10 HR-Software personalmagazin plus: HR-Software 2023 banken für das Argumentieren und die Lösung von Problemen bereitzustellen. • Reasoning zielt darauf ab, die internen Denkprozesse von Menschen nachzuahmen. Reasoning nutzt Reasoner (auch Inferenzmaschinen), die logische Konsequenzen aus einem Satz von Fakten ableiten, wie sie zum Beispiel in einer Wissensdatenbank gespeichert sind. Die Hauptziele bestehen darin, neue Informationen bereitzustellen und Probleme zu lösen. In der Hauptkategorie konnektionistischer KI sind folgende KI-Kategorien personalwirtschaftlich relevant: • Advanced Analytics (auch Data Mining, Knowledge Discovery) zielt darauf ab, menschliche Informationsgewinnung und -verwendung nachzuahmen. Advanced Analytics nutzt dazu Daten und Algorithmen des maschinellen Lernens, um systematische Muster und Zusammenhänge in Daten zu identifizieren. Die Kernziele beziehen sich auf die Erklärung und Prognose relevanter Phänomene sowie dem Ableiten geeigneter (Management-)Handlungen. • Affective Computing (auch Emotion AI) zielt darauf ab, die menschliche Wahrnehmung und das menschliche Ausdrücken von Emotionen nachzuahmen. Affective Computing erkennt, reagiert auf und simuliert menschliche Emotionen wie Angst, Wut, Freude, Überraschung oder Ekel. Die Kernziele beziehen sich darauf, die Interaktion von Maschinen und emotionalen Menschen zu verbessern und damit die Ergebnisse einer Maschine-Mensch-Interaktion zu verbessern. • Computer Vision zielt darauf ab, die visuelle Wahrnehmung von Menschen nachzuahmen. Computer Vision lernt Muster in vorhandenen digitalen Bildern und Videos, und verwendet diese Muster zur Identifikation des Inhalts neuer Bilder oder Videos. Die Kernziele sind, zu „sehen“, zu „verstehen“, was gesehen wird, und komplexe visuelle Informationen zu erfassen. • E volutionäres Computing zielt darauf ab, biologische Problemlösungen nachzuahmen, um eine akzeptabel gute Lösung innerhalb einer großen Menge von Alternativen zu finden. Es stellt Heuristiken zur Lösung von Problemen bereit, die zu komplex für eine einfache mathematische Optimierung sind. der NI dar; die maschinelle Nachahmung natürlichen Rechnens, etwa durch Tabellenkalkulationssysteme, wird aber konventionell nicht als KI verstanden. Vor diesem Hintergrund kann man sich KI begrifflich annähern als digitale Technologien, die bestimmte Funktionen von natürlicher Intelligenz nachahmen, um menschliche Aufgaben zu unterstützen oder zu automatisieren, deren Durchführung bisher zwingend natürliche Intelligenz erfordern. Kategorien der KI im Personalmanagement Auch mit Blick auf relevante KI-Kategorien existiert keine allgemein anerkannte Abgrenzung von Teilgebieten der KI; vielmehr gibt es verschiedene heterogene Vorschläge, die allerdings übergreifend mit dem Problem konfrontiert sind, überlappende Teilgebiete trennscharf abzugrenzen. Eine hilfreiche Kategorisierung folgt konventionellen Einteilungen der KI als wissenschaftliche Disziplin, wobei die drei Ebenen der Hauptkategorien, Kategorien und Subkategorien von KI unterschieden werden können. Hauptkategorien werden nach dem generellen Vorgehen der KI gebildet: • Symbolische KI basiert auf Symbolen einer Sprache (wie Worte und Sätze), um Wissen zu repräsentieren (daher „symbolisch“) und Logik, um Schlussfolgerungen daraus zu ziehen. Wissens- (Ontologie-)basierte Suchmaschinen in der Personalbeschaffung stellen eine typische personalwirtschaftliche Anwendung symbolischer KI dar. • K onnektionistische KI basiert auf Daten und Algorithmen, die Zusammenhänge zwischen bekannten Inputs und Outputs lernen (daher „konnektionistisch“) und in einem Modell abbilden, das anschließend für Vorhersagen verwendet werden kann. Methodisch basiert konnektionistische KI auf maschinellem Lernen. Die Vorhersage von Fluktuation mit einem neuronalen Netz ist eine typische personalwirtschaftliche Anwendung konnektionistischer KI. Die aktuelle Diskussion bezieht sich fast ausschließlich auf konnektionistische KI. Diese hat die zentralen Vorteile, dass sie ihre Modelle selbstständig „lernt“ (während symbolische Modelle aufwändig vom Menschen zu erstellen sind) und Anbieter, Berater und Autoren schüren teilweise überzogene Erwartungen an künstliche Intelligenz. auch hochkomplexe unbekannte Zusammenhänge abbilden kann (während symbolische Modelle nur demMenschen bekannte und zugängliche Zusammenhänge abbilden können). Kategorien werden dann nach dem generellen Zweck der KI gebildet. In der Hauptkategorie symbolischer KI sind folgende (meist interagierende) KI-Kategorien personalwirtschaftlich relevant: • Wissensrepräsentation zielt darauf ab, die interne Abbildung von Fakten durch Menschen nachzuahmen. Die Wissensrepräsentation ermittelt systematisch angestrebtes Wissen und bildet es anschließend formal in Wissensdatenbanken mithilfe von Wissensrepräsentationstechniken wie Ontologien ab. Das Hauptziel besteht darin, Wissensdaten-
RkJQdWJsaXNoZXIy Mjc4MQ==