Peer Review im Modul w.

2wmwi

Thema der Arbeit: Wettbewerbsvorteile durch KI

Wie erzielen Unternehmen Wettbewerbsvorteile durch den Einsatz künstlicher Intelligenz im

Recruiting?

Review-Team Nr. 014

In diesem Dokument halten Sie fest, welches Eindrücke Sie während des Peer Review gewonnen
haben.

Allgemeine Rückmeldung zum Text

Ausrichtung der Arbeit auf die Forschungsfrage (FF):

Ist die Arbeit konsequent auf die Beantwortung der FF ausgerichtet?
Grundsätzlich wurde in den meisten Abschnitten auf die FF eingegangen. Den Bezug auf
Kosten, Qualität und Zeit muss konsequenter auf die einzelnen Einsatzmöglichkeiten von KI im
Bezug auf Recruiting umgesetzt werden.
Beim Punkt: Grenzen und Risiken von KI, fehlt der Bezug zur Arbeit. Dort werden nur
allgemeine Grenzen und Risiken im Bezug zur KI aufgezeigt.

Kohärenz (Kapitel bzw. ganze Arbeit):

Erstellen Sie pro Absatz 1 Frage/Stichwort  macht die Reihenfolge Sinn?
Absatz 1: Was ist KI und wird KI schon im Personalwesen angewandt?
Absatz 2: Was wollen wir in dieser Arbeit behandeln um die Forschungsfrage zu beantworten?
Absatz 3: Was ist der Stand der Forschung im Bereich KI?
Absatz 4: Was ist der Stand der Technik im Bezug auf KI? Anwendungsbereiche von KI
Absatz 5: Welche drei Faktoren sind von Nöten, damit der Durchbruch gelingt?
Absatz 6: Welche Bereiche der KI gibt es noch? -> Kohärenz zur Arbeit (z.B Jobinterview ) fehlt
Absatz 7: Wo wird KI im Recruiting eingesetzt.
Absatz 8: Sind Chatbots Ersatz oder eine Erweiterung für Personalmitarbeiter?
Absatz 9: Kann KI Rassistisch sein?
Absatz 10: In welchen Unternehmen wird Ki beim Recruiting bereits verwendet? (Amazon)
Absatz 11: Wettbewerbsvorteile durch KI?
Absatz 12: Was ist Wertschöpfungsmanagement? (Bezug zur Arbeit fehlt)
Absatz 13: Was ist das 6 Phasen Modell?
Absatz 14: Einsatzmöglichkeiten für KI?
Absatz 15: Prognose für die Wettbewerbsvorteile von KI? -> Absatz ist eher eine
Zusammenfassung des bereits beschriebenen. Prognose impliziert eher eine Aussicht in die
Zukunft.
Absatz 16: Welche Grenzen und Risiken beinhaltet KI? Wie bereits gesagt, Bezug zur Arbeit
fehlt.
Absatz 17: Wie viel Empathie empfinden Menschen für Maschinen?
Absatz 18: Wie sicher sind die Daten bei der Nutzung von KI beim Recruiting?
Absatz 19 Werden Berufe im Personalwesen substituiert?
Absatz 20: Welche Erwartungen haben Bewerber im Bezug auf den Bewerbungsprozess?

Fragestellungen:
- Wettbewerbsvorteil durch den Einsatz von Ki beim Recruiting?
- Gefahren und Komplikationen?
- Werden Arbeitsplätze substituiert und welche Auswirkungen hat dies auf die
Arbeitslosenrate?
- Wie wird ein Chatbot von der Gesellschaft aufgenommen?
- Welche Gefühle löst dieser beim Menschen aus?
Methodik:
- Wettbewerbsvorteil durch den Einsatz von KI im Recruiting
- Erwartungen der Bewerber in einem Bewerbungsprozess ermitteln
- Theoretischer Bewerbungsprozess neu modellieren
- Anwendungsmöglichkeiten von KI analysieren
- Gefahren und Risiken der Anwendungsmöglichkeiten durch KI-Lösungen
- Kritische Betrachtung der Ergebnisse

Wie farblich gekennzeichnet ist werden die Fragen, welche in der Einleitung gestellt werden
beantwortet, eine klare Struktur ist aber nicht ersichtlich. Stellt somit sicher, dass die
einzelnen Kapitel die Fragestellungen und die in der Analyse und Auswertung
beschriebenen Punkte beantwortet. Allenfalls ist eine Änderung der Grundstruktur der
Arbeit von Nöten. Vor allem der Punkt Wettbewerbsvorteil wird in verschiedenen Kapiteln
besprochen und nicht sauber zusammengefasst.

II
Kohärenz (innerhalb der einzelnen Absätze)
Sind die Absätze logisch aufgebaut und gut nachvollziehbar?
Innerhalb der Absätze ist der Aufbau logischer. Wie bereits im vorherigen Abschnitt erwähnt
sollten die einzelnen Kapitel aber auf Kohärenz geprüft werden.

Lesbarkeit:
Orientiert sich der Text bezüglich Verständlichkeit am Leser?
Einzelne Begriffe sollten vor Allem bei der ersten Verwendung genauer beschrieben werden.
Vor Allem verwendet ihr viele Englische Begriffe, erklärt diese bei der ersten Verwendung.

Zeitformen:
Wird die Zeitform Präsens stringent verwendet?
Sofern nicht die Vergangenheitsform durch einen Bezug zu etwas Geschehenem verlangt wird,
wird die Zeitform Präsens verwendet.

Indikativ vs. Konjunktiv:

Wird der Konjunktiv adäquat verwendet (bzw. weitgehend vermieden?)
Der Konjunktiv wurde vermieden

Thesen und Argumente: Werden Aussagen (Thesen) im Text mittels eigener

Begründungen oder Quellenbelegen untermauert/gestützt?
Wie in den Kommentaren erwähnt fehlen zu einzelnen Aussagen die benötigten Quellen.
Genau beachten, dass bei jeder Aussage eine adäquate Quelle verwendet wird.

Verwendete Literatur:
Hat die genutzte Literatur die nötige Qualität für eine wissenschaftliche Arbeit?
Wie im Literaturverzeichnis erwähnt werden Quellen angegeben, welche nicht zum zitieren
gebraucht werden. Diese müssen gelöscht werden. Ausserdem werden zum Teil Onlineartikel
benutz, welche nicht die nötige Qualität einer wissenschaftlichen Arbeit aufweisen. Diese
wurden auch im Text markiert.

Sprache: Entsprechen die Sprache bzw. die Formulierungen den Erwartungen an

eine wissenschaftliche Arbeit?
Die Sprache ist eher einfach gehalten. Versucht präzisere Wörter zu verwenden.
Positiv ist, dass Wörter wie „Ich“ und „Wir“ selten gebraucht wird was den Anforderungen einer

III
wissenschaftlichen Arbeit entspricht.

Kurzbelege im Text: Wird auf Vorleistungen von Dritten korrekt hingewiesen oder
werden Zitier-Spartechniken genutzt?
Wie bereits im Text markiert, werden zum Teil Zitate nicht als Direktzitat gekennzeichnet und
würden somit als Plagiat gelten. Dringend ändern, da sonst die Arbeit mit 0 Punkten bewertet
wird.
Ansonsten wurden auf Vorleistungen gut hingewiesen und die Kurzbelege enthalten Namen,
Jahr und Seitenzahl.

