{"id":11029,"date":"2013-09-17T08:06:25","date_gmt":"2013-09-17T06:06:25","guid":{"rendered":"https:\/\/towerconsult.de\/bewerberblog\/?p=11029"},"modified":"2016-06-08T16:40:33","modified_gmt":"2016-06-08T14:40:33","slug":"data-mining-3","status":"publish","type":"post","link":"https:\/\/towerconsult.de\/bewerberblog\/2013\/09\/data-mining-3\/","title":{"rendered":"Data Mining (3) – Recht und Ethik"},"content":{"rendered":"

Heute d\u00fcrfen wir euch den dritten und letzten Teil aus Jans Serie zum Thema Data Mining bei der Personalauswahl pr\u00e4sentieren.<\/em><\/p>\n

In Teil 1<\/a> und Teil 2<\/a> des Artikels habe ich Data Mining als ein m\u00e4chtiges Werkzeug bei der Analyse von gro\u00dfen Datenmengen vorgestellt, aber auch die zahlreichen Schwierigkeiten und Herausforderungen aufgezeigt, die bei der Anwendung auftreten k\u00f6nnen. Im letzten Teil m\u00f6chte ich mich noch einem Punkt widmen, der f\u00fcr die konkrete Anwendung von entscheidender Bedeutung ist aber trotzdem h\u00e4ufig nicht beachtet wird: Die rechtlichen und ethischen Aspekte der Datenanalyse.<\/p>\n

Rechtliche Aspekte<\/h3>\n

Rechtliche Aspekte k\u00f6nnen bei der Anwendung von Data Mining einerseits durch das Bundesdatenschutzgesetz (BDSG)<\/a> relevant werden, andererseits durch das Antidiskriminierungsgesetz.<\/p>\n

Das Antidiskriminierungsgesetz schr\u00e4nkt die Informationen ein, die man f\u00fcr den Data Mining-Prozess verwenden darf. Das hei\u00dft, man sollte bestenfalls erst gar nicht damit anfangen, Informationen wie Geschlecht oder Religion f\u00fcr die Entscheidungsfindung heranzuziehen. Einzige Ausnahme: die Kontrolle, ob die eigenen Entscheidungstr\u00e4ger eventuell selbst unbemerkt und unterbewusst diskriminieren. Ergibt das Data Mining-Verfahren f\u00fcr eine bestimmte Gruppe, z.B. Ausl\u00e4nder systematische Unterschiede zwischen objektiver Eignung und tats\u00e4chlicher Entscheidung des Personalers, so kann eine unterbewusste Entscheidungsverzerrung vorliegen.<\/p>\n

Mit dem BDSG kommt man nur dann in Konflikt, wenn personenbezogene Daten verwendet werden. Das ist dann ein Problem, wenn beispielsweise die Leistung bestehender Mitarbeiter analysiert werden und in die Datenbank aufgenommen werden soll, um die zuk\u00fcnftige Personalauswahl zu unterst\u00fctzen. Wenn der Datensatz hingegen mit der Entscheidung „Einstellung“ oder „Ablehnung“ abgeschlossen ist, dann k\u00f6nnen die Informationen auch ohne Personenbezug gespeichert werden und das BDSG wird nicht ber\u00fchrt.<\/p>\n

Wenn die Profile neuer Bewerber hingegen mittels Data Mining ausgewertet werden sollen, so geschieht das ja in jedem Fall personenbezogen. Hier wird das BDSG noch einmal relevant: Denn das verbietet nach \u00a76a z.B. eine automatisierte Vorauswahl von Bewerbern.<\/p>\n

Data Mining darf dementsprechend nur ein Baustein einer Entscheidungsfindung sein und zus\u00e4tzliche Informationen liefern. Dementsprechend muss sich wohl kein Personaler sorgen machen, dass in Zukunft ein Computer die Auswahl geeigneter Bewerber \u00fcbernimmt. Andererseits sollte man der Technologie offen gegen\u00fcbertreten, denn sie hat in den vergangenen Jahren schon Viele eines Besseren belehrt, die meinten: „Das kann ein Computer nicht besser, als ein Mensch.“.<\/p>\n

