{"id":396,"date":"2022-05-05T08:02:28","date_gmt":"2022-05-05T08:02:28","guid":{"rendered":"https:\/\/rumition.de\/?p=396"},"modified":"2023-04-04T15:41:07","modified_gmt":"2023-04-04T15:41:07","slug":"kuenstliche-intelligenz-und-human-ressource-gestaltungsmoeglichkeiten-der-zukunft","status":"publish","type":"post","link":"https:\/\/rumition.de\/index.php\/2022\/05\/05\/kuenstliche-intelligenz-und-human-ressource-gestaltungsmoeglichkeiten-der-zukunft\/","title":{"rendered":"K\u00fcnstliche Intelligenz und Human Resource \u2013 Gestaltungsm\u00f6glichkeiten der Zukunft"},"content":{"rendered":"\n
<\/div>\n\n\n\n

1. Einleitung<\/strong><\/p>\n\n\n\n

Seit dem 20. Jahrhundert ver\u00e4ndert die Entwicklung von Maschinen, Technologie und digitaler Kommunikation unser Leben. Das bedingt unterschiedliche tiefgreifende sozio-\u00f6konomische Ver\u00e4nderungen nach einer langen Phase der Stabilit\u00e4t. Dadurch ist nicht nur unser Privatleben, sondern auch unser Berufsleben mannigfaltig betroffen. Als eine der letzten Teilbereiche zog die Digitalisierung und Technologisierung auch in die Personalabteilung kleiner, mittelst\u00e4ndischer Unternehmen und Gro\u00dfkonzerne ein. Parallel dazu erlebt diese eine strukturelle Ver\u00e4nderung weg von der reinen Personalverwaltung hin zur Personalentwicklung. So haben die letzten Jahrzehnte sinnbildlich gezeigt, wie wichtig Human Resource Management f\u00fcr die Organisationsentwicklung, aber auch f\u00fcr die Profitabilit\u00e4t von Unternehmen ist. L\u00e4ngst geht es nicht mehr nur um die Arbeitsbedingungsverbesserung f\u00fcr Arbeitnehmer. Das Personalwesen ist ein wichtiger Schl\u00fcsselpunkt in der Unternehmensf\u00fchrung geworden.\u00a0<\/p>\n\n\n\n

Die Digitalisierung fordert eine strukturierte Sammlung gro\u00dfer Datenmengen. Zus\u00e4tzlich sind traditionelle Arbeitsprozesse wie Bewerberauswahl und Weiterentwicklung zeit- und kostenintensiv. Insbesondere repetitive Arbeiten machen eine tats\u00e4chliche Mensch zu Mensch Interaktion selten. Das f\u00fchrt dazu, dass Unternehmen ihr geringes HR-Budget auf administrative Aufgaben fokussieren. So kann nicht das gesamte Potenzial der Wertsch\u00f6pfungskette gewonnen werden, welches vornehmlich in der personellen Weiterentwicklung und Betreuung liegt.<\/p>\n\n\n\n

Der Vormarsch von Machine Learning und k\u00fcnstlicher Intelligenz wird seit wenigen Jahren im Personalwesen rege diskutiert. Tats\u00e4chliche Ber\u00fchrungspunkte gibt es bisher wenige. Das ist in der Hinsicht bemerkenswert, da AI einfache und strukturierte Aufgaben verl\u00e4sslich \u00fcbernehmen kann. Mit k\u00fcnstlicher Intelligenz k\u00f6nnen wir automatisch tausende von Daten miteinander verkn\u00fcpfen und einen Sinn geben, die sonst ungenutzt geblieben w\u00e4ren. So werden \u00c4nderungen in der Organisation dargestellt und nachvollzogen. Zum einen um F\u00fchrungskr\u00e4fte Entscheidungsgrundlagen zu liefern, andererseits um Mitarbeiter besser zu verstehen.<\/p>\n\n\n\n

