Lieber Gast,
mit Freude las ich am 01. Mai 2023 einen Artikel in der Rheinischen Post mit dem Titel »Wenn Algorithmen über Jobs entscheiden«.
Der Beitrag aus der Serie »Forschung in Düsseldorf« im Teil C4 der Zeitung greift ein heiß diskutiertes Thema im Human Resources Management auf: Nämlich die Frage, in wie weit Künstliche Intelligenz, besser: Data Science, und Rechenregeln (Algorithmen), die Auswahl von Mitarbeitern unterstützen sollen – und was Bewerber davon halten.
Denn wie viele Fachleute und Praktiker betonen, soll die Entscheidung über die Einstellung oder Entwicklung einer Person (Mitarbeiter sind kein Personal! Personal gab es im Kaiserreich, wie Oswald Neuberger so schön schreibt) in den Händen von Menschen bleiben: Der verantwortlichen Führungskräfte und der HR-Manager. Und genau dies fordert auch die DIN 33430 zu berufsbezogenen Eignungsbeurteilungen.
Doch das KI Entscheidungen treffen sollen, suggeriert der Artikel von Ute Rasch im Untertitel, wenn sie schreibt: »Wie fühlen sich Menschen, wenn Künstliche Intelligenz Personalentscheidungen trifft?«. Zwischen der Beurteilung der Eignung und der Entscheidung liegt jedoch ein Unterschied – wie es dann auch etwas besser im Artikel und der dort zitieren Forschungsarbeit von Alina Köchling heißt bzw. es u.a. untersucht wurde.
Es geht also um im Artikel und der dort beschriebenen Forschung um Frage, wie der Mensch sich fühlt, wenn dessen Eignung in Bezug auf ein vorher definiertes Anforderungsprofil beurteilt wird. Genau dies macht auch ein, hoffentlich, strukturiert durchgeführtes Interview (z.B. in der Form des Multi-Modalen Interviews nach Schuler) oder ein Online-Test (siehe www.digitalassessment.de ab Mitte Mai 2023).
Diese Instrumente messen die Ausprägung (Wert, Score, Value) anforderungsrelevanter psychologischer Merkmale auf einer bestimmten Skala anhand von bestimmten Fragen und Aufgaben, die sorgfältig vorab entwickelt und deren Qualität anhand von Kennwerten (z.B. Test-Item-Korrelation, Trennschärfe) geprüft wurden.
Genauso wie das abschließende Instrument, sei es ein Eignungsinterview oder ein psychologisches Testverfahren, das nunmehr fast immer digital durchgeführt wird. Ohne eine solche Qualitätsprüfung anhand der Hauptgütekriterien Objektivität, Reliabilität und Validität sollte kein Interview oder Test die HR-Abteilung oder die Entwicklerwerkstatt verlassen.
Auch für den Einsatz von Künstlicher Intelligenz im Human Resource Management und hier vor allem der Eignungsdiagnostik gelten die gleichen Anforderungen der DIN 33430 und der Beurteilung psychologischer Verfahren, wie Markus Langer von der Uni Marburg in seinem interessantem Online-Vortrag beim Forum Assessment e.V. ausführte. Auch Martin Kersting, ein ausgewiesener HR- und Diagnostik-Experte, erklärte kürzlich bei MWonline, was beim Einsatz von Künstlicher Intelligenz bei der Auswahl und Entwicklung von Mitarbeitern und Führungskräften zu beachten ist (siehe auch das Interview mit ihm hier.)
Doch zurück zum Artikel und der Forschung am Lehrstuhl für Digitales Management & Digital Work der Fakultät Wirtschaftswissenschaften der Heinrich-Heine-Düsseldorf, an der ich vor langer Zeit nach einer Bankausbildung mein Studium der Psychologie begann, und wo ich vier Semester lang studierte (bevor ich nach Bonn für mein Hauptstudium ging).
Wie Marius Wehner, Professor für Betriebswirtschaftslehre, richtig sagt, nutzen mehr und mehr Personalabteilungen Künstliche Intelligenz und neue Software eröffne ihnen die Möglichkeit, Personalprozesse effizienter zu gestalten. Dies ist auch meine Erfahrung und angespornt von der ChatGPT-Welle seit Anfang des Jahres wächst deren Zahl. Wenn gleich es hier Herausforderungen u.a. mit dem Datenschutz gibt – wie auch bei den anderen und bisher genutzten Beurteilungsinstrumenten und allen anderen Verfahren, die personenbezogene Daten erheben und verarbeiten.
Der Artikel von Ute Rasch in der Rheinischen Post fokussiert sich auf Forschung von Marius Wehner und Alina Köchling zu den Gefühlen von Bewerbern bei der Eignungsbeurteilung und der Akzeptanz des Auswahlverfahren (ebenfalls keine neuen Themen in der Eignungsbeurteilung, siehe z.B. die Arbeiten von Heinz Schuler (Soziale Validität, 1985; 1990), Martin Kersting sowie die Überblickarbeit von Stephan Weinert von 2015, damals noch an der Uni Düsseldorf!).
