Unser trueredo.com Blog

Trueredo HR Themes

Über Talente, Unternehmenskultur und Entwicklungen von Morgen

Die trueredo.com Neuigkeiten

.

Fortsetzung: Was kann KI heute bereits für Human Resources leisten? 2ter Teil

Was kann KI im Bereich Human Resources heute bereits leisten?

Fortsetzung

 

Im ersten Teil unserer Beschäftigung mit dem aktuellen Stand von KI-Anwendungen im HR-Bereich haben wir festgestellt, dass die KI tatsächlich die Fähigkeiten, Kompetenzen und auch die Fluktuationswahrscheinlichkeit des einzelnen Mitarbeiters im Durchschnitt deutlich treffgenauer und präziser erfassen kann und damit entsprechende Entwicklungs-, Trainings-, Jobrotationvorschläge ebenfalls besser erarbeitet werden können, als das ein Mitarbeiter der Personalabteilung oder die Führungskraft könnte.

 

KI basierte Virtual / Augmented Reality (AR/VR) Anwendungen

 

Ein sehr anschauliches Beispiel sind Augmented / Virtual Reality (AR / VR)- Anwendungen, die derzeit in verschiedenen wissenschaftlichen Projekten erprobt werden, 

z.B.  das Projekt EMPAT – Empathische Trainingsbegleiter für den Bewerbungsprozess (http://www.empat-projekt.de).
Im Projekt EmpaT wird erstmals eine Echtzeit-Analyse sozialer Signale mit einem emotionalen Echtzeit-Benutzermodell gekoppelt, um das Verhalten eines interaktiven Avatars an die sozio-emotionale Situation eines Nutzers anzupassen. Dieser Mechanismus erlaubt es, den Bewerbungsdialog einfühlsam zu gestalten. Derartige Dialogsysteme können in unterschiedlichen Situationen zu persönlichen Assistenzsystemen avancieren. Eine Herausforderung dabei ist die realitätsnahe Gestaltung des emotionalen Feedbacks durch den Avatar. Das System arbeitet u.a. mit Sprach-, Gesichts-, Bewegungserkennung. Die Ergebnisse der Interpretation von sozialen und emotionalen Signalen wird auch dazu genutzt, mögliche emotionale Zustände eines Benutzers zu berechnen. Dafür werden echtzeitfähige Emotionssimulations- und adaptive Verhaltensmodelle eingesetzt, die aktuelle Erkenntnisse aus der Psychologie, den Kognitionswissenschaften und der Künstlichen Intelligenz integrieren.


KI gesteuerte Virtual Reality-Lösungen bieten ein sehr breites und vielversprechendes Anwendungsfeld für sämtliche Lernbereiche:
- formales Lernen, 
- soziales Lernen und 
- Lernen in der Arbeitsumgebung.
Insbesondere für Personalentwicklung und Training scheinen hier Möglichkeiten auf, die einen Quantensprung in der Organisation von kontinuierlichem Lernen bedeuten könnten.  Man darf man gespannt sein.

 

Social Media Monitoring – Data Mining – Data Analytics

 

Diese Themen sind für die Relevanz von KI-Anwendungen sehr bedeutsam, weil sie die nötigen Datenmengen generieren helfen, die für KI-Anwendungen unerlässlich sind. 
Hier finden sogenannte Text-Crawler-Technologien Anwendung, die große Datenmengen in Social Media, Websites, Internet/Intranet usw. durchforsten, um daraus statistisch relevante Erkenntnisse zu ermitteln, z.B. zur MA-Zufriedenheit / Attrition Risk, zur Voranalyse von Kandidaten, zur Ermittlung der Wahrnehmung als Arbeitgeber und unendlich viel mehr.

Wer alle Äußerungen seiner Mitarbeiter in den firmeneigenen und externen Social Media durchleuchten und analysieren kann, benötigt keine Mitarbeiterzufriedenheits-Umfragen mehr.

 

Es gibt hierfür außerordentlich viele Einsatzmöglichkeiten, nicht nur in HR:

  1. Social Media Monitoring:
    1. Grundlage: unstrukturierte, öffentliche Daten in Form von Textbeiträgen und immer häufiger auch Fotos und Videos
    2. Beobachtung, Aggregation und Auswertung von Nutzerbeiträgen auf Social Media Plattformen
    3. Quantitative und qualitative Analyse der Daten zu Marken, Themen oder Produkten.
  2. Social Media Analytics:
    1. Erhebung von (häufig nur öffentlichen) Verhaltensdaten auf Social-Media-Profilen bei Facebook, YouTube, Twitter, Instagram etc.
    2. Aggregation der Daten über API (Schnittstelle) der Plattformen
    3. Click-Stream-Analysen
  3. Digital / Web Analytics:
    1. Beobachtung von Verhaltensdaten auf Webseiten: Click-Stream-Analysen / Webtracking

 

Der unbegrenzten Nutzung solcher Tools steht in Europa allerdings der Datenschutz (teilweise) entgegen und man erkennt hieran, welche Bedeutung die Europäische Datenschutzrichtlinie tatsächlich noch haben kann.

 

HR Chatbots

Chatbots sind vermutlich eine der vielversprechendsten KI-Anwendungen im HR-Bereich, die das Potential haben viele, insbesondere administrativ-lastige HR-Prozesse zu automatisieren.

Die einfachsten Verwaltungs-Aufgaben wie Fragen zu Urlaubstagen oder Mutterschutzregelungen können oft nicht selbstständig von den Mitarbeitern bearbeitet werden, selbst wenn im firmeneigenen Intranet Mitarbeiter-Self-Service-Portale eingerichtet sind. Stattdessen müssen sie immer noch ihre Fragen an die HR-Abteilung senden und auf eine Antwort warten. 

Hierfür wurde z.B. die Roboterdame Mila (Overstock.com Inc.) entwickelt. Sie nimmt Krankmeldungen von Mitarbeitern entgegen – per Chat über eine spezielle App. Während sie dem Mitarbeiter den Eingang seiner Krankmeldung bestätigt und ihm höflich gute Besserung wünscht, stößt sie zeitgleich eine Routine an, die eine Information an den zuständigen Manager aussendet, damit dieser den Dienstplan anpassen kann. Mitarbeiter können Mila außerdem nutzen, um ihre Zeit zu planen, Zeitpläne zu überprüfen und eine Vielzahl anderer Aufgaben zu erledigen.

Ari ist ein KI basierter Chatbot der Firma Textrecruit, basierend auf IBM Watson, der Recruitern bei der Veröffentlichung von offenen Stellen hilft, ebenso wie beim Kandidaten Screening, bei der Planung von Interviewterminen, dem Onboarding neuer Mitarbeiter und bei der Beantwortung häufig gestellter HR-Fragen.

 

Durch Automatisierung und Vereinfachung haben Chatbots das Potential die „Enterprise Employee Experience“ gravierend zu verändern, z.B. indem sie:

  • Fragen beantworten / FAQs zu Firmen-Policies / Vergütung etc. / Termine machen
  • Das Benefit Enrollment (insbesondere in USA ein Thema) komplett übernehmen
  • Jährliche Self-Assessments / Reviews / Leistungsbeurteilungen ohne Vorgesetzten-Involvement übernehmen, usw.
  • Chatbots könnten damit viele der Aufgaben übernehmen, die heute in HR-Shared-Service-Centernprozessiert werden.

 

Aber auch in Training / Recruiting / Onboarding gibt es Effizienzpoteniale durch Chatbots:

  • Training: HR Training mit Hilfe von chatbots ist sehr effektiv, da es viel mehr interaktive Teilnahme der Mitarbeiter verlangt, als z.B. ein Standard-Video-Training zu “konsumieren“ oder eine Powerpoint Präsentation (passiv) anzusehen.
  • Recruiting: Ein chatbot kann effizient den Screening-Prozess unterstützen, sowohl durch Ermittlung der relevanten Kandidaten Informationen als auch durch schnelle Hintergrund-Checks. Einsatzmöglichkeiten sind u.a. Sammlung fehlender Daten des Kandidaten in Social Media, Abgleich von Stellenanforderungen und Qualifikation, Vorab-Screening der Passung von Kandidaten, Interviewen und der Bewerber, Persönlichkeitstests/Assessments durchführen, Background- und Referenz-Check der Kandidaten usw.
  • Onboarding: Chatbots machen das on-boarding zu einem echten Self-Service-Prozess, weil sie mit den Mitarbeitern „live“ online und on-site sprechen können und auch mit Workforce Management Software wie Peoplesoft, Kronos, SuccessFactors oder Workday interagieren können.