IV
Erfüllung formaler Anforderungen

i.O. zu verbessern

Kapitelstruktur/-bezeichnung korrekt 1 / 1.1 / 1.1.1 x

Keine «alleinstehende» Kapitel: Wenn 1.1  auch 1.2 x

Einleitung beginnend mit Seite 1 x

Seiten sind nummeriert x

Abkürzungsverzeichnis, soweit wichtig für Nachvollziehbarkeit x

Adäquate Kapitel-Längen (auf allen Kapitel-Ebenen) x

Titel: fett, nicht unterstrichen x

Abgrenzung von Kopf- und Fusszeilen mittels Trennlinie x

Blocksatz (Text + Literaturverzeichnis) x

Leerzeilen zwischen Absätzen x

Aktivierung Trennalgorithmus x

Keine doppelten Leerschläge x

Abbildungen/Tabellen: Beschriftung + Verweis im Text («Abb. 5 zeigt») x

Kein Herumfliessen von Text um Abbildungen x

Kurzbelege an richtiger Stelle (z.B. am Satzende vor dem «Punkt» x

Kurzbelege korrekt (Nachnamen, Jahrgang, Seitenzahl) x

Keine unsachgemässe Kurzbelege («Porter in seinem Werk …») x

Keine aktivierte Links (URL) im Literaturverzeichnis x

Wichtige Textstellen: kursiv, nicht fett x

V
Kriterien zum Teil «Einleitung»

Erfolgt durch den Teil «Einleitung» eine zweckmässige Einleitung in das

Themengebiet der Arbeit?
Ihre Beurteilung:

Grundsätzlich erfolgt eine zweckmässige Einleitung in das Themengebiet der

Arbeit. Verbeserungpotenzial: Es werden in der Einleitung zu viele Fragen gestellt, welche für
die Forschungsfrage nicht relevant sind. Beispiel: Handelt es sich hierbei nur um Spekulationen
oder sollte sich die Menschheit darüber Gedanken machen?

Wird im Rahmen der Einleitung die wissenschaftliche/praktische Relevanz der

Arbeit dokumentiert?
Ihre Beurteilung:

Nur teilweise. Die Begründung, wieso das Thema von der Gruppe ausgewählt wurde, ist
ungenügend.

Wird im Rahmen der Einleitung der Stand der Forschung (Technik) korrekt
wiedergegeben?
Ihre Beurteilung:

Der Stand der Forschung/Technik wird zu viel über die Geschichte der KI geschrieben.
Schlecht Strukturiert. Mühsam zum Lesen. Teilweise wiederholen sich die Aussagen. Einteilung in
Stand der Forschung und Stand der Technik völlig unnötig.
Anwendung der KI im Recruiting und Umsetzung im Unternehmen ist das gleiche. Beide Themen
beschreiben das gleiche.
Wettbewerbsvorteile gehört nicht zum Stand der Forschung

Wird ein klarer Bezug zwischen Lücken im Stand der Forschung und der
Forschungsfrage hergestellt?
Ihre Beurteilung:

VI
 Nein. Es wird keine Lücke im Stand der Forschung aufgezeigt.

Wird im Rahmen der Einleitung der weitere Verlauf der Arbeit sauber skizziert? Ist
die Schilderung des Verlaufs kongruent mit dem tatsächlichen Verlauf?
Ihre Beurteilung:

Grundsätzlich ist die Schilderung des Verlaufs kongruent mit dem tatsächlichen Verlauf.

Kriterien zum «Hauptteil»

Werden die theoretischen/wissenschaftlichen Grundlagen sowie die

Ausgangslage zum Thema vermittelt?
Ihre Beurteilung:

Die theoretischen Grundlagen sowie die Ausgangslagen zum Thema werden verständlich
vermittelt.

Werden die zugrundeliegenden Theorien, Konzepte oder Modelle vorgestellt

(Grundlagen zur Beantwortung der Forschungsfrage)?
Ihre Beurteilung:

Die zugrundeliegenden Theorien werden vorgestellt, aber zu kurz. Sollte genauer beschrieben
werden.

Beurteilen Sie die Qualität der Argumentation im Rahmen der Beantwortung der
Forschungsfrage!
Ihre Beurteilung:

VII
Einsatzmöglichkeiten der KI ist viel zu kurz. Ausserdem wird fast nichts zitiert und begründet. Alles
sind Behauptungen der Autoren.
Es werden Themen beschrieben, die nichts mit der Forschungsfrage zu tun haben. Risiken und
Grenzen von KI beziehen sich aufs Recruiting, sondern auf die allgemeinen Grenzen und Risiken
von KI.
Oft wird nicht zitiert. Viele unbegründete Behauptungen.
Argumentation zu kurz und nicht überzeugend

Wird die Forschungsfrage beantwortet?

Ihre Beurteilung:

Die Forschungsfrage wird nicht ausführlich beantwortet. Es ist nicht ersichtlich, ob es mehr
Risiken beim Einsatz der KI im Recruiting gibt oder mehr Wettbewerbsvorteile.

Beurteilen Sie die Qualität des Erkenntnisangebots (Lösung des Problems bzw.
Antwort auf die Forschungsfrage)!
Ihre Beurteilung:

Viel zu kurz!
Die Frage wird nicht präzise beantwortet.

Beurteilen Sie die Breite und Tiefe der Auseinandersetzung mit dem Thema bzw.
der Forschungsfrage!
Ihre Beurteilung:

Die Breite des Themas ist angemessen. Die Tiefe der Auseinandersetzung ist ungenügend. Die
Auseinandersetzung mit dem Thema ist zu Flach. Die Wettbewerbsvorteile sowie die Risiken
werden zu kurz erläutert.

Beurteilen Sie die Qualität (und den Umfang) der Eigenleistung der Autorinnen
bzw. Autoren!
Ihre Beurteilung:

VIII
 Die Eigenleistung der Autoren ist ungenügend. Die Arbeit ist zu kurz.

Kriterien zu den «Handlungsempfehlungen» [sofern vorhanden]

Sind die Handlungsempfehlungen der Autoren nachvollziehbar/logisch

begründet?
Ihre Beurteilung:

Kriterien zum «Fazit»

Wie beurteilen Sie die Qualität der Darstellung des Gesamtergebnisses?

Ihre Beurteilung:

Die Darstellung des Gesamtergebnisses ist zu kurz. Die Forschungsfrage wird

ungenügend beantwortet. Man weiss nicht, ob der Einsatz von KI letztlich Wettbewerbsvorteile
oder Nachteile schafft.

Wie beurteilen Sie die Qualität der kritischen Reflexion?

Ihre Beurteilung:

Die Qualität der kritischen Reflexion ist in Ordnung. Die Ergebnisse werden kritisch reflektiert
und interpretiert.

Wie beurteilen Sie die Qualität des Fazits?

Ihre Beurteilung:

Die Qualität des Fazits ist ungenügend. Die Frage wird nicht präzise beantwortet. Es steht
offen, ob KI im Recruiting mehr Vorteile oder Risiken mit sich bringt.

IX
Wettbewerbsvorteile durch KI

Wie erzielen Unternehmen Wettbewerbsvorteile durch den Einsatz

künstlicher Intelligenz im Recruiting?

Zürcher Hochschule für angewandte Wissenschaften ZHAW

School of Management and Law

Wissenschaftliche Methoden der Wirtschaftsinformatik

Semester: 1

Studierende: G 092

Dozent: Dr. Stefan Koruna

Winterthur, 18. Dezember 2019

X
Inhaltsverzeichnis

1 Einleitung................................................................................................................................1
2 Stand der Forschung................................................................................................................2
2.1 Stand der Technik...................................................................................................................2
2.2 Anwendung der KI im Recruiting............................................................................................3
2.3 Umsetzung im Unternehmen.................................................................................................4
2.4 Wettbewerbsvorteile..............................................................................................................5
3 Methodisches Vorgehen..........................................................................................................5
4 Analyse und Auswertung.........................................................................................................6
4.1 Wertschöpfungsmanagement................................................................................................6
4.2 Anwendungsmöglichkeiten innerhalb der Wertschöpfungskette des Recruitings.................6
4.2.1 Einsatzmöglichkeit KI: CV Screening...............................................................................7
4.2.2 Einsatzmöglichkeit KI: Interview.....................................................................................7
4.3 Prognose.................................................................................................................................7
4.4 Grenzen und Risiken von KI....................................................................................................8
4.4.1 Empathie........................................................................................................................8
4.4.2 Sicherheit........................................................................................................................8
4.4.3 Substitution der Arbeitsplätze........................................................................................9
4.5 Akzeptanz der Bewerber........................................................................................................9
4.6 Kritische Betrachtung der Ergebnisse.....................................................................................9
5 Fazit.......................................................................................................................................10
6 Literaturverzeichnis...............................................................................................................11
1 Einleitung

