Künstliche Intelligenz und Algorithmen im Personalmanagement
Es wird kontrovers diskutiert über Künstliche Intelligenz und Algorithmen im Personalmanagement. Wenn man genau hinschaut, ist die Diskussion - wie so oft - in zwei Lager gespalten: die Evangelisten auf der einen Seite und die Skeptiker auf der anderen.
Und beide Seiten streiten darüber, wer auf der hellen Seite der Macht und wer auf der dunklen Seite der Macht steht.
Hell und Dunkel, ein unsinniger Streit
Die Evangelisten träumen von einer Welt ohne ermüdenden Routinen und objektiven, rational ausbalancierten Entscheidungen.
Die Skeptiker streuen Verunsicherung und malen Horrorszenarien von der Entmenschlichung von Entscheidungen an die Wand. Gleichzeitig lobpreisen sie die Bedeutung von Empathie, die nur Menschen in Entscheidungen einbringen können. Die nachgewiesenen Folgen unbewusster kognitiver Verzerrungen des menschlichen Entscheidungsverhaltens (unconscious bias), ignorieren sie dabei.
Ein Blick auf die Diskussion zeigt, keine der beiden Seiten hat Recht. Die Positionen der Skeptiker zum Thema KI / AI beruhen meiner Wahrnehmung nach im Wesentlichen auf Unwissenheit oder Halbwissen. Und beides ist ein idealer Nährboden für Unsicherheit und Skepsis. Das Ergebnis einer Studie des Handelsblatts in Kooperation mit dem Bundesverband der Personalmanager (BPM e.V.) unter Personalentscheidern ist daher nicht überraschend und passt genau in dieses Bild.
Der Redaktion des Handelsblattes durfte ich in einem Interview ein paar meiner Gedanken dazu erzählen. Naturgemäß findet sich im Artikel dann immer nur ein kleiner Auszug. Ich freue mich daher auf die weiteren Diskussionen.
Erkenntnisgewinn durch Ausprobieren und Erfahrungen teilen
Auch ich weiß nicht, was die Zukunft bringt. Neue Erkenntnisse gewinnt man am besten, wenn man sich auf Neues einlässt und eigene Erfahrungen sammelt. Ohne Trial & Error geht es nicht. Die Erfahrungen mit anderen zu teilen, schafft eine Basis für einen ökonomisch und ethisch ausbalancierten Umgang mit KI und Algorithmen, auch im Personalmanagement.
Ich hatte mit der Handelsblattredakteurin, Claudia Obmann ein spannendes einstündiges Interview. Sie stellte mir viele spannende Fragen. Nicht alle Gedanken passten verständlicher Weise in den Beitrag. Hier zwei Gedanken, die ich gern in die Diskussion einbringen will:
- Das Problem beim Einsatz von Algorithmen (nichts anderes ist nach meinem Verständnis KI bzw. AI) und darauf aufbauenden selbst lernenden Systemen ist, dass auch sie vor blinden Flecken nicht geschützt sind. Denn überprüfen, ob das Ergebnis einer Prognose richtig war, kann der Algorithmus immer nur anhand der vorhandenen Daten aus dem eingetretenen Ereignis. Ob die gleiche Entwicklung auch bei einer anderen Entscheidung eingetreten wäre, ist mangels Daten nicht überprüfbar. Wichtig ist daher - wie es professionelle wissenschaftliche Studien vorsehen - auch entsprechende Kontrollgruppen in das selbst lernende Modell einzubauen, um die Ergebnisse bzw. Vorhersagen zu plausibilisieren. Andernfalls wird die vermeintliche Richtigkeit einer Vorhersage möglicherweise aus einer sich selbst erfüllenden Prophezeiung abgeleitet (Zirkelschluss). Nobelpreisträger Daniel Kahnemann hat mir hier einen interessanten Denkanstoß geliefert: Bei der Beurteilung von Ereignissen führen wir die Entwicklung oft auf bestimmte Entscheidungen zurück und vernachlässigen viel zu oft den Zufall.