Ethische Bedenken<\/h3>\n

Neben den rechtlichen Aspekten gibt es nicht zuletzt h\u00e4ufig ethische Bedenken. Dabei scheint es, dass auch in diesem Bereich die gr\u00f6\u00dfte Kritik von Personen kommt, die sich am wenigsten mit dem Thema auskennen. Das kennt man ja schon von der Ablehnung von Egoshootern, Drogen, Ausl\u00e4ndern und Social Media.<\/p>\n

Die Schufa steht beispielsweise h\u00e4ufig in der Kritik, z.B. wenn eine Person angeblich nur deswegen keinen Kredit erh\u00e4lt, weil sie in einem „schlechten“ Stadtteil wohnt. Jeder muss sich seine eigene Meinung dar\u00fcber bilden. Man sollte aber das generelle Vorhandensein einer Informationsasymmetrie nicht demjenigen anlasten, der mit den besten ihm zur Verf\u00fcgung stehenden Mitteln versucht, diese zu \u00fcberwinden.<\/p>\n

Die Schufa ist nicht daf\u00fcr verantwortlich, dass ein Kreditgeber nicht von au\u00dfen erkennt, ob der Kreditnehmer vertrauensw\u00fcrdig ist. Die Alternative zu einer Schufa-Bewertung w\u00e4re, dass einfach jede Person einen Kredit bekommt und zwar zu einem hohen Durchschnittszinssatz, sodass die vertrauensw\u00fcrdigen Kreditnehmer, die jeden Monat ihre Raten p\u00fcnktlich \u00fcberweisen, f\u00fcr diejenigen mitbezahlen, die \u00fcber ihre Verh\u00e4ltnisse gelebt haben und deren Kredite dadurch geplatzt sind. Dadurch w\u00fcrde eine viel gr\u00f6\u00dfere Anzahl an Menschen benachteiligt werden, als es mit einem Kreditrating der Fall ist, bei dem einige wenige falsch „einsortiert“ werden. Die L\u00f6sung ist nicht optimal aber die bestm\u00f6gliche aller schlechten L\u00f6sungen.<\/p>\n

Weiterhin ist ein Data Mining-Algorithmus objektiv und diskriminierungsfrei. Nur Merkmale, die das Ergebnis beeinflussen, werden durch ihn verwendet. Es ist egal, welche Hautfarbe oder welches Geschlecht jemand hat, ob er alt oder jung ist oder wer seine Eltern sind, sofern sich diese Dinge nicht auf seine Performance auswirken.<\/p>\n

Anwendungsm\u00f6glichkeiten<\/h3>\n

In Bezug auf die Personalauswahl kann ich mir nun zwei gro\u00dfe Anwendungsm\u00f6glichkeiten vorstellen:<\/p>\n

    \n
  1. Kann man mithilfe von Data Mining aktuell verwendete Eignungskriterien \u00fcberpr\u00fcfen (z.B. Studiendauer, Abschlussnote, Branchenerfahrung) oder neue Kriterien finden, die bisher unbeachtet blieben um diese dann „per Hand“ anzuwenden. Das ist also der Fall der Abh\u00e4ngigkeitsentdeckung.<\/li>\n
  2. Kann man f\u00fcr konkrete Bewerber Prognosen erstellen und so die (Vor)auswahl unterst\u00fctzen. Hierbei geht man von fr\u00fcheren F\u00e4llen aus und versucht anhand deren Eigenschaften die neuen Bewerber der Kategorie „Gut“ oder „Schlecht“ zuzuordnen.<\/li>\n<\/ol>\n

    Ein Teilaspekt des zweiten Punktes ist es, m\u00f6gliche Wahrnehmungsverzerrungen des Entscheidungstr\u00e4gers aufzudecken und zu verhindern. Stellen weibliche Entscheider beispielsweise seltener weibliche, als m\u00e4nnliche Bewerber ein, obwohl objektiv die gleiche Eignung besteht, so kann eine Analyse dieses Verhalten aufdecken.<\/p>\n

