27 02 / 23 PERSONALquarterly Quelle: Eigene Darstellung (Screenshot der Simulation). tivität, Effizienz) der Technologie, die Gebrauchstauglichkeit des Systems oder ob es sich um eine wahrgenommen eher objektive oder subjektive Entscheidung handelt. Forschung hebt insbesondere die Bedeutung von Wissen über das KI-System für die Akzeptanz hervor. Die Systemtransparenz – also wie das System funktioniert, welche Informationen es verwendet, welche Möglichkeiten und Fähigkeiten es bietet – wirkt sich positiv auf die KI-Akzeptanz aus. Allgemein nimmt die Akzeptanz von KI-Systemen zu, wenn Nutzer mehr Wissen und Erfahrung mit dem KI-System haben. Merkmale der Aufgabe. Eine Kernvariable bei der Akzeptanzbewertung von KI-Systemen ist die Art der Funktionsteilung, das heißt, welche Aufgaben die KI übernimmt und welchen Autonomiegrad das System hat (Jussupow et al., 2020; O’Neill et al., 2022). In der Forschung ist diese Differenzierung mit dem Konzept des Level of Autonomy (LoA=Autonomiegrad) verbunden. KI-Vorschlagssysteme sind dadurch gekennzeichnet, dass deren primäre Aufgabe in der datenbasierten Entscheidungsunterstützung liegt – die anschließende Entscheidungskontrolle verbleibt jedoch beim Menschen (niedriger bis mittlerer LoA). Hohe Autonomiegrade eines Systems entziehen somit dem Menschen die Kontrolle über Entscheidungen und könnten mit geringerer Akzeptanz der Systeme einhergehen (Burton et al., 2020). Studien zeigen, dass Nutzer eher ein KI-System bevorzugen, das dem Nutzer Entscheidungsgewalt überlässt, als ein System, das Entscheidungen völlig autonom ausführt. Allerdings zeigt Forschung auch, dass die Akzeptanz von KI-Systemen mit höherem LoA auch vom Aufgabenkontext abhängt. Bspw. werden mathematische und analytische Aufgaben eher einer autonomen KI überlassen. Jedoch werden Aufgaben bevorzugt manuell durchgeführt, wenn Nutzer eigene Erfahrungen mit der Aufgabe haben oder sie wahrnehmen, dass die Aufgabe eher individuelle und subjektive Kriterien (bspw. Emotionen, persönliche Vorlieben) berücksichtigen muss. In der Personalselektion tendieren Nutzer daher dazu, KI-Systeme zu bevorzugen, über die sie Entscheidungskontrolle ausüben können. Zusammenfassend wird deutlich, dass es keinen optimalen Autonomiegrad einer KI gibt und unterschiedliche Kontextfaktoren den präferierten Grad der menschlichen vs. KI-basierten Abb. 2: Anwendungsoberfläche einer Simulation einer Personaleinsatzplanung im Einsatzdienst (Feuerwehr)
RkJQdWJsaXNoZXIy Mjc4MQ==