Wie virtuelle Promi-Eigenschaften die Kaufintention steuern: Testen des Stimulus-Organismus-Response-Rahmens mit struktureller Gleichungsmodellierung

Zusammenfassung

Im Kontext des virtuellen Promi-Erlebnisses sorgt die Qualität der Inhalte am stärksten für die Zufriedenheit; Zufriedenheit wiederum erhöht indirekt durch Loyalität die Kaufabsicht. Personalisierung stärkt die Verbindung zwischen Zufriedenheit und Loyalität, daher sollten Unternehmen emotionshervorrufende, narrative konsistente virtuelle Promi-Inhalte und personalisierte Treueprogramme priorisieren.

Zusammenfassung

In den letzten Jahren haben Unternehmen begonnen, virtuelle Prominente einzuführen, um ihre Produkte und Marken über verschiedene Medienkanäle zu bewerben. Diese Forschung verwendet das Stimulus-Organismus-Response-(SOR)-Framework, um empirisch zu untersuchen, wie Faktoren zur Attraktivität virtueller Prominenter wie Aussehen, Stimme und Inhaltsqualität die Zufriedenheit, Loyalität und Kaufintention der Verbraucher beeinflussen können. Die teilweise kleinste Quadrat-Strukturmodellierung (PLS-SEM) wurde verwendet, um die Hypothesen auf Basis einer Stichprobe von 249 Teilnehmern zu testen, die virtuelle Promi-Erfahrungen gemacht hatten. Die Ergebnisse zeigen, dass die Qualität der Inhalte der stärkste Prädiktor für die Nutzerzufriedenheit ist und dass Zufriedenheit indirekt die Kaufintention durch Loyalität beeinflusst. Darüber hinaus mildert Personalisierung die Zufriedenheits-Loyalitäts-Beziehung, was darauf hindeutet, dass personalisierte Erlebnisse das Engagement virtueller Prominenter und Fans verbessern würden. Die Ergebnisse deuten darauf hin, dass Unternehmen, die virtuelle Promi-Kampagnen in Betracht ziehen, sich mehr auf emotionsauslösende, erzählerisch konsistente Inhalte konzentrieren sollten, statt auf visuellen Realismus. Darüber hinaus sind Investitionen in Loyalitätsaufbauprogramme und personalisierte Engagement-Lösungen notwendig, um die Kundenzufriedenheit in nachhaltiges Verhalten zu verwandeln.

Einleitung

Promi-Endorsement ist weiterhin weit verbreitet, und Unternehmen übernehmen zunehmend virtuelle Prominente über digitale Medienkanäle¹. Fortschritte in der KI und verwandten Technologien haben virtuelle Promi-Formen diversifiziert und die Skalierbarkeit^{sowie Interaktion verbessert}.

Virtuelle Prominente sind Hybride aus virtuellen Charakteren und traditionellen Prominenten³ und werden hier als digital geschaffene Personas definiert, die durch wiederkehrende, narrative^{basierte Interaktionen} öffentliche Anerkennung und anhaltende Bindung erreichen. ^3,4. Diese Studie konzentriert sich auf audiovisuelle virtuelle Prominente im verbraucherorientierten digitalen Marketing. Obwohl Unternehmen zunehmend darauf angewiesen sind, um das Verbraucherverhalten zu beeinflussen,^hat die Forschung nur begrenzte Aufmerksamkeit darauf gelegt, wie virtuelle Promi-Erlebnisse sich in Zufriedenheit, Loyalität und Kaufabsicht übersetzen.

Frühere Arbeiten untersuchten Verhaltens-, kognitive und affektive Perspektiven⁴, wobei Glaubwürdigkeit und Authentizität ^6,7, wahrgenommene Authentizität⁸, Identitätsoffenlegung⁹, Informationsqualität¹⁰ und emotionale Reaktionen¹¹ betont wurden. Studien haben auch Attraktivitätsmerkmale wie Aussehen, Stimme und Inhaltsqualität¹² hervorgehoben, erklären jedoch oft nicht, wie diese Faktoren die Konsumentenergebnisse beeinflussen^13,14. Daher führen positive Bewertungen nicht konsequent zu einer Kaufabsicht, und die Belege für die Zufriedenheits-Kauf-Beziehung bleiben gemischt.