 

Darin liegt vermutlich tatsächlich viel Potential für eine neue „Erfahrung als Mitarbeiter im Unternehmen“:

Höhere Effizienz – Feedback einholen/Stimmung prüfen – auf allen Kanälen – schnelle Antwort – zufriedene Mitarbeiter!

 

Es gibt bereits eine ganze Reihe von gut funktionierenden Chatbot-Anwendungen (u.a. Siri, Alexa..). Die Limitierungen liegen bisher vor allem in:

  • der Spracherkennung: Natural Language Processing und semantische Suchmaschinen, die u.a. auf grosser Rechenkapazität und Long shortterm memory Technik (LSTM, deutsch: langes Kurzzeitgedächtnis) beruhen, die im Gegensatz zu herkömmlichen rekurrenten neuronalen Netzen eine Art Erinnerung an frühere Erfahrungen ermöglicht: Ein Kurzzeitgedächtnis, das lange anhält. (Facebook, Amazon etc. trainieren und korrigieren ihre Spracherkennungsalgorithmen daher immer noch mithilfe von Menschen).
  • geeigneten riesigen semantischen Datenbanken, die die verschiedenen semantischen Felder (z.B. HRThemengebiete) für eine flüssige und intelligente Kommunikation bereitstellen. (Hier wird noch viel Aufwand betrieben werden müssen, der für einzelne Firmen zu groß sein könnte.)
  • der Beherrschung des zukunftsfähigen Lernens aus historischen Daten. Das vielfach diskutierte Problem ist neben der Datenmenge (Grundlage des Lernens) die Qualität der Daten: alle Daten sind zwangsläufig historisch. Was früher galt und funktionierte muss nicht richtig für die Zukunft sein.

 

 

Misslungenes Beispiel im Recruiting: Amazon

 

Amazon‘s KI-basiertes System (2017) war darauf programmiert aus einer Anzahl Lebensläufen die besten Kandidaten auszuwählen. Um das zu erreichen, hatte Amazon das System mit den Lebensläufen sämtlicher Bewerber bei Amazon der letzten 10 Jahre gefüttert. Die Tech Industrie ist aber bekanntermassen stark männlich dominiert und daher kamen die allermeisten Lebensläufe von Männern. Das Recruiting System, trainiert auf der Basis dieser Auswahl an Informationen begann also (logischerweise) Männer den weiblichen Bewerbern vorzuziehen. Amazon konnte das Problem bis heute nicht lösen und hat das System folglich abgeschafft. 

 

 

Spezifische Herausforderungen für die Herstellung leistungsfähiger KI-Anwendungen im HR Bereich

 

Das Modell der Programmierung einer KI-Anwendung ist vereinfacht folgendes: Aus einer praktizierten HR Aktivität (z.B. Rekruiting-Prozess, Leistungsbewertungsprozess o.ä.) werden Daten generiert und bereitgestellt. Die KI erlernt die Prozessierung dieser HR-Tätigkeiten (eigenständig) aus den Daten durch Mustererkennung. Sie entwickelt dann (eigenständig) eine geeignete Entscheidungslogik, die auf (menschlichen) Modell-Annahmen und Regelvorgaben beruht, die einprogrammiert werden müssen. Wenn der Lernprozess erfolgreich abgeschlossen wurde (und meist vielfach wiederholt wurde), kann die KI den HR (Teil-) Prozess eigenständig (automatisch) übernehmen.

 

Herausforderungen bei der Datengenerierung: Small Data

  • HR Daten sind üblicherweise klein und ändern sich selten (Ausnahme: Arbeitszeit / Aktivitätsdaten). Es gibt i.d.R. zu wenige Einstellungen, Beförderungen, Trainingsmaßnahmen, Abmahnungen, Kündigungen etc., um daraus statistisch relevante Erkenntnisse ableiten zu können
  • Mustererkennung benötigt aber i.d.R. große Datenmengen
    • Finanzielle oder sonstige Business Daten werden z.B. zur Ermittlung der Performance bislang selten hinzugezogen, aber Datawarehouses und Analytics-Anwendungen ändern das zur Zeit
    • Das Screening aller Emails, Social Media-Einträge und anderer Aktivitäten ist datenschutzrechtlich heikel/unzulässig, wird aber in USA, China etc. schon genutzt.
  • Mögliche Lösungen könnten sein, die Daten von vielen Firmen zu poolen (die Firma ADP bietet z.B. Voraussagemodelle zum Verhältnis von Vergütung und Fluktuation auf Basis der vielen Firmendaten ihrer Kunden an) oder Datenscreenings zu anonymisieren / randomisieren.

 

Herausforderung für das maschinelle Lernen: Was ist eigentlich ein „guter Mitarbeiter“?

  • Jeder, der eine MitarbeiterAuswahl trifft, eine Mitarbeiterbeurteilung durchführt und dabei zwischen Einzel- vs. Gruppenleistung unterscheiden muss usw. muss ein internes mentales Konzept haben, was einen guten Mitarbeiter ausmacht und was ihn von einem schlechten unterscheidet.
  • Menschen tun sich erfahrungsgemäß sehr schwer damit, ihr diesbezügliches Konzept analytisch zu explizieren und zu begründen.
  • Wie soll eine KI solche Beurteilungen treffen, wenn schon Menschen sich damit so schwer tun? Wer soll die Maschinen trainieren?
  • Konstrukte wie „Persönlichkeit“ oder „Intelligenz“ sind zwar valide messbar, haben aber kaum Aussagekraft hinsichtlich beruflicher Eignung/Leistung (siehe Precire).

 

 

Herausforderung Entscheidungslogik: Wie erklären wir die Ergebnisse der (autonomen) KI Entscheidungen?

  • Fairness und NichtDiskriminierung – kann man das vermitteln?
    • Daten sind immer historisch und beinhalten die Muster der Vergangenheit
    • Menschliche Entscheider diskriminieren vielleicht bzw. ganz sicher ebenfalls, sie sind darauf aber nicht nachweislich programmiert. Der KI kann man die Diskriminierung nachweisen.
  • Entscheidungslogik als solche – kann man sie noch erklären?
    • Algorithmen treffen typischerweise genauere Entscheidungen, wenn sie größere Komplexität berücksichtigen. Aber genau dann sind sie auch schwerer zu erklären.
    • Akzeptieren MA eine Entscheidung per Münzwurf/Zufallsprinzip bei einem Menschen eher als bei einer Maschine? (Menschen können den Zufall ja i.d.R. gut mit Sinn füllen, ihn erklären)
    • Wie reagieren MA auf die KI-Entscheidungen? Wie wird dabei die Abwägung Genauigkeit (KI) gegen (vermutete) Fairness (Mensch) ausfallen?

 

 

 

Die größten ethischen Herausforderungen und Fragen beim KI-Einsatz in HR

 

Der EthikbeiratHRTech des Bundesverbandes der Personalmanager hat im Juni 2019 Richtlinien für den verantwortungsvollen Einsatz von Künstlicher Intelligenz und weiteren digitalen Technologien in der Personalarbeit veröffentlicht.

 

1. Transparenter Zielsetzungsprozess 

Vor der Einführung einer KI-Lösung muss die Zielsetzung für die Nutzung geklärt werden. In diesem Prozess sollen alle relevanten Interessensgruppen identifiziert und eingebunden werden. 

2. Fundierte Lösungen 

Wer KI-Lösungen anbietet oder nutzt, muss darauf achten, dass diese empirisch evaluiert sind und über eine theoretische Grundlage verfügen. 

3. Menschen entscheiden 

Wer KI-Lösungen einsetzt, muss sicherstellen, dass die Handlungsträgerschaft der Menschen bei wichtigen Personalentscheidungen nicht eingeschränkt wird. 

4. Notwendiger Sachverstand

Wer KI-Lösungen in seiner Organisation nutzt, muss diese in ihrer Logik verstehen und erklären können. 

5. Haftung und Verantwortung 

Organisationen, die KI-Lösungen nutzen, sind für die Ergebnisse ihrer Nutzung verantwortlich. 

6. Zweckbindung und Datenminimierung

Wer personenbezogene Daten für KI-Lösungen nutzt, muss im Vorfeld definieren, für welche Zwecke diese verwendet werden und sicherstellen, dass diese Daten nur zweckdienlich erhoben, gespeichert und genutzt werden. 

7. Informationspflicht

Vor bzw. beim Einsatz einer KI-Lösung müssen die davon betroffenen Menschen über ihren Einsatz, ihren Zweck, ihre Logik und die erhobenen und verwendeten Datenarten informiert werden. 

