Forschungsprojekt AHEAD!


Unter Algorithmic Decision Making (ADM) werden Entscheidungen basierend auf computergestützten Algorithmen verstanden. Dabei wird zwischen einer Entscheidungsunterstützung und der Entscheidungsfindung unterschieden. Bei ersterem führen Algorithmen lediglich in Kombination mit einem menschlichen Urteil zu einer Entscheidung. Bei letzterem wird eine Entscheidung ohne menschliche Urteile getroffen. Derzeit befeuern insbesondere die Entwicklungen der Künstlichen Intelligenz (KI) das ADM und zahlreiche ADM-Anwendungen verwenden KI-Algorithmen. ADM bietet mehreren Metastudien zufolge grundsätzlich das Potential, anstehende Entscheidungen effizienter und effektiver zu treffen (Grove et al., 2000; Kuncel et al., 2013; Meehl, 1996).

Unter den zahlreichen Anwendungsgebieten des ADM befindet sich auch das betriebliche Human Resource Management (HRM), für das verschiedene konzeptionelle Vorschläge, prototypische Realisierungen und reale Anwendungen von ADM existieren. Besonders weit fortgeschritten sind algorithmische Entscheidungen für Personalauswahlentscheidungen. Hier werden inzwischen verschiedene ADM-Softwareprodukte angeboten, die Personalauswahlentscheidungen etwa auf der Basis einer automatisierten Analyse von aufgezeichneten Bewerberinterviews zur Erkennung von Eignung, Persönlichkeit oder Betrugsversuchen von Bewerberinnen und Bewerbern (HireVue, 2019; Stulle, 2018).

Mit dieser sich abzeichnenden Anwendung von HRADM stellen sich Forschungsfragen technischer, funktionaler und ethischer Art: In technischer Hinsicht bildet die Erforschung aktuell bereits eingesetzter aber auch künftig potentiell einsetzbarer Algorithmen eine Kernaufgabe. Die oft hohe technische Komplexität von KI-Algorithmen verhindert regelmäßig ein direktes Verständnis von Anwendungsvoraussetzungen, Funktionsweise oder Ergebnissen von Algorithmen und bedarf daher einer Aufarbeitung. In funktionaler Hinsicht stellt die Erforschung aktuell realisierter wie künftig potentieller Anwendungsmöglichkeiten von ADM im HR-Bereich eine Kernaufgabe dar. Dabei ist insbesondere die Relevanz, Effizienz und Effektivität von ADM im Personalbereich zu untersuchen. In ethischer Hinsicht bildet schließlich die Erforschung der moralischen Begründbarkeit von ADM im HR-Bereich im Mittelpunkt. Dies schließt beispielsweise Fragestellung der Diskriminierungsfreiheit oder der Zuschreibung von Verantwortung bei ADM im HR-Bereich ein.

Zur Beantwortung dieser Fragestellungen zielt das Projekt AHEAD! (Algorithmic Decision Making in HR – Exposition, Assessment and Design) auf die Exposition, das Assessment und das Design von algorithmischen Entscheidungen im Personalbereich:

  • Exposition umfasst die systematische Suche, Beschreibung und Kategorisierung von aktuellen und potentiellen HRADM Algorithmen und Anwendungsfällen.
  • Assessment umfasst die systematische Evaluation der technischen, funktionalen und ethischen Güte aktueller und potentieller HRADM Anwendungsfälle.
  • Design umfasst die systematische und begründbare technische, funktionale und ethische (Um-)Gestaltung von aktuellen und potentiellen Anwendungsfällen von HRADM.
 


Ansprechpartner:

Prof. Dr. Stefan Strohmeier
Mathias Becker, M.Sc.

Interview zum entscheidungsunterstützenden Einsatz von KI im Personalmanagement mit Prof. Strohmeier:

www.haufe.de/personal/zeitschrift/personalquarterly/personalquarterly-32019-kuenstliche-intelligenz-personalquarterly_48_491400.html

Literatur:

Biemann, T., & Weckmüller H. (2016). Mensch gegen Maschine: Wie gut sind Algorithmen im HR?. Personal Quarterly, 68(4), 44-47.

Campion, M. C., Campion, M. A., & Campion, E. D. (2018). Big data techniques and talent management: Recommendations for organizations and a research agenda for IO Psychologists. Industrial and Organizational Psychology, 11(2), 250-257.

Grove, W. M., Zald, D. H., Lebow, B. S., Snitz, B. E., & Nelson, C. (2000). Clinical versus mechanical prediction: a meta-analysis. Psychological assessment, 12(1), 19-30.

HireVue. (2019). www.hirevue.com/

Kuncel N. R., Klieger, D. M., Connelly, B. S., & Ones, D. S. (2013). Mechanical versus clinical data combination in selection and admissions decisions: A meta-analysis. Journal of Applied Psychology, 98(6), 1060-1072.

Meehl, P. E. (1996). Clinical versus statistical prediction: A theoretical analysis and a review of the evidence. Jason Aronson Inc.
Strohmeier, S., & Piazza, F. (2013). Domain driven data mining in human resource management: A review of current research. Expert Systems with Applications, 40(7), 2410-2420.

Strohmeier, S., & Piazza, F. (2015). Artificial Intelligence Techniques in Human Resource Management—A Conceptual Exploration. In C. Kahraman & S. Ç. Onar (Eds.), Intelligent Techniques in Engineering Management (pp. 149-172). Springer International Publishing.

Stulle, K. P. (Hrsg.). (2018). Psychologische Diagnostik durch Sprachanalyse: Validierung der PRECIRE®-Technologie für die Personalarbeit. Springer Fachmedien.