Künstliche Intelligenz (KI), gemäss Gartner (Goasduff, 2019) einer der drei Megatrends des Jahres
2019 – ist bestrebt, das Verhalten eines Menschen nachzubilden (K. C. Laudon, J. P. Laudon &
Schoder, 2015, S. 662). Merkmale sind menschenähnliche Leistungen wie Verstehen, Argumentieren,
selbstständiges Lernen sowie Problemlösen (Schick, 2018). Oftmals begegnet sie uns in einer Art und
Weise, was anfangs nicht an Künstliche Intelligenz denken lässt. Noch mehr, als man sich heute
vorstellen kann, wird die künstliche Intelligenz das Leben von Menschen und Unternehmen
verändern - integriert in die Möglichkeiten der Digitalisierung (Kreutzer & Sirrenberg, 2019, S. 8).
Bereits heute ist die KI in zahlreichen Alltagsbereichen etabliert und hat viele Aspekte des täglichen
Lebens verändert (Stelzel-Morawietz, 2017). Auch Mitarbeitende im Personalwesen haben konkrete
Vorstellungen darüber, wie ihr Arbeitsalltag mit Einsatz von KI aussehen soll. Personalprozesse wie
das Selektieren der Bewerbungen und das Führen von Interviews, aber auch das Treffen von
Entscheidungen sollen mittels KI vereinfacht werden (Bundesverband der Personalmanager, 2019, S.
11). Das Bundesverband der Personalmanager (2019) machte darauf aufmerksam, dass der Einsatz
nicht in jedem Bereich möglich sei. Amtliche Vorschriften wie die Datenschutzgrundverordnung
(DSGVO) verhindern die Technologie dabei. Besonders in Personalprozessen muss die DSGVO
berücksichtigt werden, da personenbezogene Daten verarbeitet werden (Amtsblatt der Europäischen
Union, 2016).

Künstliche Intelligenz wird im Personalwesen noch nicht aktiv angewendet und einige Unternehmen
diskutieren und zögern weiterhin bezüglich des Einsatzes («Künstliche Intelligenz im», 2019).
Analytiker sind sich jedoch einig, dass der KI-Markt boomen und enorme Umsatzchancen bieten wird
(Buxmann & Schmidt, 2019, S. 108). Abwarten bringt das Risiko mit sich, dass das Unternehmen von
Mitbewerbern überholt wird (Buxmann & Schmidt, 2019, S. 116). Dabei stellt sich die Frage, wie ein
Wettbewerbsvorteil durch den Einsatz von künstlicher Intelligenz im Recruiting generiert werden
kann und welche Gefahren bzw. Komplikationen entstehen könnten. Einige Menschen befürchten,
dass die künstliche Intelligenz viele Arbeitsplätze ersetzen wird und die Arbeitslosenrate dadurch
steigen wird (Reilly, 2019). Handelt es sich hierbei nur um Spekulationen oder sollte sich die
Menschheit darüber Gedanken machen? Auch ist wichtig, festzustellen, wie ein KI-basierter Chatbot
von der Gesellschaft bzw. vom Nutzer wahrgenommen wird. Welche Gefühle löst er beim Menschen
aus, und wird er toleriert?

Im Rahmen dieser Arbeit werden die Wettbewerbsvorteile durch den Einsatz künstlicher Intelligenz
im Recruiting untersucht. Unter Wettbewerbsvorteilen verstehen wir die Vorteile eines
Marktteilnehmers gegenüber seinen Konkurrenten im wirtschaftlichen Aspekt (Verhoeven, 2016, S.
150). Um die Effizienzgewinne aus der Anwendung von KI ermitteln zu können, ist eine kritische
Auseinandersetzung nötig. Des Weiteren sollen die Gefahren und Grenzen des Einsatzes beleuchtet
werden.

Das Thema wurde gewählt, da jeder einen Einstellungsprozess durchlaufen wird und somit
Berührungspunkte mit der KI bereits heute möglich sind. Nicht zuletzt ist die Popularität der
Thematik der Grund dieser wissenschaftlichen Arbeit.

2 Stand der Forschung

Die Forschung zur KI reicht bis in die 1950er Jahre zurück, als sich Alan Turing damals die Frage
stellte, ob Maschinen denken können (Epstein, Roberts & Beber, 2009, S. 14ff.). Turing machte dabei
klar, dass sich diese Frage nicht so schnell beantworten lässt (Ramge, 2018, S. 29). Zunächst müssen
dazu die Grundbegriffe «Maschine» und «Denken» definiert werden. Die sogenannten Turing-Tests
sollen das intelligente Verhalten einer Maschine prüfen. Der Grundgedanke ist, dass eine Maschine
1
als intelligent betrachtet werden soll, sofern das Gegenüber nicht merkt, dass es mit einer Maschine
interagiert (Lämmel & Cleve, 2012, S. 29). Es war jedoch nicht Alan Turing, welcher den Begriff
künstliche Intelligenz ins Leben rief, sondern John McCarthy während seiner Konferenz in Darmouth
im Jahre 1956 (Ramge, 2018, S. 18). Jedoch erregte die KI zunächst keine bis wenig Aufmerksamkeit,
und in Bezug auf die 1970er sowie 1980er Jahre wird sogar von einem «KI-Winter» gesprochen, da
die Investitionen in KI sowie das wirtschaftliche und öffentliche Interesse an KI-relevanten Themen
sanken (Buxmann & Schmidt, 2019, S. 119). Die Entwicklung entspricht dem Amara-Gesetz: «We
tend to overestimate the effect of a technology in the short run and underestimate the effect in the
long run» (Bues, Halbleib & Hartung, 2017, S.167). Bei der Entdeckung einer neuen Technologie
kommen zu Beginn grosse Erwartungen auf. Diese werden erst einmal enttäuscht, aber später
wächst die Zuversicht erneut, und im Endeffekt werden die Erwartungen gar übertroffen.

Die KI wird weiterhin erforscht, wobei das Lernen mit Algorithmen, die die Netzstrukturen von
Nervenzellen nachbilden, auch tiefes Lernen mit künstlichen neuronalen Netzwerken genannt,
aktuell zu einem KI-Boom führt (Kirste & Schürholz, 2019, S. 29). Ebenfalls ist das datengetriebene
Verfahren wie maschinelles Lernen im Trend, denn es kann gemäss der Aussage von Wischmann und
Rohde (2019, S. 100) aus Beispielen lernen und Lösungen zu komplexeren Problemen, welche eine
gute Wahrnehmung und Handlung erfordern, finden. Durch Big Data und der stark gewachsenen
Rechenleistung in den letzten Jahren wurde das möglich, und diese KI-Technologie kann man anhand
vom Fortschritt im autonomen Fahren bereits erkennen (Wischmann & Rohde, 2019, S. 100).

2.1 Stand der Technik

Die KI hat sich in den letzten Jahren mit zahlreichen Erfolgen bewiesen, wie dem Wettkampf
zwischen IBMs «Deep Blue» und dem damaligen Schachweltmeister Garri Kasparov im Jahre 1997.
Ein weiterer Sieg für die Maschine ereignete sich 2011, als «Watson» von IBM das US-Fernsehquiz
Jeopardy gewann (Buxmann & Schmidt, 2019, S. 119). 2016 besiegte «AlphaGo» von Google-
DeepMind den Go-Champion Lee Sedol mittels Brute-Force-Algorithmen. Diese Erfolge gehen auf
folgende drei Faktoren zurück: Mehr Rechenleistung dank Moores Gesetz, mehrere Daten dank Big
Data und die Verbesserung der Algorithmen für künstliche neuronale Netzwerke (KNN) (Buxmann &
Schmidt, 2019, S. 119ff.). Durch KNN sind selbstlernende Systeme, wie maschinelles Lernen oder
Deep-Learning heutzutage möglich. Die künstlichen neuronalen Netze sind fähig, selbst zu lernen,
und durch mehr Trainingsdaten können sich die Systeme andauernd verbessern (Teetz, 2018, S. 227).
Zum Beispiel benötigt eine Gesichtserkennungssoftware mehrere Gesichter und verschiedenste
Gesichtsausdrücke aus unterschiedlichen Blickwinkeln, um treuere Aussagen zu treffen. Das
Programm lernt mit den vorhandenen Trainingsmaterial und die Korrektheit der Auswertungen
erhöht sich (Teetz, 2018, S. 228).