In diesem Artikel sollen verschiedene M\u00f6glichkeiten, Herausforderungen und Probleme von k\u00fcnstlicher Intelligenz im Human Resource Management adressiert werden und eine f\u00fcr Arbeitnehmer und Arbeitgeber positive Verwendung herausarbeitet werden. Um einen einfachen Einstieg in das Thema zu erm\u00f6glichen, wird mit einem kurzen Beispiel eingef\u00fchrt.\u00a0<\/p>\n\n\n\n

Ein gro\u00dfes Spediteurunternehmen testete in Gro\u00dfbritannien die Verwendung von AI in der HR, da Controller eine erh\u00f6hte Abwesenheit von Mitarbeitern im Norden von England identifiziert hatten. Durch die quantitative Datenanalyse einer Vielzahl von Mitarbeiterstimmen aus unterschiedlichen Standorten konnte anschlie\u00dfend eine Arbeitsbedingungsanalyse voll automatisiert erhoben werden. Mitarbeiter aus dem Norden speisten vor allem negativ konnotierte W\u00f6rter mit den Themenfeldern Wetter, Uniform und \u201enicht gut\u201c in die Software ein. Diese Daten wurden den F\u00fchrungspersonen pr\u00e4sentiert und so eine schnelle und einfache L\u00f6sung gefunden. Nach der Anpassung der Arbeitskleidung gingen die Fehltage drastisch zur\u00fcck. Ohne die Verwendung einer solchen Software, w\u00e4re diese Aufgabe nicht nur personalintensiv, zeitintensiv und kostenintensiv geworden, sondern h\u00e4tte auch das operative Gesch\u00e4ft des Unternehmens blockiert. Dieses Beispiel zeigt uns eine M\u00f6glichkeit KI Anwendungen im Unternehmen, sowohl f\u00fcr den Arbeitnehmer, als auch f\u00fcr den Arbeitgeber positiv einzusetzen und Synergieeffekte zu erzeugen. Hieraus entstehen Ableitungen f\u00fcr Implikationen in weitere Themenbereiche. Im Folgenden werden die wichtigsten Verwendungsm\u00f6glichkeiten dargestellt.<\/p>\n\n\n\n

<\/div>\n\n\n\n

2. Einsatzm\u00f6glichkeiten von AI in der HR<\/strong><\/p>\n\n\n\n

Die heutzutage strategische HR hat einen hohen Einfluss auf die kompetitive St\u00e4rke eines Unternehmens. Die strategische Ver\u00e4nderung im Personalwesen betrifft das Minimieren von administrativen Aufgaben, hin zu High Performance Praktiken wie Teamwork und Performance Management. Bis jetzt betrafen solche Interventionen die kritischen Mitarbeiter. Also all diejenigen, die sich entweder in einer besonders wichtigen oder besonders prek\u00e4ren Arbeitsaufgabe wiederfinden. Ziel der Zukunft wird es sein, Ma\u00dfnahmen auf jeden Mitarbeiter zu \u00fcbertragen, gleichzeitig aber kosteneffektiv zu agieren. Bis jetzt passten beide Anforderungen nur selten in ein ohnehin engmaschiges Konzept. K\u00fcnstliche Intelligenz kann das grundlegend ver\u00e4ndern, indem es Funktionen der HR \u00fcbernimmt, die keiner menschlichen Interaktion bedarf. So kann AI dazu beitragen, einfache Aufgaben zu erledigen und Platz zu schaffen f\u00fcr unternehmenskritische Fragen. Wiederum gespeist mit der Hilfe von Daten aus der automatisierten Arbeitsumgebungsanalyse. Im \u00dcberblick helfen moderne Systeme, Unternehmensherausforderungen wie Kostenkontrolle zu managen, F\u00e4higkeiten bei den Mitarbeitern zu entwickeln, das Mitarbeitererlebniss zu verbessern, Entscheidungen zu unterst\u00fctzen und HR Budgets m\u00f6glichst effektiv einzusetzen. Ans\u00e4tze finden sich \u00fcber den gesamten Lebenszyklus eines Besch\u00e4ftigten hinweg.\u00a0<\/p>\n\n\n\n

