Warum datengetriebene Assessments oft gleiche Fehlerquoten aufweisen
Datengetriebene Assessments und intelligente Algorithmen spielen im Personalbereich eine immer wichtigere Rolle. Sie ersparen Personalverantwortlichen viel Zeit und Papier. Job-Kandidaten müssen keine langen Fahrtstrecken in Kauf nehmen. Gerade bei jungen Bewerbern erfreuen sich derartige Verfahren großer Beliebtheit und steigern die Attraktivität des potenziellen Arbeitgebers. Anbieter solcher Online-Tests verzeichnen eine wachsende Nachfrage, nicht zuletzt, weil die Unternehmen davon ausgehen, auf diese Weise Kosten sparen, den Einstellungsprozess beschleunigen und ihre Treffsicherheit bei der Personalauswahl erhöhen zu können. Experten warnen jedoch davor, zu hohe Erwartungen an datengetriebenen Assessments zu stellen. So viel diese auch leisten mögen: Sie sind kaum fähig, soziale Kompetenzen wie Einsatzbereitschaft, Zielorientierung, Motivation, Konfliktvermögen oder Kommunikation zu bewerten.
Wie der Name schon sagt, stützen datengetriebene Assessments ihre Analyse auf Daten. Diese wurden vorher gesammelt, geordnet, analysiert und für den Weitergebrauch vorbereitet – von Menschen. Verarbeitet werden diese Daten von Algorithmen, von Menschen entwickelten Entscheidungssystemen. Nun ist es aber so, dass Menschen nicht perfekt sind und Fehler machen. Solche Fehler können sich auch in die von datengetriebenen Assessments genutzten Daten und Algorithmen einschleichen. Damit sind nicht nur Flüchtigkeitsfehler bei der Eingabe gemeint, sondern auch andere menschliche Fehler wie Vorurteile und Stereotype. So kann es passieren, dass automatische Bewertungssysteme Frauen benachteiligen, wenn sie ausschließlich über überwiegend mit Datensätzen früher angenommener männlicher Bewerber gefüttert wurden. Das passierte im Jahr 2014 bei Amazon. Drei Jahre lang versuchten die Entwickler, den Fehlentscheidungen ihrer KI-Software für Bewerberauswahl entgegenzuwirken – ohne Erfolg. 2017 wurde das Projekt eingestampft.
Selbst wenn es das Problem mit ungeeigneten Datensätzen und fehlerhaft programmierten Algorithmen nicht gäbe: Mittlerweile wissen findige Köpfe längst, wie sie die in einem datengetriebenen Assessment gestellten Fragen beantworten müssen, um bei der Auswertung möglichst gut dazustehen. «Testknacker»-Ratgeber erfreuen sich großer Beliebtheit. Zudem ist es für Bewerber kein Problem, die Testaufgaben per Screenshot zu kopieren und sie auswendig zu lernen. Schließlich nutzen viele Arbeitgeber dieselben Assessments und wenn es bei dem einen nicht klappt, dann vielleicht beim nächsten. Zwar fliegt die Schummelei spätestens beim persönlichen Kennenlernen auf, doch was nützt das den ehrlichen Teilnehmern, die schon vorher ausgesiebt werden, weil andere sich unfair in den Vordergrund drängen?
Assessment 6.0 ohne Algorithmen
Im Grunde gibt es nur eine Lösung: Assessments zu nutzen, die ohne Datensilos und ohne Algorithmen auskommen. Die Unternehmensphysiker setzen beispielsweise auf ein intelligentes Computersystem, das zusammen mit der renommierten US-amerikanischen Princeton University entwickelt wurde. Dieses auf quantenphysikalischen Erkenntnissen basierende System kommt ohne standardisierte Online-Tests aus. Anders als datengetriebene Assessments erzielt das Verfahren seine Ergebnisse mithilfe unstrukturierter Daten wie Lebensläufen oder Webseiten. An die Stelle vordefinierter Lösungsverfahren treten Wahrscheinlichkeitsrechnungen, Rückkopplung und Informationsfelder auf quantenphysikalischer Ebene. Damit vermeidet das System nicht nur die für datengetriebene Assessments typischen Fehler, sondern bietet gleichzeitig große Vorteile in Sachen Datenschutz. Datenmissbrauch ist beim Assessment 6.0 ausgeschlossen, da es keine Daten gibt, die missbräuchlich verwendet werden könnten.
Datengetriebene Assessments arbeiten mit Daten und Algorithmen und bergen daher ein gewisses Fehlerpotenzial. Die bessere Alternative ist das Assessment 6.0.
Lesen Sie auch unseren Blog zum Thema Assessment 6.0 – perfekter Datenschutz
Kontaktieren Sie uns, um mehr über Assessment ohne Algorithmen & Datensilos zu erfahren.