Der HR-Bereich wird durch den Megatrend der Digitalisierung und den globalen Wettbewerb st\u00e4ndig vor neue Herausforderungen gestellt. Die L\u00f6sung versprechen sich viele HRler*innen von Tools, die durch k\u00fcnstliche Intelligenz (KI) betrieben werden. Der Einsatz der KI-Tools im Recruiting soll dabei helfen Vielfalt, Gleichheit und Inklusion in die Unternehmenskultur zu integrieren und die Bewerber*innen gleichzeitig objektiv und frei von subjektiven Biases und Vorurteilen zu bewerten.<\/p>\n\n\n\n
Amazon hat sich bereits 2018 gegen den Einsatz von KI-gest\u00fctzten HR-Tools entschieden. Der Onlineversandh\u00e4ndler versuchte die Personalauswahl und die Suche nach geeigneten Mitarbeiter*innen zu automatisieren. Daher entwickelten sie ein KI-gest\u00fctztes Tool, angelernt mit den Bewerber*innendaten aus den vergangenen zehn Jahren. Das Problem daran? <\/p>\n\n\n\n
Die Bewerbungen stammten in der Mehrheit von M\u00e4nnern. In Konsequenz bevorzugte das System m\u00e4nnliche Bewerber und diskriminierte Frauen im Auswahlprozess. Sobald in den Bewerbungen W\u00f6rter wie \u201cFrau\u201d auftauchten, bewertete das System sie schlechter – und das nicht, weil der Algorithmus aus eigenem Willen f\u00fcr die Benachteiligung verantwortlich war, sondern die manuell ausgew\u00e4hlten Daten.<\/p>\n\n\n\n
Die Erfahrung, „Vielfalt, Gleichheit und Inklusion\u201d mit KI-Tools als Unternehmensziel zu etablieren, hat Amazon nicht erlebt.<\/p>\n\n\n\n
Doch Firmen, die KI-Tools f\u00fcr den Personalbereich vertreiben, werben mit diversen Vorteilen ihrer Systeme:<\/p>\n\n\n\n
Diese Versprechen klingen verhei\u00dfungsvoll. Das Beispiel von Amazon zeigt allerdings, dass die Tools in der Praxis nicht halten k\u00f6nnen, was sie versprechen. Liegt das an einer schlechten Umsetzung? Oder sorgen KI-betriebene HR-Tools f\u00fcr eine Verschlimmbesserung der bestehenden Auswahlprozesse?<\/p>\n\n\n\n
Drage & Mackereth (2022) haben die Fragestellung untersucht, ob K\u00fcnstliche Intelligenz in der Lage ist, die Biases aus der Personalauswahl zu entfernen. Dazu haben sie ein KI-Modell nachgebildet, das in der Praxis h\u00e4ufig eingesetzt wird. Das Modell dient der Erfassung der Big Five <\/a>– 5 zentrale Eigenschaften zur Ermittlung der Pers\u00f6nlichkeit werden erhoben: Offenheit, Extraversion, Gewissenhaftigkeit, Neurotizismus und Vertr\u00e4glichkeit. <\/p>\n\n\n\n Drage & Mackereth (2022) fanden allerdings heraus, dass die Eignungsvorhersagen, die das Modell trifft, von verschiedenen Faktoren beeinflusst werden, die eigentlich nicht relevant sein d\u00fcrften. <\/p>\n\n\n\n Beispielsweise sorgte ein B\u00fccherregal im Videohintergrund f\u00fcr eine bessere Bewertung der Bewerber*innen im Vergleich zu einem schlichten Hintergrund. Au\u00dferdem unterschieden sich die Bewertungen des KI-Tools in Abh\u00e4ngigkeit davon, ob die Bewerber*innen Brillen oder Kopft\u00fccher tragen.<\/p>\n\n\n\n Die Ergebnisse der Wissenschaftler der Cambridge University zeigen, dass das KI-Programm falsche Verbindungen im Versuch die Bewerber*innen zu kategorisieren, zieht. Daf\u00fcr werden Faktoren herangezogen (z.B. Videohintergrund, Kleidung), die keine Rolle spielen d\u00fcrften. Die Biases, die bei Menschen auftreten und zu einer falschen Beurteilung f\u00fchren k\u00f6nnten, treten also gleicherma\u00dfen bei einer KI-L\u00f6sung auf. <\/p>\n\n\n\n Der Einsatz von KI-Recruiting-Tools ist fehleranf\u00e4llig. Drage & Mackereth (2022) widerlegen damit die Versprechen, die die KI-Tools so gro\u00dfz\u00fcgig angek\u00fcndigt haben:<\/p>\n\n\n\n Den KI-Tools liegt ein falsches Verst\u00e4ndnis dessen zugrunde, was Geschlecht und ethnischer Hintergrund eigentlich sind. Sie sind nicht als isolierbare Eigenschaften anzusehen, sondern viel eher als dynamische und sich \u00fcberschneidende Machtsysteme einzuordnen.