2.1. Werbung<\/strong><\/p>\n\n\n\n

AI kann helfen, Mitarbeiter aktiv zu werben. Insbesondere diejenigen, die anhand ihres F\u00e4higkeitsprofils auf die tats\u00e4chlichen Anforderungen des Jobs passen (Bewerberanalyse). Gleichzeitig k\u00f6nnen auch Mitarbeiter profitieren, indem sie mehr \u00fcber das Unternehmen lernen k\u00f6nnen, bevor sie sich bewerben (Chatbot). Nebenbei f\u00fchrt es dazu, sehr viel genauere und bessere Jobvorschl\u00e4ge mittels Keyword-Suche zu gew\u00e4hrleisten. In einem ganzheitlichen Bewerbungsprozess ist es ebenso denkbar, Bewerbungsprofile dauerhaft zu ber\u00fccksichtigen. Das f\u00fchrt dazu, einerseits Ablehnungen voraussichtlicher zu gestalten, andererseits Bewerbungen gerechter zu ber\u00fccksichtigen.<\/p>\n\n\n\n

2.2 Hire<\/strong><\/p>\n\n\n\n

AI kann dabei helfen, Recruiting effektiver zu gestalten, indem es voraussagt, wann eine Stelle frei wird, wie lange es dauern wird, bis diese besetzt wird und ein neuer Mitarbeiter eingegliedert ist. Dadurch wird Hire nicht mehr zur Ad-hoc-Entscheidung. Das steigert nicht nur \u00dcbersichtlichkeit, sondern auch Qualit\u00e4t der Ausschreiben. Weiter kann k\u00fcnstliche Intelligenz bei einer Menge an Bewerbern im Vorfeld herausfinden, welche Profile auf die tats\u00e4chlichen Anforderungen des Jobs passen. Voraussagen zur zuk\u00fcnftigen Performance des Mitarbeiters machen und Kandidaten effektiver filtern. Das f\u00fchrt zu einem schnellerem, akkuraterem und besserem Bewerbungsprozess f\u00fcr Unternehmen und Bewerber.<\/p>\n\n\n\n

2.3. Engage<\/strong><\/p>\n\n\n\n

Eine grundlegende Aufgabe wird es sein, die Effektivit\u00e4t, aber auch die Nachvollziehbarkeit von Managemententscheidungen zu f\u00f6rdern. Insbesondere zur Talent- aber auch Engagementanalyse. Software kann genutzt werden, eine Menge von Daten zu analysieren und so Managern Grundlagen liefern, mit denen sie Entscheidungen passgenauer treffen k\u00f6nnen.<\/p>\n\n\n\n

2.4. Carrer Developement<\/strong><\/p>\n\n\n\n

Karriere ist traditionell mit hohen Kosten, Weiterbildung und Zeit verbunden. Karriereentwicklungsm\u00f6glichkeiten genie\u00dfen nur Mitarbeiter, die weniger als gew\u00fcnscht performen oder hohes Potenzial liefern. AI kann Entwicklungsm\u00f6glichkeiten des Arbeitenden selbst, aber auch innerhalb des Unternehmens finden und das ben\u00f6tigte Werkzeug liefern, Ziele zu erreichen. Weiter kann es besonders vielversprechende Kandidaten analysieren, weg von einer subjektiven oder einseitigen Bewertung durch den Vorgesetzten oder z.\u00a0B. Verkaufszahlen.<\/p>\n\n\n\n

2.5. Retain<\/strong><\/p>\n\n\n\n

Machine Learning kann grundlegend dazu beitragen, Geldmittel optimal einzusetzen, indem es einen \u00dcberblick dar\u00fcber liefert, welche Teilbereiche (z. B. Mitarbeiterbindung) sich aktuell verbessern und verschlechtern. <\/p>\n\n\n\n

2.6. Develope HR<\/strong><\/p>\n\n\n\n

W\u00e4hrend heutzutage die meisten Interventionen in der HR auf Selbstausk\u00fcnfte basieren, hilft k\u00fcnstliche Intelligenz, diese sehr viel genauer und in Echtzeit darzustellen. Ausk\u00fcnfte durch z. B. 360 Grad Feedback sind \u00e4u\u00dferst sensibel f\u00fcr Overrating und Underrating. AI kann diese anhand von anderen Daten st\u00fctzen und bereinigen.<\/p>\n\n\n\n

