Literaturverzeichnis

  • Abrahami, Avishai: Wix ADI | Wix CEO Avishai Abrahami Launches Artificial-Design-Intelligence, in: YouTube, 2016, Abschn. 6:50–13:15, www.youtube.com/watch?v=8qzx9lfcSRs [08.06.2021].
  • Ammon, Ursula: Delphi-Befragung, in: Stefan Kühl/Petra Strodtholz/Andreas Taffertshofer (Hrsg.), Handbuch Methoden der Organisationsforschung: quantitative und qualitative Methoden, 1. Aufl., Wiesbaden: Springer, 2009, S. 183–470.
  • Borg, Ingwer/Patrick J. F. Groenen: Modern multidimensional scaling: theory and applications (Springer series in statistics), 2. Aufl., New York: Springer Publishing, 2005, S. vii.
  • Brady, Shane: Utilizing and Adapting the Delphi Method for Use in Qualitative Research, in: International Journal of Qualitative Methods, Bd. 14, Nr. 5, 2015, S. 1–6, doi:10.1177/1609406915621381.
  • Berski, Carsten/Inga Burg: Die Roboter kommen. Folgen der Automatisierung für den deutschen Arbeitsmarkt, in: ING DiBa, https://www.ing-diba.de/pdf/ueber-uns/presse/publikationen/ing-diba-economic-research-die-roboter-kommen.pdf [15.09.2021].
  • Bullinger, Hans-Jörg: Technikpotenzialabschätzung – Wissenschaftlicher Anspruch und Wirklichkeit, in: Klaus Kornwachs (Hrsg.), Reichweite und Potenzial der Technikfolgenabschätzung, Stuttgart: Nomos, 1991, S. 105.
  • Burmeister, Klaus u. a.: Szenario-Report: KI-basierte Arbeitswelten 2030 (Automatisierung und Unterstützung in der Sachbearbeitung mit künstlicher Intelligenz 1), in: Fraunhofer Verlag, 2019, S. 6–243, http://publica.fraunhofer.de/dokumente/N-562084.html [02.07.2021].
  • Buxmann, Peter/Holger Schmidt: Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens, in: Peter Buxmann/Holger Schmidt (Hrsg.), Künstliche Intelligenz: mit Algorithmen zum wirtschaftlichen Erfolg, Berlin: Springer, 2019, S. 6.
  • CB Insights: Top AI Trends to Watch in 2018, in: CB Insights, 2018, S. 5–12 https://www.cbinsights.com/research/report/artificial-intelligence-trends-2018/ [21.06.2021].
  • Cole, Tim: Erfolgsfaktor Künstliche Intelligenz: KI in der Unternehmenspraxis: Potenziale erkennen – Entscheidungen treffen, München: Hanser, 2020, S. 41, doi:10.3139/9783446465398.
  • Cuhls, Kerstin: Technikvorausschau in Japan: ein Rückblick auf 30 Jahre Delphi-Expertenbefragungen; mit 62 Tab (Technik, Wirtschaft und Politik #29), Heidelberg: Springer, 1998, S. 133.
  • Diamond, Ivan u. a.: Defining consensus: A systematic review recommends methodologic criteria for reporting of Delphi studies, in: Journal of Clinical Epidemiology, Bd. 67, Nr. 4, 2014, S. 401–409, doi:10.1016/j.jclinepi.2013.12.002.
  • Dönitz, Ewa J.: Effizientere Szenariotechnik durch teilautomatische Generierung von Konsis-tenzmatrizen: Empirie, Konzeption, Fuzzy- und Neuro-Fuzzy-Ansätze (Gabler Edition Wissenschaft Forschungs-/Entwicklungs-/Innovations-Management), Wiesbaden: Springer, 2009, S. 1.
  • Duffield, Christine: The Delphi technique: a comparison of results obtained using two expert panels, in: International Journal of Nursing Studies, Bd. 30, Nr. 3, 1993, S. 236, doi:10.1016/0020-7489(93)90033-Q.
