Eine von KI unterstützte Welt verlangt fortschrittlichere Talentbeurteilung

Die untenstehende Grafik fasst einen Bericht des IWF zusammen und zeigt, wie KI zunehmend einfachere Aufgaben ersetzt und den Menschen bei komplexeren und nuancierteren Urteilen ergänzt oder unterstützt.

Diese Entwicklung ist sinnvoll, wenn man betrachtet, wie KI Informationen verarbeitet. Signale bewegen sich in digitalen Systemen nahezu mit Lichtgeschwindigkeit. KI ist zudem in Komponenten namens Vektor-Embeddings organisiert, die komplexe, unstrukturierte Daten in kompakte Zahlenarrays übersetzen, die mathematisch verarbeitet werden können – ohne sich mit subtilen semantischen Bedeutungen auseinandersetzen zu müssen.

Die neuronale Architektur des Menschen funktioniert anders. Informationen bewegen sich mit maximal 120 m/s über die Synapsen des Gehirns, und die Menge an kognitiven Informationen, die Menschen verarbeiten können, ist begrenzt – selbst der einfachste Taschenrechner ist fähig, weitaus komplexere Berechnungen auszuführen als selbst die intelligenteste Person.

Doch übertrifft KI den Menschen nicht in allen Bereichen. Trotz rasanter Fortschritte in der Verarbeitungsfähigkeit sind Menschen KI in Situationen voller Unsicherheit und Komplexität, insbesondere wenn soziale Dynamiken oder ethische Entscheidungen gefragt sind, weiterhin überlegen. 

Das anpassungsfähige und flexible Wesen menschlicher Entscheidungsfindung macht Menschen besonders geeignet für Situationen, die einen integrierten und differenzierten Blick erfordern – vor allem bei Dynamik und Unsicherheit.

Die Abbildungen in Abbildung 2 verdeutlichen diese Unterschiede. Die strukturierten Segmentierungen der KI erscheinen auf dem ersten Bild, während das menschliche Gehirn durch den Konnektom, eine Karte des neuronalen Leitungsnetzes, erfasst wird. 

Statt einer geordneten Abfolge spezialisierter Bereiche ist das menschliche Gehirn ein Geflecht verwobener Signale unterschiedlicher Art, die interagieren, um Bedeutung zu konstruieren. Selbst das Maß an Vernetzung verändert sich als Reaktion auf unterschiedliche und sich dynamisch verändernde Situationen.

Dieses Verständnis der Komplexität und Vernetztheit des Gehirns ist relativ neu. Wer vor dem Jahr 2000 Psychologie studiert hat, könnte noch auf ein segmentiertes Modell gestoßen sein, in dem verschiedene Spezialfunktionen unabhängig voneinander agierten – ein Bild, das dem KI-Modell in Abbildung 2 ähnelt. 

Die Ähnlichkeit ist kein Zufall. KI-Modelle entstanden aus frühen Arbeiten zum Experten-Informationsverarbeitung von kognitiven Psychologen wie Herbert A. Simon und Allen Newell.

Fortschritte in der MRT-Technologie haben seitdem ein tieferes Verständnis darüber gebracht, wie das menschliche Gehirn tatsächlich funktioniert. Die Stärke menschlicher Urteilsfähigkeit und Anpassungsfähigkeit liegt in der hochgradigen Vernetzung unserer neuronalen Netzwerke, die es ermöglichen, Themen aus verschiedenen Perspektiven zu betrachten, versteckte Zusammenhänge zu erkennen und Reaktionen flexibel an wechselnde Situationen und Personen anzupassen.

Diese Fähigkeiten – die sich zunehmend zur wichtigsten Form menschlicher Wertschöpfung in einer KI-gestützten Arbeitswelt entwickeln – wurden im EPOCH-Framework erfasst.

Die EPOCH-Fähigkeiten

• Empathie und emotionale Intelligenz
• Präsenz, Networking und Verbundenheit
• Meinung, Urteilsvermögen und Ethik
• Kreativität und Vorstellungskraft
• Hoffnung, Vision und Führungskompetenz

Der Arbeitsmarkt zeigt bereits Veränderungen, die diese Neuorientierung abbilden. Seit 2022 ist die Anzahl der Positionen, die von repetitiver und strukturierter Analyse dominiert werden, um 13 % zurückgegangen. Gleichzeitig gab es eine ungefähr 20%ige Zunahme bei der Nachfrage nach Tätigkeiten, die technisches Fachwissen oder kreatives Denken erfordern.

Laut Business-School-Professor Suraj Srinivasan spiegelt dieser Wandel die Auswirkungen der KI-Erweiterung wider. Für Arbeitsprozesse, die integriert und vielschichtig sind und Kreativität sowie analytisches Denken, technisches Fachwissen und differenziertes Urteilsvermögen, Compliance und Diskretion erfordern, steigert der Einsatz von KI innerhalb des Prozesses den wirtschaftlichen Wert der menschlichen Komponenten. Wird KI als komplementäres Werkzeug genutzt, kann sie den Wert des menschlichen Beitrags erhöhen, statt ihn zu mindern.