2.7. Develope<\/strong><\/p>\n\n\n\n

Mitarbeiterentwicklung ist ein teures und arbeitsaufwendiges Unterfangen. K\u00fcnstliche Intelligenz kann dabei helfen, F\u00e4higkeiten und Fertigkeiten zu \u00fcberwachen und festzustellen, welche dringend Entwicklung ben\u00f6tigen. Auch die eigentliche F\u00f6rderung kann kosteneffektiver und pers\u00f6nlicher gestaltet werden. So werden Lerninhalte auf den Mitarbeiter individuell angepasst.<\/p>\n\n\n\n

2.8. Serve<\/strong><\/p>\n\n\n\n

Intelligente Systeme k\u00f6nnen dazu beitragen, 24\/7 Mitarbeitern Unterst\u00fctzung zu liefern. Sei es bei operativen Fragen oder kritischen Situationen. Chat Bots oder virtuelle Agenten k\u00f6nnen Mitarbeiter mit Informationen, aber auch mit sekund\u00e4ren Aufgaben wie menschennaher Betreuung in einsamen Nachtschichten unterst\u00fctzen.<\/p>\n\n\n\n

Wichtig ist festzustellen, dass diese Ideen teils in der Zukunft liegen. Die tats\u00e4chliche Kombination von Wissen, Technologie und Anwendung ist Utopie oder Dystopie. AI ist ein T\u00fcr\u00f6ffner zu unglaublichen M\u00f6glichkeiten, die bis jetzt nicht denkbar waren. Um nur ein Beispiel zu geben, AI k\u00f6nnte helfen, Mitarbeiterf\u00e4higkeiten zu trainieren, in derselben Schnelligkeit wie neue Technologien entstehen. Oder F\u00e4higkeiten trainieren, bevor diese obsolet werden. Als eine der weltweit fortschrittlichsten Unternehmen bei der Entwicklung von AI in der HR ist IBM zu nennen. Viele der hier vorgestellten M\u00f6glichkeiten wurden in ihrem Unternehmen entwickelt, getestet und sind immer noch unter Anwendung des Smarter Workforce Institute.<\/p>\n\n\n\n

<\/div>\n\n\n\n

3. Ethische Aspekte<\/strong><\/p>\n\n\n\n

Sprechen wir \u00fcber k\u00fcnstliche Intelligenz im Unternehmen, so merken wir schnell, dass diese in einige sensible Teilbereiche des Arbeitsprozesses eingreift. Zum einen werden gro\u00dfen Datens\u00e4tze gesammelt. Weiter werden Entscheidungen beeinflusst, die den Menschen pers\u00f6nlich betreffen. Offensichtlich ist es nicht nur so, dass diese Daten Einblicke \u00fcber den Mitarbeiter f\u00fcr F\u00fchrungspers\u00f6nlichkeiten geben, sondern au\u00dferdem den Mitarbeitern selber Einblicke in ihre Arbeitswelt liefern. Dieser bidirektionale Zusammenhang zeigt die hohe Bedeutung von Menschen zentrierten AI Tools in der HR. Es ist wichtig, unterschiedliche ethische Aspekte zu ber\u00fccksichtigen, wenn es zur Entwicklung solcher Systeme kommt.<\/p>\n\n\n\n

3.1. Datenschutz<\/strong><\/p>\n\n\n\n

Eine angemessene Sicherheit im Sinne der Datenschutzprinzipien bei der Verwendung von KI Erweiterungen in der HR ist der wichtigste Hebel in der ethisch wertvollen Nutzung. Es ist Pflicht, geeignete technische und organisatorische Sicherheitsma\u00dfnahmen zu ergreifen und erhobene sensible Daten zu sch\u00fctzen.<\/p>\n\n\n\n

