<<  Zurück

Gute Daten, schlechte Daten: Wir wollen Analytics FOR the People!

Das Thema Künstliche Intelligenz stellt uns alle vor viele Fragen. Gleichzeitig sind die Erwartungen an KI auf Unternehmensseite groß, ob beim Recruiting, bei der Aus- und Weiterbildung oder beim betrieblichen Gesundheitsmanagement. Wo der Mensch an seine Grenzen kommt – bei riesigen Datenmengen, aber auch bei der eigenen Voreingenommenheit – übernimmt die Maschine. Das klingt großartig in der Theorie, muss sich aber in der Praxis noch beweisen. Denn wer mit Daten hantiert, muss dies verantwortungsvoll tun. Und erste Erfahrungen zeigen: Die Maschine ist nur so unvoreingenommen, wie der Mensch, der sie programmiert. Wenn wir von KI reden, müssen wir also auch und vor allem über Ethik reden, über gute Daten und weniger gute menschliche Eigenschaften.

Gute Daten – was heißt das überhaupt?

Vielleicht das:

Gute Daten stiften Nutzen.

Es bringt nichts, Unmengen von Daten anzuhäufen und zu analysieren, wenn das “Warum” nicht geklärt ist. Dieses “Warum” sollte sich nicht nur an wirtschaftlichen Kriterien orientieren, sondern die Menschen im Unternehmen in den Fokus nehmen. Das Ziel: Besseres Arbeiten für alle durch bessere Kommunikation, starke Verbindungen und die Möglichkeit, sich persönlich und fachlich weiterzuentwickeln. Bevor wir also die Maschine befragen, müssen wir zunächst mit uns selbst in Klausur gehen und uns die Fragen stellen, auf die wir mit Hilfe von KI brauchbare Antworten finden wollen – und die allen Mitarbeitenden nützen.

Gute Daten beruhen auf Freiwilligkeit.

KI darf nicht dazu missbraucht werden, Menschen hinter ihrem Rücken zu analysieren – auch nicht, wenn es zu ihren Gunsten ist. Die Hoheit über die eigenen Daten muss bei den Mitarbeitenden liegen. Sie müssen wissen, auf welcher Datenbasis bestimmte Entscheidungen im Unternehmen getroffen werden. Noch besser: Die Mitarbeitenden arbeiten selbst mit KI, speisen ihre Daten aktiv ein und haben Zugriff auf die sie betreffende Analyse – und das unabhängig von Abteilungen und Position. Man könnte auch sagen: Software mit Bottom-up-Ansatz produziert bessere (weil transparente und sinnstiftende) Daten als Analyse-Tools, die vom Management hinter verschlossenen Türen bedient werden.

Gute Daten spiegeln Offenheit und Vielfalt wider.

Sollen Maschinen Entscheidungen treffen, die sich an unseren Wertvorstellungen orientieren, brauchen sie entsprechende Trainingsdaten. Die Qualität dieser Daten ist dabei eng verwoben mit der Unternehmenskultur: Eine Maschine, die in festen hierarchischen und/oder diskriminierenden Strukturen trainiert wird, wird diese Strukturen mit hoher Wahrscheinlichkeit weiter zementieren. Umgekehrt könnte man also sagen: Gute Daten entstehen in Unternehmen mit dynamischen Hierarchien und offenen Strukturen, in denen Menschen unabhängig von biologischem und sozialem Geschlecht, von Hautfarbe oder Lebenssituation entsprechend ihrer Talente agieren können.

Unter diesen Voraussetzungen sind Daten und People Analytics eine echte Chance, unsere Arbeitswelt zum Positiven zu verändern!

Um zu einem fairen Umgang mit Daten zu kommen, müssen wir also fragen: Wie wird mit Daten argumentiert? (…) Was sagen Daten über die Wirklichkeit? Denn Daten sagen uns häufig, dass gerade die Wirklichkeit nicht fair oder gerecht ist.” so Dr. Jessica Heesen, Leiterin des Forschungsschwerpunkts Medienethik und Informationstechnik am Internationalen Zentrum für Ethik in den Wissenschaften (IZEW) der Universität Tübingen.

Heißt auch: Unternehmen, die mit Offenheit und der Bereitschaft zur Selbstkritik in die Datenanalyse gehen, können mit Hilfe von KI Fehlentwicklungen erkennen, die sonst verborgen geblieben wären und entsprechend gegensteuern. Davon profitieren am Ende alle.

„Analytics FOR the people“ in 5 Schritten

Was können wir als Verantwortliche in Unternehmen also tun, um KI unter ethischen Gesichtspunkten sinnvoll zu implementieren und damit gute Daten zu bekommen? Daten, die uns helfen, uns weiterzuentwickeln zu einer Wirtschaft, die dem Menschen dient? Hin zu einer “New Work Economy” eben?

  1. Stellt die Nutzenfrage – euch selbst gemeinsam mit allen, die ihre Daten zur Verfügung stellen (sollen).
  2. Überprüft die Daten stetig, spiegelt sie an den Unternehmenswerten und passt sie daran an, wo nötig.
  3. Gestaltet Strukturen, die Datenvielfalt erlauben. Investiert in die Persönlichkeitsentwicklung derjenigen, die die Maschinen trainieren, und schafft Raum für Reflexion und die Überprüfung der eigenen Vorurteile.
  4. Vertraut nicht blind auf Daten und seid bereit, eurem gesunden Menschenverstand das letzte Wort zu geben und nicht der Maschine.
  5. Nutzt Daten, um besser zu werden – offener, diverser, flexibler! Nutzt die Freiräume, die KI schafft, um euch als Menschen wieder stärker zu verbinden.

+++ PLEASE NOTE +++

Tandemploy setzt sich für den verantwortungsvollen Umgang mit Daten ein. Unser „Advanced Skill Analyser“ macht sichtbar, wie Mitarbeiter*innen wirklich arbeiten wollen, welche Skills sie hierfür mitbringen – und vor allem welche sie einbringen möchten  – und zeigt so Skill Maps, Skill Gaps und Lerninteressen innerhalb der Organisation auf. Die Daten werden dabei entlang des ethischen Grundverständnisses von Tandemploy nur aggregiert und anonymisiert zur Verfügung gestellt und bilden für HR und Management eine hochspannende und relevante Grundlage für die strategische (HR-) Arbeit der Zukunft.

Tandemploy-Co-Gründerin und Co-Geschäftsführerin Anna ist zudem Mitglied im “Ethikbeirat HR-Tech”, einem mit namhaften Vertreterinnen und Vertretern aus Wissenschaft, Gewerkschaft, Start-ups und etablierten Unternehmen besetzten Gremium, das Richtlinien für einen sinnvollen und am Menschen orientierten Einsatz von Künstlicher Intelligenz (KI) im HR-Management entwickelt hat. Hier geht’s zu den Richtlinien. 

Wissen, Kompetenz, Talent – am Ende zählen nur: Liquid Skills!

#BigIdeas2020: Wir brauchen “Good Data” statt nur “Big Data”

Gesetz zum Mobilen Arbeiten: Warum wir (leider) mehr davon brauchen!