Eine KI-gestützte Welt erfordert fortschrittlichere Talentbewertungen

Das untenstehende Diagramm fasst einen Bericht des IWF zusammen und zeigt, wie KI zunehmend einfachere Aufgaben ersetzt und Menschen bei komplexeren und nuancierteren Beurteilungen ergänzt oder unterstützt.

Diese Entwicklung ist nachvollziehbar, wenn man betrachtet, wie KI Informationen verarbeitet. Signale bewegen sich in digitalen Systemen nahezu mit Lichtgeschwindigkeit. KI ist außerdem in Komponenten organisiert, die als Vektor-Embeddings bezeichnet werden; sie übersetzen komplexe, unstrukturierte Daten in kompakte Zahlenarrays, die mathematisch verarbeitet werden können, wodurch das Ringen mit subtilen semantischen Bedeutungen entfällt.

Die neuronale Architektur des Menschen funktioniert jedoch anders. Informationen bewegen sich in den Synapsen des Gehirns mit maximal 120 m/s, und die Menge an kognitiv verarbeitbaren Daten ist begrenzt – selbst der Durchschnittswissenschaftsrechner kann weitaus komplexere Berechnungen durchführen als der intelligenteste Mensch.

Doch übertrifft KI den Menschen nicht in allen Bereichen. Trotz enormer Fortschritte der Rechenleistung sind Menschen KI in Situationen mit Unsicherheit und Komplexität, insbesondere wenn soziale Dynamik oder ethische Urteile gefragt sind, weiterhin überlegen. 

Die anpassungsfähige, flexible Natur menschlicher Entscheidungsfindung befähigt Menschen besser für Situationen, die eine integrierte und differenzierte Betrachtung erfordern – besonders unter dynamischen oder unsicheren Bedingungen.

Die Illustrationen in Abbildung 2 zeigen diese Unterschiede. Die segmentierten Strukturen der KI werden im ersten Bild sichtbar, während das menschliche Gehirn mithilfe des Konnektoms – einer Landkarte der zugrundeliegenden neuronalen Verschaltung – im zweiten Bild offengelegt wird. 

Weit entfernt von einer geordneten Ansammlung spezialisierter Bereiche besteht das menschliche Gehirn aus einer Fülle ineinandergreifender Signale verschiedener Art, die miteinander interagieren, um Bedeutung zu schaffen. Selbst der Grad seiner Vernetzung variiert je nach unterschiedlichen und dynamischen Situationen.

Dieses Verständnis der Komplexität und Vernetzung des Gehirns ist relativ neu. Wer vor 2000 Psychologie studierte, dürfte wahrscheinlich ein segmentiertes Modell kennengelernt haben, bei dem verschiedene spezialisierte Funktionen weitgehend unabhängig voneinander arbeiteten – ähnlich dem KI-Modell in Abbildung 2. 

Die Ähnlichkeit ist kein Zufall. KI-Modelle entstanden aus frühen Arbeiten der Kognitionspsychologen Herbert A. Simon und Allen Newell zum fachlichen Informationsverarbeitungsprozess.

Fortschritte in der MRT-Technologie haben seither ein tiefgehenderes Bild davon gezeichnet, wie das menschliche Gehirn tatsächlich funktioniert. Die Stärke menschlicher Urteilsfähigkeit und Anpassungsfähigkeit liegt in der sehr hohen Vernetzung unseres neuronalen Netzwerks, das es Menschen ermöglicht, Probleme aus unterschiedlichen Blickwinkeln zu betrachten, zugrundeliegende Zusammenhänge zu erkennen und auf wechselnde Menschen und Situationen flexibel zu reagieren.

Diese Fähigkeiten – jene, die eine immer größere Rolle bei der Wertschöpfung im KI-gestützten Arbeitsumfeld spielen – werden im EPOCH-Framework zusammengefasst.

Die EPOCH-Fähigkeiten

• Empathie und emotionale Intelligenz
• Präsenz, Netzwerken und Verbundenheit
• Meinung, Urteilsvermögen und Ethik
• Kreativität und Vorstellungskraft
• Hoffnung, Vision und Führung

Der Arbeitsmarkt zeigt bereits Veränderungen, die dieser Neuausrichtung entsprechen. Seit 2022 ist die Zahl der von repetitiver und strukturierter Analyse dominierten Positionen um 13 % zurückgegangen, während die Nachfrage nach Arbeit, die technisches Fachwissen oder kreatives Denken erfordert, um etwa 20 % gestiegen ist.

Laut Business-School-Professor Suraj Srinivasan spiegelt dieser Wandel den Einfluss von KI-Erweiterung wider. Für Arbeitsprozesse, die integriert und vielschichtig sind und Kreativität sowie analytisches Denken, technisches Können und differenziertes Urteilsvermögen, Regelkonformität und Fingerspitzengefühl erfordern, steigt durch den Einsatz von KI der wirtschaftliche Wert der menschlichen Komponenten. Wird KI als Ergänzung eingesetzt, kann sie den Wert menschlicher Beiträge steigern statt mindern.

