41 03 / 23 PERSONALquarterly Potenziale, Risiken und Entscheidungsfindung Sowohl in den Zeitungs- als auch in den Branchenmagazinartikeln nehmen die Schilderungen von Potenzialen und Chancen datengestützter Analysen von Personaldaten einen sehr prominenten Raum ein. So wird über Potenziale und Chancen zehnmal so häufig gesprochen wie über potenzielle Risiken. Die Möglichkeiten, welche sich durch die Analyse der Daten ergeben, werden dabei nicht nur als gewinnbringend für die Unternehmen selbst, sondern auch für Mitarbeitende beschrieben. PA trage mit der Möglichkeit, enorme Mengen an Daten zu analysieren, hierdurch Zusammenhänge zu identifizieren und Prognosen abzuleiten, zu einer transparenteren, evidenzbasierten Praxis des (Personal-)Managements bei. Die Darstellung der Anwendungsmöglichkeiten und Nutzenpotenziale von PA umfasst hierbei nahezu vollständig die Gestaltungsfelder entlang des HR Life Cycle. So könne PA bereits bei der HR-Strategie ansetzen und zum finanziellen Profit des Unternehmens beitragen, indem administrative HR-Prozesse automatisiert, die Produktivität erhöht oder Absenzen und Fluktuationsraten gesenkt würden. Der Business Value von PA beschränkt sich in den untersuchten Beiträgen allerdings keinesfalls auf die finanzielle Ebene. Vielmehr ermögliche PA den HR-Abteilungen, „der wichtigsten Ressource ihres Unternehmens, den Mitarbeitenden“, gerecht zu werden, nicht zuletzt den Mitarbeitenden in HR selbst. Das hängt mit der Annahme zusammen, HR-Prozesse durch den Einsatz von PA effizienter gestalten zu können und die HR-Abteilung selbst damit von „repetitive(-n), manuelle(-n) Routinetätigkeiten“ zu entlasten. Demnach könnten insbesondere administrative HR-Tätigkeiten durch den Einsatz von PA-Tools automatisiert werden. Diesem Verständnis folgend wird PA vor allem als Assistenzsystem aufgefasst, das HR-Prozesse vereinfacht, beschleunigt, den Arbeitsaufwand reduziert und den HRlerinnen und HRlern zusätzlichen Raum verschafft, um anderen, wichtigeren Tätigkeiten nachzugehen. Weiterhin erwarten die Autorinnen und Autoren häufig, dass Unternehmen bzw. die HR-Abteilungen durch die Analyse von Daten arbeits- und organisationsbezogene Verhaltensmuster von Mitarbeitenden bzw. Teams aufzeigen, unbekannte bzw. nicht hinreichend verstandene Zusammenhänge aufdecken und Maßnahmen ableiten könnten. Besonders prominent wird die Möglichkeit, mittels Predictive PA Vorhersagen (z.B. über die Fluktuationswahrscheinlichkeit von Mitarbeitenden) treffen zu können, diskutiert. Auch die Themen Recruiting und Performance Management werden im Diskurs häufig aufgegriffen. PA könne demnach u. a. digitale Bewerbungsdossiers algorithmenbasiert screenen und eine Vorauswahl treffen oder aber komplexe Sachverhalte wie die Leistung der Angestellten erfassen und analysieren. Darüber hinaus könne PA zu einer Verbesserung der Arbeitsbedingungen (z. B. mehr Transparenz über die eigene Arbeitsauslastung als Grundlage für eine optimierte Selbstführung), der Zusammenarbeit (z. B. der Optimierung der Teamzusammensetzung) und der Personalführung beitragen. Mithilfe einer datenbasierten Analyse und einer darauf aufbauenden Verbesserung der Arbeitsbedingungen könne die Arbeitszufriedenheit und Bindungsbereitschaft von Mitarbeitenden gesteigert werden. Schließlich könne PA zur Analyse und Vorhersage von Fluktuation eingesetzt werden, um Abwanderungstendenzen frühzeitig zu erkennen. Insbesondere der intensivierte Wettbewerb der Unternehmen um knappe Nachwuchs- und Fachkräfte und die hohen Kosten, die mit einer Kündigung einhergehen, werden hier als relevante Punkte angeführt. Auch könne PA, so das Versprechen, bei der Identifizierung von Talenten sowie deren Förderung im Unternehmen unterstützen. Im Diskurs wird durchaus – allerdings mit deutlich geringerer Aufmerksamkeit – auf negative Aspekte und nicht antizipierbare Nebenfolgen des Einsatzes fortgeschrittener, auf Maschinellem Lernen beruhender HR-Analytik eingegangen. Hierunter fallen z. B. die grundlegende Kritik daran, menschliches Verhalten überhaupt von einer KI beurteilen lassen zu wollen (vgl. Sparrow, 2021), aber auch konkretere Risiken wie die Intransparenz von auf Maschinellem Lernen beruhenden Entscheidungssystemen (Black-Box-Problematik; vgl. Castelvecchi, 2016). Darüber hinaus wird die Sorge geäußert, dass Advanced PA das Versprechen der Neutralität und Vorurteilsfreiheit nicht halten könne, da Ungleichheiten und Verzerrungen systematisch und unkontrollierbar in die Software eingeschrieben würden. Diese Befürchtung ist in der breiten ABSTRACT Forschungsfrage: Welche Themen und Deutungsmuster bestimmen den deutschsprachigen Praxisdiskurs um People Analytics? Methodik: Diskursanalyse deutschsprachiger Artikel im Zeitraum 2015 bis 2021 Praktische Implikationen: Unser Beitrag identifiziert (in Relation zum wissenschaftlichen Erkenntnisstand) inhaltliche Engführungen und Positiv-Biases des Praxisdiskurses um People Analytics. Zugleich sensibilisieren wir Personalverantwortliche für Risiken und nichtantizipierte Nebenwirkungen, die mit der Einführung und Nutzung algorithmenbasierter Entscheidungssysteme im HR einhergehen können.
RkJQdWJsaXNoZXIy Mjc4MQ==