Um diese Lücke zu schließen, untersucht diese Studie, wie Erscheinungsbild, Stimme und Inhaltsqualität Zufriedenheit, Loyalität und Kaufintention prägen, während Personalisierung als Moderator^15,16 mit dem SOR-Framework getestet wird.

Diese Studie trägt dazu bei, dass sie die Attraktivität virtueller Prominenter als Aussehen, Stimme und Inhalt^{konzipiert 17}, Loyalität als Schlüsselmechanismus für Zufriedenheit mit Kaufintention^18,19 klarstellt und Personalisierung als Verstärker der Zufriedenheits-Loyalitäts-Beziehung^{identifiziert 20}.

Stimulus-Organismus-Response-(SOR)-Rahmen
Das SOR-Framework erklärt, wie Umweltreize innere Zustände und Verhaltensreaktionen²¹ durch eine Abfolge von Reizen (S), organismischen Zuständen (O) und Reaktionen (R) beeinflussen. Es wurde häufig in Kontexten wie dem Metaverse, Gaming, Einzelhandel, Werbung, E-Commerce und Promi-Endorsement 22,23,24,25,26,27,28 eingesetzt. Während SOR Beziehungen zwischen virtuellen Promi-Attributen, Bewertungen und Ergebnissen strukturiert, erklärt es jedoch nicht vollständig, wie Bewertungen zu Verhaltensintentionen werden. Daher integriert diese Studie Beziehungsmarketing und Loyalitätstheorie²⁹, um den Zufriedenheits-Loyalitäts-Kaufintention-Mechanismus zu klären.

Die Reaktionen der Verbraucher auf virtuelle Prominente werden zunehmend durch erfahrungsbezogene Hinweise wie audiovisuelle Attraktivität und Content Engagement ^4,30 geprägt. Aussehen und Stimme beeinflussen den ersten Eindruck, während die Qualität der Inhalte emotionale und narrative Bindung aufrechterhält^14,31. Obwohl diese Faktoren positive Bewertungen fördern, zeigen frühere Forschungen, dass positive Wahrnehmungen allein nicht die Kaufintention beeinflussen können. Beziehungskonstruktionen wie Loyalität und Engagement scheinen positive Erfahrungen in Verhaltensabsichten umzuwandeln^32,33. Dementsprechend werden Erscheinung, Stimme und Inhaltsqualität als Reize modelliert; Zufriedenheit und Loyalität als organismische Zustände; und Kaufintention als Verhaltensreaktion. Loyalität wird als psychologisches Engagement konzipiert, und Kaufintention als konatives Ergebnis.

Promi-Empfehlung
Promi-Endorsement ist eine weit verbreitete Marketingstrategie³⁴, bei der anerkannte Personen Produkte oder Dienstleistungen bewerben³⁵. Seine Nutzung hat sich weltweit auf ^1,36,37 ausgeweitet, insbesondere mit dem Anstieg von Social-Media-Influencern³⁷. Computergenerierte Influencer sind als Alternativen zu menschlichen Unterstützern³⁷ aufgetaucht und operieren hauptsächlich über digitale Plattformen³⁸.

Umfangreiche Forschungen haben die Endorsement-Effektivität^39,40 untersucht und Modelle wie Source Credibility⁴¹, also Transfer³⁵, Extended Source Attractiveness⁴², Celebrity-Brand^{Fit 43} und Prozess-Transfer^{Effects 44} vorgeschlagen. Diese Rahmenwerke betonen Glaubwürdigkeit, Attraktivität, symbolische Bedeutungsübertragung und Markenkongruenz⁴⁵ und bieten eine Grundlage für das Verständnis von Unterstützungsmechanismen in virtuellen Kontexten.

Virtueller Prominenter
Aktuelle Studien untersuchen KI-generierte Influencer, VTuber und virtuelle Markenbotschafter in digitalen Umgebungen⁴⁶ und betonen dabei Interaktion, Personalisierung und Authentizität. Die Theorie des Medienreichtums legt nahe, dass reichere Medien die Kommunikationseffektivität erhöhen⁴⁷, und virtuelle Charaktere verkörpern diese Vielfalt durch immersive, multisensorische Interaktion⁴⁸ und beeinflussen emotionale und soziale Reaktionen⁴⁹.