8. Achten der Subjektqualität 

Für die Nutzung in KI-Lösungen dürfen keine Daten erhoben und verwendet werden, welche der willentlichen Steuerung der Betroffenen grundsätzlich entzogen sind. 

9. Datenqualität und Diskriminierung 

Wer KI-Lösungen entwickelt oder nutzt, muss sicherstellen, dass die zugrundeliegenden Daten über eine hohe Qualität verfügen und systembedingte Diskriminierungen ausgeschlossen werden. 

10. Stetige Überprüfung
Wer KI-Lösungen nach den vorliegenden Richtlinien einführt, soll transparent sicherstellen, dass die Richtlinien auch bei der betrieblichen Umsetzung und der Weiterentwicklung beachtet werden. 

 

Diese ethischen Spielregeln sind gut überlegt, ausgewogen und stark am für unser Rechtssystem und unsere Verfassung prägenden Kantischen Konzept eines freien Menschen mit unantastbarer Menschenwürde orientiert.

Die Frage, ob diese Ethik in der Lebenspraxis umsetzbar ist, wird zu prüfen sein, z.B. an folgenden potentiellen Entwicklungen:

  • Zu 3. Menschen entscheiden: Wenn HRKI-Anwendungen eines Tages so ausgereift und gut sind, dass man ihren Entscheidungen vertrauen kann, weil sie sich empirisch bewährt haben und weil sie eben schneller und besser als menschliche Entscheidungen sind: wie realistisch wird es dann noch sein, dass ein Personaler die Entscheidung einer KI anzweifelt und „manuell“ übernimmt. In autonom fahrenden Autos wird es eines Tages ja auch kein Lenkrad mehr geben, wenn die Autopiloten entsprechend gut und verlässlich geworden sein sind.
  • Zu 4. Notwendiger Sachverstand: Wie realistisch ist es, dass ein Personaler (oder sonst irgendein Mensch) eine komplexe KIAnwendung, die ihre Mustererkennungs- und Entscheidungslogik aus millionenfachen Lernschritten und hyper-komplexer Datenanalyse gewonnen hat, erklären kann, sodass man die Entscheidung verstehen oder hinterfragen könnte?
  • Zu 8. Achten der Subjektqualität: Wenn KI Gesichtsausdrücke ausliest, Sprachrhythmen interpretiert, alle meine SocialmediaÄußerungen analysiert, aus den Bewegungen meiner Finger auf dem Display ein Persönlichkeitsprofil ermittelt o.ä., wie soll dann noch die willentliche Steuerung im Hinblick auf meinen Selbstausdruck zum Tragen kommen?

 

 

Conclusio

  • In Bezug auf das Personalmanagement zeigen sich vielsprechende Entwicklungen der KI im Bereich der Administration, Mitarbeiter/Führungskräfte-information, Beratung zu HR-Dienstleistungsangeboten, SharedService-Center-Dienstleistungen etc. Hier kann KI ihre aktuellen Fähigkeiten voll ausspielen und Routineprozesse übernehmen. (KI übernimmt hier Teile der Mitarbeiter – HR – Mitarbeiter Kommunikation)
  • Auch beim Training/Lernen kann KI sehr hilfreich sein durch Interaktivität (z.B. Chatbots/VR).
  • Beim Personalmarketing und bei der Personalauswahl geht der Trend weg von der persönlichen Ansprache von Kandidat*innen und dem manuellen Upload von eigenhändig erstellten Bewerbungsdokumenten (selbst die oneklick-Bewerbung wird dann obsolet). Stattdessen erledigt KI die Suche, Ansprache und Betreuung von Interessenten vermittels Parsing und ChatbotsKI wird (selbstorganisierter) Teil der Umwelt/Stakeholder – Kommunikation. Dadurch erweitert sich einerseits der mögliche Suchraum für Personal dramatisch, andererseits ist dadurch bereits bei der Suche eine digitale Vorauswahl möglich, deren Qualität zu erreichen in der Vergangenheit nur mit aufwändigen manuellen Analysen von Bewerbungsunterlagen möglich war. 
  • Der nächste Schritt kann dann eine tiefergehende KIbasierte Diagnostik sein, in der Audio- und Videodaten von KI in Sequenzen zerlegt und analysiert werden. Über die heute verfügbaren Methoden der Text-, Sprach- und Emotionsanalyse lassen sich informative Rückschlusse auf die Persönlichkeit und andere Merkmale von Personen ziehen. Es ist aber noch unklar, wie gut die Prognosewerte solcher Schlussfolgerungen im Vergleich zu traditionellen Methoden, etwa dem Assessment-Center, ausfallen. Unklar ist auch der Grad der Akzeptanz (in einem Arbeitnehmermarkt).
  • KI wird vermutlich allerdings nicht so bald eigenständige Entscheidungen in Bezug auf Menschen/Mitarbeiter treffen, jedoch relevanten Einfluss auf menschliche Entscheidungsfindung gewinnen.
  • Aus rechtlicher, ethischer und methodischer Sicht ist ein rein KIgesteuertes Vorgehen daher noch nicht denkbar. Personaler*innen behalten also eine wichtige, zumindest ergänzende Rolle im HRZyklus bei. Es werden jedoch zukünftig für viele Aufgaben weniger Personaler*innen benötigt werden. Auch sind diese – wie alle von der Digitalisierung betroffenen Berufsgruppen (und dies sind beinahe alle) – dringend aufgefordert, digitale Kompetenzen zu entwickeln. 

 

Was kann KI heute schon in Human Resources?

Im Jahre 1914 konstatierte der Begründer der Psychoanalyse, Sigmund Freud, in einer vielzitierten Rede, der Mensch habe in der Neuzeit drei große Kränkungen hinnehmen müssen:

  1. Nicht die Erde, sondern die Sonne ist der Mittelpunkt unseres Universums (Kopernikus, Galilei und Kepler),
  2. Nicht von Gott, sondern vom Affen stammen wir ab (Darwin)
  3. Nicht unser Verstand, sondern das Unbewusste regiert unser Leben (Freud).

Knapp 100 Jahre später droht eine weitere „narzisstische“ Kränkung unseres Selbst- und Weltverständnisses:

         4. Nicht die menschliche, sondern maschinell-algorithmische Intelligenz erweist sich möglicherweise als die höchste Intelligenz, die Krone der Schöpfung bzw. der Evolution.

Künstliche Intelligenz ermöglicht bereits heute das recht sichere Erkennen und Darstellen von menschlichen Emotionen in Ausdruck und Kommunikation (z.B. durch Gesichtserkennung, Emotionssensorik, ...). Gehirnforscher machen erste erfolgreiche Schritte, mithilfe von KI Gedanken aus Gehirnströmen auszulesen und in verständlicher Sprache auszugeben. Chatbots und persönliche Assistenten erlangen immer höhere Stufen der Kommunikation. KI Lösungen verstehen uns und verstehen es, uns zu beeinflussen.

Wichtige technische Grundlagen dafür sind das Natural Language Processing (NLP) – als semantisch und syntaktisch korrektes Verstehen und Widergeben von natürlichen Sprachen – und Deep Learning (z.B. mithilfe von Long-Short-Term-Memories, die heute schon in allen Smartphones die Spracherkennung beim Tippen von Texten steuern). Algorithmen können sich selber Zusammenhänge beibringen, Lernen und Muster erkennen. Und natürlich die ständige Zunahme der Rechenleistung.

 

Wo stehen KI Anwendung im Bereich Human Resources heute?

Eine der wichtigsten und am meisten verwendeten KI-Lösungen ist das IBM Watson System. Das ist eine sehr leistungsfähige semantische Suchmaschine mit angeschlossenen extrem großen Datenbanken. Watson implementiert Algorithmen der natürlichen Sprachverarbeitung (NLP) und des Information Retrieval, aufbauend auf Methoden des Maschinellen Lernen, der Wissensrepräsentation (Datenbanken) und der automatischen Inferenz.

KI Anwendungen im Recruiting: Persönlichkeitsanalyse über Spracherkennung.

Watson steckt z.B. hinter dem Spracherkennungssystem des Aachener Unternehmens Precire. Und ähnliche Technik steckt auch hinter dem Berliner Konkurrenzunternehmen „100-Worte“.

