Bachelorarbeit, 2022
93 Seiten, Note: 1,0
1 Einleitung
1.1 Problemstellung
1.2 Forschungsfragen und Zielsetzung
1.3 Forschungsmethodik
1.4 Aufbau der Arbeit
2 Theoretische Grundlagen
2.1 Methodik der Literaturrecherche
2.2 Definitionsversuch KI
2.3 Leistungsbestandteile von KI
2.3.1 Neuronale Netze
2.3.2 Machine Learning
2.3.3 Deep Learning
2.4 Entstehung und Historie
2.5 Heutiger Stand von KI und Einsatzbereiche
2.6 Künstliche Intelligenz in der Personalrekrutierung
2.6.1 Grundlagen der Personalrekrutierung
2.6.2 KI in der Personalbeschaffung
2.7 Anwendungen von KI in der Rekrutierungspraxis
2.7.1 Anwendungsmöglichkeiten entlang der Recruiting Wertschöpfungskette
2.7.2 Chatbots
2.7.3 KI-basierte Bewerberanalyse
2.8 Akzeptanz von KI in der Personalrekrutierung
2.8.1 Definition Akzeptanz
2.8.2 Technologieakzeptanzmodelle
3 Empirische Forschung
3.1 Forschungsgegenstand und Methodik
3.1.1 Fragebogenkonstruktion
3.1.2 Pretest
3.1.3 Festlegung der Stichprobe
3.1.4 Hypothesengenerierung
3.1.5 Untersuchungsdurchführung und Datenaufbereitung
3.2 Empirische Forschungsergebnisse
3.2.1 Stichprobenvorstellung
3.2.2 Ergebnisse der einzelnen Forschungsergebnisse
3.2.3 Hypothesenüberprüfung
3.3 Diskussion der Forschungsergebnisse
4 Zusammenfassung und Ausblick
Die Bachelorarbeit hat das primäre Ziel, die Einsatzmöglichkeiten von Künstlicher Intelligenz im Recruiting zu erörtern und die Akzeptanz solcher KI-Systeme aus der Perspektive von Bewerbern mittels einer quantitativen Untersuchung kritisch zu analysieren.
KI-basierte Bewerberanalyse
Wenn man die Bewerberanalyse genauer betrachtet, wird schnell klar, dass KI-Systeme Personaler in diesem Feld enorm unterstützen können. Gerade durch die enorme Menge an Bewerbungen und damit einhergehenden Daten- und Informationsanzahl ist dies von Interesse. 2016 beschäftigte sich erstmals eine Studie mit der Thematik, ob ein KI-gesteuertes Scoring von Bewerberunterlagen valide und reliable Ergebnisse liefert. In der Untersuchung wurden sechs Kompetenzen ausgewählt, welche sowohl menschliche Rater als auch Maschinen bewerten mussten. Die Ergebnisse überzeugten. Die Beurteilung der Maschine stand dem Menschen hinsichtlich Reliabilität und Validität in nichts nach und lieferte gleichwertige Ergebnisse bei der Analyse verschiedener Lebensläufe durch KI (Lochner & Preuß, 2018, S. 198-199).
Auch das IBM Watson Recruiting System wird mittlerweile in der Kandidatenanalyse verwendet. Das System vergleicht bspw. Bewerberdokumente mit Unternehmensdaten bzw. Kandidatenprofile mit dem entsprechenden Anforderungsprofil einer vakanten Stelle. Die Maschine wird dabei im Gegensatz zu Menschen nicht müde und betrachtet jede Bewerbung mit derselben Aufmerksamkeit, was zu einer Erhöhung der Objektivität und Fairness führt (Dahm & Dregger, 2019, S. 252). Bei der KI-basierten Lebenslaufanalyse werden alle offen zugängliche Daten des Bewerbers aus den sozialen Medien herangezogen. Anschließend ordnet das System dem Bewerber einen Matchingscore zu. Schlussendlich entscheidet aber der Recruiter auf Basis dieser Informationen, welchen Kandidaten eine Zu- oder Absage erteilt wird (Verhoeven, 2020, S. 120). Die Analyse dient lediglich als Unterstützungssystem.