- Eine große Zukunft wird KI bei der Stellenbesetzung eingeräumt. Täglich kommen neue Anwendungen hinzu, die die Auswahlentscheidung objektiver und passgenauer machen sollen. Man mag darüber streiten, ob sich aus bestimmten Sprachmustern persönliche Eigenschaften und Kompetenzen ableiten lassen (wie es bspw. Precire und andere Tools versprechen) und auch ob aus einem bestimmten Online-Nutzerverhalten im Internet Rückschlüsse auf Charaktereigenschaften und Verhalten geschlossen werden kann. Der entscheidende Schritt ist doch, das Stellen- und Anforderungsprofil richtig zu gestalten. Hier wird meines Erwachten viel zu wenig Zeit und Sorgfalt investiert. Hier sind Personalmanager in erster Linie gefordert. Sie müssen das heutige und künftige Geschäft des Bereichs, für den ein Mitarbeiter eingestellt werden soll, verstehen. Daraus müssen sie dann die richtigen Schlüsse für das passende Anforderungs- und Qualifikationsprofil ziehen. Hier mangelt es vielen Personalbereichen an Sorgfalt und Weitblick. Außerdem wird dann auch schnell klar, dass es für veiel Stellen zukünftig weniger auf harte Qualifikationen, Zertifikate und einschlägige Erfahrungen, sondern noch stärker auf Persönlichkeit, Flexibilität sowie Lern- und Anpassungsfähigkeit ankommen wird. Spannend für mich ist hier zu sehen, ob die Entwicklung von Algorithmen, die bei der Entwicklung der passenden Stellenbeschreibung und Anforderungsprofilen unterstützen, genauso dynamisch ist, wie die Tools zu Beurteilung der Mitarbeiter. Ersteres wäre meines Erachtens wichtiger, den wenn der passenden Bewerber für ein falsches Stellenprofil ausgewählt wird, ist niemandem geholfen. Andererseits hat man dann eine Schuldigen, wenn es nicht klappt, denn die KI hat den Bewerber ja empfohlen.
Keine Zukunft ohne Ethik
Ich weiß, dass es noch viele Aspekte mehr gibt, die man diskutieren kann, sollte und muss. Ich kenne zum Glück auch, viele Personalmanager, die sich an dieser Diskussion beteiligen. Ich bin froh darüber, dass diese Kollegen sowohl die ökonomischen Chancen beim Einsatz von KI im Personalmanagement suchen und dabei ethisch moralische Grundsätze nicht aus dem Blickfeld verlieren. Mit vielen dieser Vorreiter und Mitstreiter tausche ich mich interdisziplinär im HR Tech Ethikbeirat aus (www.ethikbeirat-hrtech.de).
@anna kaiser, @elke eller,
Gemeinsam versuchen wir dort die Leitplanken für den Spagat zwischen dem technisch Möglichen, den ökonomischen Notwendigkeiten und den ethisch moralischen Grenzen beim Einsatz von KI und Algorithmen im Personalmanagement zu definieren.
Zukunft ist jetzt
Zum Schluss mein Lieblingsgedanke zum Thema Zukunft: Morgen ist Heute schon Gestern.
Scrum and Agility Master at DB Systel GmbH
5 JahreDer Mensch ist keine Zahl in einem "Excel-Sheet" und Extreme, egal in welche Richtung sind immer zu vermeiden. Sind das jetzt eine neue Erkentnisse? :)
Chief of Staff @gridscale | Finance, Data Science & People |🦒 Gewaltfreie Kommunikation
5 JahreJana Annies vielleicht hilft dir das weiter
Senior Advisor | CEO | Founder | AUCTORITY. Impact Beyond Power #Kommunikation #Führung #Change #SharedLeadership #ThoughtLeadership
5 JahreAntoinette Weibel Harald Ackerschott
Spreading courage, curiosity and empathy in the world to surf in front of the change curve together towards a better life.
5 JahreMir fehlen noch die Gruppe der Dataisten, die fest daran glaubt das das hinter allem ein stetig fließender Datenstrom steckt. Nichts anderes verwenden doch Personaler mit Laienhaften Werkzeugen heute. Diese Art der Matching Engine ist meiner Meinung nach fast vollkommen durchdrungen. Facebook, Amazon,... oder noch direkter Tinder beweisen schon sehr lange die Kraft der Daten bei solchen Entscheidungsfindungen. Facebook: 10 Likes und FB kennt dich besser als dein Arbeitskollege, 70 Likes besser als dein Mitbewohner, 150 Likes besser als deine Familie und bei 300 wird auch dein Ehepartner verblassen. Das war der Stand von 2015 ;-)
Gemeinsam Erfolge durch Ökosysteme schaffen.
5 JahreRobert Weber!