[10]1.1 Beschäftigungseffekte von KI

KI unterstützt uns in der Werkshalle, in der Krebserkennung und in der Steuerprüfung. Sie ist als Bedrohungsszenario aktuell ein beliebtes Füllsel in der Berichterstattung. Was wissen wir heute wirklich über den Arbeitsverlust der nächsten Jahre? Studien geben langfristig eher Entwarnung, da es keine Hinweise darauf gebe, dass der technologische Fortschritt zu weniger Beschäftigung führt (vgl. Matthes/Dauth et al. 2019). Sie konstatieren vielmehr Strukturverschiebungen zwischen Branchen und Jobprofilen, wo das Wachstum vor allem im Bereich Automotive zurückgeht und sich im Dienstleistungssegment stark beschleunigt. Für Beschäftigte in der Industrie wird eine Stabilisierung des Arbeitsverhältnisses erwartet, wenn sich der Einsatz von Industrierobotern intensiviert und über natürliche Fluktuation ausgeglichen wird (vgl. Dauth/Findeisen et al. 2017). Die Zukunftsforschung prognostiziert gar für die kommenden 15 Jahre eine Ära der Vollbeschäftigung, trotz einer Million automatisierter Arbeitsstellen pro Jahr bis 2025 (vgl. Jánszky 2018, S. 17). Allein durch den demografischen Trend der Babyboomer-Verrentung entsteht eine Lücke aufgrund fehlender Arbeitskräfte, nach Abzug der durch die Automatisierung entfallenen Stellen.

Strukturelle Arbeitslosigkeit wird dennoch nicht ausbleiben bei Arbeitskräften mit geringer oder veralteter Ausbildung. Zunächst trifft es die einfachen Jobs an der Kasse, im Logistikzentrum oder im Fastfood-Restaurant. Sie fallen weg oder werden zu monotonen Ausführungsaufgaben im Takt einer Maschine. Der Deutsche Gewerkschaftsbund (DGB) rechnet mit einer Spaltung in zwei Klassen: Auf der einen Seite profitieren Spezialistinnen, die Maschinen beaufsichtigen, von mehr Verantwortung und Know-how und auf der anderen Seite erleben sich ungelernte Kräfte als Anhängsel von Maschinen (vgl. Scherer 2021). Ungelernte Helferinnen führen Befehle von Maschinen aus und werden weiter dequalifiziert, da ihre Erfahrung und ihr Fachwissen nicht mehr erforderlich sind. Je mehr anspruchsvolle Aufgaben die KI im Zuge der Automatisierung übernehmen kann, desto mehr Arbeitsstellen werden auch in der Mittelschicht verschwinden. Gegenüber der KI haben sie schlechte Karten, denn smarte Software ist unendlich skalierbar und damit zunehmend günstiger, je mehr Volumen abgewickelt wird. Prominentes Beispiel ist der Google-Suchalgorithmus, der jeden Tag mehrere Milliarden Suchanfragen verarbeitet und dabei keine Ermüdungserscheinungen zeigt. Betroffen vom Jobverlust in der Mittelschicht sind Fachkräfte in Banken, Versicherungen oder administrativen Bereichen.

Die Statistik des OECD Employment Outlook 2019 (s. Abb. 1.2) zeigt, dass 18,4 Prozent der deutschen Arbeitsplätze von Automatisierung bedroht sind, egal ob mit KI oder ohne. Das betrifft alle Arbeitskräfte, deren Aufgaben zu mindestens 70 Prozent auch von einer Maschine erledigt werden könnten (vgl. OECD 2019). Die Unterschiede zwischen den Ländern hängen von der jeweiligen einheimischen Wirtschaftsstruktur ab. Durch die Stärke in klassischen Industrien, wie dem Automobilbau, sind in Deutschland vergleichsweise mehr Jobs in Gefahr als in den USA mit einem breiteren Dienstleistungssektor. Das amerikanische Forschungsteam Frey und Osborne hat in einer Studie prognostiziert, dass 47 Prozent der Berufe in den USA automatisierbar sind (vgl. Frey/Osborne 2013). Grenzen der Automatisierung sehen sie in drei Bereichen (vgl. BPM 2019):

1. Wahrnehmungs- und Manipulationsaufgaben: Menschen können sich besser als Maschinen in komplexen, unstrukturierten Umgebungen zurechtfinden.
2. Kreative, intelligente Aufgaben: Reimen, Musik komponieren, dichten oder konzeptionieren ließen sich automatisieren, dies würde jedoch von der Gesellschaft nicht als »kreativ« akzeptiert.
3. Sozial intelligente Aufgaben: Menschen nutzen soziale Intelligenz, wenn sie verhandeln, überzeugen oder andere pflegen.

