Wie KI die Leistungsbeurteilung von Mitarbeitenden verändert
Künstliche Intelligenz (AI) verändert schnell, wie wir leben und arbeiten. Von intelligenten Assistenten bis hin zu fortschrittlicher Datenanalyse hat AI Einzug in nahezu jeden Geschäftsbereich gehalten – und Leistungsbeurteilungen bilden da keine Ausnahme.
In diesem Artikel untersuchen wir, wie AI den traditionellen Prozess der Mitarbeiterbeurteilung verändert, welche Vor- und Nachteile damit verbunden sind und welche Best Practices Sie berücksichtigen sollten, wenn Sie den Einsatz von AI-gestützten Leistungsbeurteilungen in Ihrem Unternehmen erwägen.
Wie AI Leistungsbeurteilungen beeinflusst
Leistungsbeurteilungen fanden früher jährlich statt (und wurden oft gefürchtet), wobei sich Mitarbeiter mit ihren Vorgesetzten zusammensetzten, um zu besprechen, was im vergangenen Jahr gut und schlecht gelaufen war. In den letzten Jahren wurde dieser Ansatz des Leistungsmanagements grundlegend überdacht, wobei Unternehmen zunehmend auf halbjährliche und vierteljährliche Beurteilungen mit größerer Regelmäßigkeit setzen.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Jetzt sorgt AI für eine weitere Umgestaltung des traditionellen Ansatzes, indem sie kontinuierliche, datengestützte Erkenntnisse liefert, die objektiver und weniger zeitaufwendig sind.
AI-gestützte Tools für Leistungsbeurteilungen zeigen zunehmend, dass sie Mitarbeiterdaten in Echtzeit analysieren und Feedback auf Grundlage tatsächlicher Kennzahlen statt menschlicher Vorurteile oder Erinnerungen liefern können.
AI kann beispielsweise Projektabschlusszeiten, Kommunikationsmuster und sogar Produktivitätsniveaus mithilfe verschiedener Tools bewerten, die in Arbeitsplatzsysteme wie Slack oder Projektmanagementplattformen integriert sind.
Ein praktisches Beispiel hierfür ist der Einsatz des Systems „Watson“ von IBM, um die Leistung von Mitarbeitern anhand einer Kombination von Datenpunkten wie Engagement, Stimmung und wichtigen Leistungsindikatoren (KPIs) vorherzusagen.
Das System liefert Führungskräften objektivere Einschätzungen und ermöglicht ihnen dadurch bessere Entscheidungen über Beförderungen, Gehaltserhöhungen oder Pläne zur Leistungsverbesserung.
Vorteile von AI bei Leistungsbeurteilungen
Der Einsatz von AI bei Leistungsbeurteilungen bietet viele potenzielle Vorteile, mit denen herkömmliche Methoden nur schwer mithalten können.
Sehen wir uns einige davon genauer an.
1. Höhere Genauigkeit und Objektivität
Theoretisch könnte AI dazu beitragen, menschliche Vorurteile und Fehler zu beseitigen. Aber machen Sie sich nichts vor: Sie ist nicht von Natur aus frei von Vorurteilen, sondern wird mit historischen Daten und dem Wissen der Menschen trainiert, die sie entwickeln. Bei richtiger Umsetzung könnte sie sich in diesem Bereich jedoch positiv auswirken.
Herkömmliche Leistungsbeurteilungen können durch Faktoren wie den Aktualitätsfehler (wenn Führungskräfte sich nur auf jüngste Ereignisse konzentrieren) oder Bevorzugung verzerrt werden. Bei AI basieren Beurteilungen auf Datenpunkten, die über einen längeren Zeitraum gesammelt wurden, und ermöglichen so eine umfassendere und fairere Bewertung der Arbeit eines Mitarbeiters.
2. Kontinuierliches Feedback
Kontinuierliches Feedback ermöglicht es Mitarbeitern, sich das ganze Jahr über anzupassen und zu verbessern, anstatt kurz vor einer Beurteilung hektisch alles nachzuholen. Und mit AI erfolgt dieses Feedback in Echtzeit, sobald Leistungsprobleme auftreten.
Laut einer Studie von Gallup sind Mitarbeiter, die täglich Feedback von ihren Vorgesetzten erhalten, dreimal engagierter als diejenigen, die einmal im Jahr Feedback bekommen.
Mit AI-gestützten Beurteilungen ist Feedback, das ein kontinuierliches Leistungsmanagement unterstützt, nicht nur möglich, sondern auch in der gesamten Organisation skalierbar.
