Die fortschreitende Digitalisierung im Gesundheitswesen bietet durch den Einsatz künstlicher Intelligenz (KI) erhebliche Potenziale zur Entlastung des medizinischen Fachpersonals und zur Stärkung des Patient:innen-Empowerments. Angesichts des Fachkräftemangels und steigender Patient:innenzahlen gewinnen KI-basierte Symptomchecker (SC), die auf Basis von Algorithmen erste Diagnosen und Handlungsempfehlungen liefern, zunehmend an Relevanz. Trotz dieser Chancen stehen der Nutzung auch Risiken wie Ungenauigkeiten in den Befunden und datenschutzrechtliche Bedenken gegenüber. Diese Studie untersucht daher die Akzeptanz und die Determinanten der Nutzungsintention für KI-basierte Symptomchecker in Deutschland.
Als theoretisches Fundament dienen das Technology Acceptance Model (TAM) nach Davis (1989) sowie die Unified Theory of Acceptance and Use of Technology (UTAUT) nach Venkatesh et al. (2003). Diese Modelle wurden um die Faktoren Datensicherheit und digitale Gesundheitskompetenz ergänzt, um der Sensibilität von Gesundheitsdaten Rechnung zu tragen. Zur Datenerhebung wurde eine quantitative Online-Befragung mittels SoSci Survey durchgeführt. Die Stichprobe (N = 100) wurde über ein nicht-zufälliges Convenience Sample (Social Media und Messenger-Dienste) rekrutiert.
Die inferenzstatistische Auswertung mittels Partialkorrelationen und multipler linearer Regression zeigt, dass der soziale Einfluss (ß = 0.61, p < .001) der stärkste Prädiktor für die Nutzungsintention ist. Signifikante Zusammenhänge mit der Nutzungsintention zeigt sich bei der wahrgenommenen Nützlichkeit (r =.52, p < .001), dem sozialen Einfluss (r = .56, p < .001) sowie der Datensicherheit (r = .21, p < .05). Ebenfalls signifikant hing der soziale Einfluss mit der wahrgenommenen Nützlichkeit zusammen (r = .24, p < .05). Nicht signifikant hingen die Aufwandserwartung (r = .09, p = .375), förderliche Bedingungen (r = .19, p = .061) und die digitale Gesundheitskompetenz (r = -.11, p = .274) mit der Nutzungsintention zusammen. Die Ergebnisse bestätigten zum Teil den aktuellen Forschungsstand, zeigten aber auch Abweichungen, besonders hinsichtlich klassischer Theorien zur Technologieakzeptanz. Limitationen der Studie stellten die unzureichende statistische Power oder das Convenience Sample dar. Die eingesetzten Skalen zeigten methodische Schwächen, weshalb eine Anpassung an aktuelle Standards empfehlenswert ist. Zukünftige Forschung sollte Moderatoren aus der Theorie miteinbeziehen.