Obwohl "virtueller Promi" verschiedene digitale Personas⁵⁰ umfasst, konzentriert sich diese Studie auf visuell verkörperte audiovisuelle virtuelle Prominente mit stabilen Identitäten und wiederkehrenden Inhalten. Frühere Forschungen rahmen ihren Einfluss durch verhaltensbezogene, kognitive und affektive Perspektiven⁴. Verhaltensforschung untersucht Engagement und Kaufverhalten^32,51; kognitive Forschung hebt Glaubwürdigkeit, Authentizität⁸, Identitätsoffenlegung ^9,52 und Informationsqualität¹⁰ hervor; Affektive Forschung legt den Schwerpunkt auf emotionale Einstellungen¹¹.

Virtuelle Promi-Eigenschaften
Aufbauend auf der Quellglaubwürdigkeitstheorie hat Forschung Anthropomorphismus, Attraktivität, Vertrauenswürdigkeit, Fachwissen und parasoziale Interaktion in virtuellen Kontexten untersucht ^1,32,53. Anthropomorphismus prägt die Verbraucherreaktionen^{positiv 54,55} und entspricht dem Paradigma Computers Are Social Actors⁵⁶, das auf Medienagenten⁵⁷, Chatbots⁵⁸ und virtuelle Influencer ausgeweitet wurde. Allerdings variieren virtuelle Prominente im Realismus⁴, und die Uncanny-Valley-Theorie legt nahe, dass nahezu menschliche Darstellungen Unbehagen hervorrufen^{könnten 59}.

Technologische Fortschritte haben virtuelle Prominente hin zu dynamischen, inhaltserzeugenden Agenten gemacht und die Bedeutung von erfahrungsbezogenen Eigenschaften wie Inhaltsqualität und Sprachausdruckskraft erhöht. Forschungen untersuchten synthetische Stimme¹⁴, Gesichtserscheinung¹³, Aussehen–Stimme Kongruenz⁶⁰, audiovisuelle Attraktivität³⁰ und Reaktionen auf computergenerierte Gesichter⁶¹.

Diese Studie konzeptualisiert die Attraktivität virtueller Prominenter durch Aussehen, Stimme und Inhalt. Die körperliche Attraktivität beeinflusst die soziale Bewertung⁶², was mit dem Halo-Effekt⁶² übereinstimmt, und wird voraussichtlich die Zufriedenheit steigern. Die Inhaltsqualität repräsentiert die narrative und erfahrungsbezogene Dimension des virtuellen Promi-Outputs und unterscheidet sich konzeptionell von Service Quality 63,64,65.

Zufriedenheit
Die Zufriedenheit spiegelt die kognitive und emotionale Bewertung der Konsumenten wider, ob die Erfahrungen die Erwartungen^66,67 erfüllen und wird durch die wahrgenommene Leistung im Vergleich zu^{den Erwartungen 68,69} geprägt. Sie wurde in Online-Kontexten vielfach untersucht⁷⁰ und ist zentral für die Leistungsbewertung⁷¹. Attraktivität beeinflusst die Zufriedenheit in Dienstleistungsumgebungen^72,73, und die Stimmattraktivität zeigte ähnliche Effekte⁷⁴. Dementsprechend sollen Aussehen, Stimme und Inhaltsqualität die Zufriedenheit in virtuellen Promi-Kontexten prägen.

Dementsprechend werden folgende Hypothesen vorgeschlagen:
H1: Die Attraktivität virtueller Prominenter beeinflusst die Zufriedenheit der Verbraucher positiv.
H2: Die Attraktivität virtueller Prominenter wirkt sich positiv auf die Zufriedenheit der Verbraucher aus.
H3: Die Inhaltsqualität virtueller Prominenter beeinflusst die Verbraucherzufriedenheit positiv.

Loyalität
In dieser Studie wird Loyalität als attitudinale Loyalität konzipiert, die das psychologische Engagement und die Bindung eines Konsumenten zum virtuellen Prominenten widerspiegelt, statt tatsächliches wiederholtes^{Verhalten 19,33}. Loyalität steht für die Bereitschaft, die Beziehung trotz Barrieren aufrechtzuerhalten,⁷⁵, und wurde vielfach als Ergebnis von Zufriedenheit in Online-Settings^67, 77, Tourismus⁷⁷ und VTuber-Empfehlungskontexten³³ untersucht. Dementsprechend wird folgende Hypothese vorgeschlagen:
H4: Die Zufriedenheit der Verbraucher mit virtuellen Prominenten beeinflusst die Loyalität gegenüber virtuellen Prominenten positiv.