Die KI von Precire analysiert sprachliche und schriftliche Kommunikation und kann daraus objektive psychologische Schlüsse ziehen. Wenn z.B. ein Bewerber ein 15 minütiges Telefonat führt, kann die KI über die Sprachaufzeichnung Merkmale wie Länge der Pausen, Häufigkeit von Worten und Füllworten identifizieren und daraus gut begründete Rückschlüsse auf die Persönlichkeitsstruktur des Sprechers ziehen. Konkret werden elf Persönlichkeitsdimensionen analysiert, so zum Beispiel die Verträglichkeitim Umgang mit anderen, die Ausdauer, das Statusbewußtseinoder das Dominanzstreben. Dabei abstrahiert das System weitestgehend vom Inhalt des Gesprochenen.

Wie funktioniert das? 

  • Sprache wird automatisch analysiert (gesprochene Sprache wird dabei auch in Textform transformiert)
  • Sprachliche Merkmale (Wörter, Satzkonstruktionen, Pausen, semantische Elemente, Klang etc.) werden mit ähnlichen Merkmalen in großen Datenbanken verglichen
  • In diesen Datenbanken sind – auf der Basis von vielen psychologischen Studien (deren Güte ist das wichtigste Qualitätskriterium) – solche sprachlichen Merkmale angenommenen Persönlichkeitsmerkmalen zugeordnet (z.B. den gut evaluierten sog. „Big Five“)
  • Dann wird durch den Abgleich von sprachlichen Merkmalen des analysierten Textes und den zugeordneten Persönlichkeitsmerkmalen ein Persönlichkeitsbild ermittelt
  • Die Qualität und Validität dieses Persönlichkeitsbildes ist in etwa vergleichbar der Validität eines auf gleichen Kriterien beruhenden Persönlichkeitsbildes, das durch die sonst marktüblichen Fragebögen ermittelt wird. Je nachdem wie reliabel und valide die zugrundeliegenden Studien sind, ergibt sich ein recht verlässliches Persönlichkeitsbild. Die Ausgangsdaten sind hier nur eben eine (wenig bewusste) Selbstbeschreibung durch gesprochene Sprache anstatt einer Selbstbeschreibung durch Auswahl von vorgegeben Antwortalternativen in einem Fragebogen.

 

Wie ist die Leistung für den Recruitingprozess einzuschätzen?

Man erhält durch KI-Anwendungen wie Precire ein Persönlichkeitsbild, das als recht zutreffend (valide) einzuschätzen ist. Das Problem aller Persönlichkeitstests – ganz unabhängig davon ob durch KI-Sprachanalyse oder durch Fragebögen ermittelt – ist es jedoch, dass sie für den beruflichen Erfolg einer Person so gut wie keine Aussagekrafthaben. Ob der Recruiter nun also einen online-Persönlichkeitstest vorab verschickt oder mit Precire eine Sprachanalyse vornimmt – das Ergebnis ist im Kern das gleiche und kann für die Interviews und die Auswahl nur eine zusätzliche Information am Rande sein.

Beispiel Video-Interview-System HireVue:

  • HireVue ist einer von etlichen Anbietern eines Video-Interviewsystems
  • Neben klassischen Video-Interview Funktionen bietet es auch Algorithmen, die Gesichtsausdrücke per Video einfangen und sie dann vergleichen mit Gesichtsausdrücken von vorher gefilmten „Top-Performern“ der jeweiligen Kundenfirma

Was ist davon zu halten?

Kritiker bezweifeln,

  • dass sich Gesichtsausdrücke der TopPerformer, auch wenn sie sich gut erkennen lassen, hinreichend von den Gesichtsausdrücken anderer MA unterscheiden,
  • dass es einen kausalen Zusammenhang zwischen Gesichtsausdruck und beruflicher Leistung / Passung gibt und
  • dass es zielführend ist, bestehende Leistungsträger „klonen“ zu wollen

Ausserdem gibt es das bekannte Problem der „range restriction“: wenn man nur Absolventen mit Spitzennoten einstellt, wird es immer schwerer einen positiven Zusammenhang zwischen Spitzenleistung im Unternehmen und vorherigen Spitzennoten herzustellen, denn auch alle Nicht-Spitzenleister haben ja dann Spitzennoten.

 

Beispiel Amazon’s KI basiertes Recruiting-System zur Kandidatenvorauswahl

  • Amazon‘s KI-basiertes System (2017) war darauf programmiert aus einer Anzahl Lebensläufen die besten Kandidaten auszuwählen.
  • Um das zu erreichen, hatte Amazon das System mit den Lebensläufen sämtlicher Bewerber bei Amazon der letzten 10 Jahre gefüttert.
  • Die Tech-Industrie ist aber bekanntermassen stark männlich dominiert und daher kamen die allermeisten Lebensläufe von Männern. Das Recruiting System, trainiert auf der Basis dieser Auswahl an Informationen begann also (logischerweise) Männer den weiblichen Bewerbern vorzuziehen.
  • Amazon konnte das Problem nicht lösen und hat das System folglich abgeschafft. 

Das Problem der Fairness, der Vorurteilsfreiheit (non-bias) ist tatsächlich noch eine der größeren Herausforderungen, da KI-Training ja notgedrungen immer zunächst auf historischen Daten beruht. Die Qualität der Lern-Daten bestimmt die Qualität der Entscheidungslogiken, die die KI entwickelt. Microsoft hatte ein ähnliches Problem mit einem Chatbot, der u.a. auch unabsichtlich mit rassistischen Äußerungen in social media trainiert worden war, diese dann als normale Äußerungen einstufte und wiedergab.

 

KI Anwendungen in der Personalentwicklung: Entwickeln, Befördern, Halten

IBM hat basierend auf dem eigenen Watson-System einige recht vielversprechende Anwendungen für sich selbst entwickelt, die inzwischen aber auch kommerzialisiert wurden.

  • IBM’s MYCA (My Career Advisor) KI-basierter virtueller Assistent nutzt Watson um Mitarbeitern dabei zu helfen, ihre persönlichen Entwicklungs- und Lernfelder zu identifizieren und dadurch ihre Fähigkeiten und Kompetenzen zu verbessern. Die MYCA Technologie beobachtet alle Aufgaben, die Mitarbeiter bearbeiten, alle Kurse, die sie besuchen, alle Ergebnisse, die sie erreichen usw. Durch diese vielen Datenpunkte kann die KI viel präziser die tatsächlichen Fähigkeiten (und Defizite) von Mitarbeitern erfassen, als jedes Managerfeedback. Deshalb hat IBM auch die Mitarbeiterbeurteilungsgespräche abgeschafft. 
  • IBM‘s Blue Match Technology stellt den Mitarbeitern passende Stellenangebote vor, basierend auf Ihren durch KI ermittelten Fähigkeiten (nur wenn die Mitarbeiter aktiv „opt in“ wählen). 27 Prozent aller IBM Mitarbeiter weltweit, die im Jahr 2018 befördert wurden oder intern die Stelle gewechselt haben, wurden nach eigenen Angaben von Blue Match assistiert. 
  • IBM HR hat ein Patent für sein auf Watson basierendes “Fluktuationsvorhersage-Programm“ („predictive attrition program”). IBM behauptet mit 95%iger Zuverlässigkeit das Risiko von Fluktuation vorhersagen zu können und geeignete Maßnahmen für Manager vorschlagen zu können. Die Treffgenauigkeit beruht auf der hohen Zahl erfasster Datenpunkte. 

 

Wie ist das einzuschätzen?

Es ist nach derzeitigem Kenntnisstand davon auszugehen, dass die KI tatsächlich die Fähigkeiten, Kompetenzen und auch die Fluktuationswahrscheinlichkeit des einzelnen Mitarbeiters im Durchschnitt deutlich treffgenauer und präziser erfassen kann und damit entsprechende Entwicklungs-, Trainings-, Jobrotationvorschläge ebenfalls besser erarbeitet werden können, als das ein Mitarbeiter der Personalabteilung oder die Führungskraft könnte. Denn die KI weiss unendlich viel mehr über den Mitarbeiter als ein einzelner Mensch das könnte. Die Qualität der Entwicklungs-Vorschläge der KI mag noch verbesserungsfähig sein, aber die KI lernt und wird über die Vielzahl der Fälle bald ähnlich der Amazon Methode über gute Empfehlungsgrundlagen verfügen („Andere Mitarbeiter mit diesen Stärken und Vorlieben haben sich für folgende Fortbildungsmaßnahme, folgende berufliche Schritte interessiert...“). Die Herausforderungen liegen einerseits in der Größe des Unternehmens - ein riesiges Unternehmen wie IBM hat natürlich eine viel größere Anzahl an Fällen und Optionen, als ein kleineres Unternehmen. Die größere Herausforderung liegt aber zumindest für europäische und deutsche Unternehmen im Datenschutz. IBM veröffentlicht zwar, dass sie viele Datenpunkte für die KI-Analyse nutzen, sagt aber nicht wo und wie diese erhoben werden. Man darf vermuten, dass alle Aktivitäten der Mitarbeiter, an PC, Smartphone, in Social Media, in allen Systemen etc. erfasst und analysiert werden. In den USA ist das leichter möglich. Hier würde das zumindest derzeit noch am Datenschutz scheitern.

