Diese Seite lesen auf:

Willkommen zur Studie

Du bearbeitest in dieser Studie drei Aufgaben nacheinander. Dafür nutzt du einen Chat-Assistenten, der Informationen aus einem zugrunde liegenden Datensatz abrufen kann. Du stellst Fragen im Chat, prüfst die Antwort - und gibst anschließend deine Lösung ab.

Was du konkret tun musst
  • Du bekommst 3 Aufgaben (eine nach der anderen).
  • Du löst jede Aufgabe, indem du dem Assistenten im Chat Schritt für Schritt Fragen stellst.
  • Du darfst so oft nachfragen und den Chat so oft neu starten, wie du möchtest.
  • Unter den Antworten zeigt der Assistent eine Quelle / Data Details-Box. Nutze sie, um zu sehen, woher die Information kommt und ob der Assistent wirklich die passenden Daten verwendet hat.
  • Wenn du genug Informationen gesammelt hast, klicke auf „Bereit zum Antworten“ und gib deine Lösung ab.
Sprache: Die Studie selbst (Aufgabenstellungen, Fragebögen und Antwortoptionen) ist auf Englisch. Du kannst aber mit dem Assistenten in jeder Sprache chatten. Antworten kannst du auf Englisch oder Deutsch geben.

Worum geht es?

Ziel ist nicht, dass du „alles auf einmal“ löst, sondern dass du die Aufgaben Schritt für Schritt gemeinsam mit dem Assistenten bearbeitest: Fragen stellen, Ergebnisse prüfen, ggf. neu ansetzen - bis du zufrieden bist oder eine Aufgabe für dich nicht sinnvoll lösbar erscheint.

Wie hilft dir der Assistent?

  • Der Assistent kann Informationen aus dem Datensatz abrufen (z. B. zu Unternehmen, Jahren oder Messwerten).
  • Unter Antworten gibt es eine Data Details / Source-Box, die zeigt, welche Daten verwendet wurden. Das hilft dir zu beurteilen, ob die Antwort gut begründet ist.
  • Wenn du unsicher bist: Frage nach, bitte um Präzisierung oder starte einen neuen Chat.
Beispiel: Data Details / Source-Box

Diese Box erscheint unter den Antworten des Assistenten. Nutze sie, um zu prüfen, welche Daten verwendet wurden.

Beispiel-Screenshot der Data Details / Source-Box

Welche Daten liegen zugrunde?

Die Datengrundlage basiert auf einem wissenschaftlich erstellten ESG-Datensatz zu den 600 größten börsennotierten Unternehmen Europas (STOXX Europe 600). Enthalten sind 501 quantitative Indikatoren zu Umwelt-, Sozial- und Governance-Themen. Die Werte wurden aus Unternehmensberichten (Annual- und Sustainability-Reports) automatisch extrahiert und anschließend strukturiert bereitgestellt (Forster et al., 2025).

Hinweis: Fehlende Werte bedeuten nicht zwingend „Fehler“ - häufig wird ein Indikator in einem bestimmten Unternehmen/Jahr schlicht nicht berichtet (z. B. fehlende Relevanz/Materialität).

Datenstruktur (für die Data Details / Source-Box)

Du musst diese Namen nicht kennen - sie helfen dir nur dabei zu prüfen, ob der Assistent die passenden Daten verwendet hat.

Datenbanktabellen (3)
  • esg.companies - Informationen zu Unternehmen (z. B. Land, Name)
  • esg.indicator_metadata - Beschreibung der Indikatoren (was genau gemessen wird)
  • esg.esg_indicators_postprocessed - die eigentlichen Messwerte (Wert, Einheit, Jahr/Zeitraum usw.)
Quelle / Credit

Der verwendete ESG-Datensatz wurde im Rahmen des Working Papers “Assessing corporate sustainability with large language models: Evidence from Europe” erstellt und öffentlich bereitgestellt (Forster et al., 2025).

Vollständige Referenz (APA-7) siehe unten.

Wie läuft die Studie ab?

  1. Startbefragung (kurze Pre-Survey)
  2. Task 1 - den Datensatz kennenlernen (mit Chat) + kurze Nachbefragung
  3. Task 2 - Analyseaufgabe (mit Chat) + kurze Nachbefragung
  4. Task 3 - Analyseaufgabe (mit Chat) + kurze Nachbefragung
  5. Abschlussbefragung (Final Survey)

Wichtig beim Chat

  • Du kannst innerhalb einer Aufgabe jederzeit neu starten oder einen neuen Chat beginnen.
  • Arbeite iterativ: erst verstehen → dann gezielt abfragen → Ergebnisse prüfen → verfeinern.
  • Die Aufgabenstellungen und Fragebögen sind auf Englisch, aber du darfst mit dem Assistenten in jeder Sprache schreiben. Antworten sind auf Englisch oder Deutsch möglich.
  • Wenn du genug Informationen gesammelt hast, klicke auf „Bereit zum Antworten“ und gib deine Lösung ab.

Datenschutz & Einwilligung

  • Bitte behalte deinen Access-Code für dich und teile ihn nicht mit anderen.
  • Es werden nur studienrelevante Angaben erhoben und für die Auswertung gespeichert. Eine Zuordnung zu deiner realen Identität ist nicht vorgesehen.
  • Bitte gib im Chat keine personenbezogenen Daten ein.

Mit dem Klick auf „Studie starten“ erklärst du dich mit der Erhebung und Auswertung deiner Studienteilnahme-Daten (z. B. Antworten, Interaktionen im Chat, Bearbeitungszeiten) einverstanden.

Literatur (APA-7):
Forster, K., Keil, L., Wagner, V., Müller, M. A., Sellhorn, T., Feuerriegel, S. (2025). Assessing corporate sustainability with large language models: Evidence from Europe (Working Paper No. 202; revised September 2025). TRR 266 Accounting for Transparency.