Wie diese Forschungsergebnisse zeigen, existieren reichlich Studien, die wahlweise positive und negative Beschäftigungseffekte prognostizieren. Zuversicht herrscht vornehmlich in den Bereichen IT, Vertrieb, Marketing, Service sowie Forschung und Entwicklung (vgl. Rump/Eilers 2020b, S. 152). Wir sind mit wachsendem Fachkräftemangel in Digital- und Datendisziplinen konfrontiert, aber auch im Handwerk, in Kreativberufen oder in der Pflege (vgl. Radomsky 2019, S. 29). Ausgehen wird uns die Arbeit wohl nicht, stattdessen verschieben sich die Anforderungen an menschliche Arbeit und es steigt in Teilen auch die Nachfrage. So prognostiziert z. B. der HR-Report 2019 in den nächsten fünf Jahren im Hinblick auf die Altersgruppe über 50 Jahre den stärksten Effekt im Kundenservice, für den trotz Digitalisierung ein hoch bleibender Bedarf an qualifizierter persönlicher Beratung erwartet wird (vgl. Eilers/Möckel et al. 2019). [12]Hinsichtlich der erforderlichen Kompetenzen rangierten im HR-Report bei den Soft Skills Lernbereitschaft und Teamfähigkeit weit oben. Zukunftsforscher Sven Gábor Jánszky bleibt gelassen, schließlich habe sich die menschliche Intelligenz auch von Generation zu Generation weiterentwickelt, weshalb wir nach seinen Erwartungen massenhaft neue Jobs dazugewinnen werden (vgl. Jánszky 2018, S. 21).

Wir werden um eine Qualifizierungsoffensive für diejenigen, die nicht den Anschluss verlieren wollen, nicht herumkommen. Die Datenflut erfordert neue Wissenscluster und Lernformen. Entweder wir organisieren digitale Bildung, die auf die Jobs von morgen vorbereitet, oder wir verlieren Teile der Gesellschaft. Die Bundesregierung erhebt KI-Kompetenz zur entscheidenden Größe für Wachstum, Arbeitsplätze und Wohlstand und investiert fünf Milliarden Euro bis 2025 in Forschungsprojekte und Beratung von Unternehmen (vgl. Scherer 2021).

1.2 Auf der Welle neuer Geschäftsmodelle

Wie sieht es für die Unternehmerinnen und Managerinnen aus? Künstliche Intelligenz wirkt nicht nur auf einfache Angestellte, sondern auch auf viele Management-Teams bedrohlich. Für die meisten von ihnen birgt KI mindestens so viele Chancen wie Risiken. Abwarten ist dennoch keine Option, die Welle rollt unaufhörlich. Gemäß einer globalen Studie der Wirtschaftsprüfungsgesellschaft Deloitte halten vier von fünf Unternehmensverantwortlichen KI für erfolgskritisch (vgl. Deloitte 2020). Digitale Plattformen werden smarte KI-Systeme so in ihre Ökosysteme einbinden, dass wir neue Verzahnungen von Unternehmen, Menschen und Maschinen erleben werden. Die Arbeitsgruppe Geschäftsmodellinnovationen der Plattform Lernende Systeme skizziert ein Zukunftsbild auf Basis von fünf Weichenstellungen (vgl. Boll-Westermann/Faisst et al. 2019):