Die Autoren Buxmann und Schmidt (2019, S. 109) nennen drei weitere Faktoren, damit der
Durchbruch gelingt und sich die künstliche Intelligenz in weiteren Unternehmen etablieren kann:
«Einfache Integration von KI in vorhandene IT-Anwendungen, schnelles Deployment von KI auf
mehreren Plattformen, unabhängig vom zugrunde liegenden Algorithmus und Ausführung in Echtzeit
oder Batch-Verarbeitung entsprechend der Geschäftsanforderungen» (Buxmann & Schmidt, 2019,
S.109).

Mit den Sprachassistenten von Apple, Android oder Google sind wir bereits vertraut und benutzen
sie alltäglich. Sie unterstützen uns beim Erstellen von Terminen, beim Senden einer automatisch
generierten Nachricht, wenn wir einen Anruf ablehnen müssen, sowie auch beim Übersetzen oder
Korrigieren von Texten. Auch DeepL ist ein bekannter Online-Übersetzer, der zum Beispiel Studenten
- wie uns - im Studienalltag unterstützt, und seinen Konkurrenten Google Translate schon übertroffen
2
hat (Tschirren, 2017). Was aber beide gemeinsam haben: Sie arbeiten mit einem künstlichen
neuronalen Netzwerk. Das bedeutet, dass sie Muster in Datenmengen erkennen und nicht
vorprogrammiert werden müssen (Tschirren, 2017). Das Programm trainiert sich selber und stellt
seine eigenen Regeln auf.

Ergänzend zu diesen KI-Anwendungen entwickelt sich derzeit das Klonen von Stimmen und
Gesichtern (Wittpahl, 2019. S. 9). Das chinesische Unternehmen Baidu ist bereits mit «Deep Voice» in
der Lage, eine Stimme zu klonen, wobei sie für diesen Schritt nur wenige Sekunden Ausgangsmaterial
benötigt. Im Jahr 2016 stellte Adobe ein Stimmklonverfahren vor, das 20 Minuten benötigte und im
Jahr 2017 waren es 30 Minuten Trainingsmaterial für die gleiche KI-Anwendung (Wittpahl, 2019, S.
9). Die Technologie hat sich innerhalb von ein bis zwei Jahren geschickt verbessert.

Gemäss den Aussagen von Wittpahl (2019, S.9.) kann die KI-Anwendung von Baidu mit einer «Text-
zu-Sprache-Software jede Aussage mit der Intonation und in der Stimmlage des Originalsprechers
wiedergeben», wobei der Inhalt vom Trainingsmaterial keinen Einfluss auf dieses Verfahren hat.

2.2 Anwendung der KI im Recruiting

Künstliche Intelligenz wird im Recruiting heutzutage bereits in Teilprozessen eingesetzt. Sei es in

Arbeitsmarktanalysen, im Sourcing von Kandidaten, in Text Analytics, in Assessments von
Kandidaten, im Bewerbermanagement oder in digitalen Interviews (Das Bundesverband der
Personalmanager, 2019, S. 14). Dr. Katharina Simbeck, die Professorin der HTW Berlin, ist überzeugt,
dass mithilfe der KI Kündigungswahrscheinlichkeiten ermittelt und Potenziale der Mitarbeiter und
des Unternehmens festgestellt werden können (Zunke, 2019, S. 11). Zum Beispiel können
Performance- und Diversityanalysen durchgeführt werden, um die Eigenschaften der Mitarbeiter zu
erkennen und die Diversität sowie die Potenziale des Unternehmens festzulegen bzw. zu definieren
(Zunke, 2019, S. 11). Ihrer Aussage zufolge muss man sich bewusst sein, dass die KI im Recruiting
noch nicht sehr fortgeschritten ist und weiterhin Probleme auftauchen, wie eine falsche
Bedürfnisanalyse und teils diskriminierende Lösungen (Zunke, 2019, S. 12).

Im Recruiting können die autonome Intelligenz, sowie auch die erweiterte Intelligenz angewendet
werden, wobei von einer autonomen Intelligenz gesprochen wird, wenn ein KI-System ohne
menschliche Unterstützung funktionieren und sein Ziel selbständig erreichen kann. Dabei wird keine
detaillierte Programmierung benötigt (Kuhn & Liggesmeyer, 2019, S. 29).

Erweiterte Intelligenz hingegen unterstützt den Menschen. Hierbei bleiben alle Entscheidungen und
das Handeln bei der Person, und beide Parteien interagieren miteinander (Luber & Litzel, 2018). Ein
Beispiel dafür ist Robot Recruiting. Darunter versteht man nämlich KI-Anwendungen, welche
standardisierte und sich wiederholende Aufgaben im Personalprozess übernehmen und einen
Mitarbeiter nicht ersetzen, sondern im Prozess unterstützen. Bei KI-Lösungen fürs Recruiting, wie z.B.
Chatbots handelt es sich bislang um die erweiterte Intelligenz bzw. Robot Recruiting, da sie noch
nicht in der Lage sind, komplexe Prozesse zu übernehmen («Robot Recruiting: Möglichkeiten», 2019).

Dabei unterscheidet sich die Aufgabenteilung, und die KI-Lösungen werden für andere Bereiche
spezialisiert und unterschiedlich eingesetzt.

2.3 Umsetzung im Unternehmen

Der Chatbot «Tay» von Microsoft, welcher auf künstlicher Intelligenz basiert, ist das erste bekannte
Beispiel dafür, dass eine künstliche Intelligenz diskriminierend sein kann (Verhoeven, 2016, S. 236).
3
Tay konnte durch Interaktionen mit Menschen permanent dazu lernen, weshalb man es nur als
positive Innovation einstufte. Gemäss Microsofts Aussagen war «das Ziel, zu erforschen, wie
künstliche Intelligenz durch alltägliche Interaktion lernen und sich weiterentwickeln kann»
(Verhoeven, 2016, S. 236). Tay hat sich, der ursprünglich eine freundlichen Kommunikationsstil
besass, innerhalb von 24 Stunden falsche, rassischste und diskriminierende Eigenschaften
angeeignet. Microsoft erkannte den Fehler und analysierte ihn. Der Chatbot Tay wurde nach den
Anpassungen wieder online gestellt, aber dieses Mal wurde Tays Twitter-Account auf privat gesetzt,
so dass keine öffentliche Kommunikation mehr stattfinden kann (Verhoeven, 2016, S. 236).

Im Jahr 2014 nutzte Amazon für ein Jahr «eine selbstprogrammierte künstliche Intelligenz», welche
bei der automatisierten Bewerberauswahl unterstützen und Bewerber in das Fünf-Sterne-Rating von
Amazon einordnen sollte (Reuters, 2018). Als Datenbasis dienten die realen Daten bzw. die
Bewerbungen der letzten zehn Jahre und die Resultate der Kandidaten während des
Bewerbungsprozesses (Verhoeven, 2016, S. 237). Dabei entstand aber das Problem, dass die
eingesetzte KI Ergebnisse aufführte, bei denen weibliche Kandidaten im Vergleich zu ihren
männlichen Mitbewerbern benachteiligt wurden. Es stellte sich später heraus, dass die KI den
bisherigen Gender-Bias übernahm, und nur aufgrund von diesen Daten ein Ergebnis aufzeigen konnte
(Wilke, 2018). Positiv an diesem Ereignis war, dass Amazon die Probleme des Algorithmus selbst
erkannte, dadurch schnell reagierte und ein Live-Test mit echten Bewerbern abgewandt werden
konnte (Rixecker, 2018).

2.4 Wettbewerbsvorteile

Peter Buxmann (Amerland, 2018) glaubt, dass die KI dabei hilft, «viele Prozesse in Unternehmen zu
automatisieren, bessere Vorhersagen zu treffen und allgemein effizienter zu werden.» Softwares aus
verschiedenen Unternehmen können einfache Routinetätigkeiten, wie zum Beispiel Daten in
Tabellen übertragen, übernehmen. Dies wird auch "Robotic Process Automation" genannt. Durch die
Erledigung solcher Prozesse mit künstlicher Intelligenz, können im Backoffice die Kosten um 75 %
gesenkt werden, so Buxmann (Amerland, 2018). Auch kann die KI bei der Entwicklung von eigenen
datenbasierten Geschäftsmodellen unterstützen, was aktuell in naher Zukunft liegt.

