People-Daten & Analysen • 8 MIN LESEN
Wie Algorithmen die Arbeitsweise von HR verändern
JUN 14, 2026
Algorithmische Tools werden auf Recruiting, Leistungsbeurteilung und Bindungsprognosen angewendet. Hier ist, was HR wissen muss, um sie verantwortungsvoll zu nutzen.
Wo Algorithmen bereits eingesetzt werden
Algorithmische Tools sind in HR verbreiteter, als viele Praktikerinnen und Praktiker annehmen. CV-Screening-Tools, die Bewerbende anhand von Schlüsselwortabgleich oder früheren erfolgreichen Einstellungsprofilen bewerten, sind in ATS Plattformen weit verbreitet. Modelle zur Leistungsprognose markieren Mitarbeitende, die Gefahr laufen zu gehen oder unterdurchschnittlich zu leisten. Planungsalgorithmen optimieren Schichtmuster für stundenweise Beschäftigte. Vergütungstools benchmarken Gehälter anhand von Marktdaten mithilfe statistischer Modelle. Jede dieser Anwendungen hat einen echten Nutzen, birgt aber auch Risiken, die HR verstehen und managen muss.
Das Bias-Problem
Das wesentlichste Risiko bei algorithmischen HR-Tools ist die Verstärkung von Verzerrungen. Wenn ein CV-Screening-Algorithmus mit Daten früherer erfolgreicher Einstellungen trainiert wird und diese Einstellungen aufgrund historischer Verzerrungen im Einstellungsprozess überwiegend aus einer bestimmten demografischen Gruppe stammten, wird der Algorithmus lernen, diese Gruppe zu bevorzugen. Der Algorithmus führt keine neue Verzerrung ein; er skaliert und systematisiert bestehende Verzerrungen, die zuvor inkonsistent und daher teilweise selbstkorrigierend waren. HR-Führungskräfte müssen algorithmische Tools auf diskriminierende Auswirkungen prüfen, ebenso wie sie menschliche Entscheidungsprozesse prüfen.
Algorithmen verantwortungsvoll einsetzen
Das leitende Prinzip für algorithmische HR-Tools ist menschliche Aufsicht. Verwenden Sie Algorithmen, um Entscheidungen zu informieren, nicht um sie autonom für irgendein folgenschweres Ergebnis zu treffen, das den Beschäftigungsstatus, die Vergütung oder die Entwicklung einer Arbeitskraft betrifft. Verlangen Sie von Anbietern Transparenz darüber, wie ihre Modelle funktionieren und mit welchen Daten sie trainiert wurden. Führen Sie regelmäßige Prüfungen der Ergebnisse nach demografischen Gruppen durch. Stellen Sie sicher, dass Mitarbeitende das Recht haben, eine menschliche Überprüfung jeder algorithmisch beeinflussten Entscheidung zu verlangen, was in einigen Rechtsordnungen gesetzlich vorgeschrieben ist.