• Plattformen und Ökosysteme: KI-basierte Geschäftsmodelle gründen auf umfangreichen Trainingsdaten, die häufig von Datenplattformen stammen, wo sie ausgewertet werden, um Muster zu erkennen oder Vorhersagen zu treffen. Unternehmen brauchen häufig Partner, um datengetriebene Geschäftsmodelle zu realisieren, so entstehen digitale Plattformen, auf denen Organisationen in Ökosystemen zusammenarbeiten.
• Neue Vernetzungsformate: KI-basierte Geschäftsmodelle auf gemeinsamen Plattformen führen zu neuen Formen von Vernetzung. Unternehmen bieten datengetriebene Produkte und Services an, sie können zugleich selbst Daten und Wissen anderer Unternehmen nutzen oder ihre Datenschätze den Partnern anbieten.
• Smarte Produkte und Dienstleistungen: Digitale Produkte und Dienstleistungen erfassen und verarbeiten im Betrieb oder durch Nutzung laufend Daten. Aus der Analyse dieser Daten lassen sich die Angebote veredeln und weiterentwickeln oder es entstehen neue Produktideen.
• Neue Freiheit im Geschäftsmodell-Design: Physische Güter sind limitiert durch erforderliche Ressourcen, Logistik, Haltbarkeit oder Lagerhaltung. Digitale Güter bieten dagegen viel höhere Freiheitsgrade beim Design von Geschäftsmodellen. Unternehmen verschenken z. B. digitale Güter gezielt an neue Kundinnen, in Form sogenannter Freemiums, um sie zu einer langfristigen Nutzung zu motivieren, Nutzungsdaten zu generieren oder Werbung besser zu platzieren. Im KI-Zeitalter entwickeln sich die ökonomischen Spielregeln weiter, denn KI-basierte Geschäftsmodelle benötigen Daten, die mithilfe lernender Systeme analysiert werden.
• [13]Unternehmensübergreifende Geschäftsmodelle: Mobilitäts-Apps z. B. überschreiten Unternehmensgrenzen. Sie optimieren die Reiserouten, berücksichtigen individuelle Präferenzen für Verkehrsmittel und -wege, berechnen die schnellsten und billigsten Transportmittel über verschiedene Dienstleister hinweg, stellen das Ticket bereit und rechnen anbieterübergreifend ab. Lernende Systeme ermöglichen ganz neue Produkte und können in Echtzeit maßgeschneiderte und personalisierte Lösungen konfigurieren oder fertigen.

Wer KI nicht nur zur Digitalisierung seines heutigen Geschäftes nutzt, sondern für neue Geschäftsmodelle und Geschäftsprozesse, der kann künftigen Unternehmenserfolg sichern (vgl. Lichtenthaler 2020, S. 24). Es geht für Unternehmen um mehr als nur Technologieentwicklung: Viel interessanter sind die KI-Marktanwendungen.

Auch in HR müssen Führungskräfte nicht zwingend in die Tiefe der Technologie aufbrechen, sondern sollten zunächst die Wechselwirkungen zwischen KI-Technologie und Anwendungen in der Praxis ihrer Unternehmen verstehen:

• In welchen Bereichen können wir mit KI unser Geschäftsmodell erweitern, neue Services vermarkten und Probleme unserer Kundschaft lösen?
• In welche Richtung entwickeln wir dann unsere Aufbau- und Ablauforganisation?
• Wie managen wir künftig die Kundinnen-Beziehungen und alle Backend-Prozesse?
• Welche Talente brauchen wir dafür und wie positionieren wir uns im Wettbewerb?
• Welches Fachwissen benötigen wir in den Teams und wie vermitteln wir es den Menschen?
• Wie interpretieren wir Führung und Karriereplanung?
• Wie gestalten wir Teams und Entscheidungsprozesse?
• Welche Analytik hilft uns, das komplexe Geflecht zu steuern?

Ein neues Geschäftsmodell, das z. B. nicht mehr Drucker produziert, sondern Druckersysteme vorausschauend wartet, ändert die Spielregeln und Kernprozesse des Unternehmens. HR sollte sich nicht darauf beschränken, KI-Tools in HR-Prozesse zu integrieren, sondern die Innovation des eigenen Geschäftsmodells mitdenken. Maschinelle Intelligenz als neue Unternehmensanalytik kann Innovationsideen für intelligente Wertschöpfung generieren (vgl. Vollmer/Poppenborg 2018, S. 25). In einer sich selbst organisierenden Fabrik wollen ethische Rahmen verhandelt und gesteuert werden, um intelligente Maschinen in unsere Wertesysteme einzupassen. Verantwortungsträgerinnen mit neuen Qualitäten können identifiziert und entwickelt werden. Wer, wenn nicht HR, ist hier in einer Führungsrolle? In einer Führungsrolle, die nichts vorgibt, sondern Menschen im Unternehmen einbindet. Wenn es gelingt, die Lust am disruptiven Denken, digitalen Arbeiten und agilen Entscheiden freizulegen, dann ist mindestens die Hälfte des Weges schon geschafft.