Menschen geben bei Aufgaben, die eine schnelle Verarbeitung und routinemäßige Entscheidungen benötigen, möglicherweise an KI ab, aber ihre Möglichkeiten, KI zu nutzen und durch eindeutig menschliche Stärken Wert zu schaffen, dürften zunehmen. 

Auch wenn die kurzfristigen Begleiterscheinungen dieser Transformation, einschließlich großflächiger Arbeitsplatzverluste, berechtigte Sorgen auslösen, prognostiziert der IWF-Bericht langfristig bereicherte, komplexere Aufgabenprofile mit höherer Wertschöpfung. 

Einige Autoren, darunter Andrew Lopianowski und Mike Pino in ihrem bevorstehenden Buch HumanCorps, bezeichnen diese entstehende Ära als das Zeitalter der Weisheit – eine Vision, die darauf basiert, dass Menschen und KI in einer symbiotischen Beziehung zusammenarbeiten, um die Stärken beider Seiten auszuspielen.

Die Auswirkungen auf die Talentbeurteilung

Vor diesem Hintergrund stellt sich die Frage: Wie bewerten wir die Fähigkeit zur Weisheit und die EPOCH-Kompetenzen, um eine erfolgreiche Talentakquise und -entwicklung zu unterstützen? Die Antwort wird vermutlich nicht von den Tools stammen, auf die sich das Personalwesen in den letzten 50 Jahren verlassen hat. 

Da die Fähigkeiten, die für Wertschöpfung erforderlich sind, immer komplexer und integrierter werden, nimmt die Nützlichkeit von Instrumenten, die Menschen in Einzelteile zerlegen, rapide ab. Dennoch bleibt dieser Ansatz bei den meisten heutigen Talentbeurteilungstools die Norm, die versuchen, den komplexen Menschen auf vereinfachte quantitative Komponenten zu reduzieren, die als mathematische Daten ausdrückbar sind.

Es gibt mehrere Gründe, warum diese Tools für die Talentidentifizierung in einer von KI bereicherten Welt weniger nützlich sind.

1. Begrenzte prognostische Validität. Trotz ihrer weiten Verbreitung sagen die meisten dieser Tools die zukünftige Arbeitsleistung nur schlecht voraus. Eine aktuelle Metaanalyse zeigt, dass Persönlichkeit weniger als 6 % der Varianz in der Arbeitsleistung vorhersagt, während kognitive Tests mit etwa 10 % etwas besser abschneiden.
2. Ein fehlerhafter Stabilitätsansatz. Die meisten aktuellen Tools erfassen eine Momentaufnahme einer Person und behandeln diese als unveränderlichen Ausgangspunkt. Die Annahme, dass Persönlichkeit über die Zeit hinweg konsistent bleibt, ist schon in ihrer Definition verankert – „stabile, messbare Muster von Gedanken, Gefühlen und Verhaltensweisen“ –, doch inzwischen gibt es umfangreiche metaanalytische Belege dafür, dass sich Persönlichkeit im Laufe der Zeit unter dem Einfluss von Umweltreizen und persönlicher Weiterentwicklung verändert.
3. Eine fehlerhafte Annahme der Unabhängigkeit. Persönlichkeit und kognitive Fähigkeiten wurden traditionell als voneinander unabhängige Prädiktoren für Verhalten und Resultate betrachtet, doch gibt es immer mehr Hinweise darauf, dass enge Zusammenhänge zwischen der Selbstbeschreibung des Verhaltens und den tatsächlich gezeigten kognitiven Leistungen bestehen. Das ist angesichts der hochgradigen Vernetzung der Gehirnstrukturen und dem bekannten Prinzip, dass Neuronen, die gemeinsam feuern auch gemeinsam verschaltet werden, logisch.
4. Unfähigkeit, Dynamik zu erfassen. Die meisten Tools verwenden ein punktuelles Modell und können nicht abbilden, wie Menschen auf wechselnde Situationen reagieren. Wie Ric Roi und ich in Future Ready Talent hervorheben, könnte die Fähigkeit zu lernen und sich veränderten Bedingungen anzupassen das wichtigste Merkmal von Talenten sein, das Wertschöpfung vorantreibt – und dieses befindet sich im Zentrum der EPOCH-Kompetenzen.
5. Vernachlässigung der eigenen Entscheidungskraft. Die langjährigen Dunedin-Studien, die Faktoren für Lebenserfolg in Bereichen wie Gesundheit, Karriere, Wohlstand und Kriminalität untersuchten, identifizierten Selbstkontrolle als den größten Prädiktor für positive Ergebnisse – oder anders ausgedrückt: die Fähigkeit eines Menschen, sein Verhalten entsprechend der jeweiligen Situation (und nicht persönlicher Präferenzen) auszuwählen. Wenn wir einzelnen Konstrukten überproportional Gewicht beimessen, unterschätzen wir das Verhalten als Produkt der Interaktion zwischen Person und Situation, sowohl kognitiv als auch verhaltensbezogen.