Bereits vertraut sind wir mit dem Application Tracking System - auf Deutsch gesagt
Bewerbermanagementsysteme. Sie unterstützen uns seit einigen Jahren, und haben die
elektronische Bewerbung ermöglicht. Das Organisieren und Verarbeiten der Bewerbungen wurde
durch eine digitale Benutzeroberfläche für die Recruiter leichter. Die Datenqualität, die
Durchlaufzeiten wie auch die Kosten konnten dadurch verbessert werden (Verhoeven & Goldmann,
2019, S. 9).

Mehrwerte, die ein Chatbot in der Personalabteilung erzielen kann, sind die Automatisierung und
Beschleunigung der Prozesse (Dudler, 2019, S. 107). Qualifizierte Jobsuchende erhalten heute
meistens mehrere Angebote gleichzeitig, daher ist es auch umso wichtiger, als Recruiter schnell zu
reagieren und die Dauer des Bewerbungsprozesse zu verkürzen (Dudler, 2019, S. 106). Hierbei ist
aber auch das Ziel, dass die Personaler mehr Zeit für das Wesentliche haben, also für die Kandidaten,
und sich die Candidate Experience durch mehr persönliches Interagieren verbessert (Dudler, 2019, S.
107). Mit Candidate Experience wird gemäss der Definition von Verhoeven, «der Gesamteindruck,
den ein potenzieller Bewerber im Rahmen der Prozesse des Personalmarketings, des Recruitings und
darüber hinaus vom potenziellen Arbeitgeber erhält», bezeichnet (Dudler, 2019, S.9). Die Erlebnisse
bzw. Erfahrungen des Kandidaten in einem Bewerbungs- und Auswahlprozess mit dem
Unternehmen, an allen direkten und indirekten Kontaktpunkten, sind dabei gemeint (Verhoeven,

4
2016, S. 11). Candidate Experience ist wichtig, weil es das Employer Branding, als Markenimage
beeinflusst. Durch schlechte Bewertungen auf Internetportalen, wie zum Beispiel kununu kann es
dem Unternehmensimage schaden, wobei positive Erfahrungen es wiederum erhöhen können
(Saxena, 2019).

3 Methodisches Vorgehen

Balzert, Schröder und Schäfer (2011, S. 70ff.) zeigen verschiedene Forschungsmethoden auf, mit
denen neue Erkenntnisse generiert werden können.

In der geplanten Literaturarbeit wird der Stand der Forschung zur ausgewählten Forschungsfrage
zusammengetragen und ausgewertet. Um die Forschungsfrage beantworten zu können, wird die
Methode der Literaturarbeit angewendet. Dabei werden die verschiedenen wissenschaftliche
Informationsquellen zusammengefasst und den Lesern zur Verfügung gestellt werden. Im Rahmen
dieser Arbeit wird kein empirisches Vorgehen angewendet, da keine eigenen Daten erhoben werden.
Des Weiteren handelt es nicht um eine Konstruktive Arbeit, denn es wird kein neues oder neuartiges
Produkt oder Erzeugnis und keine neue oder neuartige Software hergestellt (Balzert et al., 2011, S.
73ff.).

4 Analyse und Auswertung

Um die Wettbewerbsvorteile durch den Einsatz von KI im Recruiting zu untersuchen, werden zu

Beginn die Erwartungen der Bewerber an einem Bewerbungsprozess ermittelt. Im Anschluss wird ein
theoretischer Bewerbungsprozess neu modelliert, Anwendungsmöglichkeiten von KI-Lösungen
analysiert sowie in Bezug auf Kosten, Qualität und Zeit bewertet. Zuletzt werden die Gefahren und
Risiken der Anwendungsmöglichkeiten von KI-Lösungen beleuchtet, gefolgt von einer
abschliessenden, kritischen Betrachtung der Ergebnisse.

4.1 Wertschöpfungsmanagement

Waibel und Käppeli (2015, S. 218) unterscheiden im Wertschöpfungsmanagement zwischen dem

strategischen und operativen Prozessmanagement. Das strategische Prozessmanagement beschäftigt
sich mit der Gestaltung der unternehmensinternen Wertschöpfungskette. Das operative
Prozessmanagement hingegen strebt die Erzielung von Effizienz- und Produktivitätsvorteilen mittels
möglichst kundenorientierten und funktionstüchtigen Geschäftsprozessen (Waibel & Käppeli, 2015,
S. 217). Zeit, Kosten und Qualität sind drei wesentlichen Faktoren der Effizienz. Durch die schnelle,
kostengünstige und qualitativ hochstehende Abwicklung der Geschäftsprozesse können
Wettbewerbsvorteile generiert werden. Diese sind hinsichtlich der Überlebensfähigkeit eines
Unternehmens von grosser Bedeutung (Waibel & Käppeli, 2015, S. 222).

Der Einsatz von KI im Recruiting weist das Potenzial auf, die drei Ziele Zeit, Kosten und Qualität
gleichzeitig zu erreichen. Sofern dies geschieht, wird die Theorie des magischen Dreiecks widerlegt,
da ein gleichzeitiges Erreichen der Ziele als unrealistisch gilt (Waibel & Käppeli, 2015, S.222).

4.2 Anwendungsmöglichkeiten innerhalb der Wertschöpfungskette des Recruitings

Wenn man einen Blick auf einen theoretischen Bewerbungsprozess wirft, ergeben sich viele
Möglichkeiten KI-Lösungen einzusetzen. Als Grundlage für den Bewerbungsprozess wird das sechs-
Phasen-Modell von Verhoeven (2019, S. 120) verwendet und genauer unter die Lupe genommen.
Das Sechs-Phasen-Modell verdeutlicht den theoretischen Bewerbungsprozess, den ein Bewerber
durchlaufen kann. In der ersten Phase wird der Bewerber auf das Unternahmen aufmerksam

5
gemacht. Dies kann über verschiedene Kanäle wie etwa Stellenanzeigen, Werbung, Direktansprachen
via LinkedIn oder Sonstiges geschehen. Im Idealfall konnte das Interesse des Bewerbers geweckt
werden und dieser informiert sich im Anschluss über die Karriereseite oder Plattformen wie Kununu
oder Glassdoor über die Stellenangebote und das Unternehmen. In nächsten Schritt bewirbt sich der
Bewerber beim Unternehmen und durchläuft einen Interviewprozess. Dieser kann als ein
Telefoninterview, Vorstellungsgespräch vor Ort oder gar als Assesment stattfinden. Entscheiden sich
das Unternehmen und der Bewerber für eine Zusammenarbeit, durchläuft der Bewerber einen
Onboarding-Prozess. Das Ziel der letzten Phase ist es, den Mitarbeiter an das Unternehmen zu
binden. Im Rahmen dieser Analyse wird die Phase Auswahl behandelt und Einsatzmöglichkeiten von
KI-Lösungen untersucht.

4.2.1 Einsatzmöglichkeit KI: CV Screening

In der Auswahl-Phase ist das Screening einer Bewerbung die erste Aufgabe eines Recruiters. In
diesem Teilschritt übernimmt das KI-basierte System, Robot Recuiting, das Lesen des CVs und
analysiert die Unterlagen der Bewerber zusätzlich mit öffentlich zugänglichen Daten aus Social-
Media-Plattformen oder anderen Plattformen. Hierbei kann zwischen zwei Lösungen unterschieden
werden: Entweder übernimmt das System die Funktion eines Assistenzsystems und gibt dem
Recruiter eine Handlungsempfehlung, ob der Prozess mit einem Bewerber fortgeführt wird oder es
filtert alle irrelevanten Bewerber heraus und versendet direkt die Absagen. Die erste Variante
verdeutlicht, dass die Verantwortung über den weiteren Prozess beim Recruiter bleibt und lediglich
der Arbeitsaufwand für ihn verringert wird.

4.2.2 Einsatzmöglichkeit KI: Interview

In einem zweiten Schritt führt der Roboter ein Telefoninterview mit dem Bewerber. In diesem ersten
Informationsgespräch wird die Position respektive das Unternehmen vorgestellt wird und Fragen des
Bewerbers beantwortet. Eine weitere Möglichkeit ist ein Videointerview. Dabei erhält der Bewerber
Fragen und muss diese in einem Video beantworten. Die Aufnahmen werden im Anschluss von KI-
basierten System analysiert. Dabei spielen Gestik, Mimik, Veränderungen in der Stimme sowie
Blickwechsel eine bedeutende Rolle.