Kaufintention für die von virtuellen Prominenten befürworteten Waren und Dienstleistungen
Die Kaufabsicht spiegelt die Wahrscheinlichkeit und Bereitschaft des Verbrauchers wider, ein Produkt oder eine Dienstleistung zu kaufen 67,78,79 und wird von Faktoren wie Zufriedenheit, Vertrauen, Loyalität und Genuss beeinflusst ⁷⁸. Loyalität hat gezeigt, dass sie die Kaufintention⁸⁰ stark vorhersagt. In virtuellen Promi-Kontexten hat Forschung die Kaufintentionseffekte ^8,52 und die vermittelnde Rolle der Zufriedenheit zwischen Attraktivität und Kaufabsicht^81,82 untersucht. Dementsprechend werden folgende Hypothesen vorgeschlagen:
H5a: Die Verbraucherzufriedenheit beeinflusst die Kaufabsicht indirekt positiv durch Loyalität.
H5b: Die direkte Beziehung zwischen Zufriedenheit und Kaufintention ist nicht signifikant, wenn Loyalität im Modell einbezogen wird.
H6: Die Loyalität der Verbraucher gegenüber virtuellen Prominenten beeinflusst die Kaufintention positiv.

Personalisierung (personalisierter Service)
Die Interaktivität stammt aus der Soziologie und bezieht sich auf beziehungsbasierte Kommunikation⁸³, die oft durch Technologie⁸⁴ ermöglicht wird. KI hat das interaktive Marketing durch personalisierte Services⁴⁶ gestärkt und Personalisierung zentral für die Effektivität digitales Marketings gemacht⁸⁵. Personalisierung bedeutet, Inhalte oder Interaktionen individuell anzupassen, um Ergebnisse⁸⁶ zu verbessern und Engagement sowie Wert-Co-Creation^{zu unterstützen 87}. Fortschritte bei Big Data und digitalen Traces ermöglichen es Unternehmen, die Kommunikation mithilfe von Verhaltensdaten und selbstoffengelegten Nutzerinformationen^{zu personalisieren.}

Frühere Studien zeigen, dass Personalisierung zentrale Beziehungen wie Qualität–Zufriedenheit⁹¹, Vertrauenszufriedenheit¹⁶ und Technologieadoption unter Datenschutzbedenken⁹² sowie andere relationale Wege^{moderiert 24,25,26,27}. In dieser Studie wird Personalisierung als kontextueller Moderator behandelt, der prägt, wie Zufriedenheit und Loyalität sich in kaufbezogene Ergebnisse übersetzen. Folgende Hypothesen werden vorgeschlagen:
H7a: Wahrgenommene Personalisierung stärkt die Beziehung zwischen Zufriedenheit und Loyalität.
H7b: Wahrgenommene Personalisierung stärkt die Beziehung zwischen Zufriedenheit und Kaufintention.
H7c: Wahrgenommene Personalisierung stärkt die Beziehung zwischen Loyalität und Kaufintention.

Konzeptionelles Forschungsmodell
Abbildung 1 präsentiert das konzeptuelle Modell, das auf dem Stimulus–Organismus–Response-Rahmen basiert: Erscheinung, Stimme und Inhalt (Reize) beeinflussen Zufriedenheit und Loyalität (Organismus), wobei die Kaufintention (Antwort) hauptsächlich durch Loyalität entsteht. Personalisierung stärkt die Zufriedenheits-Loyalitäts-Beziehung und wird als Moderator ausgewählter struktureller Wege modelliert.