Ironischerweise wären die meisten heute verwendeten psychometrischen Tools sehr gut geeignet, um KI zu bewerten. Die strukturierten, segmentierten, mathematischen Modelle, auf denen KI basiert, entsprechen weitgehend den strukturierten, segmentierten, mathematischen Modellen, die die traditionelle Talentbeurteilung definieren. 

Diese Tools mögen genügt haben, als Arbeit relativ stabil und segmentiert war. Doch in einer von KI unterstützten Arbeitswelt, die von Dynamik, Integration und komplexem Urteilsvermögen geprägt ist, stoßen sie an ihre Grenzen.

Die Entwicklung der Talentbewertung

Ein Teil des Antriebs zur Weiterentwicklung traditioneller Bewertungsinstrumente war philosophischer Natur, aber technologische Begrenzungen waren ein ebenso wesentlicher Faktor. Die Dominanz der Selbsteinschätzung, die Verbreitung von Fragebögen und die begrenzte Anzahl an Items wurden alle von einer Ära des Papier-und-Bleistift-Tests geprägt.

Mit dem Fortschritt der Technologie wurden viele dieser Instrumente digitalisiert und teilweise spielerisch aufbereitet, wodurch Durchführung, Auswertung und Interpretation effizienter und die Einbindung der Kandidaten verbessert wurden. Die zugrunde liegenden Strukturen sind jedoch größtenteils gleich geblieben. 

Die prognostische Validität hat nur begrenzte Fortschritte gemacht, selbst wenn maschinelles Lernen eingesetzt wird, um Erkenntnisse aus mehreren Instrumenten zu kombinieren.

Die bedeutsameren Fortschritte in der Talentbewertung gehen auf multi-mediale, immersive und interaktive Werkzeuge zurück: spielbasierte Assessments und Geschäftssimulationen, die strukturierte, fiktive Szenarien nutzen, um Daten über psychologische Grunddimensionen zu erheben. 

Diese Instrumente bieten mehrere signifikante Vorteile:

• Sie können in relevante Geschäftsumgebungen eingebettet werden, was die Datenqualität erhöht und Messfehler reduziert, die entstehen, wenn Kandidaten Tests absolvieren, die wenig mit ihrer tatsächlichen Arbeit zu tun haben. Sie sind zudem nicht zwangsläufig teuer. Der Einsatz von Schnellautorentools ermöglicht die Entwicklung maßgeschneiderter Bewertungen zu deutlich geringeren Kosten als je zuvor, und sie können zudem als realistische Tätigkeitsvorschau im Talentmanagement dienen.
• Sie nutzen Multimedia, was die Einbindung verbessert und die Dateneingabe vereinfacht. Kandidaten können ihre Antworten sprechen, anstatt sie zu tippen, und dies sogar in ihrer bevorzugten Sprache, was die Datenqualität weiter verbessert.
• Sie ermöglichen offenere Fragestellungen. Doktoratsforschung zu spielbasierten Assessments hat gezeigt, dass offenere Fragen zu tieferen und qualitativ hochwertigeren Einsichten führen.
• Sie können gezielt auf maximale prognostische Validität ausgelegt werden – beispielsweise durch Evidence-Centred Design, das die entscheidenden Erfolgsfaktoren fokussiert und eine rigorose Bewertung sicherstellt.
• Sie bieten die Möglichkeit, Teilnehmerreaktionen in verschiedenen und dynamischen Umgebungen zu beobachten und ermöglichen dadurch eine systematischere Sicht auf individuelle Fähigkeiten im Umgang mit wechselnden Reizen.

All dies wäre ohne KI nicht möglich, die diese Werkzeuge entlang der gesamten Prozesskette unterstützt – von der lebensechten Nachbildung komplexer Geschäftsszenarien mittels interaktivem Gameplay über die Erfassung und Analyse von Daten bis zur Durchführung komplexer Auswertungen dynamischer Wechselwirkungen zwischen gemessenen Variablen. 

Die Fähigkeit der KI, große Mengen an Daten zu verarbeiten, bildet das Fundament für diese Fortschritte.

Die Werkzeuge sind jedoch nur so valide wie ihr Design. Besonders der kreative und erzählerische Aspekt ist entscheidend, um ein Umfeld zu generieren, das als relevant und immersiv wahrgenommen wird – insbesondere, wenn Daten zu emotionalen und sozialen Dynamiken erhoben werden sollen, die zentral für die EPOCH-Kompetenzen sind. 

Eine solide psychometrische Konstruktion, die auf psychologischer Forschung und einem nuancierten Verständnis von Menschen fußt, macht die erzeugten Daten erst sinnvoll, nützlich und interpretierbar.

Diese Entwicklungen stellen eine notwendige Weiterentwicklung dar. Ohne sie würde unsere Fähigkeit, die Fähigkeiten zu identifizieren und zu entwickeln, die Wertschöpfung treiben, weiter zurückgehen. Die gleichen Dynamiken, die den Arbeitsplatz verändern, wandeln auch die Werkzeuge, mit denen wir ihn erfassen. KI ist hier nicht in erster Linie ein Ersatz für menschliches Urteilsvermögen, sondern die Infrastruktur, die tiefergehendes menschliches Urteilsvermögen überhaupt erst ermöglicht.