  • Falkenburg, Brigitte: Kann Künstliche Intelligenz kreativ sein? Teil 1. (Zukunft Mensch: Mensch-Maschine), in: Polytechnische Gesellschaft e. V., 2019, www.polytechnische.de/podcasts, Abschn. 9:25–17:40 [14.05.2021].
  • —: Kann Künstliche Intelligenz kreativ sein? Teil 2. (Zukunft Mensch: Mensch-Maschine), in: Polytechnische Gesellschaft e. V., 2019, www.polytechnische.de/podcasts, Abschn. 12:00–12:14 [14.05.2021].
  • Frey, Carl/Michaela Osborne: The Future of Employment: How susceptible are jobs to computerisation?, in: Oxford Martin School, 2013, S. 1, https://www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf [27.04.2021].
  • Funke, Joachim/Bianca Vaterrodt-Plünnecke: Was ist Intelligenz? (Beck’sche Reihe C.-H.-Beck-Wissen 2088), 2., überarb. Aufl., Orig.-Ausg, München: C. H. Beck, 2004, S. 9–108.
  • Gale, William u. a.: Detecting hip fractures with radiologist-level performance using deep neural networks, in: Blog arxiv.org, 17.11.2017, https://arxiv.org/abs/1711.06504 [20.06.2021].
  • Galitz, Wilbert O.: The essential guide to user interface design: an introduction to GUI-Design principles and techniques, 2. Aufl., New York: Wiley, 2002, S. 4.
  • Gardner, Howard: Frames of mind: the theory of multiple intelligences, New York: Wiley, 2011 S. 77–292.
  • Gläser, Jochen/Grit Laudel: Experteninterviews und qualitative Inhaltsanalyse als Instrumente rekonstruierender Untersuchungen (Lehrbuch), 3., überarb. Aufl, Wiesbaden: Springer, 2009, S. 11–118.
  • Groß, Benedikt u. a.: Generative Gestaltung: Creative Coding im Web: Entwerfen, Programmieren und Visualisieren mit Javascript in p5.js, Mainz: Schmidt, 2018, S. 244–246.
  • Grunwald, Armin: Technikfolgenabschätzung: eine Einführung (Gesellschaft, Technik, Umwelt, N.F., 1), 2., grundlegend überarbeitete und wesentlich erweiterte Aufl., Berlin: Springer, 2010, S. 122.
  • Häder, Michael: Delphi-Befragungen: ein Arbeitsbuch (Lehrbuch), 3. Aufl., Wiesbaden: Springer, 2014, S. 13–138.
  • Hilbert, Marc u. a.: KI-Innovation über das autonome Fahren hinaus, in: Peter Buxmann/Holger Schmidt (Hrsg.), Künstliche Intelligenz: mit Algorithmen zum wirtschaftlichen Erfolg, Berlin: Springer, 2019, S. 173–180.
  • Hildesheim, Wolfgang/Dirk Michelsen: Künstliche Intelligenz im Jahr 2018 – Aktueller Stand von branchenübergreifenden KI-Lösungen: Was ist möglich? Was nicht? Beispiele und Empfehlungen, in: Peter Buxmann/Holger Schmidt (Hrsg.), Künstliche Intelligenz: mit Algorithmen zum wirtschaftlichen Erfolg, Berlin: Springer, 2019, S. 121–123.
  • Hoppe, Markus/Adrian Hermes: Beschäftigteninteressen und Regulierungserfordernisse bei KI-Anwendungen (Automatisierung und Unterstützung in der Sachbearbeitung mit Künstlicher Intelligenz 7), in: Fraunhofer Verlag, 2021, S. 9–23, http://publica.fraunhofer.de/documents/N-636155.html [03.07.2021].
  • Kaplan, Hamilton/Aaron Kaplan: Covid-19-classifier, in: Blog labs.deep-insights.ai, 24.04.2020, https://labs.deep-insights.ai [20.06.2021].
