Diese Forschung untersucht die Echtzeiteffekte generativer KI-Tools, wie ChatGPT, auf die kognitive Belastung bei Wissensarbeit. Mit Methoden aus dem NeuroIS-Bereich (insbesondere tragbares EEG) zielt die Studie darauf ab, ein Verständnis dafür zu entwickeln, wie Interaktionen mit KI-Assistenten die kognitiven Anforderungen beeinflussen. Zu diesem Zweck erweitern wir die kognitive Belastungstheorie, indem wir eine Beziehung zwischen dem Zeitpunkt und der Art des KI-Assistenteneinsatzes und der kognitiven Belastung modellieren und Moderatoren wie Aufgabenkomplexität und -relevanz berücksichtigen. Erste Ergebnisse einer Pilotstudie zeigen, dass KI-Assistenten im Vergleich zu traditionellen Internetsuchen während einer ML-Modellierungsaufgabe die kognitive Belastung nicht generell reduzieren, sondern sie sogar erhöhen können. Basierend auf diesen Konzepten und Erkenntnissen leiten wir wichtige nächste Schritte für umfassendere, zukünftige Datenerhebungen ab. Letztlich zielt diese Forschung darauf ab, das Design von KI-Assistenzen zu optimieren, indem es um ein allgemeines Verständnis der Dynamik kognitiver Belastung bei komplexer Arbeit bereichert wird.