3.2. Grundsatz der Einwilligung<\/strong><\/p>\n\n\n\n

Studien haben ergeben, dass Unternehmen die gleichen Standards wie Psychologen bei Personalentscheidungen aufgreifen sollten. Die Mitarbeiter m\u00fcssen routinem\u00e4\u00dfig \u00fcber die Zwecke der Datenauswertung, deren Erhebung und Vernichtung aufgekl\u00e4rt werden. Insbesondere immer dann, wenn es um karrierebezogene Entscheidungen geht. Die Einwilligung nach Aufkl\u00e4rung sollte vorausgesetzt werden. <\/p>\n\n\n\n

3.3. Eigentumsprinzip<\/strong><\/p>\n\n\n\n

Auch wenn die Einf\u00fchrung von AI-HR Systemen im Unternehmen wom\u00f6glich einfach ist, muss das Unternehmen Richtlinien zur Verwendung von verschiedenen Arten von Variablen festlegen. Ebenso muss bestimmt werden, wem die Daten geh\u00f6ren. Zu empfehlen gilt es, Informationen \u00fcber Mitarbeiter als geistiges Eigentum derer zu betrachten und zu behandeln.\u00a0<\/p>\n\n\n\n

3.4. Zuverl\u00e4ssigkeit und G\u00fcltigkeit<\/strong><\/p>\n\n\n\n

Auswahlverfahren durch KI basierte Anwendungen sto\u00dfen oft auf Angst und Misstrauen. Es ist daher wichtig sicherzustellen, dass alle Prozesse in ihrer Zuverl\u00e4ssigkeit und G\u00fcltigkeit \u00fcberpr\u00fcft werden.<\/p>\n\n\n\n

3.5. Vorhersehbarkeit<\/strong><\/p>\n\n\n\n

Da auf mathematisch Modellen basierende Vorhersagen voreingenommen sein k\u00f6nnen, wird f\u00fcr eine bessere Vorhersehbarkeit der Ergebnisse eine unterst\u00fctzende Aufgabe der KI empfohlen. Weiter muss ein Dialog zwischen Designern und HR stattfinden, um h\u00e4ufig falsch interpretierte Pr\u00e4diktoren zu bedenken.<\/p>\n\n\n\n

3.6. Erkl\u00e4rbarkeit<\/strong><\/p>\n\n\n\n

Die entscheidungsgeleitete Anwendung solcher Systeme sollte im Nachhinein erkl\u00e4rbar sein. Einerseits nachvollziehbar f\u00fcr Professionals, andererseits f\u00fcr Laien. Anhand einer intuitiven Darstellung der Daten m\u00fcssen Entscheidungshilfen und dessen Zusammenstellung klar ersichtlich sein.<\/p>\n\n\n\n

3.7. Intersektioanlit\u00e4t und Folgeabsch\u00e4tzung<\/strong><\/p>\n\n\n\n

Aufgrund unterschiedlicher Biases haben k\u00fcnstliche Intelligenzen das Ph\u00e4nomen, soziale Differenzen zwischen individuellen, institutionellen, kulturellen und gesellschaftliche Einflusssph\u00e4ren einer Organisation zu verst\u00e4rken. Bei der Einf\u00fchrung solcher Tools wird im Vorhinein eine Folgeabsch\u00e4tzung und Intersektionalit\u00e4tsanalyse empfohlen. Somit soll eine aktive Rolle bei der Aufdeckung auff\u00e4lliger Segmentierung eingenommen werden.<\/p>\n\n\n\n

3.8. Genauigkeit<\/strong><\/p>\n\n\n\n

Genauigkeit beschreibt die F\u00e4higkeit einer KI, Informationen in die richtigen Kategorien einzugliedern. Die Hauptverantwortung und Kontrolle dieser liegt bei den Usern, die das System betreuen. \u00c4hnlich zur Vorhersehbarkeit ist es hier ebenfalls wichtig, KI als eine Unterst\u00fctzung zu sehen, die Fehler machen kann und deswegen \u00fcberpr\u00fcft werden muss.<\/p>\n\n\n\n