  • Kittler, Friedrich A.: Draculas Vermächtnis: technische Schriften, Leipzig: Reclam, 1993, S. 227.
  • Kornwachs, Klaus: Glanz und Elend der Technikfolgenabschätzung, in: Klaus Kornwachs (Hrsg.), Reichweite und Potenzial der Technikfolgenabschätzung, Stuttgart: Hanser, 1991, S. 6–8.
  • Kromrey, Helmut: Empirische Sozialforschung: Modelle und Methoden der standardisierten Datenerhebung und Datenauswertung (UTB für Wissenschaft Uni-Taschenbücher Soziologie 1040), 10., vollst. überarb. Aufl., Opladen: Springer, 2002, 
S. 264.
  • Kuckartz, Udo: Qualitative Inhaltsanalyse: Methoden, Praxis, Computerunterstützung (Grundlagentexte Methoden), 4. Aufl., Weinheim: Beltz, 2018, S. 97–110.
  • Laurel, Brenda/Joy S. Mountford: INTRODUCTION, in: Brenda Laurel/Joy S. Mountford (Hrsg.), The Art of human-computer interface design, New York: Wiley, 1990, S. xi.
  • Lazzarato, Maurizio/Antonio Negri/Paolo Virno: Immaterielle Arbeit, in: Thomas Atzert (Hrsg.), Umherschweifende Produzenten: immaterielle Arbeit und Subversion, Berlin: Springer, 1998, S. 46–47.
  • Markoff, John: Unsere Gebieter, Sklaven oder Partner?, in: John Brockman (Hrsg.), Was sollen wir von künstlicher Intelligenz halten? Die führenden Wissenschaftler unserer Zeit über intelligente Maschinen, 2. Aufl., Frankfurt am Main: Campus, 2017, S. 56.
  • Marx, Karl/Friedrich Engels: Werke. Das Elend der Philosophie: Antwort auf Proudhons „Philosophie des Elends“, Bd. 4, Berlin: Springer, 1977, S. 155.
  • Mayring, Philipp: Qualitative Inhaltsanalyse: Grundlagen und Techniken, 12., überarb. Aufl., Weinheim: Beltz, 2015, S. 65–103.
  • McCullagh, Kevin/James Scott/Tim Abrahams: Perspective: Mobility & Technology, Bd. 5, in: Plan London, 2018, S. 38–42, https://www.plan.london/perspective-05/ [23.08.2021].
  • Menzel, Christoph/Christian Winkler: Zur Diskussion der Effekte Künstlicher Intelligenz in der wirtschaftswissenschaftlichen Literatur in: Bundesministerium für Wirtschaft und Energie, 2018, S. 6–8, https://www.bmwi.de/Redaktion/DE/Downloads/Diskussionspapiere/20190205-diskussionspapier-effekte-kuenstlicher-intelligenz-in-der-wirtschaftswissenschaftlichen-literatur.pdf [15.09.2021].
  • Mieg, Harald A./Matthias Näf: Experteninterviews in den Umwelt- und Planungswissenschaften: eine Einführung und Anleitung, Berlin: Pabst Science Publ, 2006, S. 8-10.
  • Neuburg, Klaus/Sven Quadflieg/Simon Nestler: Will Artificial Intelligence Make Designers Obsolete?, in: Klaus Neuburg/Sven Quadflieg/Simon Nestler (Hrsg.), Proceedings of the First Conference on Designing with Artificial Intelligence, 2020, 
S. 80–85, www.designing-artificial-intelligence.eu [30.04.2021].
  • Neugebauer, Ellen u. a.: Neuwerk #7 – Kontakt. Das Magazin für Designwissenschaft (Neuwerk 7), Deutschland 2020, Burg Halle: Kunsthochschule Halle, S. 126–150.
  • Niederberger, Marlen/Ortwin Renn: Das Gruppendelphi-Verfahren: vom Konzept bis zur Anwendung (Lehrbuch), Wiesbaden: Springer, 2018, S. 7–21.
