12 HR-Software personalmagazin plus: HR-Software 2023 Technologischer Auslöser Gipfel überzogener Erwartungen Tal der Enttäuschung Pfad der Erleuchtung Plateau der Produktivität grundsätzlichen Verständnisses. Insgesamt zeigt die obige Kategorisierung die erhebliche Heterogenität der KI auf. KI im Personalmanagement bezieht sich damit auf sehr unterschiedliche Technologien, mit sehr unterschiedlichen Anwendungspotenzialen und sehr unterschiedlichen Konsequenzen. Stand der KI im Personalmanagement Obwohl alle angeführten Kategorien grundsätzlich personalwirtschaftliche Relevanz aufweisen, ist der aktuelle Status dieser Kategorien im Personalmanagement denkbar heterogen. Um den Stand abzubilden, wird ein Lebenszyklus-Modell digitaler Technologien („Hype-Cycle“) verwendet (vgl. Gartner, 2023). Das Modell geht davon aus, dass digitale Technologien im Zeitablauf idealtypische Phasen durchlaufen, die durch klar unterschiedliche Erwartungen an die Technologie gekennzeichnet sind. Diese beginnen mit einer Auslösungsphase (ein technologischer Durchbruch löst erste Erwartungen an Wissensrepräsentation in Form von Ontologien zur Verbesserung von Suche und Matching von Stellen und Bewerbenden in der Personalbeschaffung. Allerdings existieren ebenso symbolische KI-Anwendungen, die es nicht bis zur produktiven Anwendung geschafft haben, insbesondere die damals mit hohen Erwartungen versehenen HR-Expertensysteme. Die gegenwärtige Diskussion um KI im Personalmanagement dreht sich damit insbesondere um konnektionistische KI. Dabei spielen insbesondere die Kategorien der Advanced Analytics, des Natural Language Processing und (neuerdings) der Generativen KI eine wichtige Rolle, während andere Kategorien wie Computer Vision oder Affective Computing derzeit kaum Aufmerksamkeit erhalten und teils sogar völlig unbekannt sind. Zusammengefasst zeigen sich damit zwei Phasen der KI im Personalmanagement: eine frühere symbolische Phase und eine aktuelle konnektionische Phase. Das Lebenszyklusmodell bildet damit die bekannten zyklischen Entwicklungen der KI ab, die metaphorisch als „KI-Sommer“ (Phase hoher ErwartunStand der Künstlichen Intelligenz im Personalmanagement Erwartungen Zeit Symbolische KI WISSENSPRÄSENTATION COMPUTER VISION GENERATIVE KI ADVANCED ANALYTICS AFFECTIVE COMPUTING Affektive Lernsysteme ... ... Sensor Analytics Algorithmic Decision Making HR Text Analytics HR Sentiment Analytics HR Video Analytics ROBOTICS ROBOTIC PROCESS AUTOMATION REASONING HR Expertensysteme KI Hauptkategorie KI KATEGORIE ... Such-/Matching-Ontologien NATURAL LANGUAGE PROCESSING EVOLUTIONÄRES COMPUTING HR Chatbots HR Analytics Learning Analytics CV Parsing KI Subkategorie Evolutionäre Einsatzplanung Konnektionistische KI die Technologie aus), gefolgt von einer Hypephase (übertriebener Euphorie und unrealistisch hohe Erwartungen, verstärkt durch Medien), einer Enttäuschungsphase (übertriebene Erwartungen können nicht erfüllt werden und stürzen ab, wiederum verstärkt durch Medien) und schließlich zwei Erholungsphasen (fortlaufende Ausarbeitung der Technologie ermöglicht eine realistischere Einschätzung, Verbesserung und schließlich deren produktive Anwendung). Die Einordnung von Hauptkategorien, Kategorien und Subkategorien der KI in dieses Lebenszyklus-Modell erlaubt einige interessante Einsichten. Zunächst befinden sich die beiden KIHauptkategorien in sehr unterschiedlichen Phasen. Die symbolische KI ist deutlich weiter vorangeschritten. Sie hat ihre „Hype“-Phase im Personalmanagement mit hohen Erwartungen insbesondere an die Sub-Kategorie der „HR-Expertensysteme“ vor etwa einem Vierteljahrhundert bereits hinter sich. Heute weist sie entsprechend deutlich reduzierte Erwartungen auf. Zwar gibt es einige produktive symbolische Anwendungen, wie etwa die Verwendung von
RkJQdWJsaXNoZXIy Mjc4MQ==