Entscheidungen unter Unsicherheit zu treffen, kann für Menschen schwierig sein, und Entscheidungsprozesse können zeitaufwändig sein. Oft treffen wir Entscheidungen auf der Grundlage von Fachwissen oder Bauchgefühl. Bei einigen Entscheidungen müssen jedoch möglicherweise Informationen gesammelt und Risiken abgewogen werden, um ungünstige Resultate zu vermeiden. In einer zunehmend digitalisierten Welt werden riesige Datenmengen gesammelt, die potenziell als Grundlage für fundierte Entscheidungen verwendet werden können. Methoden und Modelle für die Verarbeitung, Clusterbildung, Klassifizierung oder Prognose entwickeln sich ständig weiter. Dies eröffnet viele Möglichkeiten, Menschen bei der Entscheidungsfindung in ihrem Privat- und Berufsleben zu unterstützen. Dies kann in Form einer Automatisierung von Aufgaben für Entscheidungen geschehen, die vollständig mathematisch beschrieben und gelöst werden können, oder in Form von Entscheidungsunterstützungssystemen für Entscheidungen, die nicht vollständig mathematisch gelöst werden können oder persönliche Präferenzen beinhalten. Fertigungsunternehmen verlassen sich auf ein effektives Management der Wartung von Produktionsanlagen, um die Zuverlässigkeit und Sicherheit des Betriebs zu gewährleisten und die Ressourcennutzung zu optimieren. Während die Produktionsprozesse zunehmend automatisiert werden, basieren herkömmliche Wartungsansätze oft auf starren Zeitplänen und reaktiven Reaktionen. Viele strategische und operative Entscheidungen werden auf der Grundlage von Expertenmeinungen ohne Berücksichtigung von Daten getroffen, was zu suboptimalen Ergebnissen führen kann. Die bloße Existenz eines Systems zur Entscheidungsunterstützung garantiert nicht die Akzeptanz der Benutzer oder eine erfolgreiche Zusammenarbeit zwischen Benutzern und System. Verschiedene Faktoren können dazu führen, dass Benutzer Systeme ablehnen oder ihnen misstrauen. Die Benutzer entwickeln eine Vorstellung von der Nützlichkeit und den Fähigkeiten eines Systems und entwickeln ein gewisses Maß an Vertrauen und Akzeptanz. Es ist wichtig zu verstehen, welche Faktoren die Akzeptanz und das Vertrauen der Nutzer beeinflussen, um Systeme zu entwickeln, die den Benutzern helfen, ein angemessenes Maß an Vertrauen aufzubauen und so eine erfolgreiche Zusammenarbeit zwischen Mensch und System zu ermöglichen. Diese Dissertation leistet einen Beitrag zur Forschung zur Interaktion zwischen Mensch und KI. Wir untersuchen die Faktoren, die das Vertrauen und die Akzeptanz der Benutzer in Entscheidungsunterstützungssysteme im Wartungsmanagement beeinflussen, identifizieren die Inhalte und Funktionen, die zur Unterstützung von Geschäftsentscheidungen im Wartungsmanagement erforderlich sind, und evaluieren die entwickelten Systeme zur Entscheidungsunterstützung im Hinblick auf Akzeptanz und Vertrauen der Benutzer. Unsere Arbeit zeigt, wie die Bewertung des Benutzervertrauens und der Akzeptanz in den Entwurfs- und Entwicklungsprozess von Entscheidungsunterstützungssystemen integriert werden kann, um aufzuzeigen, wie Aspekte des Systemdesigns die Benutzer beeinflussen. Darüber hinaus zeigt unsere Arbeit, dass sich das Systemdesign auf die Erledigung von Aufgaben und die Bewertung von Systemen durch die Benutzer auswirkt. Das Feedback der Nutzer zeigt, dass situationsbedingte Bedürfnisse bei der Entscheidungsfindung bei der Systemgestaltung berücksichtigt werden müssen — zum Beispiel die Notwendigkeit der mobilen Erreichbarkeit oder unterschiedliche Informationsbedürfnisse je nach Aufgabenschwierigkeiten oder Benutzerrolle und Präferenzen. Unsere Untersuchungen zeigen auch, dass Systemdesign und Benutzerkontrolle das Vertrauen und die Akzeptanz der Benutzer bei der frühen Nutzung eines Systems nicht wesentlich beeinflussen. Unsere Arbeit zeigt jedoch, dass die Systembewertung im Hinblick auf das Vertrauen und die Akzeptanz der Benutzer die Bedürfnisse der Benutzer aufdeckt, die bei der langfristigen Nutzung eines Entscheidungsunterstützungssystems relevant werden können.