Abbildung 1: Forschungsmodell basierend auf dem Stimulus–Organismus–Response-Rahmen. Konzeptionelles Modell, das die Beziehungen zwischen virtuellen Promiattributen (Aussehen, Stimme und Inhaltsqualität) als Reize, organismische Variablen (Zufriedenheit und Loyalität) und Verhaltensergebnis (Kaufintention) illustriert. Personalisierung wird als Moderator der Zufriedenheits-Loyalitäts-Beziehung modelliert. Indirekte Effekte durch Loyalität werden dargestellt. Hinweis. CAA = Charakteristisches Aussehen, Attraktivität; CVA = Charakteristische Stimmattraktivität; CCA = Attraktivität charakteristischer Inhalt; LO = Loyalität; PE = Personalisierung; PI = Kaufintention; SA = Zufriedenheit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Protokoll

Die Studie qualifizierte sich für eine Ausnahme von der vollständigen ethischen Überprüfung nach institutionellen Minimalrisikorichtlinien, da sie eine anonyme Online-Umfrage ohne personenbezogene Daten beinhaltete. Ein Formular zur informierten Einwilligung, das den Zweck der Studie, die freiwillige Teilnahme, die Anonymität und den Datenverbrauch beschreibt, wurde zu Beginn der Umfrage vorgelegt, und nur einwilligende Teilnehmer gingen weiter.

1. Bestimmung der Stichprobengröße

Die endgültige Stichprobe (N = 249) wurde anhand der statistischen Leistungsanforderungen für PLS–SEM bestimmt. Die maximale Anzahl von Prädiktoren für ein einzelnes endogenes Konstrukt betrug sechs (drei virtuelle Prominentenmerkmale und drei Kontrollvariablen für Zufriedenheit; Zufriedenheit, Interaktionsterm und Kontrollvariablen für Loyalität). Die Leistungsanalyse zeigte, dass die Erkennung einer mittleren Effektgröße (f² = 0,15) bei α = 0,05 und 0,80 Leistung etwa 97 Beobachtungen erforderte. Die erreichte Stichprobengröße überschritt diese Schwelle und gewährleistete so ausreichende Leistung für strukturelle, mediale und moderierende Analysen.

2. Teilnehmerwerbung und Auswahl

Die Teilnehmer wurden über ein Online-Forschungspanel rekrutiert, das gezielte nicht-wahrscheinliche Stichprobe nutzte, um vorherige Erfahrungen mit virtuellen Prominenten sicherzustellen. Die Berechtigung war auf Personen ab 18 Jahren beschränkt. Screening- und Aufmerksamkeitskontrollpunkte wurden einbezogen, ungültige Antworten wurden ausgeschlossen. Die Datenerhebung endete, sobald die Zielstichprobengröße erreicht war.

3. Standardisierte Definition und Vermessungsanweisungen

Den Teilnehmern wurde eine standardisierte Definition virtueller Prominenter als digital erstellte audiovisuelle Persönlichkeiten mit stabiler visueller Identität, Stimme und wiederkehrenden narrativen Inhalten vermittelt. Sie wurden angewiesen, basierend auf ihren tatsächlichen Erfahrungen zu reagieren.

4. Entwicklung und Verwaltung von Vermessungsinstrumenten

Validierte Messskalen wurden an den virtuellen Prominentenkontext angepasst (Tabelle 1), bei dem alle Konstrukte mit 7-Punkt-Likert-Skalen gemessen wurden (1 = stark widersprechend; 7 = stark übereinstimmend). Der Fragebogen enthielt Abschnitte zu Aussehen, Sprache, Inhaltsqualität, Zufriedenheit, Loyalität, Personalisierung, Kaufabsicht und Demografie. Plattformkontrollen verhinderten doppelte Einreichungen.

Tabelle 1: Messpunkte und Quellen. Für jedes Konstrukt verwendete Messelemente sind Aussehen, Attraktivität der Stimmen, Inhaltsqualität, Zufriedenheit, Loyalität, Personalisierung und Kaufintention. Quellen für Skalenanpassungen werden bereitgestellt. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

5. Datenvorbereitung und -reinigung

Die Daten wurden im CSV-Format exportiert. Unvollständige, fehlgeschlagene Screening- und fehlgeschlagene Aufmerksamkeitskontrollantworten wurden entfernt. Der bereinigte Datensatz wurde zur Analyse in die PLS–SEM-Software importiert.

6. Mess- und Strukturmodellbewertung

Alle Konstrukte wurden als reflektiv angegeben. Die Zuverlässigkeit wurde anhand von Cronbachs Alpha- und Composite-Zuverlässigkeit (≥ 0,70) bewertet. Die konvergente Validität wurde mit AVE (≥ 0,50) bewertet, und die diskriminierende Validität wurde mit dem Fornell–Larcker-Kriterium und HTMT (< 0,90) bewertet.

