Kapitel 2
Neue Technologien und ihre Grenzen
Automatisierung, Vorhersage und Generierung unterscheiden, um verhältnismäßige Anwendungen auszuwählen.
2.1 Maschinelles Lernen
Maschinelles Lernen passt Modelle anhand von Beispielen an. Im Personalwesen kann es die Klassifikation von Dokumenten, die Suche nach Kompetenzen oder das Erkennen kollektiver Muster unterstützen. Sein Nutzen hängt von der Qualität der Zielsetzung, der Repräsentativität der Daten und einer vom Training unabhängigen Bewertung ab.
Eine Vorhersage identifiziert für sich genommen nicht die Ursachen eines Ergebnisses. Bei verändertem Kontext können erlernte Zusammenhänge instabil werden. Das Modell muss mit einfachen Alternativen verglichen werden; zu prüfen ist, ob die Verbesserung zusätzliche Kosten, Komplexität und Risiken aufwiegt.
2.2 Sprache und generative Assistenten
Sprachmodelle können helfen, Stellenbeschreibungen zu verfassen, Richtlinien zusammenzufassen oder Schulungsmaterialien vorzuschlagen. Ihre Antworten müssen überprüft werden, bevor Arbeitsbedingungen kommuniziert oder Vorschriften ausgelegt werden. Eine flüssige Erklärung belegt weder die Existenz einer Quelle noch die Richtigkeit einer Schlussfolgerung.
Ein interner Assistent muss seine Quellen eingrenzen, Unsicherheit angeben und sensible Fragen an Fachleute weiterleiten. Auch abgerufene Dokumente können bösartige Anweisungen enthalten. Tests müssen mehrdeutige Fragen, widersprüchliche Richtlinien und Anfragen umfassen, die über die Berechtigungen der nutzenden Person hinausgehen.
2.3 Prozessautomatisierung
Regelbasierte Automatisierung kann wiederkehrende Aufgaben ohne künstliche Intelligenz erledigen. Die Bearbeitung eines vollständigen Antrags oder die Prüfung eines Pflichtfelds sind Beispiele für relativ klar abgegrenzte Vorgänge. Eine einfache Lösung erleichtert Tests und verringert die Abhängigkeit von schwer erklärbaren Komponenten.
Jeder automatisierte Ablauf muss Ausnahmen behandeln und verhindern, dass sich ein Fehler in großem Maßstab wiederholt. Erforderlich sind eine Warteschlange zur Prüfung, eine verantwortliche Person und eine Möglichkeit, die Ausführung zu stoppen. Verbesserungen werden am Gesamtprozess gemessen, einschließlich der zur Störungsbehebung nötigen Arbeit.
2.4 Emotionen, Biometrie und Überwachung
Es darf nicht vorausgesetzt werden, dass Stimme, Gesicht oder Mikroexpressionen valide Rückschlüsse auf Ehrlichkeit, Persönlichkeit oder berufliche Eignung erlauben. Eine scheinbare Korrelation kann Kontext, Behinderung, Sprache oder Aufnahmebedingungen widerspiegeln. Diese Anwendungen erfordern eine besonders strenge wissenschaftliche und rechtliche Prüfung.
Im europäischen Rahmen enthält die Verordnung über künstliche Intelligenz ein Verbot bestimmter Rückschlüsse auf Emotionen am Arbeitsplatz, mit eng begrenzten Ausnahmen aus medizinischen oder sicherheitsbezogenen Gründen. Daraus folgt keine allgemeine Erlaubnis zur Überwachung des Wohlbefindens. Der geltende Text und die für den Fall einschlägigen offiziellen Leitlinien sind heranzuziehen [R1].
2.5 Verhältnismäßige Technologieauswahl
Die Auswahl beginnt mit einem überprüfbaren Bedarf. Anschließend werden Alternativen, benötigte Daten, Barrierefreiheit, Wartungskosten und die Möglichkeit einer Außerbetriebnahme geprüft. Die Neuheit eines Werkzeugs macht es nicht vorzugswürdig. Manche Bedarfe lassen sich durch organisatorische Änderungen oder Weiterbildung besser erfüllen.
Die Analyse muss berücksichtigen, wer den Nutzen erhält und wer das Risiko trägt. Eine Lösung, die der Abteilung Zeit spart, kann Bewerbenden Hürden auferlegen. Die Entscheidung muss diese Perspektiven einbeziehen und die Nutzungsgrenzen verständlich beschreiben.
Fragebögen
Kapitelverständnis & Dilemmata im Personalwesen
Die Dilemmata erhalten keine moralische Bewertung und werden nicht zur Bewertung von Bewerbungen verwendet.