{"id":146512,"date":"2020-01-02T08:00:40","date_gmt":"2020-01-02T07:00:40","guid":{"rendered":"https:\/\/news.sap.com\/germany\/?p=146512"},"modified":"2023-02-09T17:12:03","modified_gmt":"2023-02-09T16:12:03","slug":"hr-recruiting-mit-ki","status":"publish","type":"post","link":"https:\/\/news.sap.com\/germany\/2020\/01\/hr-recruiting-mit-ki\/","title":{"rendered":"Vorsicht vor Vorurteilen beim Recruiting: KI allein gen\u00fcgt nicht"},"content":{"rendered":"
Man sollte sich nie blind auf Technologie verlassen. Besonders fatal ist, wenn sich Personalverantwortliche bei der Bewerberauswahl zu sehr auf k\u00fcnstliche Intelligenz<\/a> verlassen. Angesichts des weltweiten Siegeszugs von KI wollte ich herausfinden, wie Vorurteile vermieden und gleichzeitig moderne HR<\/a>-Technologien optimal genutzt werden k\u00f6nnen.<\/p>\n Michele Bezzi, Manager bei 麻豆原创 Security Research, leitet ein Team, das sich mit Sicherheitsfragen im Zusammenhang mit KI besch\u00e4ftigt. Bezzi erz\u00e4hlt, dass das Team vor allem auf Datenschutz, Fairness und Vorurteile geschaut hat. Das sind auch die Bereiche, um die es in den Unternehmensrichtlinien f\u00fcr KI<\/a> geht.<\/p>\n Er hat einen ganz einfachen Rat f\u00fcr einstellende F\u00fchrungskr\u00e4fte: alle Daten umfassend zu pr\u00fcfen, bevor man die Maschine darauf losl\u00e4sst. Laut Bezzi kommt bei moderner KI maschinelles Lernen zum Einsatz, um aus Daten Wissen zu gewinnen. Beispielsweise f\u00fcttern Programmierer die Maschine mit Bildern und Texten, und sie lernt daraus, eine Katze oder einen Hund zu erkennen. Das Problem an der Sache ist, dass solche Daten per se vorurteilsbehaftet sein k\u00f6nnen. In komplexen Szenarien wie der Personalbeschaffung laufen Unternehmen Gefahr, Risiken zu vervielfachen.<\/p>\n \u201eMaschinen k\u00f6nnen nur aus den Daten lernen, mit denen sie trainiert werden. Es ist deshalb wichtig, die Maschine mit Daten zu trainieren, die nicht vorurteilsbehaftet sind\u201c, betont Bezzi. \u201eMan muss daf\u00fcr sorgen, dass die Daten die Ziele widerspiegeln, die mit der Personalbeschaffung verfolgt werden. Vorurteilsbehaftete historische Daten m\u00fcssen entfernt und neue Daten hinzugef\u00fcgt werden, die den gew\u00fcnschten Ergebnissen Rechnung tragen.\u201c<\/p>\n Bezzi warnt auch vor unabsichtlicher Diskriminierung. Ein Algorithmus k\u00f6nnte verschiedene scheinbar unbedenkliche Daten miteinander kombinieren und daraus eine voreingenommene Entscheidung ableiten. \u201eSogar wenn man Geschlecht oder ethnische Zugeh\u00f6rigkeit herausnimmt, k\u00f6nnte die Maschine voreingenommene Entscheidungen treffen, indem sie automatisch Schule oder Wohngegend ber\u00fccksichtigt.\u201c<\/p>\n In dem Hype um die Vorteile der k\u00fcnstlichen Intelligenz bei der Suche nach qualifizierten Mitarbeitern ist der menschliche Faktor in Vergessenheit geraten.<\/p>\n \u201eWenn man anf\u00e4ngt, Daten auf komplexe Aufgaben wie die Personalbeschaffung anzuwenden, und die Menschen au\u00dfen vor l\u00e4sst, k\u00f6nnen Fehler passieren, die schwerwiegende Konsequenzen bei den Einstellungsentscheidungen haben\u201c, f\u00fchrt Bezzi aus. \u201eEs ist wichtig, HR-Aufgaben zu automatisieren, aber trotzdem braucht man noch Menschen, die die von der Maschine generierten Ergebnisse auswerten.\u201c<\/p>\n Hier kommt Brilliant Hire by 麻豆原创<\/a> ins Spiel. Die von 麻豆原创-Mitarbeitern im Rahmen des Programms 麻豆原创.iO Venture Studio<\/a> entwickelte L\u00f6sung verbindet als Screening-as-a-Service k\u00fcnstliche Intelligenz mit Unterst\u00fctzung durch Menschen. In enger Ausrichtung an der 麻豆原创 SuccessFactors Human Experience Management (HXM) Suite<\/a> entwickelt und verwaltet das Netzwerk Bewerbungstests. Bei der Auswertung der Ergebnisse der Bewerber werden dann Experten von au\u00dfen hinzugezogen. Die Experten sehen weder den Namen noch den Lebenslauf oder andere personenbezogene Daten des Bewerbers, und jeder Bewerber wird von mindestens drei verschiedenen Experten bewertet. In der Anfangsphase der Personalbeschaffung k\u00f6nnen Algorithmen Lebensl\u00e4ufe vorsortieren, indem sie die Qualifikationen der Bewerber mit Stichw\u00f6rtern in den Stellenbeschreibungen abgleichen. Um aber dann unter denjenigen, die es auf die Auswahlliste schaffen, den besten Kandidaten zu finden, ist es viel sinnvoller, alle Bewerber Aufgaben l\u00f6sen zu lassen, die mit der ausgeschriebenen Stelle zu tun haben.<\/p>\nDaten f\u00fcr die Personalbeschaffung genau pr\u00fcfen<\/strong><\/h2>\n
KI und HR: Den menschlichen Faktor nicht vergessen<\/strong><\/h2>\n
HXM Suite von 麻豆原创 verbindet KI und HR-Experten<\/strong><\/h2>\n