Künstliche Intelligenz in der Personalarbeit

Potenziale nutzen und verantwortungsbewusst handeln

Verena Fink

• Verlag: Schäffer-Poeschel
• Jahr: 2021
• ISBN:
  9783791052205
• Thema: Business
• Thema: Management

Künstliche Intelligenz treibt digitale Transformation in Unternehmen voran und adressiert auch die Aufbau- und Ablauforganisation massiv. Was bedeutet KI für Human Resources und wie kann der Wandel sinnvoll gestaltet werden? Wie lässt sich die wachsende Datenflut mit künstlicher Intelligenz für fundierte Entscheidungen in der Personalarbeit nutzbar machen? Welche KI-komplementären Mitarbeiterprofile sichern Zukunftsfähigkeit und lässt sich das eigene Team dorthin begleiten? Wie verändert sich mit KI die Führungskultur und wer nimmt künftig Einfluss auf Unternehmensentscheidungen?Ein konkreter Leitfaden für die Umsetzung zeigt, wie Personalerinnen, Organisationsentwickler und Führungskräfte auch ohne IT-Vorwissen durch datenbasierte und KI-gestützte Personalarbeit die Unternehmenstransformation aktiv und verantwortlich begleiten können.Dabei werden nicht nur Beispiele vorgestellt und Praxistipps vermittelt, sondern auch Chancen und Risiken auf Basis wissenschaftlicher, rechtlicher und ethischer Perspektiven beleuchtet.

[9]1 Einleitung

Digitalisierung, der inflationär verwendete Sammelbegriff für technologisch getriebene Veränderung, darf in keiner Einleitung zum Thema Künstliche Intelligenz fehlen. Er klingt nach kaltem Kaffee, schließlich ist es nicht neu, Arbeitsprozesse digital abzubilden, auf eigenen oder fremden Plattformen, z. B. beim US-amerikanischen CRM-Giganten Salesforce. Dahinter bahnt sich eine Digitalisierung zweiter Ordnung den Weg: Die Rechengeschwindigkeit wächst exponentiell und so schafft Supercomputing einen fruchtbaren Nährboden für datenhungrige Anwendungen wie Big Data, Analytics und Künstliche Intelligenz. Im Zeitalter von Hyperkonnektivität ist alles mit allem vernetzt, Unternehmen mit Maschinen, Personal, Lieferanten, Kundinnen, Sensoren und Plattformen, vor allem aber mit dem Internet. Auf Cloud-Plattformen werden die Konsumströme gelenkt. Cloud-Computing, schon wieder ein neues Buzzword, bezeichnet Software aus der Cloud, technologische Infrastruktur, die sich mit einem Fingerschnipsen als Service buchen lässt und uns im Handumdrehen in die erweiterte Realität von Augmented Reality und Virtual Reality, von 3-D-Druck oder Robotik befördert.

Wir produzieren, beraten und managen aus der Ferne in großen Netzen: Netze, die neue Angriffsflächen bieten für Cybercrime oder Online-Kriminalität. Das betrifft uns nicht? Es betrifft potenziell jeden von uns, sicherlich waren wir heute schon in Kontakt mit intelligenten Netzen und KI. Diese Intelligenz ist längst in unserem Alltag angekommen, unauffällig eingewebt wie ein roter Faden in einem bunten Wollpullover. Wir bemerken sie nicht unbedingt oder halten sie für selbstverständlich, sei es die Gesichtserkennung beim Entsperren des Laptops, die Suchfunktion von Google oder die Autokorrektur in einer Textnachricht. Intelligente Assistenzsysteme leben in unseren Smartphones oder sind im Kinderzimmer zu Hause. Sie wissen, wie wir ticken, was uns bewegt und antreibt. In der direkten Mann- bzw. Fraudeckung gelingt ihnen adaptives Touchpoint-Management, sie verstehen uns besser als die beste Freundin und beraten kompetenter als der Lieblingsverkäufer. Wie die nachfolgende Abbildung zeigt, begleiten uns smarte Lösungen in fast allen Lebensbereichen.