4.3 Prognose

Die nachfolgende Abbildung 1 zeigt, wie sich die Prozessoptimierung des operatives
Prozessmanagements auf unterschiedlichen Faktoren auswirkt (Waibel & Käppeli, 2015, S. 224).

ABBILDUNG 1

Investitionen in KI-Lösungen erzielen eine Geschäftsoptimierung, was sich auf sich positiv auf die Zeit,
die Qualität und Kosten auswirkt. Schnellere Prozesse bedeuteten, dass Zeit gespart wird. Recruiter
können mehr Zeit in die Kommunikation und Interaktion mit den Bewerbern investieren, was
wiederum die Qualität des Prozesses erhöht. Schlanke und effiziente Prozesse senken Kosten. Ob sich
diese Kosten mit den investierten Kosten in die IT decken ist allerdings unklar. Wenn diese die drei
Faktoren Kosten, Qualität und Zeit erfüllt werden, spricht man von einem effizienten Prozess.
Dadurch sinken der Konkurrenzdruck und die Mitarbeitergewinnung steigt. Bei einer Studie von
Vorsa verzeichnen zwei Drittel der 200 Befragten einen Anstieg der Besetzungszeit in den
vergangenen fünf Jahren. Als internen Ursachen werden die internen Prozesse und Strukturen sowie
veraltete Systeme genannt («Time to hire», 2018). Für die Bewerber spielen Faktoren wie
Geschwindigkeit und Einfachheit ebenfalls eine wichtige Rolle (Jobware, 2017). Laut Jobware (2017)
ist jeder dritte Bewerber davon genervt, wie lange ein Bewerbungsprozess dauert.
6
4.4 Grenzen und Risiken von KI

Der weltberühmte Physiker und Vordenker Stephen Hawking fürchtete, dass künstliche Intelligenz
die Menschheit ersetzen wird (Medeiros, 2017). Der Physiker Isaac Asimov befasste sich ebenfalls mit
den Gefahren und formulierte bereits im Jahre 1942 drei Robotergesetze (Haun, 2007, S. 18). Das
sogenannte nullte Gesetz wurde später ergänzt und ist den anderen drei Gesetzen übergeordnet:
«Ein Roboter darf der Menschheit keinen Schaden zufügen oder durch Untätigkeit zulassen, dass der
Menschheit Schaden zugefügt wird» (Haun, 2007, S. 19). Elon Musk, der bekannte Gründer von Tesla,
PayPal und SpaceX deutet ebenfalls auf die Risken und mahnt zur Vorsicht im Umgang mit KI («Risiko
für die», 2017).

4.4.1 Empathie

Empathie und Roboter – in diesem Bereich wird immer wieder die Kritik laut. Eine Studie der
Radboud University zeigte das Gegenteil auf. Es wurde untersucht wie viel Empathie Menschen für
Roboter aufbringen und die Forscher kommen zum Ergebnis, dass bei den Menschen durchaus
Empathie vorhanden ist. (Juschkat, 2019). Bewerber hingegen, kritisieren die Interaktion mit einem
Roboter in einem Bewerbungsprozess, da die menschliche Kompetente verloren geht (Verhoeven,
2020, S. 109). In der Praxis zeigte sich der Roboter oftmals als diskriminierend und gefühlslos (Wilke,
2018). Die Bedenken der Bewerber sind berechtigt und durchaus nachvollziehbar. So fand das Projekt
«Ethik der Algorithmen» seinen Ursprung. Die Gründer des Projektes, die Bertelsmann Stiftung,
setzten sich das Ziel für den Umgang mit KI ethisch korrekte Rahmenbedingungen und Standards
festzulegen und definierten Satz den Leitspruch: «Nicht das technisch Mögliche, sondern das
gesellschaftlich Sinnvolle muss Leitbild sein.» (Bertelsmann Stiftung, 2019). Des Weiteren formulierte
die Expertengruppe AI HLEG1 der europäischen Kommission im März 2019 die «Ethics Guidelines for
Trustworthy AI» (European Commission, 2019).

4.4.2 Sicherheit

Datenschutz und Transparenz sind ebenfalls ein wichtiges Thema, denn der Nutzer möchte die
Verwendung seiner Daten kennen und diese auch kontrollieren können (Dahm & Dregger, 2019, S.
269). Die im Mai 2018 in Kraft getretene Datenschutzgrundverordnung 11 (DSGVO) bildet die
Grundlage für die Datenschutzrechte der Bewerber. Beispielsweise wurde aufgrund der Forderung
auf das «Recht auf Vergessen werden» der Anspruch auf Berichtigung und Löschung eingeführt. Die
persönlichen Daten erhalten ein Verfallsdatum und müssen nach sechs Monaten gelöscht werden,
sofern der Bewerber nicht seine ausdrückliche Einwilligung zur Speicherung erteilt (Thorsten & Jäger,
2018, S. 111). Des Weiteren hält die Datenschutzgrundverordnung fest, dass dem Kandidaten keine
Fragen betreffend Religion, Schwangerschaft oder Nationalität gestellt werden dürfen (Dahm &
Dregger, 2019, S. 269). Der KI ist das moralische Handeln und Denken nicht gegeben, weshalb heute
noch nicht sichergestellt werden kann, dass sie diese Fragen nicht einbezieht. In diesem
Zusammenhang spricht man vom Black-Box-Problem. Nicht einmal der Programmierer weiss, wie ein
Algorithmus Entscheidungen trifft und auf welcher Grundlage die Entscheidungen basieren (Das
Bundesverband der Personalmanager, 2019, S. 18).

4.4.3 Substitution der Arbeitsplätze

Laut Henning (2019, S. 122) werden einfache Bürojobs, welche sich beispielsweise mit der
Zusammenfassung von Daten beschäftigen, in Zukunft durch KI-Lösungen entfallen. Gleichzeitig
öffnen sich dadurch neue Bedarfe an Mitarbeitern, welche diese Daten interpretieren,
kommentieren und daraufhin Entscheidungen fällen (Henning, 2019, S. 122). Experten sind sich einig,

7
dass KI lediglich das Arbeitsfeld des Recruiters verändern wird, aber keine absehbare Bedrohung sein
wird (Verhoeven, 2020, S. 127). Gemäss der Studie des Marktforschungsinstitutes Gartner wird bis
2020 sogar eine Zunahme der Anzahl Arbeitsplätze durch den Einsatz von KI erwartet, welche die
Arbeitsplatzverluste übersteigt (Böttcher, 2017). Ebenfalls wird davon ausgegangen, dass neue
Arbeitsplätze in anderen Bereichen geschaffen werden, wobei die Gesundheitsbranche am stärksten
davon betroffen sein wird (Böttcher, 2017).

4.5 Akzeptanz der Bewerber

Es gibt mittlerweile eine Vielzahl von Studien, die uns zeigen, welche Erwartungen Bewerber in Bezug
auf einen Bewerbungsprozess hat und wie Bewerber Kontaktpunkte wahrnehmen und bewerten
(Verhoeven, 2016, S. 17–32). Die Viasto-Studie mit über 1000 Befragten zeigt, dass der Einsatz von KI
im Bewerbungsprozess, bei über der Hälfte der Bewerber, Skepsis auslöst (Viasto, 2018). Damit der
Bewerber nicht das Gefühl einer Blackbox hat, ist den Bewerbern insbesondere die
Mehrwerterklärung des Einsatzes wichtig. Bei der Studie von Dahm und Dregger (2019, S.) gingen die
Ergebnisse ebenfalls stark in Richtung einer Mehrwerterklärung. Mehr als 70 % der
Studienteilnehmer möchten wissen, warum KI eingesetzt wird. Des Weiteren ist ein menschlicher
Ansprechpartner ein zentrales Bedürfnis, welches Bewerber während des Bewerbungsprozesses
haben (Dahm & Dregger, 2019, S.266). Ein menschlicher Ansprechpartner wird als Zeichen der
Wertschätzung in Verbindung gesetzt, ansonsten fühlt sich der Bewerber unwichtig und wie «einer
von vielen» (Dahm & Dregger, 2019, S. 269). Der Mensch als Ansprechpartner ist auch ein wichtiger
Faktor bei der Studie von Petry (2018): 52 % der Teilnehmer finden es akzeptabel, wenn in
Teilprozessen des Bewerbungsprozess KI eingesetzt wird, sofern in den wichtigen Punkten die
Kommunikation mit dem Menschen stattfindet.

