Jüngste Fortschritte im Bereich intelligenter Technologien und sensorbasierter Datenerhebungen ebnen den Weg für autonomes Fahren und ermöglichen so eine radikale Umgestaltung der heutigen Mobilität. Aufgrund vielversprechender Marktprognosen investieren traditionelle Automobilhersteller und Technologieunternehmen stark in die Entwicklung autonomer Fahrzeuge (AFs). Neben den Gewinnen, die die Industrie von selbstfahrenden Fahrzeugen erwartet, soll die neue Art der Mobilität auch gesellschaftliche Probleme wie die Reduzierung von Verkehrsunfällen durch die Vermeidung menschlicher Fahrfehler lösen. Es wird erwartet, dass ein effizienteres autonomes Fahren Verbesserungen in Form von weniger Staus und geringerem Kraftstoffverbrauch mit sich bringt und so die Treibhausgasemissionen reduziert. Darüber hinaus versprechen AFs Vorteile für ihre Nutzer. Insbesondere können sie beeinträchtigten und älteren Menschen helfen, mobil zu bleiben. Im Gegensatz dazu bringen jüngere Fahrgäste das autonome Fahren mit einer verbesserten Produktivität und einem gesteigerten hedonistischen Erlebnis in Verbindung, da fahrfremde Aktivitäten, wie z. B. arbeiten oder einen Film ansehen, ermöglicht werden. Entgegen den oben genannten Erwartungen äußern die Menschen auch Bedenken gegenüber selbstfahrenden Fahrzeugen. Sie machen sich Sorgen, ob die Sensoren und Systeme auch komplexe Umweltbedingungen richtig interpretieren können. Vor allem bestehen Zweifel, ob die Technologie, auch wenn sie intelligent ist, in kritischen Verkehrssituationen mit teils unvorhersehbar handelnden Menschen angemessen reagieren kann. Darüber hinaus wird bei unvermeidbaren Verkehrsunfällen die ethische Fragenstellung relevant, wie das Fahrzeug Entscheidungen fällt, die dazu führen könnten, dass eine Person verletzt wird oder stirbt. Schließlich könnte die neue und hochentwickelte Technologie Schwachstellen aufweisen, die entweder durch Cyberkriminelle ausgenutzt werden oder die es unbefugten Dritten ermöglichen, an Fahrgastdaten zu gelangen. Angetrieben durch die erwarteten Verbesserungen, die AFs mit sich bringen, und der Breite der Faktoren, die ihre Akzeptanz beeinflussen können, hat sich eine große Anzahl von Forschungsarbeiten angesammelt, die relevante Akzeptanzfaktoren untersuchen. Um die vorhandenen Erkenntnisse zusammenzutragen, zu ordnen und zu kombinieren, führt Artikel A eine strukturierte Literaturrecherche zur Akzeptanz von autonomen Fahrzeugen durch. Basierend auf 58 Artikeln wird ein AF-Akzeptanz-Framework entwickelt, das aus individuellen Nutzereigenschaften, Fahrzeugeigenschaften und politischen/gesellschaftlichen Elementen besteht. Das Framework gibt für jeden Faktor an, ob bestehende Forschungsergebnisse den Effekt als positiv oder negativ signifikant identifizieren. Dabei beleuchtet der Artikel auch divergierende Konstrukt-Operationalisierungen, um die Forscher darin zu unterstützen, vorhandene Ergebnisse zu vergleichen. Schließlich werden in Artikel A zukünftige Forschungsfelder über verschiedene Themen und Methoden hinweg vorgeschlagen, die eine Grundlage für die weitere Forschung in den nachfolgenden Artikeln dieser Dissertation sind. Das alleinige Abwägen von signifikanten und nicht signifikanten Ergebnissen kann jedoch zu falschen Schlussfolgerungen führen, da die Stichprobengröße allein Grund für unterschiedliche Signifikanzniveaus sein kann. Aus diesem Grund baut Artikel B auf der Literaturrecherche auf und führt eine Meta-Analyse durch, um weitere quantitative Analysen einzubeziehen. Es wird die mittlere Effektstärke für jeden AF-Akzeptanzfaktor auf Basis bereits veröffentlichter Forschungsergebnisse berechnet. Dabei zeigt sich, dass die Einstellung, der wahrgenommene Nutzen, die Effizienz, das Vertrauen in AFs, die Verkehrssicherheit und subjektive Normen am stärksten mit der Absicht, ein automatisiertes Fahrzeug zu nutzen, korrelieren. Eine anschließende Moderatorenanalyse zeigt, dass fast alle Akzeptanzfaktoren durch die Methodik und den Ort der Studie, den Automatisierungsgrad des AFs und das untersuchte Besitzverhältnis, d.h. Privatfahrzeuge, Car-Sharing oder öffentliche Verkehrsmittel, beeinflusst werden. Die meisten Untersuchungen beziehen sich jedoch auf AFs in Privatbesitz und daher fehlt es an Untersuchungen der öffentlichen sowie geteilten automatisierten Mobilität. Um diese Lücke zu schließen, erforscht Artikel C Merkmale, die für Automated Mobility as a Service (AMaaS) relevant sind. Basierend auf 23 explorativen Interviews mit der allgemeinen Bevölkerung werden eine Reihe von AMaaS-Anforderungen abgeleitet. Mobilitätsexperten sortieren diese Anforderungen anhand ihrer Gemeinsamkeiten, so dass eine Clusteranalyse die erwarteten AMaaS-Eigenschaften aus Sicht der Anwender konzeptualisieren kann. Der Artikel identifiziert Verkehrssicherheit, Datenschutz, IT-Sicherheit, Regulierung, Flexibilität, Zugänglichkeit, Effizienz und Komfort als relevante Service-Merkmale. Er diskutiert jedes geforderte Merkmal und grenzt hierbei die Konstrukte voneinander ab, sodass die nachfolgende Forschung geeignete Messinstrumente entwickeln kann. Außerdem zeigt Artikel C stark voneinander abweichende Prioritäten in Bezug auf die jeweiligen Serviceeigenschaften auf, wenn er die Gesprächsanteile potentieller Nutzer mit den Relevanzbewertungen der Experten vergleicht. Artikel D baut auf den qualitativen Ergebnissen von Artikel C auf, indem er eine hierarchische Qualitätsskala für AMaaS entwickelt und validiert. Der Artikel schlägt ein theoretisches Modell vor und operationalisiert die zuvor identifizierten Dienstleistungsmerkmale. Durch mehrere empirische Studien mit 1.431 Teilnehmern wird die vorgeschlagene Qualitätsskala iterativ verfeinert, bis zufriedenstellende psychometrische Eigenschaften erreicht werden. Nomologische Validität sichert die Vorhersagekraft der Skala. Artikel D bringt die Forschung somit von der Konzentration auf die bloße Akzeptanz des autonomen Fahrens hin zur Qualitätswahrnehmung des Benutzers voran, was die Nutzerzufriedenheit und damit den Erfolg von AMaaS maßgeblich beeinflusst. Dieser wiederum ist erforderlich, um die versprochenen Vorteile des autonomen Fahrens nachhaltig zu realisieren.