• noelwehrle

meHRdigital: #2.2 Künstliche Intelligenz

Wird Kollege Computer schon bald der bessere Personaler?



Der Leitartikel HR & die digitale Transformation unserer aktuellen Serie nennt bereits einige Buzzwords: HR-Technologien, HR-Software, Tools, KI, Chatbots, MachineLearning - diese und viele meHR laufen Euch sicher oft über den Weg.

Im zweiten Abschnitt der Serie meHRdigital wollen wir versuchen, Euch mit den wichtigsten Begriffen vertraut zu machen und Euch zu wappnen, um diese einzuschätzen und bei Interesse weiter forschen zu können.

Im vorherigen Artikel wurde bereits auf das Thema KI eingegangen. In diesem Blogeintrag hier werden wir uns damit nun detaillierter beschäftigen.


Achtung! Jetzt wird es technisch

Nach dem kurzen Überblick zu KI im vorherigen Blogeintrag, wollen wir nun etwas tiefer in die Technik abtauchen. KI kann auf verschiedenste Arten implementiert werden. Von relativ einfachen, auf Statistik basierenden Algorithmen bis hin zu künstlichen neuronalen Netzen, ist vieles denkbar. Da es sich hier um einen kompletten Teilbereich der Informatik handelt, schauen wir uns im Folgenden nur eine Technik ein wenig genauer an.


Künstliche neuronale Netze (KNN)

KNN werden oft als futuristische Zukunftstechnologie angesehen, sie wird aber bereits seit den 1940er Jahren erforscht. Zu Beginn waren KNN ein rein mathematisches Konzept, durch welche man jede logische und arithmetische Funktion berechnen lassen konnte.

Bereits zwischen 1957 und 1958 wurde der erste erfolgreiche Neurocomputer entwickelt, der mit seinem 20 x 20 Pixel großen Bildsensor einfache Ziffern erkennen konnte.

KNN bestehen aus künstlichen Neuronen, die miteinander verbunden und in Schichten aufgebaut sind. Es gibt immer eine Eingabe- und eine Ausgabeschicht, zwischen denen es beliebig viele verdeckte Schichten geben kann. Wie das Netz im Detail aufgebaut ist, ist vom Einsatzzweck abhängig. In der Regel hält man sich beim Aufbau dabei an bestimmte vordefinierte Architekturen von Netzwerken wie zum Beispiel ein Long short-term memory Netzwerk (LSTM) oder Generative Adversarial Networks (GAN).


Und wie lernt ein künstliches neuronales Netzwerk?

Der Lerneffekt entsteht, wie auch beim Menschen, durch Training. Die einfachste Form ist dabei das sogenannte "überwachte Lernen". Simpel ausgedrückt werden dem KNN bestimmte Daten über die Eingabeschicht übergeben. Über die verschiedenen künstlichen Neuronen und Verbindungen erhalten wir dann ein Ergebnis in der Ausgabeschicht. Dieses Ergebnis wird mit dem erwarteten Wert verglichen. Über die Differenzen zwischen Ist und Soll werden dann die Berechnungen innerhalb des KNN leicht verändert.


Beispiel: Zeigen wir einem neuronalen Netz beispielsweise ein Bild von einem Vogel, werden bestimmte künstliche Neuronen und Verbindungen aktiviert. Zu Beginn ist das noch mehr oder weniger zufällig. Mit jedem Durchgang werden dabei die Verbindungen künstlichen Neuronen so angepasst, dass das Ergebnis immer mehr Richtung Vogel geht. Nachdem wir den Netzwerk tausende von verschiedenen Bildern von Vögeln gezeigt haben, hat es nun "gelernt" wie ein Vogel aussieht. Bei jedem Bild von einem Vogel werden die gleichen oder ähnliche Verbindungen und künstliche Neuronen aktiv, selbst wenn das Bild in den Trainingsdaten nicht enthalten war.


Was kann KI alles? Und was nicht?