Abb. 1.1: Touchpoint-Management als 360-Grad-Lebensbegleitung (Quelle: eigene Darstellung)

[10]1.1 Beschäftigungseffekte von KI

KI unterstützt uns in der Werkshalle, in der Krebserkennung und in der Steuerprüfung. Sie ist als Bedrohungsszenario aktuell ein beliebtes Füllsel in der Berichterstattung. Was wissen wir heute wirklich über den Arbeitsverlust der nächsten Jahre? Studien geben langfristig eher Entwarnung, da es keine Hinweise darauf gebe, dass der technologische Fortschritt zu weniger Beschäftigung führt (vgl. Matthes/Dauth et al. 2019). Sie konstatieren vielmehr Strukturverschiebungen zwischen Branchen und Jobprofilen, wo das Wachstum vor allem im Bereich Automotive zurückgeht und sich im Dienstleistungssegment stark beschleunigt. Für Beschäftigte in der Industrie wird eine Stabilisierung des Arbeitsverhältnisses erwartet, wenn sich der Einsatz von Industrierobotern intensiviert und über natürliche Fluktuation ausgeglichen wird (vgl. Dauth/Findeisen et al. 2017). Die Zukunftsforschung prognostiziert gar für die kommenden 15 Jahre eine Ära der Vollbeschäftigung, trotz einer Million automatisierter Arbeitsstellen pro Jahr bis 2025 (vgl. Jánszky 2018, S. 17). Allein durch den demografischen Trend der Babyboomer-Verrentung entsteht eine Lücke aufgrund fehlender Arbeitskräfte, nach Abzug der durch die Automatisierung entfallenen Stellen.

Strukturelle Arbeitslosigkeit wird dennoch nicht ausbleiben bei Arbeitskräften mit geringer oder veralteter Ausbildung. Zunächst trifft es die einfachen Jobs an der Kasse, im Logistikzentrum oder im Fastfood-Restaurant. Sie fallen weg oder werden zu monotonen Ausführungsaufgaben im Takt einer Maschine. Der Deutsche Gewerkschaftsbund (DGB) rechnet mit einer Spaltung in zwei Klassen: Auf der einen Seite profitieren Spezialistinnen, die Maschinen beaufsichtigen, von mehr Verantwortung und Know-how und auf der anderen Seite erleben sich ungelernte Kräfte als Anhängsel von Maschinen (vgl. Scherer 2021). Ungelernte Helferinnen führen Befehle von Maschinen aus und werden weiter dequalifiziert, da ihre Erfahrung und ihr Fachwissen nicht mehr erforderlich sind. Je mehr anspruchsvolle Aufgaben die KI im Zuge der Automatisierung übernehmen kann, desto mehr Arbeitsstellen werden auch in der Mittelschicht verschwinden. Gegenüber der KI haben sie schlechte Karten, denn smarte Software ist unendlich skalierbar und damit zunehmend günstiger, je mehr Volumen abgewickelt wird. Prominentes Beispiel ist der Google-Suchalgorithmus, der jeden Tag mehrere Milliarden Suchanfragen verarbeitet und dabei keine Ermüdungserscheinungen zeigt. Betroffen vom Jobverlust in der Mittelschicht sind Fachkräfte in Banken, Versicherungen oder administrativen Bereichen.

[11]

Abb. 1.2: Arbeitsplätze mit hohem Automatisierungsrisiko nach Ländern (Quelle: Statista 2019a)

Die Statistik des OECD Employment Outlook 2019 (s. Abb. 1.2) zeigt, dass 18,4 Prozent der deutschen Arbeitsplätze von Automatisierung bedroht sind, egal ob mit KI oder ohne. Das betrifft alle Arbeitskräfte, deren Aufgaben zu mindestens 70 Prozent auch von einer Maschine erledigt werden könnten (vgl. OECD 2019). Die Unterschiede zwischen den Ländern hängen von der jeweiligen einheimischen Wirtschaftsstruktur ab. Durch die Stärke in klassischen Industrien, wie dem Automobilbau, sind in Deutschland vergleichsweise mehr Jobs in Gefahr als in den USA mit einem breiteren Dienstleistungssektor. Das amerikanische Forschungsteam Frey und Osborne hat in einer Studie prognostiziert, dass 47 Prozent der Berufe in den USA automatisierbar sind (vgl. Frey/Osborne 2013). Grenzen der Automatisierung sehen sie in drei Bereichen (vgl. BPM 2019):

1. Wahrnehmungs- und Manipulationsaufgaben: Menschen können sich besser als Maschinen in komplexen, unstrukturierten Umgebungen zurechtfinden.
2. Kreative, intelligente Aufgaben: Reimen, Musik komponieren, dichten oder konzeptionieren ließen sich automatisieren, dies würde jedoch von der Gesellschaft nicht als »kreativ« akzeptiert.
3. Sozial intelligente Aufgaben: Menschen nutzen soziale Intelligenz, wenn sie verhandeln, überzeugen oder andere pflegen.