3. Datengestützte Erkenntnisse
AI kann enorme Datenmengen verarbeiten – etwas, das Menschen einfach nicht mit derselben Geschwindigkeit leisten können. Dadurch wird individuelleres Feedback möglich. AI könnte beispielsweise Trends aufzeigen, die erkennen lassen, dass ein Mitarbeiter bei kollaborativen Projekten die beste Leistung erbringt oder bei Aufgaben unter hohem Stress besonders gut arbeitet. Dies hilft Führungskräften, gezieltere Ratschläge dazu zu geben, wie ein Mitarbeiter seine Stärken optimal einsetzen kann.
4. Geringerer Verwaltungsaufwand
Personalverantwortliche und Führungskräfte verbringen unzählige Stunden damit, Informationen zusammenzutragen, Besprechungen zu planen und Formulare für Leistungsbeurteilungen auszufüllen. AI kann einen großen Teil dieses Prozesses automatisieren, sodass sich Personalteams auf strategische Initiativen statt auf Papierarbeit konzentrieren können.
Nachteile von AI-gestützten Leistungsbeurteilungen
Trotz der offensichtlichen Vorteile gibt es auch Herausforderungen, die es im Zeitalter der AI zu bewältigen gilt, insbesondere bei der Einführung in Leistungsbeurteilungen. Es handelt sich nicht um ein perfektes System, und wie jedes Tool hat auch dieses seine Grenzen.
Mangel an emotionaler Intelligenz
KI eignet sich hervorragend für die Verarbeitung von Zahlen, kann jedoch die Feinheiten menschlicher Interaktion oder emotionaler Intelligenz nicht beurteilen. Beispielsweise könnte sie einen Mitarbeiter aufgrund von Kennzahlen wegen unzureichender Leistung markieren, ohne persönliche Umstände wie familiäre Notfälle oder psychische Probleme zu berücksichtigen.
Risiko einer übermäßigen Abhängigkeit
Auch wenn KI wertvolle Erkenntnisse liefern kann, sollte man sich nicht ausschließlich auf sie verlassen. Menschliche Intuition, Kontext und Empathie sind nach wie vor entscheidend, wenn es darum geht, den Gesamtbeitrag eines Mitarbeiters zum Unternehmen zu beurteilen.
Sollte das System außerdem ausfallen oder Schwierigkeiten haben, ist es wichtig, dass Menschen weiterhin über die Fähigkeiten verfügen, um geschäftskritische Aufgaben voranzubringen. Letztendlich wird eine Zusammenarbeit zwischen Menschen und KI den Erfolg bestimmen.
Mögliche Verzerrungen in Algorithmen
Obwohl KI darauf abzielt, Verzerrungen zu reduzieren, ist es wichtig, daran zu denken, dass KI-Systeme nur so gut sind wie die Daten, mit denen sie trainiert wurden. Wenn historische Daten verzerrt sind (z. B. wenn ein Geschlecht oder eine ethnische Gruppe gegenüber einer anderen bevorzugt wird), kann KI diese Verzerrungen unbeabsichtigt verstärken. Ein bekanntes Beispiel ist Amazons KI-Tool für die Personalgewinnung, das eingestellt wurde, weil es eine Voreingenommenheit gegenüber weiblichen Bewerbern zeigte.
Bewährte Vorgehensweisen zur Implementierung von KI-Leistungsbeurteilungen
Wenn Sie erwägen, KI für Leistungsbeurteilungen einzusetzen, sollten Sie die Implementierung sorgfältig angehen. Hier sind einige bewährte Vorgehensweisen, die Ihnen als Orientierung dienen:
Das richtige KI-Tool für Ihre Anforderungen
Nicht alle KI-Tools für das Leistungsmanagement sind gleich. Einige sind leistungsfähiger als andere, während manche kosteneffizient sind und bei bestimmten Aufgaben helfen. Prüfen Sie die spezifischen Anforderungen Ihres Unternehmens, bevor Sie ein Tool auswählen.
Manche Tools konzentrieren sich beispielsweise auf kontinuierliches Feedback, während andere umfassendere Datenanalysen anbieten. Stellen Sie sicher, dass sich das Tool in Ihre aktuelle HR-Software und Kommunikationsplattformen integrieren lässt.
Datenschutz sicherstellen
Mitarbeiterdaten sind sensibel, und jedes von Ihnen eingesetzte KI-gestützte System muss Datenschutzgesetze wie die Datenschutz-Grundverordnung (GDPR) oder das kalifornische Gesetz zum Schutz der Privatsphäre von Verbrauchern (CCPA) einhalten. Informieren Sie Ihre Mitarbeiter klar darüber, welche Daten erfasst werden und wie sie verwendet werden.
Schulen Sie Ihre Führungskräfte
KI ist nur dann nützlich, wenn die Menschen wissen, wie sie eingesetzt wird. Schulen Sie Führungskräfte darin, wie sie von KI generierte Erkenntnisse interpretieren und mit ihrem eigenen Urteilsvermögen verbinden. Es gibt viele hervorragende Führungskräfte am Arbeitsplatz, die nicht durch ein automatisiertes Verfahren ersetzt werden müssen.