    Das sch\u00f6ne ist, dass ein Data Mining-Verfahren st\u00e4ndig hinzulernt, da immer neue F\u00e4lle die Datenbasis, auf die sich die Entscheidungen st\u00fctzen, verbessern.<\/p>\n

    Ausblick<\/h3>\n

    Die Anwendung wird sich zun\u00e4chst wahrscheinlich auf gro\u00dfe Konzerne oder Personalvermittler konzentrieren, da es in absehbarer Zeit wohl keine allgemeing\u00fcltigen Ans\u00e4tze geben wird und in kleinen Unternehmen erstens die Datenbasis zu klein ist, um sinnvolle Informationen zu generieren und es sich zweitens nicht lohnt, ein teures Data Mining-System hochzuziehen.<\/p>\n

    Weiterhin ben\u00f6tigen unterschiedliche Branchen ganz verschiedene L\u00f6sungen. Beispielsweise f\u00e4llt es in den USA Transportunternehmen ausgesprochen schwer, geeignete Truck-Fahrer zu finden und diese langfristig an das Unternehmen zu binden, um Kosten zu senken. Eine Analyse von 500 Unternehmen hat Einflussfaktoren ergeben, die sich positiv auf die Mitarbeiterbindung auswirken. Dabei wurden Zusammenh\u00e4nge aufgedeckt, die man mit „blo\u00dfem Auge“ nicht erkannt h\u00e4tte, z.B., dass eine h\u00f6here Entlohnung die Bindung an das Unternehmen nur bei \u00e4lteren Fahrern erh\u00f6ht und auch nur dann, wenn diese f\u00fcr ein kleines Unternehmen mit einem geringen Anteil an Teilzeitkr\u00e4ften arbeiten. Solche Ergebnisse kann man nicht mit einem standardisierten Softwarepaket hervorbringen, hier ist individuelles Consulting n\u00f6tig.<\/p>\n

    Die Personalauswahl ist eine ausgesprochen schlecht strukturierte Entscheidungssituation, die Abgrenzungs- Wirkungs- und Bewertungsdefekte vereint und damit f\u00fcr standardisierte Methoden eigentlich ein Albtraum ist. Andererseits sind es genau solche komplexen Probleme, bei denen Data Mining die gro\u00dfe Chance bietet, bisher unentdeckte Informationen aufzusp\u00fcren und nutzbar zu machen. Klar ist, dass die Methoden (schon aus rechtlichen Gr\u00fcnden) immer nur zur Unterst\u00fctzung von Entscheidungen dienen k\u00f6nnen, letztlich aber immer noch erheblicher Interpretations- und Bewertungsspielraum f\u00fcr die Entscheidungstr\u00e4ger bleibt. Ich bin gespannt, wann entsprechende Methoden das Interesse von Forschung und Praxis wecken.<\/p>\n","protected":false},"excerpt":{"rendered":"

    Heute d\u00fcrfen wir euch den dritten und letzten Teil aus Jans Serie zum Thema Data Mining bei der Personalauswahl pr\u00e4sentieren. In Teil 1 und Teil 2 des Artikels habe ich Data Mining als ein m\u00e4chtiges Werkzeug bei der Analyse von gro\u00dfen Datenmengen vorgestellt, aber auch die zahlreichen Schwierigkeiten und Herausforderungen aufgezeigt, die bei der Anwendung […]<\/p>\n","protected":false},"author":41,"featured_media":16993,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[100],"tags":[],"_links":{"self":[{"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/posts\/11029"}],"collection":[{"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/users\/41"}],"replies":[{"embeddable":true,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/comments?post=11029"}],"version-history":[{"count":0,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/posts\/11029\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/media\/16993"}],"wp:attachment":[{"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/media?parent=11029"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/categories?post=11029"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/towerconsult.de\/bewerberblog\/wp-json\/wp\/v2\/tags?post=11029"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}