[14]1.3 KI für Personalentscheidungen

Bei allem Werben für eine unternehmerische Sicht auf KI für neue Geschäftsmodelle stehen in diesem Buch KI-Anwendungsfälle in HR-Prozessen im Vordergrund. Ziel ist, Personalaufgaben besser und einfacher zu gestalten, vor allem aber so, dass sie den Wandel zur Arbeitswelt der Zukunft (New Work) begleiten. Manche HR-Verantwortlichen ziehen sich in der Diskussion darauf zurück, KI weit von sich zu weisen, mit der Begründung, man könne doch einer Maschine nicht überlassen, welche Bewerberin eingestellt oder welche Mitarbeiterin befördert werde. Das Argument scheint überzogen, da vermutlich keine Bewerberin eine Stelle, ob Hospitanz oder Vorstandsjob, nur aufgrund eines KI-Scores bekommen wird. Positiv-Entscheidungen delegieren wir heute nicht an Maschinen, wohl aber Negativ-Entscheidungen, z. B. im Rahmen einer Vorauswahl bei Hunderten von Bewerbungen. Ist das unfair? Die Realität von untersuchten Anwendungsfällen zeigt das Gegenteil. Der Einsatz von KI-Technologie kann standardisieren und objektivieren, für eine vergleichbare Entscheidungsbasis ohne Diskriminierung sorgen. Je höher das Volumen, desto mehr schlägt das Objektivitätspendel in Richtung KI. Kognitive Systeme können Komplexität für menschliche Entscheiderinnen systematisch reduzieren, um diese in der Entscheidung zu unterstützen. Im besten Fall nutzt HR die Technologie als Unterstützung, um eigene Entscheidungen fundierter treffen zu können:

• Denken wir an die unzähligen Kommentare in Freitextfeldern von Personalbefragungen, die neun Monate später noch zur Auswertung auf dem Schreibtisch der Praktikantin liegen. Was, wenn eine KI sie im Handumdrehen zusammengefasst und analysiert hätte und daraus einen Katalog voller Handlungsempfehlungen generieren würde?
• Wie lange befanden sich die 480 Bewerbungsunterlagen zu der heiß begehrten Marketingstelle zuletzt im Posteingang, weil die zuständige Kollegin gerade im Urlaub war? Was, wenn eine KI die Unterlagen nach definierten Erfolgskriterien durchkämmt hätte und dabei auch bei Nummer 478 noch genauso aufmerksam gewesen wäre wie zu Beginn?
• Wie weit reicht die Social-Media-Recherche des Recruiting-Teams, wenn es um internationale Spezialistinnen geht? Was, wenn eine KI weltweit nach dem gesuchten Toptalent fahnden würde?

An Tools mangelt es heute in den meisten Fällen nicht, komplexe Rekrutierungssysteme begleiten eine Bewerbung durch den Prozess und archivieren jeden Schritt der Stellenbesetzung. Trotzdem hängen immer wieder Bewerberinnen in der Luft, springen ab oder scheitern in der Probezeit. Nicht nur Recruiterinnen jammern über Zeitfresser beim Sichten und Vorauswählen, auch Kandidatinnen wünschen sich effizientere Prozesse und verlässlichere Zeitpläne (vgl. Nuernberg 2019, S. 20).

Verschwendung von Ressourcen lässt sich entlang der Wertschöpfungskette in der Personalarbeit an vielen Stellen ausmachen: Bewerberinnen warten zu lange auf Rückmeldung; in der Auswahl werden ungeeignete Kandidatinnen zum Gespräch eingeladen oder es werden Interviews geführt, die nicht vergleichbar sind; das Training beinhaltet Seminare, die keinen Mehrwert im Alltag bringen; bei der Bonusregelung werden Erfolgszahlungen ohne Motivationswirkung ausgeschüttet. Datengestützte Entscheidungen, Frühwarnsysteme oder Risikoszenarien fehlen in vielen HR-Bereichen, die vielleicht auch aus diesem Grund oft als Verwaltungsapparat und Kostenfaktor angesehen werden.