  • Park, Enno: Human Enhancement: Wenn Mensch und Maschine zusammenwachsen (Zukunft Mensch: Mensch-Maschine), in: Polytechnische Gesellschaft e. V., 2019, www.polytechnische.de/podcasts, Abschn. 1:50–23:50 [14.05.2021].
  • Poggio, Tomaso: »Turing+«-Fragen, in: Paul Brockman (Hrsg.), Was sollen wir von künstlicher Intelligenz halten? Die führenden Wissenschaftler unserer Zeit über intelligente Maschinen, 2. Aufl., Frankfurt am Main: Campus, 2017, S. 81–82.
  • Porst, Rolf: Fragebogen: ein Arbeitsbuch (Studienskripten zur Soziologie), 4., erw. Aufl., Wiesbaden: Springer, 2014, S. 95, doi:10.1007/978-3-658-02118-4.
  • Rajpurkar, Pranav u. a.: CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning, in: Blog arxiv.org, 14.11.2017, https://arxiv.org/abs/1711.05225 [20.06.2021].
  • Ribli, Dezső u. a.: Detecting and classifying lesions in mammograms with Deep Learning, in: Blog nature.com, 15.03.2020, https://www.nature.com/articles/s41598-018-22437-z [20.06.2021].
  • Ropohl, Günter/Wilgart Schuchardt: Schlüsseltexte der Technikbewertung, (ILS-Taschenbücher), Dortmund: ILS, 1990, S.20–33.
  • Schmidt, Holger/Peter Buxmann: Ökonomische Effekte der Künstlichen Intelligenz, in: Holger Schmidt/Peter Buxmann (Hrsg.), Künstliche Intelligenz: mit Algorithmen zum wirtschaftlichen Erfolg, Berlin: Springer, 2019, S. 21–30.
  • Siegele, Ludwig/Robert Solow zitiert nach: Der Computer als Zeitdieb. In den Vereinigten Staaten ist eine heftige Debatte über den Nutzen von Computern in Unternehmen ausgebrochen, in: Zeit, 10.10.1997, https://www.zeit.de/1997/42/titel.txt.19971010.xml.
  • Spitz-Oener, Alexandra: Technical Change, Job Tasks and Rising Educational Demands: Looking Outside the Wage Structure, in: Journal of Labor Economics, Bd. 24, Nr. 2, 2006, S. 243, doi:10.1086/499972.
  • Thesmann, Stephan: Interface Design: Usability, User Experience und Accessibility im Web gestalten (Lehrbuch), 2., aktualisierte und erweiterte Aufl., Wiesbaden: Springer, 2016, S. v–13.
  • Thissen, Frank: Kompendium Screen-Design: effektiv informieren und kommunizieren mit Multimedia (X.media.press), 3., überarb. und erw. Aufl., Berlin: Springer, 2003, S.32.
  • Unterrichtung der Enquete-Kommission Künstliche Intelligenz – Gesellschaftliche Verantwortung und wirtschaftliche, soziale und ökologische Potenziale (Drucksache 19/23700): in: D Server Bundestag, 2020, S. 27–309, https://dserver.bundestag.de/btd/19/237/1923700.pdf [21.06.2021].
  • Volland, Holger: Die kreative Macht der Maschinen: warum Künstliche Intelligenzen bestimmen, was wir morgen fühlen und denken, Weinheim: Beltz, 2018, S. 13–175.
  • Wagner, Frank: The Value of Design: Wirkung und Wert von Design im 21. Jahrhundert, erste Auf-lage, Mainz: Campus, 2015, S. 53.
  • Wennker, Phil: Künstliche Intelligenz in der Praxis. Anwendung in Unternehmen und Branchen: KI wettbewerbs- und zukunftsorientiert einsetzen, Wiesbaden: Springer, 2020, S. 63–78, doi:10.1007/978-3-658-30480-5.