Wie diese Forschungsergebnisse zeigen, existieren reichlich Studien, die wahlweise positive und negative Beschäftigungseffekte prognostizieren. Zuversicht herrscht vornehmlich in den Bereichen IT, Vertrieb, Marketing, Service sowie Forschung und Entwicklung (vgl. Rump/Eilers 2020b, S. 152). Wir sind mit wachsendem Fachkräftemangel in Digital- und Datendisziplinen konfrontiert, aber auch im Handwerk, in Kreativberufen oder in der Pflege (vgl. Radomsky 2019, S. 29). Ausgehen wird uns die Arbeit wohl nicht, stattdessen verschieben sich die Anforderungen an menschliche Arbeit und es steigt in Teilen auch die Nachfrage. So prognostiziert z. B. der HR-Report 2019 in den nächsten fünf Jahren im Hinblick auf die Altersgruppe über 50 Jahre den stärksten Effekt im Kundenservice, für den trotz Digitalisierung ein hoch bleibender Bedarf an qualifizierter persönlicher Beratung erwartet wird (vgl. Eilers/Möckel et al. 2019). [12]Hinsichtlich der erforderlichen Kompetenzen rangierten im HR-Report bei den Soft Skills Lernbereitschaft und Teamfähigkeit weit oben. Zukunftsforscher Sven Gábor Jánszky bleibt gelassen, schließlich habe sich die menschliche Intelligenz auch von Generation zu Generation weiterentwickelt, weshalb wir nach seinen Erwartungen massenhaft neue Jobs dazugewinnen werden (vgl. Jánszky 2018, S. 21).

Wir werden um eine Qualifizierungsoffensive für diejenigen, die nicht den Anschluss verlieren wollen, nicht herumkommen. Die Datenflut erfordert neue Wissenscluster und Lernformen. Entweder wir organisieren digitale Bildung, die auf die Jobs von morgen vorbereitet, oder wir verlieren Teile der Gesellschaft. Die Bundesregierung erhebt KI-Kompetenz zur entscheidenden Größe für Wachstum, Arbeitsplätze und Wohlstand und investiert fünf Milliarden Euro bis 2025 in Forschungsprojekte und Beratung von Unternehmen (vgl. Scherer 2021).

1.2 Auf der Welle neuer Geschäftsmodelle

Wie sieht es für die Unternehmerinnen und Managerinnen aus? Künstliche Intelligenz wirkt nicht nur auf einfache Angestellte, sondern auch auf viele Management-Teams bedrohlich. Für die meisten von ihnen birgt KI mindestens so viele Chancen wie Risiken. Abwarten ist dennoch keine Option, die Welle rollt unaufhörlich. Gemäß einer globalen Studie der Wirtschaftsprüfungsgesellschaft Deloitte halten vier von fünf Unternehmensverantwortlichen KI für erfolgskritisch (vgl. Deloitte 2020). Digitale Plattformen werden smarte KI-Systeme so in ihre Ökosysteme einbinden, dass wir neue Verzahnungen von Unternehmen, Menschen und Maschinen erleben werden. Die Arbeitsgruppe Geschäftsmodellinnovationen der Plattform Lernende Systeme skizziert ein Zukunftsbild auf Basis von fünf Weichenstellungen (vgl. Boll-Westermann/Faisst et al. 2019):

