Der Einfluss von Künstlicher Intelligenz im Recruiting unter besonderer Berücksichtigung der Chancen und Risiken von angehenden Akademikerinnen

Inhaltsverzeichnis

• Abkürzungsverzeichnis
• Abbildungsverzeichnis
• Tabellenverzeichnis
• 1 Einleitung
  • 1.1 Problemstellung
  • 1.2 Relevanz und Praxisbezug
  • 1.3 Zielsetzung
  • 1.4 Aufbau der Arbeit
• 2 Theoretischer Rahmen
  • 2.1 Künstliche Intelligenz
    • 2.1.1 Definition und Arten von Künstlicher Intelligenz
    • 2.1.2 Grundlagen des Maschinellen Lernens
    • 2.1.3 Diskriminierungsrisiken durch KI
  • 2.2 Recruitingmanagement
    • 2.2.1 Definition und Aufgabenbereiche des Recruitings
    • 2.2.2 Diversitätsmanagement im Recruiting
  • 2.3 Künstliche Intelligenz im Recruiting
    • 2.3.1 Einsatzbereiche von Künstlicher Intelligenz im Recruiting
    • 2.3.2 Zusammenhang zwischen KI-Einsatz und Diskriminierung im Recruiting
      • 2.3.2.1 Gesetzliche Regularien zur Reduzierung von Diskriminierung in Auswahlverfahren
      • 2.3.2.2 Status quo zu Diskriminierung und Fairness aktueller KI-Anbieter im Recruiting
      • 2.3.2.3 Methoden zur Diskriminierungsreduzierung in KI-Modellen im Recruiting
• 3 Methodische Vorgehensweise und Datenmaterial
  • 3.1 Forschungsdesign und Auswahl der quantitativen Untersuchung
  • 3.2 Datenerhebung
    • 3.2.1 Bestimmung des Untersuchungssamples
    • 3.2.2 Auswahl der empirischen Forschungsmethode
    • 3.2.3 Aufbau und Gestaltung des Fragebogens
    • 3.2.4 Durchführung der Datenerhebung
  • 3.3 Kritische Diskussion der Datenqualität und der quantitativen Gütekriterien
    • 3.3.1 Beurteilung der Stichprobenauswahl
    • 3.3.2 Beurteilung der Fragebogenbogengestaltung
    • 3.2.3 Psychologische Einflüsse der Befragten
• 4 Ergebnisse und Diskussion
  • 4.1 Datenauswertung in R - Analysemethoden und Vorgehensweise
  • 4.2 Deskriptive Statistik - Übersicht Umfrageergebnisse
  • 4.3 Hypothesenüberprüfung
    • 4.3.1 Hypothese 1: Wahrnehmung von Diskriminierung
    • 4.3.2 Hypothese 2: Wahrnehmung des Potenzials von KI im Bewerbungsprozess
    • 4.3.3 Hypothese 3: Wahrnehmung von persönlichen Chancen und Risiken
  • 4.4 Überprüfung linearer Abhängigkeiten
  • 4.5 Diskussion der Ergebnisse im Kontext der Forschungsfrage
• 5 Fazit
  • 5.1 Ableitung praxisnaher Implikationen
  • 5.2 Limitationen der Arbeit
  • 5.3 Ausblick auf zukünftige Forschung
• Anhang

Zielsetzung & Themen

Die vorliegende Bachelorarbeit untersucht den Einfluss von Künstlicher Intelligenz (KI) im Recruiting, speziell im Hinblick auf die Wahrnehmung von Chancen und Risiken bei Frauen, insbesondere Erstakademikerinnen. Die zentrale Forschungsfrage lautet: Inwiefern beeinflusst der Einsatz von Künstlicher Intelligenz im Recruiting die Wahrnehmung von Chancen und Risiken für Frauen, insbesondere Erstakademikerinnen?

• Grundlagen der Künstlichen Intelligenz, inklusive Definitionen, Arten und Maschinelles Lernen.
• Analyse von Diskriminierungsrisiken durch KI-Systeme in Personalprozessen.
• Vertiefung in das Recruitingmanagement, Diversitätsmanagement und dessen Bedeutung.
• Spezifische Einsatzbereiche von KI im Recruiting und der Zusammenhang mit Diskriminierung.
• Empirische Untersuchung mittels einer quantitativen Online-Umfrage zu Wahrnehmungen und Erfahrungen der Zielgruppe.
• Ableitung praxisnaher Implikationen und Identifikation von Limitationen sowie zukünftiger Forschungsfelder.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Dieses Kapitel stellt den Hintergrund, die Problemstellung, die Relevanz, die Zielsetzung und den Aufbau der vorliegenden Arbeit dar, wobei die Bedeutung von Diversitätsmanagement und die Relevanz des Allgemeinen Gleichbehandlungsgesetzes (AGG) hervorgehoben werden.

2 Theoretischer Rahmen: Hier werden die fundamentalen Konzepte der Künstlichen Intelligenz, des Maschinellen Lernens und des Recruitingmanagements erläutert, inklusive einer tiefgehenden Analyse der Diskriminierungsrisiken, die durch KI-Systeme entstehen können, und der Rolle des Diversitätsmanagements im Recruiting.