3.9. Erschwinglichkeitsprinzip<\/strong><\/p>\n\n\n\n

Die Erschwinglichkeit von der Einf\u00fchrung neuer System liegt nicht nur bei der Verbesserung des Unternehmens oder des Prozesses an sich. Auch wenn erhebliche Kosteneinsparungspotenziale mit einer Einf\u00fchrung interagieren k\u00f6nnten, so ist eine rein wirtschaftliche Betrachtung in Einbezug der Gesamtkosten nicht ratsam. Bei der Implementierung sollten deswegen verschiedene weitere Erschwinglichkeitsmerkmale gesetzt werden. Daten- und Modellfairness, Einhaltung der gesetzlichen Mandate und Lohngerechtigkeit.<\/p>\n\n\n\n

<\/div>\n\n\n\n

4. Rechtliche Aspekte<\/strong><\/p>\n\n\n\n

Mit ethischen sind auch rechtliche Fragestellungen eng verflochten. Der Einsatz von intelligenten Systemen in Deutschland und Europa wird per se nicht ausgeschlossen. Es muss jedoch darauf geachtet werden, welche Art von Daten verwendet wird. W\u00e4hrend anonymisierten Informationen grunds\u00e4tzlich nicht von datenschutzrechtlichen Gesetzen beeinflusst werden, m\u00fcssen personenbezogene Daten mit h\u00f6chster Sorgfalt behandelt werden. Verletzungen k\u00f6nnen horrende Geldstrafen nach sich ziehen. So befindet man sich auf einem schmalen Grat zwischen anonymen-, pseudonymen- und personellen-Daten.\u00a0<\/p>\n\n\n\n

Soll ein Algorithmus direkte Personalentscheidungen treffen, so ist eine Einwilligung deswegen als kritisch zu sehen, da der Bewerber wohl durch die alleinige Ablehnung dieser negativen Auswirkungen auf weitere Prozesse vermutet oder bef\u00fcrchten muss. Die Entscheidungsunterst\u00fctzung an sich muss nicht gesondert abgekl\u00e4rt werden. Soll das System allerdings als selbstlernendes System eingesetzt werden, Entscheidungen f\u00e4llen, so ist das aufgrund des Transparenzgrundsatzes rechtlich kritisch. Im Allgemeinen sind hier rechtliche Grundlagen komplex und verschachtelt. Vor dem Einsatz, aber nach der Entwicklung zuk\u00fcnftiger Tools, sollte eine juristische Analyse durchgef\u00fchrt werden. Beim Einsatz ist es zu empfehlen, Betriebsrats-, Betriebsvereins- und Rechtsabteilung zur Beratung hinzuzuziehen. Gesetze sind \u00e4u\u00dferst schwammig formuliert und unterliegen einem gro\u00dfen Interpretationsspielraum.\u00a0<\/p>\n\n\n\n

