o Anwendungsbereiche und Risiken einschätzen können.
Wird “nur” der Prozess vereinfacht oder ist es relevant für die Auswahl? Werden personenbezogene Daten genutzt? Mit ein paar einfachen Fragen kriegt man raus, ob man direkt etwas rumprobieren kann / soll / darf oder lieber erstmal mit Datenschutz, IT-Sicherheit und Mitbestimmung sprechen sollte.
o Auswahl und Prozess müssen immer zusammen gedacht werden.
Es bringt nichts, wenn man die beste Kandidatin identifiziert, diese aber den Prozess abbricht. Prozessverantwortung schlägt hier eine Aufteilung nach Funktion oder Betriebseinheit.
o Validität und Fairness.
Wenn auswahlrelevant, dann müssen Algorithmen die gleichen Kriterien erfüllen wie alle anderen Instrumente der Eignungsdiagnostik: Validität und Fairness. Es gilt: Erst die Anforderungsanalyse, dann die Auswahl der Instrumente und dann die Evaluation.
o Weder sich selbst noch die Algorithmen überschätzen.
Es hilft, wenn die Gewichtung der Kriterien im Vorhinein definiert wird und wenn auch eigene Einschätzungen quantitativ erfasst werden.
o Die Halbwertszeit von Wahrheiten hat sich reduziert.
Vor ein paar Jahren waren LLMs (Large Language Models) nur für wenige Dinge zu gebrauchen, heute sind sie erschreckend gut. Persönlichkeitsanalyse per KI? Heute noch meist Quatsch, aber das muss nicht so bleiben.
o Es braucht weiterhin eine gute Reflektion
Ein gutes Bauchgefühl und eine menschliche Reflektion bleibt weiterhin wichtig.
Ist der Prozess so richtig, wie wir ihn derzeit durchziehen? Der Mensch muss als ganzes gesehen werden, mit allen Ecken und Kanten.
Sponsored by
blog.TALENTpro – Magazin