Menschen überlassen KI inzwischen Aufgaben, die hohe Verarbeitungsgeschwindigkeit und Routine-Entscheidungen erfordern. Ihre Chancen, mit Hilfe von KI durch eindeutig menschliche Stärken Mehrwert zu schaffen, dürften jedoch wachsen. 

Auch wenn die kurzfristigen Realitäten dieses Wandels, einschließlich umfangreicher Arbeitsplatzverluste, berechtigte Sorgen hervorrufen, prognostiziert der IWF-Bericht langfristig eine Entwicklung hin zu bereichernden, komplexeren Rollen, die höhere Wertschöpfung ermöglichen. 

Einige Autoren, darunter Andrew Lopianowski und Mike Pino in ihrem kommenden Buch HumanCorps, beschreiben diese aufkommende Ära als das Zeitalter der Weisheit – eine Vision, in der Menschen und KI in einer symbiotischen Beziehung agieren, die die Stärken beider ausschöpft.

Die Auswirkungen auf die Talentbewertung

Angesichts dieser Veränderungen: Wie bewerten wir die Fähigkeit zur Weisheit und die EPOCH-Kompetenzen, um eine effektive Gewinnung und Entwicklung von Talenten zu fördern? Die Antwort wird wahrscheinlich nicht von den Tools kommen, auf die sich die Personalabteilungen in den letzten 50 Jahren verlassen haben. 

Da die für Wertschöpfung erforderlichen Fähigkeiten immer komplexer und integrierter werden, verliert der Nutzen von Werkzeugen rapide an Bedeutung, die Menschen in Einzelteile zerlegen. Dennoch bleibt dies der dominierende Ansatz der meisten heutigen Talentbewertungstools, die versuchen, komplexe Menschen auf vereinfachte quantitative Bestandteile zu reduzieren, die sich als mathematische Daten ausdrücken lassen.

Es gibt mehrere Gründe, warum diese Werkzeuge zur Talentidentifikation in einer KI-bereicherten Welt weniger zweckmäßig sind.

1. Begrenzte prognostische Aussagekraft. Trotz ihrer weiten Verbreitung sagen die meisten dieser Werkzeuge die künftige Arbeitsleistung nur schlecht vorher. Eine jüngste Metaanalyse legt nahe, dass Persönlichkeit weniger als 6 % der Varianz der Arbeitsleistung erklärt, während kognitive Tests mit etwa 10 % etwas besser abschneiden.
2. Eine fehlerhafte Annahme von Stabilität. Die meisten derzeitigen Tools nehmen einen Schnappschuss einer Person als festen Ausgangspunkt. Die Annahme, dass Persönlichkeit über die Zeit hinweg konsistent ist, ist fest in ihrer Definition verankert – „stabile, messbare Muster von Gedanken, Gefühlen und Verhalten“ – doch inzwischen gibt es zahlreiche metaanalytische Belege, dass sich Persönlichkeit im Laufe der Zeit durch Umwelteinflüsse und fortlaufende persönliche Entwicklung verändert.
3. Eine fehlerhafte Annahme von Unabhängigkeit. Persönlichkeit und kognitive Fähigkeiten wurden traditionell als voneinander unabhängige Prädiktoren für Verhalten und Ergebnisse betrachtet, aber es gibt immer mehr Hinweise darauf, dass enge Verbindungen zwischen der Selbstbeschreibung des Verhaltens und den tatsächlich gezeigten kognitiven Fähigkeiten bestehen. Das ist auch plausibel, da die Verschaltung des Gehirns hochgradig vernetzt ist und das Prinzip gilt, dass Neuronen, die gemeinsam feuern, sich auch miteinander vernetzen.
4. Unvermögen, Dynamik abzubilden. Die meisten Tools nutzen ein Punkt-zu-Zeit-Modell, das nicht erfasst, wie Menschen auf dynamische Situationen reagieren. Wie Ric Roi und ich in Future Ready Talent hervorheben, ist die Fähigkeit zu lernen und sich auf veränderte Bedingungen einzustellen vielleicht das wichtigste Talentmerkmal, das Wertschöpfung ermöglicht – und sie steht im Zentrum der EPOCH-Kompetenzen.
5. Das Versäumnis, Entscheidungen zu berücksichtigen. Die langjährigen Dunedin-Studien, in denen Prädiktoren für Lebenserfolg in Bereichen wie Gesundheit, Karriere, finanzielles Wohlergehen und Kriminalität untersucht wurden, haben Selbstkontrolle als wichtigsten Einzelprädiktor für alle genannten Ergebnisse identifiziert – also die Fähigkeit der Person, das Verhalten an die Erfordernisse der Situation und nicht an die eigene Präferenz anzupassen. Wenn wir uns zu sehr auf individuelle Konstrukte konzentrieren, unterschätzen wir Verhalten als Produkt der Interaktion zwischen Person und Situation – sowohl kognitiv als auch verhaltensbezogen.