<\/div>\n\n\n\n

5. Verwendung und Akzeptanz<\/strong><\/p>\n\n\n\n

Obwohl die AI in der HR in den letzten Jahren einen starken Aufschwung erlebt hat und durch die gesellschaftliche Diskussion maschinellen Lernen in den Fokus ger\u00fcckt ist, sind die tats\u00e4chliche Anwendung im Unternehmen gering. Einerseits fehlt es an ausreichend entwickelter Technologie. Andererseits zeigen gro\u00dfe Tech-Unternehmen aus den USA bereits seit Jahren, wie Big Data Science in der HR umgesetzt werden k\u00f6nnte. Im deutschsprachigem- aber auch europ\u00e4ischem-Raum h\u00e4ngt die Entwicklung zur\u00fcck. Laut Experten liegt das an unterschiedlichen Gr\u00fcnden. Zum einen wurden F\u00e4higkeiten von Mitarbeiter aus dem Personalwesen in den letzten Jahrzehnten nicht hinreichend gef\u00f6rdert. Insbesondere im Umgang mit innovativer Software. Ein Beispiel zeigt das Start-up Personio, welches vor circa 8 Jahren angefangen hat, Prozesse im Personalwesen fl\u00e4chendeckend zu digitalisieren. In einem Arbeitsfeld, indem Controlling schon seit Ende der 90-er auf Datenanalyse basiert. Dar\u00fcber hinaus ist es komplizierter. W\u00e4hrend Personaler gerade anfangen, einfache digitale Tools wie online Krankmeldungen einzugliedern, entwickelt sich die Industrie 4.0 immer weiter. Die Diskrepanz zwischen Anwendung von modernen Systemen im Unternehmen und der HR w\u00e4chst. Betrachten wir die k\u00fcnstliche Intelligenz, so ist es laut Experten eher zuf\u00e4llig, dass Personaler in Deutschland von M\u00f6glichkeiten geh\u00f6rt haben, beziehungsweise F\u00e4higkeiten auf diesem Gebiet besitzen. Es sieht nicht danach aus, als w\u00fcrde sich das in absehbarer Zeit \u00e4ndern. Neben den realen R\u00fcckst\u00e4nden, die bei der Administration aufgebaut worden sind, befinden wir uns in einem schwierigen Umfeld f\u00fcr technologische Innovationen. Insbesondere diejenigen, die k\u00fcnstliche Intelligenz betreffen. Die Akzeptanz f\u00fcr diese ist gering, Angst hoch, Vertrauen nur wenig vorhanden. Negative Dogmen haben sich im Laufe der Jahre eingebrannt. Datenschutz ist ein gr\u00f6\u00dferes Thema als anderswo. Im folgenden Abschnitt m\u00f6chten wir uns auf die Akzeptanz derjenigen fokussieren, die durch die Entwicklung neuer Technologien in der HR am meisten betroffen sind. Mitarbeiter.\u00a0<\/p>\n\n\n\n

Bis jetzt ist wenig dazu bekannt, inwieweit KI basierte Tools auf Mitarbeiter wirken. Wie hoch die Wahrscheinlichkeit ist, diese zu nutzen und zu akzeptieren. Eine Studie der FOM gibt anhand drei unterschiedlicher Szenarien detailliert Einblicke in die Nutzerwahrnehmung solcher Systeme. Dabei wurden unterschiedliche Szenarien mit schon heute eingesetzten AI Systemen in der HR geschildert. Diese unterscheiden sich im Grad der Automation. Einmal handelt es sich um eine Autonomous Intelligence, also die automatische, algorithmische Entscheidungsfindung. Beim zweiten Szenario kommt eine Assisted Intelligence zum Einsatz. Hier werden Entscheidungen seitens des Personalers anhand von Daten des Systems gef\u00e4llt. Im letzten Szenario handelt es sich um eine Augmented Intelligence, das bedeutet in der Praxis, dass Entscheidungen auf herk\u00f6mmliche Art und Weise gef\u00e4llt werden und lediglich durch die Daten intelligenter Systeme untermauert werden. Autonomous Intelligence wird von den Nutzern nicht komplett abgelehnt, allerdings st\u00f6\u00dft sie auf eine deutlich st\u00e4rkere Skepsis als Assisted und Augmented Intelligence. Insgesamt wird gezeigt, dass die Einf\u00fchrung kein Selbstl\u00e4ufer ist und selbst j\u00fcngere Zielgruppen eine erheblich negative Haltung ausweisen. Die Akzeptanz kann durch den Einsatz bei der richtigen Zielgruppe gesteigert werden. Hierzu z\u00e4hlen vor allem Menschen mit einem h\u00f6heren Bildungsabschluss, aber auch einer hohen Technikaffinit\u00e4t. Weiter ist die Gestaltung des Systems von ma\u00dfgeblicher Bedeutung. Wichtige Stellschrauben sind Computer Playfulness und wahrgenommen Freude bei der Benutzung. Ebenso sollte das System sich sprachlich, menschlich ausdr\u00fccken und auch mit humorvollen Fragen interagieren k\u00f6nnen. Weiter ist es wichtig, dass ein Ansprechpartner f\u00fcr Fragen und Feedback bereitgestellt wird und die KI \u00fcberwacht wird. Diese W\u00fcnsche sind eng verkn\u00fcpft mit den Themen Datenschutz und Transparenz. Vor allem dann, wenn die Funktionsweisen des Systems nicht offensichtlich bekannt sind, m\u00f6chte der Nutzer eine Erkl\u00e4rung auffinden, die alle wichtigen Mechanismen erl\u00e4utert. Bei negativen Ergebnissen ist dies von hoher Bedeutung. Interessanterweise ist festzustellen, dass zudem die Wertsch\u00e4tzung durch das System eine entscheidende Rolle spielt. Bei der Benutzung automatisierter Systeme f\u00fchlen sich Nutzer oft wie eine \u201eNummer\u201c, was die Identifikation mit der Arbeitsaufgabe, aber auch dem Unternehmen massiv beeintr\u00e4chtigt. Die Verbindung mit einem pers\u00f6nlichen Ansprechpartner kann somit als wichtiger Faktor unterstrichen werden.\u00a0<\/p>\n\n\n\n