• Plattformen und Ökosysteme: KI-basierte Geschäftsmodelle gründen auf umfangreichen Trainingsdaten, die häufig von Datenplattformen stammen, wo sie ausgewertet werden, um Muster zu erkennen oder Vorhersagen zu treffen. Unternehmen brauchen häufig Partner, um datengetriebene Geschäftsmodelle zu realisieren, so entstehen digitale Plattformen, auf denen Organisationen in Ökosystemen zusammenarbeiten.
• Neue Vernetzungsformate: KI-basierte Geschäftsmodelle auf gemeinsamen Plattformen führen zu neuen Formen von Vernetzung. Unternehmen bieten datengetriebene Produkte und Services an, sie können zugleich selbst Daten und Wissen anderer Unternehmen nutzen oder ihre Datenschätze den Partnern anbieten.
• Smarte Produkte und Dienstleistungen: Digitale Produkte und Dienstleistungen erfassen und verarbeiten im Betrieb oder durch Nutzung laufend Daten. Aus der Analyse dieser Daten lassen sich die Angebote veredeln und weiterentwickeln oder es entstehen neue Produktideen.
• Neue Freiheit im Geschäftsmodell-Design: Physische Güter sind limitiert durch erforderliche Ressourcen, Logistik, Haltbarkeit oder Lagerhaltung. Digitale Güter bieten dagegen viel höhere Freiheitsgrade beim Design von Geschäftsmodellen. Unternehmen verschenken z. B. digitale Güter gezielt an neue Kundinnen, in Form sogenannter Freemiums, um sie zu einer langfristigen Nutzung zu motivieren, Nutzungsdaten zu generieren oder Werbung besser zu platzieren. Im KI-Zeitalter entwickeln sich die ökonomischen Spielregeln weiter, denn KI-basierte Geschäftsmodelle benötigen Daten, die mithilfe lernender Systeme analysiert werden.
• [13]Unternehmensübergreifende Geschäftsmodelle: Mobilitäts-Apps z. B. überschreiten Unternehmensgrenzen. Sie optimieren die Reiserouten, berücksichtigen individuelle Präferenzen für Verkehrsmittel und -wege, berechnen die schnellsten und billigsten Transportmittel über verschiedene Dienstleister hinweg, stellen das Ticket bereit und rechnen anbieterübergreifend ab. Lernende Systeme ermöglichen ganz neue Produkte und können in Echtzeit maßgeschneiderte und personalisierte Lösungen konfigurieren oder fertigen.

Wer KI nicht nur zur Digitalisierung seines heutigen Geschäftes nutzt, sondern für neue Geschäftsmodelle und Geschäftsprozesse, der kann künftigen Unternehmenserfolg sichern (vgl. Lichtenthaler 2020, S. 24). Es geht für Unternehmen um mehr als nur Technologieentwicklung: Viel interessanter sind die KI-Marktanwendungen.

Auch in HR müssen Führungskräfte nicht zwingend in die Tiefe der Technologie aufbrechen, sondern sollten zunächst die Wechselwirkungen zwischen KI-Technologie und Anwendungen in der Praxis ihrer Unternehmen verstehen:

• In welchen Bereichen können wir mit KI unser Geschäftsmodell erweitern, neue Services vermarkten und Probleme unserer Kundschaft lösen?
• In welche Richtung entwickeln wir dann unsere Aufbau- und Ablauforganisation?
• Wie managen wir künftig die Kundinnen-Beziehungen und alle Backend-Prozesse?
• Welche Talente brauchen wir dafür und wie positionieren wir uns im Wettbewerb?
• Welches Fachwissen benötigen wir in den Teams und wie vermitteln wir es den Menschen?
• Wie interpretieren wir Führung und Karriereplanung?
• Wie gestalten wir Teams und Entscheidungsprozesse?
• Welche Analytik hilft uns, das komplexe Geflecht zu steuern?

Ein neues Geschäftsmodell, das z. B. nicht mehr Drucker produziert, sondern Druckersysteme vorausschauend wartet, ändert die Spielregeln und Kernprozesse des Unternehmens. HR sollte sich nicht darauf beschränken, KI-Tools in HR-Prozesse zu integrieren, sondern die Innovation des eigenen Geschäftsmodells mitdenken. Maschinelle Intelligenz als neue Unternehmensanalytik kann Innovationsideen für intelligente Wertschöpfung generieren (vgl. Vollmer/Poppenborg 2018, S. 25). In einer sich selbst organisierenden...

Inhaltsverzeichnis

• Inhaltsverzeichnis
• Hinweis zum Urheberrecht
• Impressum
• Vorwort
• 1 Einleitung
• 2 Digitalisierung und Plattformen
• 3 Technologische Grundlagen
• 4 KI im Einsatz entlang der HR-Wertschöpfungskette
• 5 KI-Projekte aufsetzen
• 6 Mit rechtskonformer KI zu Kooperation und Akzeptanz
• 7 HR als Change-Maker
• 8 Ausblick
• Literaturverzeichnis
• Die Autorin