Ironischerweise wären die meisten heute eingesetzten psychometrischen Tools sehr gut geeignet, KI zu bewerten. Die strukturierten, segmentierten, mathematischen Modelle hinter KI stimmen eng mit jenen überein, die traditionelle Talentbewertung definieren. 

Diese Tools mögen ausgereicht haben, als Arbeit relativ stabil und segmentiert war. In einer von KI unterstützten Arbeitswelt, die von Dynamik, Integration und komplexem Urteilsvermögen geprägt ist, reichen sie jedoch nicht mehr aus.

Die Entwicklung der Talentbewertung

Ein Teil des Antriebs zur Weiterentwicklung traditioneller Bewertungsinstrumente war philosophisch motiviert, aber auch technologische Begrenzungen waren ein ebenso signifikanter Faktor. Die Dominanz von Selbsteinschätzungen, die Verbreitung von Fragebögen und die begrenzte Anzahl von Items wurden alle von einer Ära der Papier-und-Bleistift-Tests geprägt.

Mit dem technologischen Fortschritt wurden viele dieser Instrumente digitalisiert und teilweise spielerisch gestaltet, was die Durchführung, Auswertung und Interpretation effizienter macht und gleichzeitig das Engagement der Kandidaten verbessert. Die zugrunde liegenden Strukturen sind jedoch weitgehend gleich geblieben. 

Die prädiktive 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 stammen von Multimedia-, immersiven und interaktiven Instrumenten, spielbasierten Assessments und Geschäftssimulationen, die strukturierte fiktive Szenarien einsetzen, um Daten über zugrunde liegende psychologische Konstrukte zu generieren. 

Diese Instrumente bieten mehrere deutliche Vorteile:

• Sie können in relevante Geschäftsumgebungen eingebettet werden, wodurch die Datenqualität verbessert und Messrauschen reduziert wird, das entsteht, wenn Kandidaten Tests absolvieren, die wenig mit ihrer tatsächlichen Arbeit zu tun haben. Sie sind zudem nicht zwangsläufig teuer. Mit schnellen Autorentools ist es möglich, maßgeschneiderte Assessments zu einem wesentlich niedrigeren Preis zu erstellen, als es historisch möglich war; zudem können sie im Recruiting als realistische Vorschau auf den Job dienen.
• Sie nutzen Multimedia, was das Engagement steigert und die Dateneingabe vereinfacht. Kandidat:innen können ihre Antworten sprechen, statt sie einzutippen, und das in ihrer bevorzugten Sprache, was die Datenqualität weiter erhöht.
• Sie ermöglichen offenere Fragestellungen. Doktorarbeiten zu spielbasierten Assessments haben gezeigt, dass offenere Fragen eine größere Tiefe und Qualität an Erkenntnissen liefern.
• Sie können für maximale prädiktive Validität durch Prozesse wie Evidence-Centred Design gestaltet werden, die genau die für den Erfolg wichtigsten Faktoren adressieren und eine rigorose Bewertung sichern.
• Sie bieten die Möglichkeit, Teilnehmende in verschiedenen und dynamischen Umgebungen zu beobachten, was eine systemischere Sicht auf individuelle Fähigkeiten im Umgang mit wechselnden Reizen ermöglicht.

All dies ist ohne KI nicht möglich, denn sie unterstützt diese Tools durch den gesamten Prozess – vom Leben komplexer Geschäftsszenarien durch interaktives Spiel über die Datenerfassung und -auswertung bis zur Durchführung komplexer Analysen dynamischer Wechselwirkungen zwischen gemessenen Variablen. 

Die Fähigkeit der KI, große Mengen an Daten zu verarbeiten, bildet die Grundlage dieser Fortschritte.

Doch die Instrumente sind nur so valide wie ihr Design. Die kreative und narrative Komponente ist unerlässlich, um eine relevante und immersive Umgebung zu schaffen – insbesondere, wenn die Instrumente Daten zu emotionalen und sozialen Dynamiken generieren sollen, die im Zentrum der EPOCH-Kompetenzen stehen. 

Solide psychometrische Konstruktion, die auf psychologischer Forschung und einem differenzierten Menschenverständnis basiert, macht die erzeugten Daten bedeutsam, nützlich und interpretierbar.

Diese Fortschritte sind eine notwendige Weiterentwicklung. Ohne sie wird unsere Fähigkeit, die Fähigkeiten, die Wertschöpfung vorantreiben, zu identifizieren und zu entwickeln, weiter zurückgehen. Die gleiche Dynamik, die den Arbeitsplatz verändert, wandelt auch die Instrumente, mit denen wir ihn verstehen. KI ist hier am wirkungsvollsten, nicht als Ersatz für menschliches Urteilsvermögen, sondern als Infrastruktur, die tiefergehende menschliche Urteile überhaupt erst ermöglicht.