<\/div>\n\n\n\n

6. Zukunft und Gestaltungsm\u00f6glichkeiten<\/strong><\/p>\n\n\n\n

Marktanalysen ergeben alle ein einheitliches Bild. Wir werden in der Zukunft nicht um AI in der HR herumkommen. Schon heute werden teilautonome Systeme eingesetzt, k\u00fcnstliche Intelligenz getestet und entwickelt. Tats\u00e4chlich sind \u00dcberlegungen, Schaden durch AI am Arbeitsplatz auszul\u00f6sen, nicht ungerechtfertigt. Selbstverst\u00e4ndlich k\u00f6nnen derartige Technologien genutzt werden, um eine Hire und Fire Strategie zu verfolgen. Das mag f\u00fcr vom Unternehmen entkoppelte T\u00e4tigkeiten, wie z.\u00a0B. der Verkauf von Produkten als selbstst\u00e4ndiger Messevertreter, gewinnbringend sein. Mit unserem Wissen \u00fcber Organisation und Arbeitspsychologie ist eine derartige Verwendung eher unwahrscheinlich. In den letzten Jahrzehnten ist uns bewusst geworden, wie grundlegend Konstrukte wie Mitarbeiterentwicklung, Organisationskultur, Mitarbeiterzufriedenheit und Arbeitsklima f\u00fcr die Erfolge eins Unternehmens sind. Wichtig ist es, k\u00fcnstlicher Intelligenz in der HR positive Emotionen zuzuordnen, sodass diese nicht als Technologie gesehen wird, die Mitarbeiter schadet. Sehr viel mehr geht es darum, sich positiv weiterzuentwickeln, positive Knotenpunkte zu f\u00f6rdern, insgesamt positive Ergebnisse zu steigern. Das f\u00e4ngt bei der Weiterentwicklung f\u00fcr Fertigkeiten aller Mitarbeiter an, bei der Verbesserung des Arbeitsklimas und f\u00fchrt schlie\u00dflich zur Vermeidung von Stress am Arbeitsplatz. Ob dies ein dystopisches oder utopisches Bild annehmen wird, obliegt noch unseren Gestaltungsm\u00f6glichkeiten. Wir m\u00fcssen Innovationen mitarbeiterzentriert entwickeln.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Follow-Up Umfrage<\/strong><\/h2>\n\n\n\n

[mpp id=“2″]<\/h4>\n\n\n\n

[mpp id=“3″]<\/h4>\n\n\n\n

[mpp id=“4″]<\/h4>\n","protected":false},"excerpt":{"rendered":"

M\u00f6glichkeiten, Herausforderungen und Probleme von k\u00fcnstlicher Intelligenz im Human Ressource Management<\/p>\n","protected":false},"author":1,"featured_media":408,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[12,10,11],"tags":[],"class_list":["post-396","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-alles","category-politik","category-wissen"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/rumition.de\/wp-content\/uploads\/2022\/05\/Mein-Post-10.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/posts\/396","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/comments?post=396"}],"version-history":[{"count":19,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/posts\/396\/revisions"}],"predecessor-version":[{"id":705,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/posts\/396\/revisions\/705"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/media\/408"}],"wp:attachment":[{"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/media?parent=396"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/categories?post=396"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rumition.de\/index.php\/wp-json\/wp\/v2\/tags?post=396"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}