 

Fortsetzung folgt:

Der nächste Blog beschäftigt sich mit KI-basiertem Social Media Monitoring z.B. für Employer Branding-Zwecke und mit den vielseitigen Chatbots. Für administrative HR-Zwecke / Shared Service Center ergeben sich da vielfältige Effizienzpotentiale.

___________________________________________________________

EuGH Urteil zur Arbeitszeiterfassung – welche Haltung sollten Personaler dazu einnehmen?

 

Der Europäische Gerichtshof (EuGH) in Luxemburg hat Arbeitgeber in der EU dazu verpflichtet, die Arbeitszeit ihrer Mitarbeiterinnen und Mitarbeiter systematisch und vollständig zu erfassen (Az: C- 55/18). 

Die Richter in Luxemburg urteilten im Sinne der EU-Arbeitszeitrichtlinie und der Grundrechtecharta der Europäischen Union. Demnach muss die tägliche Arbeitszeit vollständig erfasst werden. Nur so lasse sich überprüfen, ob zulässige Arbeitszeiten überschritten würden, heißt es im Urteil. (Im Kern geht es um die Einhaltung der täglichen Höchstarbeitszeit von 8 Stunden / in Ausnahmefällen über einen gewissen Zeitraum aber niemals über 10h täglich; der Ruhezeit von 11 Stunden zwischen zwei Arbeitseinsätzen; die zusammenhängende Ruhezeit von 24 Stunden am Wochenende/Sonntag; die Einhaltung der gesetzlichen/ggf. der tariflichen Pausen pro Arbeitstag). Die Mitgliedsstaaten der EU werden darin aufgefordert, Unternehmen zu einem objektiven, verlasslichen und zugänglichen Zeiterfassungssystem zu verpflichten. Wie die einzelnen Länder das gestalten, bleibt ihnen überlassen. Es sei erlaubt, auf Besonderheiten eines Tätigkeitsbereichs und "Eigenheiten bestimmter Unternehmen" einzugehen. 

In Deutschland schreibt der Paragraf 16 des Arbeitszeitgesetzes [https://www.gesetze-im- internet.de/arbzg/__16.html] bislang nur vor, dass Überstunden, die über die werktägliche Arbeitszeit hinausgehen, verzeichnet werden müssen. Die Zeiterfassung, die in einigen Unternehmen bereits praktiziert wird, beruht in der Regel auf Tarifverträgen oder innerbetrieblichen Vorgaben. 

In manchen Berufen ist es aber gar nicht so einfach, klar einzugrenzen, was als Arbeit gilt: Wann beginnt zum Beispiel für eine Wissenschaftlerin, die über Wochen und Monate über ein Problem nachdenkt, die Arbeitszeit? Wie kann Zeit, in der berufliche Kontakte und Netzwerke gepflegt werden, bewertet werden? Der DGB schlägt z.B. diese Definition vor: "Alles, was ich mache, um das betriebliche Interesse meines Arbeitgebers zu befriedigen, ist Arbeit und als solche zu erfassen." Keine sehr genaue Definition. Eine einheitliche, rechtlich bindende Abgrenzung, gibt es bislang nicht. 

 

Personaler müssen sich zu diesem brisanten Thema positionieren. Hier einige These dazu:

 

1. Der Schutz der Arbeitnehmer im Hinblick auf Arbeitszeit ist ein gutes Ziel

2. Die technische Umsetzung der Arbeitszeiterfassung über Apps etc. ist einfach. Sie erzeugt keine zusätzliche Bürokratie.

3. Arbeitszeit wird (leider) über Aktivitäten erfasst werden müssen, nicht über den Ort

4. Eigenaufzeichnung durch den Arbeitnehmer ist besser weil selbstbestimmt

5. Erfassungszwang und informationelle Selbstbestimmung sind im Zielkonflikt

6. Vollständige Arbeitszeiterfassung und Leistungsüberwachungsmöglichkeit sind faktisch nicht zu trennen – aktiver (technischer) Verzicht ist anzuraten

7. Vertrauen statt Bevormundung

8. Die intrinsisch motivierende Selbstbestimmung der Arbeitszeit muss geschützt werden

9. Dem inneren Leistungsdruck kommt man nicht primär durch äußeren Schutz bei: Achtsamkeit hilft wirksamer und nachhaltiger

10. Wehret den Anfängen der Totalüberwachung und Instrumentalisierung

 

 

 

These 1: Der Schutz der Arbeitnehmer im Hinblick auf Arbeitszeit ist ein gutes Ziel

Der Schutz der Arbeitnehmer vor zeitlicher Überbeanspruchung und die faire Bezahlung bzw. ein fairer Zeitausgleich für tatsächlich geleistete Arbeit sind selbstredend ein angemessenes, vernünftiges und nachhaltiges Prinzip im Hinblick auf Menschenrechte aber auch auf betriebliche und volkswirtschaftliche Interessen. Das ist sinnvoll und begrüßenswert.

 

These 2: Die technische Umsetzung der Arbeitszeiterfassung über Apps etc. ist einfach. Sie erzeugt keine zusätzliche Bürokratie.

Die technische Umsetzung dieses strengen Aufzeichnungserfordernisses stellt vermutlich kein sonderliches Problem dar. Zeiterfassung kann über Programme und Apps mithilfe von Aktivitätsprofilen, Bewegungsprotokollen per Geo-Tagging, Video- und Audio-Protokollen, und Vernetzung mit anderen Protokollen sowie modernen Identifizierungstechniken (Irisscan, Fingerprint, usw.) erfolgen und eindeutig einzelnen Personen zugeordnet werden. Der Datenschutz und die Mitbestimmung müssen zwar beachtet werden, ein Bürokratie­monster ist jedoch wegen der technischen Automatisierungsmöglichkeiten eher nicht zu erwarten.

 

These 3: Arbeitszeit wird (leider) über Aktivitäten erfasst werden müssen, nicht über den Ort

Arbeitszeit wurde traditionell primär territorial definiert, als Arbeitserbringung an einem bestimmten Ort (Firmensitz, offizieller Arbeitsort) mit den daraus resultierenden Abgrenzungsproblem bei ortsungebundenen Arbeitseinsätzen wie Außendienst, Homeoffice, Bereitschaftsdienst, Dienstreisen etc. (Hier wurde deshalb oft pragmatisch pauschaliert). Nun wird die Arbeitszeit, um der Anforderung der vollständigen und systematischen Erfassung gerecht zu werden, über Arbeits-Aktivitäten operationalisiert werden müssen, damit eine entsprechende Genauigkeit der Erfassung erzielt werden kann. Dies hat aber erhebliche Konsequenzen, mindestens eben soviele Nachteile wie Vorteile.

 

These 4: Eigenaufzeichnung durch den Arbeitnehmer ist besser weil selbstbestimmt

Das Erfordernis der nachweisbaren, vollständigen und systematischen Erfassung wird vermutlich nicht – jedenfalls nicht allein – an den Arbeitnehmer delegiert werden können, der ja gemäß EuGH-Urteil das „schwächere Glied“ ist und daher unter selbstgemachtem oder als vom Arbeitgeber ausgeübt empfundenen Druck die Aufzeichnung unvollständig durchführen könnte. Nach derzeitiger Rechtslage dürfen ArbG wohl nicht rechtswirksam die Aufzeichnungspflicht auf den AN übertragen. Eigenaufzeichnung wäre aber aus vielerlei sehr gewichtigen Gründen (informationelle Selbstbestimmung, Selbstorganisation etc., siehe unten) sicher die bessere Lösung!