Doch es ist immer toll, wenn wir zu einem relativ neuen Thema wie Künstliche Intelligenz im Human Resource Management mehr wissen durch empirische Arbeiten – besonders zu psychologischen Merkmalen wie Gefühlen oder der Akzeptanz von Auswahlverfahren.
Wer sich also für Künstliche Intelligenz im Human Resource Management interessiert, dem empfehle ich die Lektüre des Artikels sowie der darin beschriebenen Forschungsarbeit.
Zumal diese zugrunde liegende kumulative Doktorarbeit (bestehend aus mehreren Forschungsartikeln) von Alina Köchling »Five Essays on Algorithmic Decision-Making and AI in HRM: Fairness, Discrimination and Employee and Applicant Reactions« am 19. April 2023 laut dieser Meldung der Uni Düsseldorf als »Beste Dissertation des Jahres 2022 der Wirtschaftswissenschaftlichen Fakultät« durch die Kreissparkasse Düsseldorf ausgezeichnet wurde.
Dr. Alina Köchling arbeitet heute bei der Deloitte Consulting GmbH in Düsseldorf. Eine Liste mit ihren akademischen Publikationen, aus denen ihre Dissertation besteht, findet sich hier.
Ihre dort als Erstautorin ausgewiesenen Forschungsartikel der Dissertation von Köchling haben folgende Titel:
- Can I show my skills? Affective Responses to Artificial Intelligence in the Recruitment Process
- Highly Accurate, But Still Discriminatory: A Fairness Evaluation of Algorithmic Video Analysis in the Recruitment Context
- Discriminated by an algorithm: a systematic review of discrimination and fairness by algorithmic decision-making in the context of HR recruitment and HR development
- Fluch oder Segen? Big Data und Learning Analytics im Lernkontext
Wie die News des »Chair of Business Administration, esp. Digital Management and Digital Work« vom 11. Januar 2023 zeigen, gibt es eine neue Publikation zum Thema von Köchling & Wehner im International Journal of Selection and Assessment mit dem Titel »Better explaining the benefits why AI? Analyzing the impact of explaining the benefits of AI-supported selection on applicant responses«. Der Artikel können Sie hier lesen
Fazit
Künstliche Intelligenz, genauer: Data Science, Maschinelles Lernen und Deep Learning, sind nicht nur in der Gesellschaft und seit langem auch im Business angekommen (siehe z.B. E-Commerce), sondern erfassen seit einigen Jahren auch das Human Resources Management. Wegbereiter waren dort die zunehmende Datenerhebung, -auswertung und -nutzung im Personalcontrolling sowie angewandte Analysemethoden wie HR-Analytics, Workforce Management und People Analytics.
Bei Beachtung der Risiken bietet die richtige Nutzung moderner digitaler Verfahren für Unternehmen und Mitarbeiter deutlich mehr Vorteile: sie erhöht die Qualität, reduziert Arbeitszeit und spart Geld.
Oder was meinen Sie?
Herzliche Grüße, Stefan Klemens
Hinweis:
Schorberg Analytic fokussiert sich neben People Analytics zunehmend auch auf Künstlicher Intelligenz im Human Resources Management (HR Data Science). Sie möchten über aktuelle Publikationen und News hierzu informiert bleiben? Oder sich mit Stefan Klemens darüber austauschen, z.B. durch ein Online-Meeting? Dann kontaktieren Sie mich einfach: Ich freue mich auf Sie!
Foto: Stef13 / Midjourney
Quellen:
Deutsches Institut für Normung e.V. (2016). DIN 33430:2016-07. Anforderungen an berufsbezogene Eignungsdiagnostik. Berlin: Beuth.
https://www.beuth.de/de/norm/din-33430/254909784
Langer, M. (2023). Künstliche Intelligenz für Alle(s)? Wie Algorithmen die Eignungsdiagnostik verändern. Online-Vortrag am 23. März 2023 beim Forum Assessment e.V.
https://www.forum-assessment.de/events/werkstatt-berichte/kuenstliche-intelligenz
Rasch, U. (2023). Wenn Algorithmen über Jobs entscheiden. Rheinische Post, 01.05.2023, C4 Düsseldorfer Wirtschaft.
https://www.genios.de/presse-archiv/artikel/RP/20230501/wenn-algorithmen-ueber-jobs-entsche/164850919.html
Weinert, S. (2015). Verbreitung und Akzeptanz eignungsdiagnostischer Verfahren. In: Weinert, S., Stulle, K. (eds) Executive Assessment. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007
https://www.researchgate.net/publication/299951957_Verbreitung_und_Akzeptanz_eignungsdiagnostischer_Verfahren