3 Methodische Vorgehensweise und Datenmaterial: Das Kapitel beschreibt das Forschungsdesign der quantitativen Untersuchung, die Bestimmung und Gewinnung des Untersuchungssamples mittels einer Online-Umfrage, den Aufbau und die Gestaltung des Fragebogens sowie eine kritische Diskussion der Datenqualität und der angewandten Gütekriterien.

4 Ergebnisse und Diskussion: Dieses Kapitel präsentiert die Ergebnisse der Datenauswertung, die mithilfe des Software-Tools R durchgeführt wurden. Es umfasst deskriptive Statistiken und die detaillierte Überprüfung der aufgestellten Hypothesen zur Wahrnehmung von Diskriminierung, des Potenzials von KI sowie persönlicher Chancen und Risiken im Bewerbungsprozess, gefolgt von einer Diskussion im Kontext der Forschungsfrage.

5 Fazit: Das Abschlusskapitel leitet praxisnahe Implikationen aus den Untersuchungsergebnissen ab, beleuchtet die Limitationen der Arbeit und bietet einen Ausblick auf zukünftige Forschungsbereiche im Kontext von KI-gestütztem Recruiting.

Schlüsselwörter

Künstliche Intelligenz (KI), Recruiting, Diskriminierung, Chancengleichheit, Diversitätsmanagement, Maschinelles Lernen, Frauen, Erstakademikerinnen, Online-Umfrage, Quantitative Forschung, Bias, Bewerbungsprozess, Talentakquise, Personalmanagement, Ethik

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Diese Arbeit untersucht den Einfluss von Künstlicher Intelligenz im Recruiting, insbesondere die Wahrnehmung von Chancen und Risiken bei Frauen, die Erstakademikerinnen sind.

Was sind die zentralen Themenfelder?

Die zentralen Themenfelder umfassen Künstliche Intelligenz, Maschinelles Lernen, Recruitingmanagement, Diversitätsmanagement, Diskriminierungsrisiken durch KI und die quantitative Analyse von Wahrnehmungen in Bewerbungsprozessen.

Was ist das primäre Ziel oder die Forschungsfrage?

Das primäre Ziel ist es, herauszuarbeiten, inwiefern KI-basierte Systeme bestehende Diskriminierungsmuster verstärken oder abbauen können. Die Forschungsfrage lautet: Inwiefern beeinflusst der Einsatz von Künstlicher Intelligenz im Recruiting die Wahrnehmung von Chancen und Risiken für Frauen insbesondere Erstakademikerinnen?

Welche wissenschaftliche Methode wird verwendet?

Es wird eine quantitative Forschungsmethode angewendet, basierend auf einer Online-Umfrage, um systematisch und objektiv Unterschiede in den Wahrnehmungen zu messen und Hypothesen zu überprüfen.

Was wird im Hauptteil behandelt?

Der Hauptteil der Arbeit behandelt den theoretischen Rahmen der Künstlichen Intelligenz, des Maschinellen Lernens und des Recruitings sowie die Ergebnisse der quantitativen Umfrage, inklusive deskriptiver Statistik, Hypothesenüberprüfung und Diskussion der Ergebnisse.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Arbeit wird charakterisiert durch Schlüsselwörter wie Künstliche Intelligenz (KI), Recruiting, Diskriminierung, Chancengleichheit, Diversitätsmanagement, Maschinelles Lernen, Frauen, Erstakademikerinnen, Online-Umfrage, Quantitative Forschung, Bias, Bewerbungsprozess, Talentakquise, Personalmanagement und Ethik.

Welche spezifischen Diskriminierungsrisiken bergen KI-Systeme im Recruiting?

KI-Systeme im Recruiting bergen Diskriminierungsrisiken durch systematische Voreingenommenheit (Bias) in Datenerfassung, Sampling und Messungen, was zur Reproduktion bestehender gesellschaftlicher Ungleichheiten führen kann, beispielsweise durch historische Trainingsdaten oder algoritmische Verzerrungen.

Inwiefern beeinflusst der Erstakademikerstatus die Wahrnehmung von KI im Bewerbungsprozess?

Die Ergebnisse zeigen, dass Erstakademiker*innen, insbesondere weibliche, tendenziell skeptischer gegenüber der Fairnessverbesserung durch KI sind und sich bei KI-unterstützten Prozessen häufiger benachteiligt fühlen, auch wenn dies statistisch nur einen kleinen Effekt hat.

Welche Rolle spielen Unconscious Bias und Stereotype im Kontext des Diversitätsmanagements im Recruiting?

Unconscious Bias und Geschlechterstereotype erschweren die Gleichberechtigung im Recruiting, da sie unbewusste Denkmuster darstellen, die die Wahrnehmung und Beurteilung von Kandidat*innen beeinflussen und zu ungerechten Entscheidungen führen können.

Welche Maßnahmen können KI-Anbieter ergreifen, um Diskriminierung in ihren Modellen zu reduzieren?

KI-Anbieter können Diskriminierung durch die Sicherstellung natürlich unvoreingenommener Assessments und laufendes algorithmisches De-Biasing reduzieren, indem sie Merkmale gewichten oder entfernen, die stark mit geschützten demografischen Merkmalen korrelieren, und ihre Modelle auf negative Auswirkungen auf Untergruppen testen.