Künstliche Intelligenzen bergen ein riesiges Potenzial. Eine Unmenge von Daten können damit in einer zuvor niemals dagewesenen Geschwindigkeit verarbeitet werden. Zusätzlich können verschiedenste Berechnungen beschleunigt werden. Während Menschen gelernten Kontext auf unbekannte Probleme transferieren können, konnten Maschinen dies bisher noch nicht. Es existieren aber nicht nur Limitationen, sondern auch einige reale Gefahren.


Mustererkennung und Generalisierung

Einer der größten Stärken von KI ist die Mustererkennung und Generalisierung von gigantischen Datensätzen. Generalisierung bedeutet in diesem Fall, dass auch Daten verarbeitet werden können, die nicht in den Trainingsdaten enthalten sind. Die KI lernt von vergangenen Beispielen für zukünftige Daten, die es noch nicht kennt.

Damit können zum Beispiel Texte in wenigen Sekunden zusammengefasst werden und das teilweise sogar besser als durch den Menschen.


Digitale Medien

Auch im Bereich der digitalen Medien halten KIs weiterhin Einzug, ein Schwerpunktbereich ist dabei die Bilderkennung und -verarbeitung. So wird beispielsweise bei der Bildbearbeitung KI eingesetzt, um alte Schwarz-Weiß Bilder zu colorieren, Bildfehler zu entfernen und die Auflösung zu erhöhen. Bei Videospielen wird KI eingesetzt, um physikalische Berechnungen oder Animationen zu beschleunigen.

Und auch die Filter diverser Smartphone-Apps wie Snapchat oder Instagram setzen oftmals Gesichtserkennung und damit KI ein.

Ist KI wirklich Intelligent?

Im Namen von KI steckt zwar das Wort Intelligenz, allerdings sind Menschen der KI immer noch um Meilen voraus, wenn es um die allgemeine Intelligenz geht. KI-Systeme sind in der Regel hoch spezialisiert. Sie werden entwickelt, um ein bestimmtes Problem zu lösen. In einigen wenigen Fällen kann sie dabei zwar Menschen bereits übertreffen, wie zum Beispiel im Fall von AlphaGo. Hierbei wurde in dem Brettspiel Go der mehrfache Europameister von einer KI besiegt. Doch gerade was Emotionale oder soziale Intelligenz angeht, steht die KI bisher noch ganz am Anfang, da diese systematisch auf "harten Fakten" fokussiert.


Fehleranfälligkeit und Gefahren

Auch wenn man dystopische Zukunftsfantasien, in denen künstliche Intelligenzen die Menschheit vernichten wollen, außen vor lässt, bergen KIs bereits heute einige Fehleranfälligkeiten und damit auch Gefahren.

Eine auf KNN basierende KI, die zur Bilderkennung dient, lässt sich beispielsweise austricksen, in dem man lediglich ein beschriftetes Stück Papier auf den zu erkennenden Gegenstand klebt.

Da KI noch nicht wirklich intelligent sind, sondern nur das tun und lernen, wozu sie konzipiert sind, ist es Menschen möglich, gezielt Schwachstellen zu suchen und auszunutzen. So musste Microsoft einen Twitter Chatbot, der von Tweets anderer Benutzer lernen sollte, bereits nach 16 Stunden wieder deaktivieren, weil der Bot damit anfing, rassistische oder beleidigende Inhalte zu verbreiten.


Und was hat das jetzt alles mit HR zu tun?

KI wird oft als wichtigste Technologie der zukünftigen Zeit beschrieben. Bisher haben wir auch einige theoretische Fakten über die KI gelernt, allerdings bleibt damit noch die Frage offen, in welchem Rahmen und in welchem Ausmaß KI für die Personalarbeit einsetzt werden kann und sollte.


Wo wird KI heute bereits eingesetzt?