Auch hier besteht das Ziel darin, Menschen im Leistungsmanagementprozess zu unterstützen und nicht zu ersetzen.
Auf Verzerrungen prüfen
Prüfen Sie Ihr KI-System regelmäßig auf Anzeichen dafür, dass Verzerrungen vorhanden sein könnten. Wenn das System Entscheidungen trifft, die eine Gruppe gegenüber einer anderen unverhältnismäßig stark bevorzugen, müssen Sie die Algorithmen oder Dateneingaben anpassen.
Wenn Sie ein KI-System in einen bestehenden Prozess integrieren, der für Ihr Unternehmen weitgehend gut funktioniert, sollten Sie außerdem die bewährten Vorgehensweisen für das Leistungsmanagement, auf denen Ihre aktuellen Prozesse basieren, erneut überprüfen. So stellen Sie sicher, dass die Einbindung von KI zum Prozess passt und nicht umgekehrt.
Anregungen für Führungskräfte zum Ausprobieren
Führungskräfte können Schwierigkeiten damit haben, KI-Erkenntnisse in echte Gespräche zu integrieren. Hier sind einige Anregungen, die dabei helfen, KI-gestütztes Leistungsfeedback mit menschlicher Interaktion zu verbinden:
- „Die KI hat festgestellt, dass sich die Zeiten für den Abschluss Ihrer Projekte in den vergangenen sechs Monaten um 15% verbessert haben. Können Sie erläutern, welche Änderungen Sie vorgenommen haben, um Ihre Effizienz zu steigern?“
- „Den Feedbackdaten zufolge sind Ihre Werte für Zusammenarbeit durchgehend hoch. Wie können wir diese Fähigkeit bei bevorstehenden Teamprojekten nutzen?“
- „KI-Daten zeigen im letzten Quartal einen leichten Rückgang bei den Kommunikationskennzahlen. Mit welchen Herausforderungen waren Sie konfrontiert, und wie können wir Sie unterstützen?“
Wie Manager Voreingenommenheit in KI-Leistungsbeurteilungen verhindern können
Voreingenommenheit in KI ist ein echtes Problem. Sie kann in jeder Phase auftreten – von der Analyse bis hin zu den Fragen zur Leistungsbeurteilung, die Sie Ihren Mitarbeitenden stellen. Um Fairness sicherzustellen, können Manager mit einigen einfachen Schritten zu einer guten Erfahrung bei der Leistungsbeurteilung beitragen:
Algorithmen überwachen und anpassen
Überprüfen Sie die Algorithmen regelmäßig, um sicherzustellen, dass sie nicht unbeabsichtigt voreingenommen sind. Mitglieder Ihrer IT-/Technologie-Teams müssen möglicherweise in diesen Prozess einbezogen werden. Sorgen Sie daher für die Unterstützung der entsprechenden Personen in dieser Abteilung.
Einige KI-Tools bieten Transparenz darüber, wie Entscheidungen getroffen werden, sodass die Personalabteilung potenzielle Probleme leichter erkennen kann.
KI und menschliches Urteilsvermögen verbinden
Wenn es so klingt, als würde ich mich wiederholen, dann tue ich das. Und das aus gutem Grund. Eine übermäßige Abhängigkeit von KI bedeutet nicht nur, dass Menschen KI zu häufig und zu schnell einsetzen. Es geht auch um die langfristigen Auswirkungen, bei denen Menschen einige ihrer Fähigkeiten aufgrund des Mangels an kognitiver Herausforderung verlieren.
Wie eine Studie der Stanford University zeigt, besteht außerdem das Problem, dass Menschen bereit sind, die Analyse oder Entscheidung der KI zu akzeptieren, selbst wenn sie falsch ist.
KI kann Daten bereitstellen, aber nicht alles erfassen. Manager sollten immer die individuelle Situation, die Fähigkeiten und die Beiträge der Mitarbeitenden berücksichtigen, die über das hinausgehen, was das KI-System berichtet.
KI im Personalwesen – ob im Leistungsmanagement oder in der Personalbeschaffung – erfordert weiterhin eine menschliche Note.
Vielfältige Trainingsdaten
Je vielfältiger die Daten sind, mit denen das KI-System trainiert wird, desto geringer ist die Wahrscheinlichkeit, dass es Voreingenommenheiten entwickelt. Stellen Sie sicher, dass Ihr KI-Anbieter sich zur Verwendung vielfältiger und repräsentativer Datensätze verpflichtet.
Möchten Sie über alle aktuellen Entwicklungen in den Bereichen KI, HR-Technologie und Personalmanagement auf dem Laufenden bleiben? Abonnieren Sie den People Managing People-Newsletter, um die neuesten Erkenntnisse, Expertentipps und Trendanalysen direkt in Ihrem Posteingang zu erhalten.