 

These 5: Erfassungszwang und informationelle Selbstbestimmung sind im Zielkonflikt

Die technische Umsetzung des Arbeitnehmerschutzes im Sinne des EuGH Urteils mithilfe moderner „Überwachungsprofile“ steht offenbar in einem scharfen Zielkonflikt zu den Bemühungen um das Grundrecht der informationellen Selbstbestimmung und der europäischen Datenschutzrichtlinie. Denn mit der Überwachung der Arbeitszeit geht ja zwingend auch – ex negativo - die Überwachung der Nicht-Arbeitszeit einher. Um das eine vollständig zu erfassen, muss auch das andere zwingend vollständig überwacht werden, um sicherzustellen, dass sich in die Nicht-Arbeitszeiträume nicht heimlich Arbeitszeit einschleicht, insbesondere bei Homeoffice und bei Arbeitseinsätzen im Außendienst, bei Kunden-Projekt usw. und auf den dazu notwendigen Anfahrtswegen bzw. -zeiten. Exakte Aufzeichnung hat Vorteile bei der schuldrechtlichen und fürsorgenden/bevormundenden Genauigkeit; Flexibilität/Aufzeichnungspauschalierung (z.B. Homeoffice = pauschal 8h) hat Vorteile hinsichtlich der Reduzierung des Leistungsdrucks einerseits und der Reduzierung der Kontrollerfordernis beim ArbG bzw. der Erhöhung der (motivierenden) Selbstregulation/Selbstbestimmung beim AN.

 

These 6: Vollständige Arbeitszeiterfassung und Leistungsüberwachungsmöglichkeit sind faktisch nicht zu trennen – aktiver (technischer) Verzicht ist anzuraten

Vollständige Arbeitszeiterfassung, die eine Definition zu Grunde legt, was (lohnberechtigende) Arbeit genau ist und an welchen messbaren Aktivitäten sie operationalisiert wird, lässt sich zwingend immer auch zur Leistungskontrolle nutzen oder missbrauchen. Das betriebsverfassungsmäßige Recht der Betriebsräte der Einführung von Software zu widersprechen (§ 87 Abs.1 Nr.6 BetrVG), die geeignet ist, eine Leistungsüberwachung der Mitarbeiter zu ermöglichen, steht nun in einem Zielkonflikt mit der höchstrichterlichen und demnächst gesetzlichen Verpflichtung des Arbeitgebers die tatsächliche Arbeitszeit des Arbeitnehmers rund um die Uhr aufzuzeichnen und zu überwachen, denn der AG muss bei einer Verletzung der AZ-Gesetze ja einschreiten, will er sich nicht strafbar oder zivilrechtlich haftbar machen. Vollständige und systematische Arbeitszeiterfassung ist jedoch per definitionem perfekt zur Leistungsüberwachung geeignet. Um diesen Konflikt zu moderieren empfiehlt es sich aktiv und ausdrücklich auf die Möglichkeiten der Leistungskontrolle zu verzichten und auch die Datenvernetzung aktiv zu begrenzen. Es braucht hier eine glasklare Haltung. Es ist insofern eine Paradoxie, dass der Versuch, eine vollständige und systematische Erfassung der Arbeitszeit mit dem Ziel, Leistungsdruck von den AN zu nehmen, zu erzwingen, gerade die Leistungsmessung und -kontrolle massiv steigert.

 

These 7: Vertrauen statt Bevormundung

Vertrauen ist eine extrem wichtige und erfolgreiche Haltung zur Reduzierung von organisationaler Komplexität. Überwachung muss zwar nicht zwingend als Misstrauen interpretiert werden, wird es aber in der Praxis üblicherweise schnell. Arbeitszeitschutz sollte vom Arbeitgeber daher weder in der Form und der Haltung der patriarchalen Bevormundung noch mit der Nebenabsicht der Leistungskontrolle benutzt oder in die Kommunikation eingebracht werden.

 

These 8: Die intrinsisch motivierende Selbstbestimmung der Arbeitszeit muss geschützt werden

Die modernen Ansätze des New Work mit viel Selbstorganisation und freier Verfügung über die Ausgestaltung der individuellen Arbeitszeit, der Arbeitstechniken, des Arbeitsortes usw. bleiben weiterhin ein lohnendes Ziel. Sie befördern die intrinsische Motivation, sie antworten auf die Herausforderungen des Employer Branding in Zeiten des Fachkräftemangels und Arbeitnehmermärkten (Mitarbeitergewinnung und Fluktuationsbegrenzung) und sie entsprechen vielfach den Wünschen und Vorstellung vieler Arbeitnehmer an ihre Lebensführung. Der Arbeitszeitschutz und das Bedürfnis bzw. Recht auf faire Bezahlung für geleistete Arbeit müssen mit dem Anspruch auf Selbstbestimmung der Arbeitnehmer in Balance gehalten werden. Hier muss man insbesondere auf die Umsetzung in nationale Gesetzgebung hoffen und den Parlamentariern viel Augenmaß wünschen (bzw. aktiv nahelegen). 

 

These 9: Dem inneren Leistungsdruck kommt man nicht primär durch äußeren Schutz bei: Achtsamkeit hilft wirksamer und nachhaltiger

Im Arbeitsrecht ist Zeit Geld. Der Arbeitnehmer schuldet Zeit (= Anwesenheit/Verfügbarkeit und Anbietung der Arbeitskraft), der Arbeitgeber schuldet Lohn. Zusätzlich erwarten in unserer modernen Arbeitswelt aber beide vor allem Leistung, der Arbeitgeber in Form von relevanten Ergebnissen/Leistungen - daher der Versuch, über variable Vergütung extrinsische Motivation zur Leistungserbringung zu steigern -, der Arbeitnehmer in Form von Anerkennung und Förderung - daher die Erwartung der Arbeitnehmer an die Bereitstellung von Selbstbestimmungs-, Entfaltungs- und Entwicklungsmöglichkeiten u.a. als intrinsischen Motivationsfaktoren. Der Berliner Philosoph Byung-Chul Han hat diesen Zusammenhang als Haltung fast unbegrenzter Verausgabungs- und Leistungsbereitschaft bis zum Burn-out beschrieben. Die „Disziplinargesellschaft“ früherer Zeiten, in der Verbote und Gebote ausgesprochen werden mussten (der AN musste zur Leistung gezwungen werden), ist von einer totalen „Leistungsgesellschaft“ abgelöst worden. Hatte die erste „Verrückte und Verbrecher“ hervorgebracht, so erzeugt die jetzige „Depressive und Versager“. Der innere empfundene Druck auf Leistung und Arbeitszeit ist hoch – kaum ein Mitarbeiter ist mit seinem Zeitkonto je gern freiwillig im Minus. Zeitausgleich zur Erholung muss gefühlt immer vorher durch Mehrarbeit erarbeitet werden, Urlaubsansprüche werden lieber gebunkert als zeitnah genommen. Innerer Leistungsdruck kann nicht primär außen durch Arbeitszeitkontrolle reduziert werden. Arbeitsschutz heute erfordert zwingend – auch und vor allem - eine innere Haltung der Achtsamkeit.

 

These 10: Wehret den Anfängen der Totalüberwachung und Instrumentalisierung

Shoshana Laboff hat in ihrem Buch „Das Zeitalter des Überwachungskapitalismus“ (2018) sehr scharfsinnig analysiert, wie die algorithmische Kompilierung von Daten aus fast allen unseren Tätigkeiten und Bewegungen zu einem Personen- und Verhaltensprofil durch die vielen „Datenkapitalisten“ (Google, Facebook und co.) uns nicht nur als kostenfreie Datenrohstoffquellen gebraucht, sondern uns auch zu maximal manipulierbaren Konsumenten verformt. Die mit der guten Absicht des Arbeitnehmerschutzes geforderte vollständige und systematische Erfassung aller Aktivitäten unserer Lebenszeit zur einklagbaren Unterscheidung von Arbeits- bzw. Nicht-Arbeitszeit muss technisch (!) extrem strikten Datenschutz befolgen. Sie darf nicht auf die Totalüberwachung einzahlen. Dieser Preis wäre viel zu hoch.

 

___________________________________________________________________________________________________________________________

 

Arbeit 2028 - Trends, Dilemmata, Chancen (aktuelle Telekom-Studie)

 

Letzte Woche wurde auf dem Treffen des Arbeitskreises Künstliche Intelligenz der Bitcom eine aktuelle Studie der Telekom vorgestellt, die diese zusammen mit dem Henley Centre of Leadership der Henley Business School erstellt hat: ARBEIT 2028 – Trends, Dilemmata, Chancen.

Daraus ergaben sich folgende vier besonders bemerkenswerte Trends einer sich schnell wandelnden Arbeitsgesellschaft:

  • Omnipräsente Digitalisierung
  • Informationsflut und Desorientierung
  • Sehnsucht nach Zugehörigkeit
  • Schrei nach Sinn

Aus den Auskünften und Prognosen der Studienteilnehmer zu diesen Trends wiederum leitet die Studie extrem relevante Konsequenzen für die Bereiche Organisation, Arbeit und Führung ab, von denen hier nur wenige erwähnt werden können. 