4.6 Kritische Betrachtung der Ergebnisse

Die Beleuchtung der Gefahren und Risiken zeigen, dass – ohne durch uns eingebrachtes
Expertenwissen, unser Feingefühl, unsere Moral und unser kritisches Hinterfragen - der Einsatz von
KI-Lösungen nicht nach unserem Sinn funktionieren wird. Unternehmen werden die Chancen der KI-
Lösungen nur vollumfänglich nutzen können, wenn das Verständnis zur Funktionsweise der KI-
Lösungen vorhanden ist. Recruiter müssen fortlaufend mit dem Wissen und den richtigen
Kompetenzen ausgestattet werden, um der rasant steigenden Entwicklung der Technik Stand halten
zu können (Verhoeven, 2019, S. 241ff.). Insbesondere auch aus dem Grund, weil in den kommenden
Jahren sehr viele neue Anbieter von KI-Lösungen auf dem Markt erscheinen werden und
Unternehmen gute und seriöse Anbieter von weniger seriösen Anbietern auseinanderhalten sollten
(Verhoeven, 2019, S. 127).

Studien zeigen, dass Menschen sich nach und nach an die Interaktionen mit Maschinen gewöhnen,
weshalb davon auszugehen ist, dass es nur eine Frage der Zeit ist, bis Bewerber KI-Lösungen im
Bewerbungsprozess befürworten. Besonders auch weil alle Bewerber die gleiche Startbedienungen
haben werden. Der Begriff „unconscious bias“ beschreibt kognitive Wahrnehmungsverzerrungen, wie
beispielweise Vorurteile (Keim, 2019). Bewusst oder unbewusst – diese Vorurteile spielen im
Bewerbungsprozess eine Rolle. Recruiter bilden sich bei der Durchsicht der Bewerbungen eine
persönliche Meinung zu einem Bewerber. Diese Vorurteile, sprich negativen oder positiven
Meinungen des Recruiters können als Grundlage der Entscheidung genutzt werden und am Ende
über die Einstellung des Bewerbers im Unternehmen entscheiden (Keim, 2019).

Zusammenfassend lässt sich erkennen, dass Wettbewerbsvorteile geschaffen werden können, wenn
die Prozesse auf der operativen Ebene neu modelliert und dadurch optimiert werden (Buxmann &
8
Schmidt, 2019, S. 198). Unternehmen müssen sich den Herausforderungen stellen, sich den Risiken
bewusst sein, die Recruiting-Verantwortliche entsprechend aus- und weiterbilden, und insbesondere
die KI-Lösungen sinnvoll und transparent einsetzen, so dass für Bewerber ein Mehrwert generiert
wird. Allerdings profitieren Unternehmen nur so lange von Wettbewerbsvorteilen bis die Konkurrenz
ebenfalls KI-Lösungen einsetzt. Erinnern wir uns erneut an die Aussage von Carr «IT doesn’t matter»
(Carr, 2003), besteht sogar die Möglichkeit, dass Unternehmen als KI-Vorreiter strategische Nachteile
erzielen können.

5 Fazit

Die Digitalisierung hat den Wettbewerb zugunsten von Bewerbern verändert (Verhoeven, 2020, S.
65). Dabei hat nicht nur die Digitalisierung einen immer grösseren Stellenwert, sondern auch die
künstliche Intelligenz. Wenn Unternehmen die Chancen der KI konsequent weiter nutzen, und den
Bewerbern mithilfe von KI-Lösungen eine bessere Candidate Experience verschaffen können, sind sie
in der Lage, die besten Talente zu überzeugen und für sich zu gewinnen. Bei all dem Optimismus
dürfen jedoch nicht die damit einhergehenden Gefahren und Risiken nicht in Vergessenheit geraten.
Zudem ist nicht klar, ob Unternehmen mittel- oder langfristig Wettbewerbsvorteile erzielen werden,
da der Einsatz von KI rasant zunimmt und Unternehmen strategische Nachteile erzielen könnten,
sobald sich eine kostengünstige Standardlösung auf dem Markt etabliert (Carr, 2003). Dennoch ist
klar, dass der technologische Wandel kommen wird und sich Unternehmen mit diesen Fragen
auseinandersetzen müssen (Thorsten & Jäger, 2018, S. 183)

6 Literaturverzeichnis

Amerland, A. (2018, 12. Dezember). "Unternehmen erzielen mit Künstlicher Intelligenz

Wettbewerbsvorteile". Interview. Abgerufen von
https://www.springerprofessional.de/transformation/kuenstliche-intelligenz/unternehmen-
erzielen-mit-ki-wettbewerbsvorteile/16254290

Balzert H., Schröder, M. & Schäfer, C. (2011). Wissenschaftliches Arbeiten. Ethik, Inhalt & Form wiss.
Arbeiten, Handwerkszeug, Quellen, Projektmanagement, Präsentation. (2. Aufl.)., Berlin: Springer
Campus

Bendiek, S. (2017, 12. Februar). Mensch und Maschine – ein Dreamteam. Abgerufen von
https://www.handelsblatt.com/technik/it-internet/microsoft-managerin-bendiek-ueber-ki-
mensch-und-maschine-ein-dreamteam/19368922.html

Bertelsmann Stiftung (2019). Ethik der Algorithmen. Abgerufen von https://www.bertelsmann-

stiftung.de/de/unsere-projekte/ethik-der-algorithmen/projektbeschreibung/
Böttcher, S. (2017, 14. Dezember). Künstliche Intelligenz: mehr Arbeitsplätze als -verluste. Abgerufen
von https://www.it-business.de/kuenstliche-intelligenz-mehr-arbeitsplaetze-als-verluste-a-
671817/

Bundesverband der Personalmanager (2019, Februar). Zwischen Euphorie und Skepsis: KI in der
Personalarbeit. Abgerufen von https://www.bpm.de/sites/default/files/bpm-service-24-
ki_in_der_personalarbeit.pdf

Buxmann, P. & Schmidt, H. (2019). Künstliche Intelligenz. https://doi.org/10.1007/978-3-662-57568-0

Das Europäische Parlament und der Rat der Europäischen Union (2016, April). Verordnung (EU)
2016/ 679 des Europäischen Parlaments und des Rates - vom 27. April 2016 - zum Schutz

9
 natürlicher Personen bei der Verarbeitung personenbezogener Daten, zum freien Datenverkehr
und zur Aufhebung der Richtlinie 95/ 46/ EG (Datenschutz-Grundverordnung).

Dahm, M. & Dregger, A. (2019). Der Einsatz von künstlicher Intelligenz im HR: Die Wirkung und
Förderung der Akzeptanz von KI-basierten Recruiting-Tools bei potenziellen Nutzern. In B.
Hermeier.

Dudler, L. (2019). Wenn Bots übernehmen – Chatbots im Recruiting. In T. Verhoeven (Hrsg.),

Digitalisierung im Recruiting: Wie sich Recruiting durch künstliche Intelligenz, Algorithmen und Bots
verändert (S.101-111). Abgerufen von https://link.springer.com/book/10.1007%2F978-3-658-25885-
6

T. Heupel & S. Fichtner-Rosada (Hrsg.), Arbeitswelten der Zukunft (S. 249 – 271). Abgerufen von
https://link.springer.com/chapter/10.1007/978-3-658-23397-6_14

Epstein, R., Beber, G. & Roberts, G. (2009). Parsing the Turing Test: Philosophical and Methodological
Issues in the Quest for the Thinking Computer. https://doi.org/10.1007/978-1-4020-6710-5

Frey C. B. & Osborne, M. A. (2013, 17. September). The Future of Employment: How susceptible are
jobs to Computerisation?. Abgerufen von
https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

Goasduff, L. (2019, 12. September). Top Trends on the Gartner Hype Cycle for Artificial Intelligence,
2019. Abgerufen von https://www.gartner.com/smarterwithgartner/top-trends-on-the-gartner-
hype-cycle-for-artificial-intelligence-2019/

Hartung, M., Bues M. &. Halbleib, G. (2017). Legal Tech: Die Digitalisierung des Rechtsmarkts.
München: C.H. Beck.

