diff --git a/personalauswahlalgorithmen/index.html b/personalauswahlalgorithmen/index.html index 42d051a..b56cf06 100644 --- a/personalauswahlalgorithmen/index.html +++ b/personalauswahlalgorithmen/index.html @@ -94,7 +94,7 @@

Neural Network

Kontext (gesprochenes Wort)

- Nichts hinkt wie dieser Vergleich. Der Punkt ist, dass bei "neuronalen Netzen" ein mathematisches Modell zum Einsatz kommt, welches als Geflecht aus gewichteten Übertragungsfunktionen abgebildet wird. + Nichts hinkt wie ein Vergleich. Der Punkt ist, dass bei "neuronalen Netzen" ein mathematisches Modell zum Einsatz kommt, welches als Geflecht aus gewichteten Übertragungsfunktionen abgebildet wird. Es ermittelt die wahrscheinlichste Lösung der eingegebenen Aufgabe. All dies basiert auf der Übertragungsfunktion samt Gewichtung, deren Parameter mittels "Training" festgelegt werden. [2]
@@ -110,7 +110,23 @@

Reinforcement Learning

-
Slide 2
+

Probleme und Risiken

+
+

Halluzinationen [#nr]

+

Verzerrungen (Bias) [#nr]

+

Datenschutz

+

Veränderlichkeit

+
+

Kontext (gesprochenes Wort)

+ +
    +

    Mit Halluzinationen sind ungenaue oder schlicht falsche Aussagen von "KI" gemeint, die aus den Eingabedaten nicht hervorgehen. (Ursache: "KI" als Wahrscheinlichkeitsmodell)

    +

    Besonders heikel sind Bias / Verzerrungen bzw. Vorurteile bei "KI" im Personalwesen: Sie führen oft zu Diskriminierung und erzeugen falsch negative oder falsch positive Ergebnisse.

    +

    Veränderlichkeit: Der Softwarestand kann unter dem Radar von Kunden und Nutzerinnen modifiziert werden. "KI" agiert zudem nicht generell streng deterministisch, sodass eine Attribution schwierig oder sogar unmöglich wird.

    +
+
+
+

Ein Beispiel für "Pre-AI-hiring"

@@ -119,7 +135,7 @@

Die Stelle wird ausgeschrieben. Erst Intern, dann extern, zumeist online.

Ein Filter wird auf die Flut von Bewerbungen angewandt.

Es erfolgt ein Einstellungstest für die verbleibenden Personen.

-

Nun wird eine Reihenfolge gebildet.

+

Nun wird eine Rangfolge gebildet.

Die besten KandidatInnen erhalten ein strukturiertes Interview.

Schließlich wird die Person mit der höchsten Punktzahl eingestellt.

@@ -140,8 +156,8 @@

Schlussfolgerungen

Für allgemeine Fragen rund um die Bewerbung nehmen wir den Chatbot.

-

Das "Matching" auf die Stellen machen wir regelbasiert.

-

Mittels KI-Werkzeugen lassen wir Umgebungsparameter einfließen.

+

Das Auswahl für die Stellen machen wir regelbasiert.

+

Mittels "KI"-Werkzeugen lassen wir Umgebungsparameter einfließen.

Wir optimieren unsere Stellenausschreibungen durch LLMs.

Was die Firma eigentlich möchte

@@ -212,10 +228,10 @@

EU AI Act

-
Inhalt folgt!
+
TODO

Selbstverpflichtungen

-
Inhalt folgt: "Responsible AI", "AI Ethics"
+
TODO: "Responsible AI", "AI Ethics"
@@ -236,19 +252,23 @@

Mein Fazit

-

Scrum kann zu erheblich schneller verfügbaren und besser auf die Kundenwünsche zugeschnittenen Produkten führen.

-

Scrum unterstützt flache Hierarchien und kann zu mehr Eigenverantwortung beitragen.

-

Es ist eine große Herausforderung, die agile mit der klassischen Welt zu vereinen.

-

Scrum ist im Alltag mit Blick auf die Zwiebel schwach.

-

Daher benötigt Scrum eine auf Dauer angelegte Anstrengung aller Beteiligten.

+ +

Personalauswahlalgorithmen werden bereits in der Fläche eingesetzt.

+

Derzeit jedoch zumeist mit "klassischer", regelbasierter Logik.

+

"Künstliche Intelligenz" kann vor allem bei Freitexten und unscharfen Kriterien Vorteile erzielen.

+

Dennoch gibt es noch immer große Probleme: "Halluzinationen", "Bias", Datenschutzverstöße...

+

Wir sollten darauf bestehen, dass "KI"-Systeme schon jetzt den EU AI Act erfüllen.

+

Die Essenz freiwilliger Selbstverpflichtungen sollte in Gesetze einfließen.

+
+

🤝 Doch am Ende geht nichts über den persönlichen Kontakt zwischen Menschen.

-

Kreativbereich

+

Was noch in den Vortrag muss

Vorurteile und Bias - [#nr] + KI als Produkt seiner Zeit Welche Risiken bergen KI-Produkte im Personalwesen darüberhinaus?