Auch bei Jobinterviews kann KI mittlerweile Bewerber und deren Persönlichkeitsprofil analysieren. Das deutsche Start-up Retorio beispielsweise entwickelte ein KI-basiertes Videointerview. Das Programm betrachtet anhand der Videoaufnahmen beobachtbare Verhaltensweisen wie Mimik, Gestik und die Stimme des Bewerbers, um im Folgenden ein Persönlichkeitsprofil erstellen zu können. Damit dies funktioniert, werden mehrere maschinelle Lernmethoden miteinander vereint.
1 Einleitung: Dieses Kapitel führt in die Thematik der Künstlichen Intelligenz im Kontext des demografischen Wandels ein und definiert die Forschungsfragen sowie das methodische Vorgehen.
2 Theoretische Grundlagen: Hier werden Definitionen sowie technologische Kernbestandteile wie neuronale Netze und Machine Learning erläutert und deren Anwendung im Personalwesen beleuchtet.
3 Empirische Forschung: Dieser Abschnitt beschreibt das Forschungsdesign, die Konstruktion des Online-Fragebogens sowie die statistische Auswertung der gewonnenen Bewerberdaten.
4 Zusammenfassung und Ausblick: Das Fazit fasst die Kernergebnisse der Studie zusammen und leitet Handlungsempfehlungen für Unternehmen hinsichtlich der Akzeptanzsteigerung ab.
Künstliche Intelligenz, Machine Learning, Deep Learning, Personalrekrutierung, Rekrutierungsmethoden, Akzeptanz, Bewerberanalyse, Personalbeschaffung, Technologieakzeptanzmodell, Digitalisierung, Chatbots, Videointerview, Automatisierung, Bewerberakzeptanz, Human Resource Management.
Die Arbeit untersucht, wie Künstliche Intelligenz (KI) in der modernen Personalbeschaffung eingesetzt wird und wie hoch die Akzeptanz dieser Technologien aus der Sicht von Bewerbern tatsächlich ist.
Die zentralen Felder umfassen die technologischen Grundlagen der KI, den aktuellen Stand des KI-Einsatzes im Recruiting sowie die psychologischen Faktoren, die zur Akzeptanz oder Ablehnung neuer Technologien bei Stellenbewerbern beitragen.
Das Hauptziel ist es, sowohl ein technisches Grundverständnis von KI-Methoden zu vermitteln als auch fundierte empirische Ergebnisse darüber zu liefern, wie Bewerber KI-basierte Auswahlprozesse wahrnehmen.
Es wurde eine quantitative Methode gewählt, bestehend aus einer systematischen Literaturrecherche und einer standardisierten Online-Befragung von 293 Personen zur Analyse der Bewerberakzeptanz.
Neben den theoretischen Definitionen von KI werden konkrete Anwendungsszenarien wie Chatbots, KI-gestützte Lebenslaufanalysen und Videointerviews diskutiert sowie deren psychologische Wirkung auf Bewerber beleuchtet.
Die Arbeit ist insbesondere durch Begriffe wie Akzeptanz, Künstliche Intelligenz, Personalrekrutierung, Recruiting-Prozesse und technologische Unterstützungssysteme geprägt.
Die Umfrage zeigt eine deutliche Ablehnung gegenüber vollautomatisierten Videointerviews, da diese den persönlichen Kontakt stark reduzieren und von den Bewerbern als am wenigsten akzeptabel eingestuft werden.
Die Arbeit identifiziert vor allem Transparenz, Aufklärung über den KI-Einsatz und das Festhalten an menschlichen Ansprechpartnern im Bewerbungsprozess als zentrale Erfolgsfaktoren für eine höhere Akzeptanz auf Bewerberseite.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

