und sowohl von der Höhe der Basisprämie als auch von dem Ausmaß erfüllter Kriterien abhängt, kann unterstellt werden, dass auch die kundenseitige Wahrnehmung differenzieren kann.

[...]

---

^[1] Bei einer Schaden-Kosten-Quote unter 100 % wird ein versicherungstechnischer Gewinn, über 100 % ein versicherungstechnischer Verlust erzielt.

^[2] Vgl. GDV (2016), o. S.

^[3] Vgl. Gerpott, T., Berg, S. (2011b), S. 3.

^[4] Vgl. Gerpott, T., Berg, S. (2011b), S 3 f.

^[5] Vgl. Finanztip (2016), o. S.

^[6] Vgl. Süddeutsche Zeitung (2015), o. S.

^[7] Vgl. Gabler Wirtschaftslexikon (2009), Stichwort: Telematik.

^[8] Vgl. Telematik Markt (2016), o. S.

^[9] Vgl. Eckstein, A., Ravens, S., Weidner, W. (2014), S. 14.

^[10] Vgl. Gerpott, T., Berg, S. (2011a), S. 332.

^[11] Vgl. Gerpott, T., Berg, S. (2011b), S. 5.

^[12] Vgl. Eckstein, A., Ravens, S., Weidner, W. (2014), S. 16.

^[13] Vgl. Oberholzer, M. (2003), S. 9, 434.

^[14] Vgl. SparkassenDirektversicherung, (2015), o. S.

^[15] Vgl. Google, (2016), o. S.

^[16] Vgl. VHV-Homepage, (2016), o. S; S-Direkt, (2015), o. S.

^[17] Vgl. ebd.

^[18] Vgl. VHV-Homepage, (2016), o. S; S-Direkt, (2015), o. S.

^[19] Vgl. Towers Watson, (2015a), o. S.

^[20] Vgl. ebd.

^[21] Vgl. ADAC (2016), o. S.

^[22] Vgl. VHV-Homepage (2016), o. S.

^[23] Vgl. SparkassenDirektVersicherung (2015), o. S.

^[24] Vgl. Eckstein, A., Ravens, S., Weidner, W. (2014), S. 18.

^[25] Vgl. Towers Watson (2013), S. 11.

^[26] Manager-Magazin (2015), o. S.

^[27] Vgl. Manager-Magazin (2015), o. S.

^[28] Betz, J. (2003), S. 97.

^[29] Vgl. Prein, J. (2011), S. 21.

^[30] Vgl. Kollmann, T. (1998), S. 48.

^[31] Dethlof, C. (2004), S. 16.

^[32] Vgl. Fazel, L. (2013), S. 82.

^[33] Vgl. Fazel, L. (2013), S. 82.

^[34] z. B. Technology Acceptance Model II, Theory of Planned Behaviour, UTAUT.

^[35] Vgl. Fazel, L. (2013), S. 103.

^[36] Fishbein, M.; Ajzen, I. (1975), S. 14.

^[37] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 985.

^[38] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), 985.

^[39] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), 985.

^[40] Vgl. Fazel, L. (2013), S. 105.

^[41] Vgl. Kittl, C. (2008), S. 52.

^[42] Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 985.

^[43] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), 985.

^[44] Davis, F. (1989), S. 320.

^[45] Vgl. Lederer, A., et. al. (2000), S. 270.

^[46] Vgl. Davis, F. (1989), S. 320.

^[47] Ebd.

^[48] Vgl. Davis, F. (1989), S. 329.

^[49] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 987.

^[50] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 987.

^[51] Vgl. Vekantesh, V., Davis, F. (2000), S. 188.

^[52] Rogers, E. (1983), S. 6.

^[53] Vgl. Rogers, E. (1983), S. 164.

^[54] Vgl. Rogers, E. (1983), S. 15; Boslau, M. (2009), S. 63.

^[55] Rogers, E. (1983), S. 213.

^[56] Vgl. Karnowski, V. (2011), S. 23.

^[57] Rogers, E. (1983), S. 223.

^[58] Vgl. Fazel, L. (2013), S. 94 f.

^[59] Rogers, E. (1983), S. 230.

^[60] Vgl. Boslau, M. (2009), S. 63.

^[61] Vgl. Rogers, E. (1983), S. 231.

^[62] Rogers, E. (1983), S. 231.

^[63] Vgl. Boslau, M. (2009), S. 64.

^[64] Rogers, E. (1983), S. 232.

^[65] Vgl. Rogers, E. (1983), S. 232.

^[66] Vgl. Boslau, M. (2009), S. 64.

^[67] Vgl. Boslau, M. (2009), S. 64.

^[68] Vgl. Anhang 2.

^[69] Pikkarainen, T. et. al. (2004), S. 227.

^[70] Vgl. Pikkarainen, T. et. al. (2004), S. 227.

^[71] Vgl. Anhang 2.

^[72] Towers Watson (2015b), S. 1.

^[73] Vgl. Millennial Marketing (2016), o. S.

^[74] Vgl. Towers Watson (2015b), S. 1.

^[75] Vgl. Anhang 2.

^[76] Featherman, M. S., Pavlou, P. (2003), S. 453.

^[77] Featherman, M. S., Pavlou, P. (2002), S. 453.

^[78] Vgl.ebd. S. 453.

^[79] Featherman, M. S., Pavlou, P. (2002), S. 453.

^[80] Vgl. Pikkarainen, T. et. al. (2004), S. 228.

^[81] Vgl. Fazel, L. (2013), S. 3.

^[82] Abgeleitet aus der Variable „Perceived Usefulness“ nach Davis, F. et al. (1989)

^[83] Vgl. Davis, F., Bagozzi, R., Warshaw, P. (1989), S. 985.

^[84] Vgl. Rogers, E. (1983), S. 164.

^[85] Vgl. Kapitel 3.2.2 und Kapitel 3.2.3.

^[86] Vgl. Towars Watson (2013), S. 9.

^[87] Vgl. VHV-Magazin (2015), o. S.

^[88] Vgl. Bain & Company (2012), S. 20.