Strukturelle Wege wurden nach dem konzeptuellen Modell festgelegt. Die Multikollinearität wurde mit dem Varianzinflationsfaktor (VIF) < 5,0 bewertet. Bootstrapping mit 5.000 Teilstichproben erzeugte Pfadkoeffizienten, t-Werte, p-Werte, 95%-Konfidenzintervalle und Effektgrößen (f²).

1. Mediationsanalyse
   Sequentielle Mediation (virtuelle Promi-Attribute → Zufriedenheit → Loyalität → Kaufabsicht) wurde mit bootstrapped indirekten Effekten (5.000 Subproben) mit 95%-Konfidenzintervallen getestet.
2. Moderationsanalyse
   Interaktionsbegriffe testeten die moderierenden Effekte der Personalisierung. Das Bootstrapping von geschätzten Moderationskoeffizienten und Effektgrößen sowie Interaktionsdiagramme illustrierten bedingte Effekte.
3. Prädiktive Relevanz
   Die prädiktive Leistung wurde mittels Augenbindung und/oder außerhalb der Stichprobe durchgeführten Verfahren bewertet. Q²_predict Werte, RMSE und MAE wurden mit einem linearen Benchmark-Modell verglichen. Prädiktive Relevanz wurde unterstützt, wenn^{Q2_predict > 0} und PLS-Fehler niedriger als der Benchmark lagen.
4. Berichterstattung und Verifizierung
   Alle Zuverlässigkeits-, Validitäts-, Struktur-, Mediations-, Moderations- und prädiktiven Ergebnisse wurden zur Berichterstattung zusammengestellt. Die Ausgaben wurden mit Softwareergebnissen abgeglichen, um Genauigkeit und Konsistenz sicherzustellen.

7. Fehlerbehebung und Modifikationen

Wenn die Screening-Fehlzustände hoch waren, wurden die Zulassungskriterien und Anweisungen verbessert. Wenn Zuverlässigkeit (CR < 0,70) oder AVE (< 0,50) unter die Schwellenwerte fiel, wurden schlecht abschneidende Indikatoren entfernt, während die theoretische Kohärenz erhalten blieb. Multikollinearitätsprobleme (VIF über den Grenzwerten) wurden durch eine Neubewertung der Konstruktspezifikationen gelöst. Wenn Mediations- oder Moderationseffekte nicht signifikant waren, wurde die Stichprobengröße oder die Operationalisierung neu bewertet. Bootstrapping nutzte 5.000 Unterproben, um stabile Schätzungen sicherzustellen.

Ergebnisse

Tabelle 2 fasst die demografischen Merkmale der Endstichprobe (N = 249) zusammen, einschließlich Geschlecht, Alter, Bildungsniveau und Häufigkeit des Kontakts mit virtuellen Prominenten. Die Stichprobe zeigte eine ausgewogene Geschlechterrepräsentation (52,6 % weiblich) und bestand hauptsächlich aus jungen bis mittelalten Erwachsenen mit relativ hohem Bildungsabschluss. Die Engagement-Frequenz konzentrierte sich auf den wöchentlichen bis monatlichen Bereich, mit weniger ...

Diskussion

Diese Studie untersucht, wie virtuelle Promi-Eigenschaften Zufriedenheit, Loyalität und Kaufintention innerhalb eines SOR-Rahmens beeinflussen, wobei Personalisierung als Moderator dient. Drei zentrale Erkenntnisse ergeben sich: Die Qualität der Inhalte ist der stärkste Faktor für Zufriedenheit in Bezug auf Erscheinungsbild und Stimme; Zufriedenheit beeinflusst die Kaufintention nur indirekt durch Loyalität (nur indirekt Vermittlung); und Personalisierung stärkt die Zufriedenheits-Loyali...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Qualtrics Version: N/A	Qualtrics, LLC	N/A	Umfrage-Codierung, https://www.qualtrics.com/
Prolific Version: N/A	Produktiv	N/A	Online-Anbieter von Umfragepanelen, https://www.prolific.com/
SmartPLS Version: 4.0.1	SmartPLS GmbH	N/A	PLS-SEM-Analyse, https://www.smartpls.com/
ChatGPT Version: 5.2	OpenAI	N/A	Verbesserung der Lesbarkeit und Grammatikkontrolle https://www.chatgpt.com/