Haun, M. (2007). Handbuch Robotik. Programmieren und Einsatz von intelligenter Roboter.

Henning, K. (2019). Smart und digital. Berlin, Heidelberg: Springer Berlin Heidelberg.
https://doi.org/10.1007/978-3-662-59521-3
Jobware (2017). Keine oder späte Antwort auf Bewerbungseingänge: Forsa: 62 Prozent der
qualifizierten Angestellten sind genervt von fehlendem Feedback bei Bewerbungen [Press release].
Paderborn. Abgerufen von https://www.jobware.de/Ueber-Jobware/Presse/2017/Keine-oder-spaete-
Antwort-auf-Bewerbungseingaenge.html
Juschkat, K. (2019). Empathie für Roboter kann gefährlich werden. Konstruktionspraxis. Retrieved
from https://www.konstruktionspraxis.vogel.de/empathie-fuer-roboter-kann-gefaehrlich-werden-a-
798703/
Keim, M. (2019). Diese Frau verbessert die Frauenquote von Firmen. Neue Zürcher Zeitung.
Retrieved from https://www.nzz.ch/wochenende/gesellschaft/frauenquote-unternehmerin-
vermittelt-frauen-in-verwaltungsraete-ld.1503237
Kreutzer, R., T. & Sirrenberg, M. (2019). Künstliche Intelligenz verstehen, © Springer Fachmedien
Wiesbaden GmbH, ein Teil von Springer Nature 2019. Abgerufen von
https://www.springer.com/de/book/9783658255602
Kuhn, T. & Liggesmeyer, P. (2019). Autonome Systeme. In H. Hirsch-Kreinsen & A. Karacic (Hrsg.),
Autonome Systeme und Arbeit: Perspektiven, Herausforderungen und Grenzen der Künstlichen
Intelligenz in der Arbeitswelt (S. 27 - 45). Abgerufen von http://hdl.handle.net/10419/200738

Künstliche Intelligenz im Personalwesen. (2019, 7. März). Abgerufen von

https://www.haufe.de/personal/hr-management/kuenstliche-intelligenz-im-
personalwesen_80_484842.html
10
Lämmel, U. & Cleve, J. (2012). Künstliche Intelligenz: Mit 51 Tabellen, 43 Beispielen, 118 Aufgaben,
89 Kontrollfragen und Referatsthemen (4. aktualisierte Aufl.). München: Hanser.

Laudon, K. C., Laudon, J. P. & Schoder, D. (2015). Wirtschaftsinformatik: Eine Einführung. (3. Aufl.).
Abgerufen von http://ebookcentral.proquest.com/lib/zhaw/detail.action?docID=5583801

Luber, S. & Litzel, N. (2018, 13. Juli). Was ist Augmented Intelligence? Abgerufen von
https://www.bigdata-insider.de/was-ist-augmented-intelligence-a-733360/

Medeiros, J. (2017, 28. November). Stephen Hawking: 'I fear AI may replace humans altogether'.
Abgerufen von https://www.wired.co.uk/article/stephen-hawking-interview-alien-life-climate-
change-donald-trump

Petry, T., & Jäger, W. (Eds.). (2018). Digital HR: Smarte und agile Systeme, Prozesse und Strukturen
im Personalmanagement. Freiburg: Haufe Group. Abgerufen von
https://ebookcentral.proquest.com/lib/zhaw/reader.action?docID=5332667
Ramge, T. (2018). Mensch und Maschine. Wie künstliche Intelligenz und Roboter unser Leben
verändern. (2. aktualisierte Aufl.).

Reilly, C. (2019, 21. Mai). Arbeit und KI – Chance oder Dystopie?: Chancen und Risiken der
künstlichen Intelligenz. Abgerufen von https://www.computerwoche.de/a/arbeit-und-ki-chance-
oder-dystopie,3547070

Reuters. (2018). Amazon scraps AI recruiting tool showing bias against women. Abgerufen von
https://www.reuters.com/video/2018/10/10/amazon-scraps-ai-recruiting-tool-showing?
videoId=472114021
„Risiko für die Menschheit“ – Musk warnt vor künstlicher Intelligenz. (2017). Abgerufen von
https://www.handelsblatt.com/unternehmen/it-medien/tesla-gruender-fordert-regulierung-risiko-
fuer-die-menschheit-musk-warnt-vor-kuenstlicher-intelligenz/20069146.html?ticket=ST-
38236752-XRjBXz7gaKzSWFmgIekV-ap2
Rixecker, K. (2018). Diskriminierung: Deshalb platzte Amazons Traum vom KI-gestützten Recruiting.
Abgerufen von https://t3n.de/news/diskriminierung-deshalb-platzte-amazons-traum-vom-ki-
gestuetzten-recruiting-1117076/
Robot Recruiting: Möglichkeiten und Grenzen. (2019, 24. Juni). Abgerufen von
https://www.haufe.de/personal/hrmanagement/robot-recruiting_80_484436.html

Saxena, J. (2019, 02. Oktober). Candidate Experience verbessern: ein Leitfaden für Recruiter. Blog-
Beitrag. Abgerufen von https://blog.recruitee.com/de/candidate-experience-leitfaden/

Schick, U. (2018, 20. März). Was ist künstliche Intelligenz? Abgerufen von
https://news.sap.com/germany/2018/03/was-ist-kuenstliche-intelligenz/

Stelzel-Morawietz, P. (2017, 07. Juni). Künstliche Intelligenz in unserem Alltag. Abgerufen von
https://www.pcwelt.de/a/kuenstliche-intelligenz-in-unserem-alltag,3446996

Teetz, I. (2018). Künstliche Intelligenz im Recruiting. In T. Petry & W. Jäger (Hrsg.), Digital HR
(Seitenzahlen Kapitel). Abgerufen von https://www.unisite.ch/download/digital-hr/

Thedens, T. (2018). Bewerberstudie zu künstlicher Intelligenz in HR: zwischen Unbehagen und

Gefallen. Abgerufen von https://www.viasto.com/blog/bewerber-studie-zu-kuenstlicher-intelligenz-
in-der-personalauswahl/
Time to hire: Wenn es mal wieder länger dauert. (2018). haufe. Abgerufen von
https://www.haufe.de/personal/hr-management/steigende-besetzungszeiten-die-time-to-hire-nimmt-
zu_80_479116.html
11
Verhoeven, T. (2019). Digitalisierung im Recruiting: Wie sich Recruiting durch künstliche Intelligenz,
Algorithmen und Bots verändert. Wiesbaden: Springer Fachmedien Wiesbaden.
https://doi.org/10.1007/978-3-658-25885-6
Tschirren, J. (2017, 16. November). «DeepL: Ein kleines Start-up schlägt Google». Abgerufen von
https://www.srf.ch/news/panorama/kuenstliche-intelligenz-deepl-ein-kleines-start-up-schlaegt-
google

Voss, R. (2017). Wissenschaftliches Arbeiten. (5. überarbeitete Aufl.). Abgerufen von

http://www.utb-studi-e-book.de/9783838587035

Wischmann, S. & Rohde, M. (2019). Neue Möglichkeiten für die Servicerobotik durch KI. In V.
Wittpahl (Hrsg.), Künstliche Intelligenz: Technologie, Anwendung, Gesellschaft (S. 99-121).
Abgerufen von https://link.springer.com/book/10.1007/978-3-662-58042-4

Wilke, F. (2018). Künstliche Intelligenz diskriminiert (noch). ZEIT ONLINE. Retrieved from
https://www.zeit.de/arbeit/2018-10/bewerbungsroboter-kuenstliche-intelligenz-amazon-frauen-
diskriminierung
Wittpahl, V. (2019). Künstliche Intelligenz. Berlin, Heidelberg: Springer Berlin Heidelberg.
https://doi.org/10.1007/978-3-662-58042-4
World Economic Forum. (2018). The Future of Jobs Report 2018. Abgerufen von
http://www3.weforum.org/docs/WEF_Future_of_Jobs_2018.pdf

Zunke, K. (2019, Oktober). „Eine KI kann diskriminierend sein“. PM Plus HR-Software. Abgerufen
von https://zeitschriften.haufe.de/ePaper/personalmagazin/2019/A07BEFD/index.html

12
13