 

Diese Technologien kommen früher oder später auf uns zu: allgegenwärtige Mensch-Maschine-Interaktion, dominante Sprachsteuerung, maschinelles Lernen, künstliche Intelligenz, autonome Transportlösungen, Virtual-Reality- Meetings, Hologramme als Near-Life-Erfahrung, Hyperloops, etc. 

Künftige Organisationen werden meist fluide Unternehmen aus Mensch-Technologie- Ökosystemen sein, mit anpassungsfähigen Grenzen. Man findet Organisationen in Zellen, flache Strukturen, Ad-hoc- Lieferantennetzwerke, Holokratien, Hybrid-Einheiten, gemeinschaftsbasierte Organisationen, Kunden die co-kreieren, Organisationen als Hosts für Freiberufler, die Sicherheit und Verlässlichkeit bieten, ein Partnermodell als Modell für alle.

Wir steuern auf eine neue Ära radikaler Transparenz zu: von Informationen, Daten, sowie Verhaltensmustern und Entscheidungen bei Mitarbeitern, Managern, Kollegen und externen Mitarbeitern; bei aufgezeichneten Meetings oder digitalen Debatten, die für alle zugänglich sind. Wie können Manager und Mitarbeiter noch ein Gefühl von Relevanz behalten, wenn Andere alles über sie wissen?

Wir werden eine Ära episodischer Loyalität erleben, in der sich Organisationen, Mitarbeiter und Beteiligte für eine bestimmte Zeit zusammenschließen, trennen und erneut zusammenschließen. Wie wird sich ein Zugehörigkeitsgefühl dabei organisieren lassen?

Führung rotiert zwischen Managern, Mitarbeitern und anderen Beteiligten. Die Beteiligung vieler oder aller an Führungsprozessen bedeutet, dass mehr Menschen teilhaben an Entscheidungen, Informationen und Sinnstiftungsprozessen. Wer eignet sich dazu, dauerhafte Führungsrollen gegen flexible, temporäre zu tauschen? Sind Führungsmodelle mit diverseren Beteiligten und Erscheinungsformen eine Alternative? 

Wollen Unternehmen in 2028 noch relevant sein, müssen sie die Nachhaltigkeit ihrer Geschäfts- und Wirtschaftsmodell überprüfen, sie müssen eine identifikationsfähige Sinnstiftung in ihren Narrativen anbieten.

Etwa die Hälfte aller Teilnehmer und der entsprechenden Arbeitswissenschaftler sehen darin eine Chance für den Arbeitsmarkt und neue Berufe, die andere Hälfte befürchtet jede Menge Gefahren und mancher High-Tech-CEO schlägt daher schon mal ein bedingungsloses Grundeinkommen für alle von der KI in der Lohnarbeit ersetzten Menschen vor. Die Studie der Telekom kommt zu den im Bild (rechts) aufgezeigten  Schlüssen.

Die Digitalisierung erstrahlt im Glanz der überwältigenden Chancen und wirft gleichzeitig ihre Schatten voraus – packen wir es an!

 

______________________________________________________________________________________________________________


Der Schleier des Nichtwissens und das agile Unternehmen

Der Schleier des Nichtwissens und das agile Unternehmen

 

Kaum ein Philosoph hat die Überzeugungen über gerechte gesellschaftliche Zusammenarbeit stärker geprägt als John Rawls (1921-2002). Sein Hauptwerk A Theory of Justice (1971) gilt als eines der einflussreichsten Werke der politischen Philosophie des 20. Jahrhunderts. 

Die Aufgabe von Gerechtigkeitsgrundsätzen besteht ihm zufolge darin, die Grundstruktur der Gesellschaft festzulegen, d. h. die institutionelle Zuweisung von Rechten und Pflichten und die Verteilung der Früchte und Lasten aus der Zusammenarbeit. Wie aus der Bezeichnung seiner Theorie („Gerechtigkeit als Fairness“) und seinen Überlegungen zur Rechtfertigung ersichtlich wird, ist seine Gerechtigkeitstheorie eine Theorie der Verfahrensgerechtigkeit.

Rawls stellt sich dazu die Frage: Für welche Gerechtigkeitsgrundsätze würden sich freie und vernünftige Menschen in einer fairen und gleichen Ausgangssituation in ihrem eigenen Interesse entscheiden? 

Genau dieselbe Frage stellt sich in allen Unternehmen, die Konzepte der Selbstorganisation, des agilen Managements, der Holokratie oder ähnliches ausprobieren. Zugegeben, Fairness ist vermutlich nicht das dringendste Motiv dieser agilen Unternehmen, sondern in aller Regel wirtschaftlicher Erfolg, der das Überleben des Unternehmens in komplexen Umwelten sichert. Schon Rawls hatte die Zuweisung von höheren Positionen mit Einfluss und höherem Gehalt an die Bedingung gekoppelt, dass dies auch den Schwächsten von Nutzen ist. In selbstorganisierten Unternehmen wird die Zuweisung einer leitenden Position an einen Kollegen üblicherweise solange als fair erachtet, als dieser seine Funktion zum Nutzen aller ausübt, auch derjenigen Mitarbeiter mit den geringsten Bezügen. 

Ein Mitarbeiter ist als Mitglied eines Unternehmens natürlich viel loser gekoppelt – nämlich durch Arbeitsvertrag, der jederzeit beendet werden kann - als der Staatsbürger an den Staat bzw. die Gesellschaft – durch Geburt, Staatszugehörigkeit, Menschenrechte. Die gesellschaftsphilosophischen Gedanken eines John Rawls auch auf Unternehmen anzuwenden, erscheint daher nicht vergleichbar zwingend. 

Dennoch ist es einer meiner Lieblingsgedanken, den Rawls’schen „Schleier des Nichtwissens“ über Unternehmen und ihre Prozesse, Strukturen, Mitglieder und Kultur zu legen und zu sehen, was daraus entstünde.

In Anlehnung an Rawls bestünde das Gedanken-Experiment zur Gestaltung einer fairen Unternehmensorganisation, darin, dass bestehende Mitarbeiter eine Organisationsstruktur, -prozesse und -Kultur unter der Annahme entwerfen, dass sie nicht wissen, ob sie selber in dieser Organisation als junger oder alter, weiblicher oder männlicher Mitarbeiter tätig werden, als Spezialist oder Generalist, als Führungskraft oder Mitarbeiter, in hoher oder niedriger Funktion, in welcher Abteilung, welchem Standort, bei welcher Bezahlung usw. usw. Wichtiger Grundgedanke: jedem Mitglied müssten prinzipiell alle Positionen und Funktionen offen stehen.

Wie würde man eine faire Organisation bauen, wenn man nicht wüsste, an welcher Stelle, in welcher Funktion, mit welchen Rechten und Bezügen man selber landen würde?

Wieviel Hierarchie würde man sich wünschen, wieviel Selbstorganisation, wieviel Verantwortung und Entscheidungsmacht, wieviel Sicherheit und wieviel Freiheit, wieviel Spannbreite in den Gehältern? Würde man die Führungskräfte ernennen oder wählen? Wo würde man eindeutige Prozesse und wo Kreativität bevorzugen und wer würde entscheiden dürfen, wann mehr von dem einen oder dem anderen einzusetzen wäre? Welche Entscheidungen würde man lieber intelligenten Maschinen überlassen, welche nicht? Wie sollte über die Dauer der eigenen Mitgliedschaft oder die anderer entschieden werden? Wie müssten sich die Bedingungen, die als fair gelten dürfen anpassen, wenn Unternehmen wachsen oder schrumpfen? Wer würde über das Ende eines Unternehmens entscheiden dürfen?

Würden die meisten Organisationen sich dann zumindest teilweise holokratische, agile o.ä. Strukturen zulegen? Wo würde man wieder Fan von Hierarchie? Welche Haltungen bräuchten Mitarbeiter?

Fragen über Fragen. Aber ein unglaublich spannender Gedanke.

 

___________________________________________________________________________________________________________________


Wieviel KI verträgt HR?

Neugründungen von digitalen Personalberatungen, haben Hochsaison. Der Arbeitsmarkt boomt und die steigende Nachfrage nach geeigneten Fach- und Führungskräften, verbunden mit spezifischen Anforderungen wie Digitalkompetenz, erfordert neue Konzepte, um die Stellen mit geeigneten Talenten erfolgreich zu besetzen.