Im HR Bereich sind die Datenmengen und deren Analyse ein Hauptaugenmerk. Die sogenannte People Analytics beschreibt die zielgerichtete Nutzung von Daten und deren Analysen bei der Entscheidungsfindung. Das Ziel der People Analytics ist es, Prognosen in Bezug auf Personalplanung und -steuerung zu liefern. Dies betrifft Bereiche wie Vergütung, Fluktuation, Mitarbeitermotivation oder auch Arbeitnehmerzufriedenheit. Es ist bereits möglich, die zukünftige Job-Performance neu eingestellter Mitarbeiter relativ genau zu prognostizieren, wenn die Input Daten umfangreich genug sind. Die Algorithmen werten dafür beispielsweise Lebensläufe, verfasste und veröffentlichte Beiträge und Social Media Profile aus und vergleichen diese anderen Personen und erfolgreichen Werdegängen in verschiedenen Jobgruppen. In der EU mit unseren Datenschutzregeln nicht vorstellbar, technologisch aber bereits leistbar.

Zu den mittlerweile klassischen Einsatzbereichen der künstlichen Intelligenz gehören Chatbots, die die Kommunikationskanäle anreichern und helfen, sich im Dialog mit nahezu natürlicher Sprache durch die Leistungen der Personalarbeit navigieren zu können. Auch das Erstellen von Stellenanzeigen kann mittlerweile vom "intelligenten" automatischen Autorentools erfolgen.

Wie sinnvoll ist der Einsatz von KI im HR?

Wie in vielen anderen Bereichen auch, gibt es auch in HR große Nutzenpotenziale der KI. Geringere Kosten durch Automatisierung von Abläufen, schnellere Entscheidungsprozesse bei verbesserter Entscheidungsqualität, sowie eine agile und bedürfnisorientierte HR Abteilung sind nur einige Aspekte.

Insbesondere bei der Personalarbeit wird häufig betont, dass es hier zu recht "menschelt" und das gute Bauchgefühl Kernkompetenz eines Personalers ist. Dies kritisch aus einem digital mindset heraus zu hinterfragen ist notwendig:


Die KI kann uns HR'lern maßgeblich helfen, personelle Entscheidungen datenbasiert zu objektivieren und somit die Entscheidungsqualität deutlich zu verbessern. Die oft unbewussten Stereotypen, welche durch kognitive Verzerrungen wie Nationalität, Alter, Geschlecht sowie wahrgenommene Ähnlichkeiten und HR-spezifische Kriterien wie einem nichtlinearen Lebenslauf verstärkt werden, können ausgeblendet werden. Dadurch kann Diversität im Sinne einer Vielfalt an Persönlichkeiten gesteigert werden. Personalmaßnahmen können durch KI darauf ausgerichtet werden, bedürfnisorientiert zu arbeiten und damit höhere Unternehmenserfolge und Produktivität erreichen.


Gefahren

Wie bereits mehrfach hingewiesen wurde, birgt das Einsetzen von KI-Techniken Nutzen aber auch Risiken. Die Annahmen, auf denen die Algorithmen basieren, bilden den Grundstein und entscheiden, wie effektiv diese sind. Durch fehlerhafte Programmierung oder Vorurteile, die den Annahmen zugrunde liegen, kann der Algorithmus einen falschen Blick auf die vorhandenen Daten haben und falsche Handlungsempfehlungen ableiten. Wenn die KI in zusammenhängenden Systemen agiert, können einzelne Komponenten die Fehler gegenseitig verstärken. Die Validierung der Fehlerquellen kann sich durch enorme Datenmengen als große Herausforderung erweisen. Die Abhängigkeit von den Inputdaten birgt die Gefahr der Pfadabhängigkeit. Dieses Risiko ist allerdings ebenfalls bei menschlichen Entscheidungen zu beobachten.


