Die letzten zwei-drei Jahre waren Robo-Recruiting bzw. der Einsatz künstlicher Intelligenz im Recruiting die dominierenden Themen – in Blogs, auf Kongressen, in der Presse. Auch hier im Blog. Dann kam Corona und verdrängte erstmal alles andere.

Wir sind zwar immer noch weit von “normal” entfernt, aber so langsam tauchen auch andere Themen als das “große C” wieder aus der Versenkung auf – natürlich auch Themen wie Algorithmen und künstliche Intelligenz.

Aber auch hierauf hat Corona direkte Auswirkungen. Und diese sind erstmal nicht positiv:

Ganz stark abgekürzt basieren die meisten “lernenden Algorithmen” darauf, Muster in Daten zu erkennen. Daran werden dann maschinelle Handlungen geknüpft, deren Auswirkungen wiederum Daten schreiben, die den Algorithmus verändern usw.

Maschinelles Lernen setzt also am Anfang immer Trainingsdaten voraus – möglichst viele -, um darin nach Mustern suchen zu können. Das ist schon in normalen Zeiten ein erhebliches Problem, denn diese Daten – auf den Kontext der Personalgewinnung bezogen z.B. so etwas wie Leistungsdaten von Mitarbeitern, Informationen zu deren Fluktuation, Persönlichkeitsmerkmale usw. – liegen in vielen Unternehmen gar nicht wirklich vor. Bestenfalls hat man mit der systematischen Erfassung dieser Informationen erst vor ein paar Jahren begonnen.

Aber selbst wenn diese Informationen schon vorlagen und damit auch ein lernender Algorithmus trainiert werden konnte, stecken in diesen Daten naturgemäß nur diejenigen Zusammenhänge, die auch für die Zeit, aus der die Daten stammen, galten.

Und eines ist wohl ziemlich sicher: Die Daten der letzten zehn Jahre, in denen wir vor allem Fachkräftemangel, War for Talent und eine zunehmende Machtverschiebung zur Bewerberseite gesehen haben, dürften vieles sein, “typisch” für die (Nach-)Corona-Zeit jedoch ganz sicher nicht.

Und damit dürften auch viele Erkenntnisse, die eine KI aus diesen Daten gezogen hat, zunächst einmal mehr oder weniger wertlos geworden sein. Wenn es bisher richtig war, dass Bewerber, die von gewissen Hochschulen kamen, eine bestimmte Fächerkombination studiert haben und besonders extrovertiert und gewissenhaft sind, auch erfolgreich auf einem bestimmten Job sind, dann kann es jetzt sein, dass es a. den Job so gar nicht mehr gibt und b. gerade diese Bewerber nicht mehr darauf passen. Die “historisch gesehen richtige” Vorhersage kann unter den nun vollkommen veränderten Rahmenbedingungen zu einer “aktuell vollkommen falschen” werden.

Im E-Commerce lassen sich diese Phänomene schon beobachten. KI-basierte Systeme, die etwa zur Steuerung des Angebots auf amazon Marktplätzen eingesetzt werden, raten Händlern z.B. dazu für bestimmte Produkte die Preise zu senken, weil Wettbewerber diese Produkte aus dem Angebot nehmen. Die KI interpretiert dies als Zeichen dafür, dass diese Produkt wohl nicht mehr laufen. Das entspricht dann auch einer korrekten Logik aus der Zeit vor Corona. Nun aber nehmen die Wettbewerber das Produkt ggf. deshalb aus dem Angebot, weil sie es aktuell schlichtweg nirgends bekommen. Das korrekte Verhalten des Händlers wäre es also, den Preis zu erhöhen. Aber woher soll der Algo das wissen. Er “kennt” diesen Fall aus den historischen Daten nicht. Oder er erkennt nur, dass sich etwas tut, aber erklärt sich das so, wie es in der Vergangenheit richtig gewesen wäre, aktuell aber nicht mehr ist.

Insofern wirft Corona auch die KI zurück. Große Datenmengen, die typisch für “pandemiebedingte exogene Schocks” sind, dürfte niemand haben…

Aber in jeder Krise steckt eine Chance. Diese Binsenweisheit gilt auch für lernende Algorithmen. Denn wenn die letzten Jahre eines gebracht haben, dann waren es unglaubliche Fortschritte darin, schnell große Mengen an Daten zu sortieren und zu bewerten. Die Rechnerleistungen sind exponentiell gestiegen und die mathematischen Modelle hinter lernenden Algorithmen sind sehr leistungsstark geworden.

Und die Krise zwingt Unternehmen dazu, sich noch viel schneller zu digitalisieren als das vorher schon der Fall war. Und Digitalisierung schreibt wiederum genau jene Daten, die zum Trainieren von Algorithmen benötigt werden. Nicht ganz grundlos fordert die aktuelle Human Capital Trends Studie von Deloitte auch sog. “Superteams”, die sich aus Menschen und KI zusammensetzen und “relevante, umsetzbare Personalkennzahlen in Echtzeit”, etwas was aktuell erst 11% der Unternehmen vorgeben zu haben.

Insofern wirft die aktuelle Situation die künstliche Intelligenz zwar ganz sicher erstmal zurück in Bezug auf die aktuelle Belastbarkeit ihrer Vorhersagen, aber sie bietet auch die Gelegenheit, die Systeme mit Daten aus einem völlig veränderten Kontext zu füttern und zu trainieren.

Bestenfalls haben die Systeme nachher beides drauf und sind besser als vorher in der Lage, auch “Kontextdaten” mit einzubeziehen.

Vorerst wird es aber bedeuten, dass die Algorithmen erstmal wieder an die viel kürzere Leine und von Menschen überwacht werden müssen. Kürzer noch als sie es auch vor Corona schon mussten.