KI kann Fachwissen nicht ersetzen

Künstliche Intelligenz (KI) eröffnet für People Analytics neue Möglichkeiten, Daten auszuwerten und damit informiertere Entscheide zu treffen. KI ist jedoch kein Zaubermittel, sondern ein Tool, das man gut kennen sollte, um es sinnvoll nutzen zu können. Grundsätzlich kann zwischen deskriptiver und generativer KI unterschieden werden. Beide Arten von KI basieren auf Algorithmen, die Muster in Daten erkennen können.

Diese Fähigkeit nutzt de­­skrip­tive KI, um bestehende Daten zu analysieren und beispielsweise aus Bewerbungsdossiers jene auszuwählen, die in Bezug auf die ausgeschriebene Stelle am vielversprechendsten sind. Demgegenüber nutzt generative KI die Fähigkeit der Mustererkennung, beispielsweise um im Kontext von People Analytics Antworten auf Prompts zu generieren.

Weil KI fehleranfällig ist, ist ihre Anwendung anspruchsvoll. Ihren Resultaten darf man nicht blind vertrauen. Vielmehr müssen diese auf ihre Plausibilität geprüft werden, was gründliches Fachwissen voraussetzt. KI-Tools bieten also die Möglichkeiten, aus Daten differenziertere Aussagen zu machen. Sie ersetzen aber nicht menschliche Expertise. Im Folgenden wird beschrieben, worin die Schwierigkeiten beim Arbeiten mit KI liegen.

KI kann auch Fehler lernen

Deskriptive KI lernt aus Daten. Dabei kann sie jedoch auch Verzerrungen und Fehler lernen. Beispielsweise trifft sie Entscheide darüber, welche Bewerbungsdossiers am besten auf eine ausgeschriebene Stelle passen, aufgrund von Daten aus der Vergangenheit. Aus diesen Daten lernt die KI, zu erkennen, welche Voraussetzungen Bewerbende mitbringen müssen, um im betreffenden Job erfolgreich zu sein. Gab es in der Vergangenheit jedoch Diskriminierung, wurden beispielsweise Männer gegenüber Frauen vorgezogen, so lernt KI dieses Muster aus den Daten und schlägt vor, eher einen Mann für diese Stelle auszuwählen. Die KI kann solche Muster weder hinterfragen noch interpretieren. Dazu braucht es fachkundige Menschen. Diese Aufgabe ist deshalb besonders anspruchsvoll, da KI nicht transparent machen kann, wie sie auf ihre Vorschläge kommt.

KI versteht nicht – sie berechnet

Anspruchsvoll ist auch die Anwendung von generativer KI. Antworten, die diese gibt, basieren nicht auf Verständnis, sondern auf Berechnung. Die KI generiert ihre Antworten aufgrund von Wahrscheinlichkeiten von Wortfolgen. Beispielsweise erkennt sie, dass es wahrscheinlicher ist, dass auf das Wort «Hund» die Worte «Leine» oder «Bellen» folgen als das Wort «Eisberg». Aufgrund solcher Wahrscheinlichkeiten setzt sie dann erstaunlich plausibel klingende Texte zusammen. Eine Ahnung, was ein Hund oder ein Leine sind, hat sie jedoch nicht. Daher kreiert sie manchmal sehr ungenaue Antworten. Manchmal sind diese auch frei erfunden. Dies zu erkennen ist sehr anspruchsvoll und setzt ebenfalls profundes Fachwissen voraus. Zunehmend erschwerend ist auch, dass die von KI generierten Antworten sehr plausibel klingen.

Für People Analytics kann KI also Fluch und Segen zugleich sein. Segen, da sie erlaubt, aus Daten viel mehr zu lesen, als bisher möglich war. Allerdings ist es äusserst schwierig, in den Resultaten Fehler und Verzerrungen zu erkennen. Es braucht also viel Fachkompetenz, damit KI nicht zum Fluch wird.-