Die Aufrechterhaltung gesellschaftlicher Werte kann ebenfalls ein Risiko darstellen. Durch den Einsatz von KI für personelle Entscheidungen kann das Unternehmen schnell gefühlskalt wirken. Die persönliche Komponente fehlt und menschliche Eigenschaften wie Teamgeist oder Humor können von Algorithmen noch nicht so gewertet werden, wie durch den Menschen. Wird der Mensch in der Organisation zu einer Nummer degradiert und auf optimale Leistungserfüllung reduziert, läuft dies konträr zur aktuellen Leadership Debatte sowie neuen Organisationskonzepten, die das "Warum der Arbeit", den "Purpose" in den Fokus stellen. Auf die in der KI liegenden Risiken im Datenschutz, die nicht zu vernachlässigen sind, werden wir mit einem dezidierten Beitrag in dieser Blogreihe eingehen.

Wie geht es mit dem Thema weiter?

Die Entwicklung der KI-Technologie wird mit hohem Tempo weiter voranschreiten, getrieben von globalen Wirtschaftsakteuren, die mehr Profit und höhere Effizienz erreichen wollen. Die genauen Potenziale die diese Technik bereit hält, sind noch nicht bekannt und bleiben daher noch eine offene Frage.

Einige Forscher sind jedoch der Meinung, dass die künstliche Intelligenz bereits in wenigen Jahrzehnten die Menschliche Intelligenz bei weitem übertreffen wird, und dies nicht nur in analytischer Hinsicht.


Bei dem Einsatz von KI sollte bei jedem Anwendungsfeld von den Beteiligten sorgfältig abgewägt werden, in welchem Ausmaß KI verwendet und bei welchen Entscheidungen und Maßnahmen bewusst auf KI verzichtet wird, bzw. diese nur unterstützend mitwirkt. Technisch ist es möglich, in einem Bewerbungsgespräch via Kamera und Mikrofone Mimiken, Sprachwahl und Tonalität zu erfassen, mit Mustererkennung auszuwerten und mit anderen Profilen zu vergleichen. In Deutschland ist dies aus rechtlichen Gründen nicht möglich. Wir sollten uns jedoch darauf vorbereiten, wie wir uns in Zukunft zu solchen Fragen positionieren. In China ist es bereits gelebte Praxis, an Hochschulen per Video und Gesichtserkennung den Aufmerksamkeitsgrad der Studenten zu erfassen, um Veranstaltungen entsprechend optimieren zu können. Die Technik ist vorhanden und wird kontinuierlich weiterentwickelt. Wir werden klare Positionen brauchen, wo wir den Einsatz als nützlich, wertschöpfend und ethisch vertretbar ansehen und wo klare Riegel vorgeschoben werden müssen.

Es wird immer wichtiger werden, für das private Umfeld und den beruflichen Kontext Grenzen zu definieren, wie weit wir KI nutzen möchten. Gerade wir HR'ler sollten dabei nicht auf den Gesetzgeber warten, sondern Treiber für einen positiv besetzten Einsatz der digitalen Techniken im Unternehmen sein, auch dadurch, dass wir klare rote Linien ziehen.


Quellen / Links:

Stefan Kojouharov: Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data

Juan Cazala: Neural Networks 101

Tania Walter-Güpner: Chancen und Risiken von Künstlicher Intelligenz im Human Resources (HR) Bereich

Spielkamp, Matthias; Gießler, Sebastian: Automatisiertes Personalmanagement und Mitbestimmung: KI-basierte Systeme für das Personalmanagement - was ist fair, was ist erlaubt?

Volker Wittpahl: Künstliche Intelligenz

Xuan Luo, Xuaner Zhang, Paul Yoo, Ricardo Martin-Brualla, Jason Lawrence, Steven M. Seitz: Time-Travel Rephotography

Starke, Sebastian: AI4Animation: Deep Learning, Character Animation, Control

Daniel Holden, Bang Chi Duong, Sayantan Datta, Derek Nowrouzezahrai: Subspace Neural Physics: Fast Data-Driven Interactive Simulation

Wir freuen uns, wenn Ihr diesen Beitrag auf den Plattformen der sozialen Medien teilt, nutzt dafür gerne einen Klick auf die Icons hier:

Aktuelle Beiträge

Alle ansehen