<\/p>\n\n\n\n Die KI-Tools sorgen daf\u00fcr, dass Ungleichheiten und Diskriminierung im Unternehmen erhalten bleiben. Die systematischen Probleme, die eigentlich in der Organisation bestehen, werden nicht identifiziert und verhindert, sondern nur an die KI-Software weitergegeben. Mit diesem Problem sah sich Amazon beim Versuch, k\u00fcnstliche Intelligenz im Recruiting einzusetzen, auch konfrontiert. <\/p>\n\n\n\n Die Verbindungen, die die KI-Tools zwischen dem \u00e4u\u00dferen Erscheinungsbild und den inneren Eigenschaften herstellen, sind fehleranf\u00e4llig und werden von irrelevanten Faktoren (z.B. Brille) beeinflusst.<\/p>\n\n\n\n Die Kategorisierungsprozesse der KI-Tools basieren auf aktuellen Trends des Arbeitsmarktes. Das zeigt auch das Beispiel von Amazon: die vergangenen Bewerber*innendaten setzten sich zu gro\u00dfen Teilen aus M\u00e4nnern zusammen. Der Trend, dass technische Berufe von M\u00e4nnern dominiert werden, setzt sich damit auch in der Personalauswahl mithilfe von KI-Tools durch – denn die KI wird mit den vorhandenen Bewerber*innendaten angelernt. Damit ist die Bewertung durch die KI-Tools nur vermeintlich neutral und unabh\u00e4ngig. Drage & Mackereth (2022) geben einige Praxisempfehlungen f\u00fcr den Umgang mit KI-betriebenen HR-Tools vor.<\/p>\n\n\n\n Die KI-Tools k\u00f6nnen bisher ihre Versprechen oftmals nicht halten. Stattdessen reproduzieren sie bisherige Formen von Ungleichheit und Ungerechtigkeit in Einstellungsentscheidungen. Die Folgerung, eine fairere Personalauswahl w\u00e4re durch den Einsatz einer k\u00fcnstlichen Intelligenz automatisch gegeben, ist nicht vollst\u00e4ndig zu Ende gedacht! Vielmehr bedarf es hier mehr Technik-Kompetenz in der Personalauswahl, um sinnvolle Unterst\u00fctzung von t\u00f6nernen Heilsversprechen zu unterscheiden.\u00a0 Der HR-Bereich wird durch den Megatrend der Digitalisierung und den globalen Wettbewerb st\u00e4ndig vor neue Herausforderungen gestellt. Die L\u00f6sung versprechen sich viele HRler*innen von Tools, die durch k\u00fcnstliche Intelligenz (KI) […]<\/p>\n","protected":false},"author":11,"featured_media":12278,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[29],"tags":[],"class_list":["post-12277","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-wissenschaft-in-60-sek"],"acf":[],"yoast_head":"\nWas sind zentrale Erkenntnisse?<\/h4>\n\n\n\n
Was bedeutet das f\u00fcr die Praxis?<\/h4>\n\n\n\n
\n
\n
\n
\n
Was sind sinnvolle Handlungsempfehlungen?<\/p>\n\n\n\n
Was sind sinnvolle Handlungsempfehlungen?<\/h4>\n\n\n\n\n
Zusammenfassend gilt:<\/h4>\n\n\n\n
Daher lohnt sich in der Praxis der Einsatz von digitalen Softwarel\u00f6sungen, wie von Applysia<\/a>. Durch die enge Orientierung an der DIN 33430, wird eine optimale Personalauswahl sichergestellt und die HRler*innen sind in der Lage, ideale Einstellungsentscheidungen zu treffen – und das ohne sich auf ein von k\u00fcnstlicher Intelligenz betriebenes HR-Tool zu verlassen. Mehr Informationen \u00fcber Applysia sind auf unserer Website unter https:\/\/applysia.de\/<\/a> zu finden.<\/p>","protected":false},"excerpt":{"rendered":"