Bevor jedoch ein funktionierender, intelligenter und nachhaltigkeitsorientierter CA entstehen kann, braucht es ein stabiles Fundament. Und das entsteht durch eine systematische Literaturanalyse – einem wissenschaftlichen Verfahren, das dafür sorgt, dass der digitale Assistent auf bewährtem Wissen aufbaut.

Die Analyse orientiert sich an der bewährten Methodik von Brendel et al. (2020). Diese gliedert sich in sechs klar definierte Schritte:

Step 1: Preparation

In der Vorbereitungsphase wurde zunächst das Ziel der Analyse festgelegt:

Digitale Nudges identifizieren, die sich in der wissenschaftlichen Literatur bewährt haben, um nachhaltiges Verhalten durch digitale Assistenten zu fördern.

Gleichzeitig wurden klare Arbeitsdefinitionen für die zentralen Begriffe gezogen:

1. Nudging: Eine Strategie zur Verhaltensänderung durch Veränderungen in der Entscheidungsarchitektur.
2. Conversational Agent (CA): Ein dialogfähiges, KI-gestütztes System, das mit Nutzer:innen in natürlicher Sprache interagiert und Handlungsoptionen vermittelt.

Step 2: Define Scope

Im zweiten Schritt wurde der Geltungsbereich der Analyse festgelegt. Hierzu gehören:

• Veröffentlichungen aus anerkannten Datenbanken und wissenschaftlichen Journals
• Fokus auf Arbeiten, die sich mit Nudging im digitalen Kontext beschäftigen
• Studien, die CA-Interaktionen in Zusammenhang mit Verhaltensänderung untersuchen
• Relevanz für Nachhaltigkeit und betriebliche Anwendungen

Step 3: Literaturrecherche

Im dritten Schritt erfolgte die eigentliche Literatursuche, die in vier renommierten wissenschaftlichen Datenbanken durchgeführt wurde:

• IEEE Xplore: 162 Treffer
• AIS eLibrary: 156 Treffer
• Web of Science: 603 Treffer
• Scopus: 790 Treffer

Insgesamt wurden 1711 potenziell relevante Studien identifiziert. Nach dem Entfernen von Duplikaten blieben 1181 einzigartige Beiträge übrig.

Diese wurden anschließend anhand von Titel, Abstracts und Keywords gescreent. Das Ergebnis: 76 vielversprechende Studien, die für die nächsten Schritte weiter analysiert werden.

Step 4: Analyse – Kodierung & Kategoriensystem

Der nächste Schritt besteht in einer tiefergehenden Analyse der 76 Studien, bei der der gesamte Text betrachtet wird. Dabei werden die enthaltenen digitalen Nudges identifiziert und systematisch kodiert.

Das bedeutet: Jeder Nudge-Typ wird erfasst, beschrieben und einer passenden Kategorie zugeordnet. Aus diesen Kategorien entsteht ein strukturierter Überblick, der später in die Gestaltung des Conversational Agents einfließen kann.

Beispielhafte Kategorien könnten sein:

• Reminder & Alerts (z. B. Hinweis auf bevorstehende Wartung)
• Default-Optionen (z. B. nachhaltige Voreinstellungen)
• Transparenz & Feedback (z. B. Darstellung von Ressourcenverbrauch)
• Personalisierung (z. B. kontextbasierte Empfehlungen)

Step 5: Synthesis

In dieser Phase werden die Erkenntnisse aus der Analyse zusammengeführt. Ziel ist es, zentrale Muster und Best Practices zu erkennen:

• Welche Nudging-Mechanismen sind besonders effektiv?
• Welche Kombinationen aus Dialogführung und Visualisierung fördern nachhaltiges Verhalten?
• Welche Rolle spielt Vertrauen, Verständlichkeit oder Individualisierung?
• Diese Erkenntnisse bilden den Bauplan für die spätere Prototyp-Entwicklung des digitalen Assistenten.

Step 6: Discussion

Abschließend werden die Ergebnisse im Kontext der Projektziele und aktuellen wissenschaftlichen Diskussionen reflektiert:

• Inwiefern lassen sich bestehende Ansätze auf betriebliche Asset-Verwaltung übertragen?
• Welche Lücken bestehen in der bisherigen Forschung?
• Welche ethischen Fragestellungen ergeben sich beim Einsatz digitaler Nudges?
• Was bringt das für ReCAIcle?

Die systematische Analyse stellt sicher, dass ReCAIcle nicht im luftleeren Raum entwickelt wird. Stattdessen basiert das Projekt auf wissenschaftlich belegten Erkenntnissen darüber, wie digitale Systeme menschliches Verhalten sinnvoll und verantwortungsvoll beeinflussen können.

Die konkrete Anwendung im Unternehmensalltag könnte dann so aussehen:

1. Der CA erinnert Mitarbeiter:innen freundlich daran, Geräte nicht unnötig zu ersetzen.
2. Er schlägt passende Reparaturoptionen vor, bevor Defekte entstehen.
3. Er analysiert Nutzungsdaten und empfiehlt ressourcenschonende Maßnahmen.

Dabei bleibt der Nutzer immer in der Entscheidungsposition – der Assistent „stößt nur an“, auf Basis kluger, datengestützter Empfehlungen.

Ausblick: Von der Theorie in die Praxis

Die Literaturanalyse ist nur der Anfang. Auf Basis der Ergebnisse werden im Projektverlauf Prototypen entwickelt, getestet und mit realen Nutzer:innen evaluiert. Das Ziel: Ein Tool, das Unternehmen hilft, Nachhaltigkeit intelligent zu leben – mit einem digitalen Sparringspartner an ihrer Seite.

ReCAIcle verbindet damit technologische Innovation mit psychologischer Erkenntnis, verhaltensökonomischer Strategie und ökologischer Verantwortung. Die systematische Literaturanalyse ist der wissenschaftliche Kompass, der das Projekt auf Kurs bringt – und ein starkes Beispiel dafür, wie interdisziplinäre Forschung echte Veränderung ermöglichen kann.