Detailansicht
Measuring the actual adoption of AI and its determinants
a refined textual analysis approach to overcome limitations in large-scale empirical analyses
Frederik Ivo Stolba
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Markus Georg Reitzig
DOI
10.25365/thesis.79116
URN
urn:nbn:at:at-ubw:1-26949.32664.874025-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die jüngsten Fortschritte im Bereich der künstlichen Intelligenz (KI) haben den Diskurs über dieses Thema sowohl in der Wissenschaft als auch in der Wirtschaft beschleunigt. Die zunehmende Anwendbarkeit und der geschäftliche Nutzen haben das Bewusstsein für die Fähigkeiten der Technologie geschärft und dazu geführt, dass immer mehr Unternehmen KI in ihren Betrieb integrieren. Die Auswirkungen von Automatisierung, Ergänzung, Verdrängung oder neuen Möglichkeiten durch KI spiegeln sich nicht nur in potenziellen Kosteneinsparungen oder Umsatzsteigerungen wider, sondern bergen auch schwerwiegende Folgen für die Zusammensetzung des Personals und mögliche Arbeitslosigkeit. Um weiterhin relevante Erkenntnisse darüber zu gewinnen, wie KI unsere Zukunft bestimmen wird, muss die Wissenschaft mit der rasanten Entwicklung von KI Schritt halten. Die begrenzte Datenverfügbarkeit und die bestehenden empirischen Methoden erfordern jedoch zusätzliche Möglichkeiten, den Einsatz von künstlicher Intelligenz in Unternehmen zu erfassen. Diese Arbeit zielt darauf ab, eine neue, auf Textanalyse basierende Messgröße zur Verfügung zu stellen, die den tatsächlichen Einsatz von künstlicher Intelligenz in einem Unternehmen sowie dessen Einflussfaktoren erfasst. Aufbauend auf früheren Fortschritten und Ergebnissen dieser Forschungsmethode berücksichtigt die Messung die Wortzahlen eines enger definierten KI-Wörterbuchs im Zusammenhang mit dem Einsatz. Durch die zusätzliche Verfeinerung wurden wesentliche Unterschiede zu bestehenden Messgrößen festgestellt, und es konnte ein verbesserter Zusammenhang zwischen Investitionseffekten und dieser einsatzzentrierten KI-Variable nachgewiesen werden. Insgesamt leistet diese Arbeit einen Beitrag zur bestehenden empirischen Forschung über KI, indem sie eine replizierbare Methode zur Messung des tatsächlichen Einsatzes von KI bereitstellt, die für die Erstellung groß angelegter Paneldaten verwendet werden kann.
Abstract
(Englisch)
Recent advancements in artificial intelligence (AI) have accelerated the discourse around the topic in both academia and the economy. The increased applicability and business value of the technology have raised awareness of its capabilities, leading more companies to adopt AI into their operations. The impact of automation, augmentation, displacement, or new opportunities through AI is not only reflected in potential cost savings or increased revenue, but also holds severe implications for workforce composition and potential unemployment. To continue releasing relevant insights on how AI will determine our future, academia must keep up with its current fast-paced development. However, limitations in data availability and existing empirical methods call for additional approaches to capturing a company's adoption of artificial intelligence. This thesis aims to provide a new textual analysis-based measure that captures a firm's actual adoption of artificial intelligence, as well as its determinants. Building on prior advancements and findings of this research method, the measurement considers the word counts of a more narrowly defined AI dictionary within the context of adoption. Through the added sophistication, I established significant differences from existing measures and was able to demonstrate an improved relationship between investment effects and this adoption-centered AI variable. Ultimately, this thesis contributes to the existing body of empirical research on AI by providing a replicable measure of actual AI Adoption, which can be employed to produce large-scale panel data.
Schlagwörter
Schlagwörter
(Deutsch)
KI KI Einsatz Textanalyse Messmethodik Messgröße Wörterbuch Kontextanalyse Python Textkörper Wortanzahl Paneldaten Form 10-K Jahresbericht Firmenebene US Firmen Börsennotierte Unternehmen SEC Securities and Exchange Commission EDGAR Compusat Quantitativ Regressionsanalyse ANOVA Bonferroni 2017-2023
Schlagwörter
(Englisch)
AI AI Adoption Textual analysis Measurement methodology Measure Dictionary Context analysis Python Text corpus Word count Panel data Form 10-K Annual report Firm level US companies Listed companies SEC Securities and Exchange Commission EDGAR Compustat Regression analysis ANOVA Bonferroni 2017-2023
Autor*innen
Frederik Ivo Stolba
Haupttitel (Englisch)
Measuring the actual adoption of AI and its determinants
Hauptuntertitel (Englisch)
a refined textual analysis approach to overcome limitations in large-scale empirical analyses
Paralleltitel (Deutsch)
Die Bestimmung tatsächlichen KI-Einsatzes und seiner Einflussfaktoren
Paralleluntertitel (Deutsch)
ein weiterentwickelter Textanalyse-Ansatz zur Überwindung von Einschränkungen in großvolumigen empirischen Analysen
Publikationsjahr
2025
Umfangsangabe
III, 88 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Markus Georg Reitzig
AC Nummer
AC17625011
Utheses ID
76759
Studienkennzahl
UA | 066 | 915 | |