Advertisement

Der Einsatz von künstlicher Intelligenz im HR: Die Wirkung und Förderung der Akzeptanz von KI-basierten Recruiting-Tools bei potenziellen Nutzern

  • Markus Dahm
  • Alexander Dregger
Chapter
Part of the FOM-Edition book series (FOMEDITION)

Zusammenfassung

Egal ob Recruiting, Personalentwicklung oder Personalmarketing: Die Möglichkeiten, digitale Instrumente wie z. B. Lösungen auf Basis von künstlicher Intelligenz (KI) im Personalwesen einzusetzen, sind bereits jetzt Realität und in absehbarer Zeit wird ihre Zahl zunehmen. Jedoch ist bisher wenig dazu bekannt, wie solche KI-basierten Tools auf die Nutzer wirken und ob diese bereit sind, die Möglichkeiten auch zu akzeptieren und tatsächlich zu nutzen. Darüber hinaus ist unklar, welche Faktoren sich förderlich oder hemmend hierbei auswirken. Diese Fragen möchte der vorliegende Beitrag anhand einer empirischen Studie im Recruiting-Bereich näher beleuchten. Im Rahmen dieser Studie bekamen junge Berufstätige, die berufsbegleitend studieren, drei verschiedene Situationen geschildert, in denen bereits heute schon KI-Lösungen eingesetzt werden. Diese Situationen bewerteten sie anhand verschiedener aus der Forschungsliteratur abgeleiteter Kriterien und gaben detaillierte Einblicke in die Nutzerwahrnehmung solcher Systeme.

Literatur

  1. Agarwal, R., & Prasad, J. (1998). A conceptual and operational definition of personal innovativeness in the domain of information technology. Information Systems Research, 9, 204–215.CrossRefGoogle Scholar
  2. Ajzen, J. (1985). A theory of planned behavior. In J. Kuhl & J. Beckmann (Hrsg.), Action control, from cognition to behavior (S. 11–39). Berlin: Springer.Google Scholar
  3. Beier, G. (2004). Kontrollüberzeugungen im Umgang mit Technik: Ein Persönlichkeitsmerkmal mit Relevanz für die Gestaltung technischer Systeme. Berlin: Disserationen.de.Google Scholar
  4. Benamati, J., Fuller, M., Serva, M., & Baroudi, J. (2010). Clarifying the integration of trust and TAM in e-commerce environments: Implications for systems design and management. IEEE Transactions on Engineering Management, 57(3), 380–393.CrossRefGoogle Scholar
  5. Benbashat, L., & Barki, H. (2007). Quo vaids, TAM? Journal of the Association for Informations Systems, 8(4), 212–218.Google Scholar
  6. Bierhoff, H.-W. (2006). Sozialpsychologie: ein Lehrbuch (6. überarb. und erw. Aufl). Stuttgart: Kohlhammer.Google Scholar
  7. Bokelberg, E., Doral, C., Feinzig, S., Guenole, N., Lesser, E., Mertens, J., … Steele, S. (2017). Extending expertise: How cognitive computing is transforming HR and the employee experience. https://public.dhe.ibm.com/common/ssi/ecm/gb/en/gbe03789usen/global-business-services-global-business-services-gb-executive-brief-gbe03789usen-20171204.pdf.
  8. Castro, D., & New, J. (2016). The promise of artificial intelligence. http://www2.datainnovation.org/2016-promise-of-ai.pdf.
  9. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.CrossRefGoogle Scholar
  10. Davis, F. D., & Venkatesh, V. (1996). A critical assessment of potential measurement biases in the technology acceptance model: Three experiments. International Journal of Human-Computer Studies, 45(1), 19–45.CrossRefGoogle Scholar
  11. Deese, J., & Kaufman, R. A. (1957). Serial effects in recall of unorganized and sequentially organized verbal material. Journal of Experimental Psychology, 54(3), 180–187.CrossRefGoogle Scholar
  12. Hackbarth, G., Grover, V., & Yi, M. (2003). Computer playfulness and anxiety: Positive and negative mediators of the system experience effect on perceived ease of use. Information & Management, 40(3), 221–232.CrossRefGoogle Scholar
  13. Igbaria, M., Iivari, J., & Maragahh, H. (1995). Why do individuals use computer technology? A finnish case study. Information & Management, 29(5), 227–238.CrossRefGoogle Scholar
  14. Krampen, G. (2000). Handlungstheoretische Persönlichkeitspsychologie: konzeptuelle und empirische Beiträge zur Konstrukterstellung (2. erg. Aufl.). Göttingen: Hogrefe.Google Scholar
  15. Luhmann, N. (2014). Vertrauen: ein Mechanismus der Reduktion sozialer Komplexität (5. Aufl.). Konstanz: UVK.Google Scholar
  16. Miltgen, C. L., Popovic, A., & Oliveira, T. (2013). Determinants of end-user acceptance of biometrics: Integrating the “Big 3” of technology acceptance with privacy context. Decision Support Systems, 56, 103–114.CrossRefGoogle Scholar
  17. Murdock, B. (1962). The serial positioning effect of recall. Journal of Experimental Psychology, 64(5), 482–488.CrossRefGoogle Scholar
  18. Rogers, E. M. (2003). Diffusion of innovations. New York: Free Press.Google Scholar
  19. Schwertfeger, B. (2015). Personalauswahl per Sprachtest. Personalmagazin, 17(12), 32–34.Google Scholar
  20. Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.CrossRefGoogle Scholar
  21. Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decisions Sciences, 39(2), 273–315.CrossRefGoogle Scholar
  22. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.CrossRefGoogle Scholar
  23. Wichert, A. (2000). Künstliche Intelligenz. In Lexikon der Neurowissenschaften. Heidelberg: Spektrum Akademischer Verlag. http://www.spektrum.de/lexikon/neurowissenschaft/kuenstliche-intelligenz/6810.

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.HamburgDeutschland

Personalised recommendations