Unterteilt man, den Recruitingmarkt in verschiedene Segmente, wird deutlich wie unterschiedlich und mit welchen Ausprägungen sich die Personalberatungsangebote verändern. Der Ansatz mit Algorithmen oder einem "magischen“ Matching, die richtigen Kandidaten für Unternehmen zu finden, beschleunigt den Digitalisierungsgrad im Recruitmentprozess besonders stark im Facharbeitnehmermarkt.

Hier lässt sich eine große Anzahl von (mehr oder weniger standardisierten) Stellen einer großen Anzahl von potentiellen Kandidaten gegenüberstellen, so das z.B. Recruitment Apps auf dem Smartphone mit Swypefunktion stark im kommen sind.  

Je individueller und höher die Anforderungen werden und je stärker der kulturelle Fit des Kandidaten zum Unternehmen in die Bewertung einfließt, umso limitierter werden die Einsatzmöglichkeiten durch automatisierte Suchabfragen und   Algorithmen.

Hier kommt der klassische Ansatz, der persönlichen Evaluierung der Unternehmensanforderungen, sowie der Kandidatenpersönlichkeit vorerst weiter zur Anwendung.

Die Technik entwickelt sich allerdings ständig weiter. Mit dem verstärkten Einsatz von künstlicher Intelligenz wird die automatisierte Kandidatenauswahl immer passgenauere Ergebnisse liefern, so dass sich die Paradigmen ganz klar verschieben werden.

Darüber hinaus, wird diese Entwicklung auch durch einen Generationswechsel der Young Professionals getrieben,  die  mehr und mehr digitale Kommunikationsstrukturen z.B.  soziale Netzwerke verwenden.

Die Talente, welche heute ihr Leben mit einem Swype auf einem Smartphone managen, sind i.d.R. offen und bereit auch via Smartphone App den nächsten Job zu finden bzw. für den nächsten Job gefunden zu werden.

Die Dringlichkeit der Stellenbesetzung in höchster Qualität in einem wachsenden Nachfragemarkt, resultiert darin die  neusten Möglichkeiten der Digitalisierung mit einem starken persönlichen Ansatz zu kombinieren.

Hier liegt die Chance, KI gewinnbringend in eine qualitative Talentsuche unterstützend einzusetzen.

Die Kombination von KI basierten Talentsuchen mit persönlicher Fachkompetenz der Personalberater ist eine Stufe des Transformationsprozesses in eine digitalisierte Personalberatung.

Das Potential von KI in der Talentsuche und die weitere technologische Entwicklung, aber auch die veränderten gesellschaftlichen Rahmenbedingungen und Verhaltensweisen, werden die HR Arbeit im Recruitment weiter transformieren.




trueredo.com  - Heute schon konform mit der neuen EU - Datenschutz Grundverordnung 

Wir sind stolz darauf, dass wir schon heute die Anforderungen der EU-Datenschutz-Grundverordnung (EU-DSGVO), die am 25. Mai 2018 in Kraft tritt, erfüllen.

Unser vollautomatisiertes Empfehlungsmanagement sichert somit allen Kunden, TalentScouts und empfohlenen Talenten die Wahrung ihrer Datenschutzrechte bereits heute zu.

Die neuen Anforderungen, die mit der DSGVO in Kraft treten, stellen alle am Recruitmentprozess Beteiligten vor große Herausforderungen. Diese Herausforderung haben wir angenommen und unsere Systeme und Prozesse auf die erhöhten Anforderungen aufgebaut. Denn unsere Kunden erwarten einen verlässlichen Partner, der die Datenschutzbestimmung in vollem Umfang umsetzt und für sie effizient managed. Unsere TalentScouts und Talenten erwarten darüber hinaus einen einfachen und komfortablen Prozess. Ein Talent empfehlen setzt Vertrauen in uns und den Umgang mit personenbezogenen Daten voraus. Dieses Vertrauen wollen wir uns verdienen!

Wir haben die Einholung der Zustimmung von trueredo.com Talenten automatisiert und steuern den Prozess für alle Beteiligten komfortabel und speichern die Opt-Ins revisionssicher auf einem externen Server.

 

Effizienter Prozess:

  • Automatisierte Einholung der datenschutzrechtlichen Genehmigungen von TalentScouts, empfohlenenTalenten und Bewerbern
  • Multi OptIns
  • Integration in das treueredo.com BackEnd System (Opt-Ins mit Ablaufdatum und Historie)
  • Revisionssichere Speicherung der Vorgänge auf den Servern 
  • Gehostet in der Bundesrepublik Deutschland

 

Vorteile für trueredo.com Talente:

  • Nachvollziehbarkeit und Historie der erteilten OptIns
  • Schnell und sicher über URL aus EinladungsMail; kein Login nötig
  • Individuelle zeitliche Befristung der erteilten Genehmigungen (MultiOpt-Ins)
  • Möglichkeit des sofortigen Widerrufs, der Löschung oder Änderung
  • Keine Speicherung von persönlichen Daten 
  • Aufklärung über die betroffenen Rechte
  • Gehostet in der Bundesrepublik Deutschland

 

trueredo.com ist Ihr end-to-end Partner für alle Suchen: intelligentes Empfehlungsmanagement aus der Crowd kombiniert mit Direct-Search, erfahrene Personalmanager mit sicherem Auswahlgespür, einheitliche und faire Konditionen. Qualität in kürzester Zeit und zu fairem Preis.

Durch Crowdsourcing aktivieren wir viele TalentScouts, die den Markt durchdringen und gemeinsam mit uns die besten Kandidaten für Sie finden. Die Auswahl der Kandidaten steuern wir über erfahrene TalentScouts und modernste IT-gestützte Prozesse.




trueredo.com @ hub.berlin2017

Linda beim Ada Lovelace festival in Berlin

Helmut Stork zum Thema : SELBSTSTEUERNDE TEAMSTRUKTUREN DURCH Agile FÜHRUNGS- und VERHALTENSSTRATEGIEN ENTWICKELN

Mit der Entwicklung agiler Führungs- und Verhaltensstrategien befähigen wir Führungskräfte zur Zielerreichung in kritischen Handlungsfeldern.

Basierend auf Erfahrungen des verhaltensorientierten Innovationsmanagements (VIM) erzeugen emergente Führungs- und Verhaltensmethoden nachhaltig Veränderungsenergie. Sie bewirken, dass Teams ihre Ressourcen im gemeinsamen Denken aktivieren und nutzen - und innovativ werden.

Die Führungsmethoden sind mit vergleichbaren Effekten uneingeschränkt auf Führungs- und Managementsituationen außerhalb des Innovationsmanagements übertragbar.

In kritischen Handlungsfeldern ermöglichen diese

  • Kundenerfahrungen zu steigern,
  • Zusammenarbeit zu intensivieren,
  • Pace zu erhöhen,
  • Innere Schubkraft zu erzeugen,
  • Shit Corner zu verlassen.

Herkömmliche Führungsprinzipien sind unzureichend.

Ihre Aktionsparameter zielen auf Stabilität und Effizienz:

  • Plan
  • Forecast
  • Kontrolle
  • Entscheidung in der Hand von wenigen
  • Hierarchiebindung
  • Fragmentierung
  • Fehlervermeidung
  • Eskalation nach oben

Durch sie geschaffene Strukturen sind slow im Design


Führungsprinzipien müssen Anpassung und Innovation ermöglichen.

Innere Flexibilität ist Bedingung, um Volatilität und Komplexität im Außen zu kontern.

Hierzu sind veränderte Führungsprinzipien erforderlich, die Agilität, Anpassungsfähigkeit und Emergenz, das Erzielen von Innovation durch ganzheitliches Zusammenwirken ermöglichen. Ihre Aktionsparameter zielen auf:

  • Reaktionsfähigkeit
  • Verbindung von Tatkraft und innerer Klarheit
  • Unabhängiges, autonomes Agieren
  • Hohe Beziehungsdichte
  • Funktionale und hierarchische Integration
  • Vielfalt
  • Reframing

Die durch sie geschaffenen Strukturen lassen radikale Beschleunigung und ein hohes Maß an Kreativität entstehen.

 
   

Helmut Stork berät Sie gerne bei der Entwicklung von Führungs- und Verhaltensstrategien, die agile, selbststeuernde Teamstrukturen schaffen, ein Erfolgskriterium für die Umsetzung digitaler Transformation. Sein Credo lautet, Führung neu zu denken: weniger Stabilität, als vielmehr Agilität erzeugen, Komplexität im Außen durch Flexibilität im Innern kontern.

Weitere Informationen zur Entwicklung agiler Organisationsstrukturen sowie unserem Leistungsspektrum erhalten Sie unter info@trueredo.com