Die Reise beginnt daher im eigenen Vorgarten der Funktion Personal, dort, wo Verwaltungsprozesse automatisiert werden können, damit die HR-Expertinnen den Kopf freibekommen, indem sie das Poten[15]zial von KI nutzbar machen, um menschenzentrierte Strategien für die Zukunftsgestaltung zu entwickeln und umzusetzen. Viele HR-Teams werden auf diesem Weg Neues über IT-Strukturen und Schnittstellen technologischer Anwendungen lernen (müssen), aber auch sogenannte weiche Kompetenzen wie Entscheiden in Ambiguität, Selbstorganisation und Selbstlernkompetenz erwerben. Aus ihnen werden unternehmerische Vordenkerinnen hervorgehen, die das Potenzial der technologischen Zukunft überblicken und eine komplexe Problemstellung angehen: Wie lassen sich Wert und Sinnstiftung des Unternehmens aus der Verbindung von Menschen und KI steigern?

Auch im nächsten Schritt des Rekrutierungsprozesses können smarte Algorithmen den Berg eingegangener Bewerbungen anhand definierter Kriterien durchforsten, um die Talente mit der höchsten Wahrscheinlichkeit für eine gute Passung zu identifizieren. Entlastung verspricht die Technologie dort, wo ein hohes Volumen repetitiver, prozeduraler Aufgaben anfällt. In einer weltweiten Studie mit 9.000 Recruiterinnen und Personalentscheiderinnen hat LinkedIn die Einstellung zu KI in der Rekrutierung erhoben. Die Befragten zeigten eine Präferenz für die Entlastung von Routineaufgaben, z. B. bei der Analyse von Bewerbungsunterlagen und Terminorganisation (vgl. LinkedIn 2018). Wie die nachfolgende Abbildung zeigt, erhoffen sie sich vom KI-Einsatz vor allem Zeitersparnis.

[16]KI lässt sich heute in vielen Instrumenten bei der Personalarbeit einsetzen, um HR-Probleme besser zu lösen, Prozesse zu automatisieren oder Daten nutzbringend zu analysieren und bessere Entscheidungen zu treffen. Die Fragen in der folgenden Checkliste liefern Anhaltspunkte, wann es sich lohnt, über den Einsatz von KI nachzudenken.

Dieses Buches liefert praktische Ansatzpunkte zur Beantwortung dieser und entsprechender Fragen, mit Anwendungsfällen von KI, die Mehrwert bringen für die Funktion HR sowie ihre internen und externen Kundinnen. Nach einer Betrachtung der Transformationswellen rund um Technisierung und New Work sowie deren Einfluss auf die Erwartungen an HR im zweiten Kapitel werden im dritten Kapitel relevante Begrifflichkeiten der Technologie erläutert. KI-Systeme werden hier nicht als »mystische Superkräfte« betrachtet, sondern als Computerprogramme, die selbstständig neues Wissen generieren können. Sie leben von Daten, die von außen kommen, und nutzen Verfahren, um Datenverarbeitung zu automatisieren. Entlang der Wertschöpfungskette von HR geht es dann im vierten Kapitel um verschiedene Anwendungsfälle von KI in Personalprozessen, wobei KI-Tools im Einsatz beschrieben werden. Kapitel fünf bietet eine Grundlage für erste Schritte zu eigenen KI-Projekten, mit dem Anspruch der Praxisrelevanz von KI für HR. Sicherlich sind die Anwendungsmöglichkeiten abhängig von den individuellen Bedingungen vor Ort, dem Volumen im Prozess, der IT-Landschaft, den verfügbaren Ressourcen und der Datenqualität. Das Buch liefert grundlegende Anregungen in Form von KI-Use-Cases mit Mehrwert für alle Beteiligten. Im sechsten Kapitel wird mit Fragen zu Datenschutz, Ethik, Kooperation und Mitbestimmung der kulturelle Nährboden für Künstliche Intelligenz im Unternehmen betrachtet, mit dem Ziel, Akzeptanz für die neue Interaktionsform zu schaffen. Abschließend geht es in Kapitel sieben um die neue Rolle von HR im Change-Management auf dem Weg zu neuen Unternehmens- und Arbeitsformen, bevor das achte Kapitel einen Ausblick auf Be- und Entgrenzung von KI in der Zukunft wagt.