Skip to main content
SpringerLink
Log in

Grundlagen: KI, ML, DL, RPA und Co.

  • Chapter
  • First Online:
Smart HRM

Zusammenfassung

Da im Umfeld der digitalen Tools für die Personalarbeit sehr viele Begriffe verwendet werden, die Verwirrung stiften können, werden in diesem Kapitel die wichtigsten eingängig erläutert: Algorithmen und Heuristiken, Big Data, Künstliche Intelligenz, Machine Learning, Künstliche Neuronale Netze, Analytics (Descriptive, Diagnostic, Predictive und Prescriptive), Automatisierung und Robotic Process Automation, Intelligent Process Automation und Chatbots, Augmented und Virtual Reality. Insbesondere werden zentrale Machine-Learning-Algorithmen vorgestellt und ihre Anwendungsbedingungen sowie -grenzen benannt. Damit werden die Grundlagen gelegt, um besser verstehen zu können, was digitale Tools in der Personalarbeit können und was (noch) nicht.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 34.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 44.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2016). Multivariate Analysemethoden – Eine anwendungsorientierte Einführung (14., überarb. u. akt. Aufl.). Berlin/Heidelberg: Springer.

    Google Scholar 

  • Botvinick, M., Ritter, S., Wang, J. X., Kurth-Nelson, Z., Blundell, C., & Hassabis, D. (2019). Reinforcement learning, fast and slow. Trends in Cognitive Sciences, 23(5), 408–422.

    Article  Google Scholar 

  • Braun, M. (2018). Digitale Assistenzsysteme. Industrie 4.0 Management, 34(4), 11–14.

    Google Scholar 

  • Capgemini Consulting. (2016). Robotic process automation – Robots conquer business processes in back offices. https://www.capgemini.com/consulting-de/wp-content/uploads/sites/32/2017/08/robotic-process-automation-study.pdf. Zugegriffen am 30.08.2017.

  • Cheng, M. (2017). Causal modeling in HR Analytics: A practical guide to models, pitfalls, and suggestions. Academy of Management Annual Meeting Proceedings, 1, 1–6.

    Google Scholar 

  • Czarnecki, C., & Auth, G. (2018). Prozessdigitalisierung durch Robotic Process Automation. In T. Barton, C. Müller & C. Seel (Hrsg.), Digitalisierung in Unternehmen (S. 113–131). Wiesbaden: Springer.

    Chapter  Google Scholar 

  • Czarnecki, C., Bensberg, F., & Auth, G. (2019). Die Rolle von Softwarerobotern für die zukünftige Arbeitswelt. HMD Praxis der Wirtschaftsinformatik, 56(4), 795–808.

    Article  Google Scholar 

  • Davenport, T. H., Harris, J., & Shapiro, J. (2010). Competing on talent analytics. Harvard Business Review, 88(10), 52–58.

    Google Scholar 

  • Dilba, D. (2018). Deal in Sicht. brand eins, 7, 90–93.

    Google Scholar 

  • Dörner, R., & Steinicke, F. (2019). Wahrnehmungsaspekt von VR. In R. Dörner, W. Broll, B. Jung & P. Grimm (Hrsg.), Virtual und Augmented Reality (VR/AR): Grundlagen und Methoden der Virtuellen und Augmentierten Realität (2. Aufl., S. 43–78). Berlin/Heidelberg: Springer.

    Chapter  Google Scholar 

  • Dörner, R., Kuhlen, T. W., Matthys, G., et al. (2019a). Fallbeispiele für VR/AR. In R. Dörner, W. Broll, B. Jung & P. Grimm (Hrsg.), Virtual und Augmented Reality (VR/AR): Grundlagen und Methoden der Virtuellen und Augmentierten Realität (2. Aufl., S. 357–392). Berlin/Heidelberg: Springer.

    Chapter  Google Scholar 

  • EY. (2016a). Ernst & Young: Jobstudie 2016. https://www.ey.com/Publication/vwLUAssetsPI/EY_Jobstudie_2016/$FILE/EY-Jobstudie-2016-Karriere-und-Wechselbereitschaft.pdf. Zugegriffen am 01.07.2017.

  • EY. (2016b). Robotic process automation for HR & payroll (White paper).

    Google Scholar 

  • Fitz-enz, J. (1984). How to measure human resources management. New York: McGraw-Hill.

    Google Scholar 

  • Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137–144.

    Article  Google Scholar 

  • Gartner. (2018). Manage robotic process automation. https://www.gartner.com/en/finance/trends/robotic-process-automation. Zugegriffen am 26.08.2019.

  • Gärtner, C. (2007). Innovationsmanagement als soziale Praxis: grundlagentheoretische Vorarbeiten zu einer Organisationstheorie des Neuen. München/Mering: Rainer Hampp.

    Google Scholar 

  • Gärtner, C. (2017). Mensch oder Maschine: Wer trifft die besseren Personalentscheidungen? HR Performance, 2(2017), 14–17.

    Google Scholar 

  • Gärtner, C. (2019). „10 + x Gebote“ für ein erfolgreiches Change Management. changement!, 1, 38–39.

    Google Scholar 

  • Goodfellow, I., Bengio, Y., & Courville, A. (2018). Deep learning: Das umfassende Handbuch. Frechen: mitp.

    Google Scholar 

  • Hutson, A. (2017). AI glossary: Artificial intelligence, in so many words. Science, 357(6346), 19.

    Article  Google Scholar 

  • Jäger, W., & Petry, T. (2018). Digital HR – Ein Überblick Petry. In T. Petry & W. Jäger (Hrsg.), Digital HR: Smarte und agile Systeme, Prozesse und Strukturen im Personalmanagement (S. 27.99). Freiburg: Haufe.

    Google Scholar 

  • Jokinen, K., & McTear, M. (2010). Spoken dialogue systems synthesis lectures on human language technologies. San Rafael: Morgan & Claypool Publishers.

    Google Scholar 

  • Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. Hoboken: Wiley.

    Book  Google Scholar 

  • Lacity, M., & Willcocks, L. P. (2016a). A new approach for automating services. MIT Sloan Management Review, 58, 40–49.

    Google Scholar 

  • Lacity, M., & Willcocks, L. P. (2016b). Robotic process automation at Telefónica O2. MIS Quarterly Executive, 15, 21–35.

    Google Scholar 

  • Lacity, M., & Willcocks, L. P. (2018). Robotic process and cognitive automation: The next phase. Ashford: SB Publishing.

    Google Scholar 

  • Lacity, M., Willcocks, L. P., & Craig, A. (2015). Robotic process automation at Telefónica O2 (The outsourcing unit working research paper series). London School of Economics and Political Science, Paper 15/02.

    Google Scholar 

  • Lawler, E. E., III, Levenson, A. R., & Boudreau, J. W. (2004). HR metrics and analytics: Use and impact. People and Strategy, 27(4), 27–35.

    Google Scholar 

  • Leukert, B., Müller, J., & Noga, M. (2019). Das intelligente Unternehmen: Maschinelles Lernen mit SAP zielgerichtet einsetzen. In P. Buxmann & H. Schmidt (Hrsg.), Künstliche Intelligenz (S. 41–62). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Lokman, A. S., & Ameedeen, M. A. (2019). Modern chatbot systems: A technical review. In K. Arai, R. Bhatia & S. Kapoor (Hrsg.), Proceedings of the future technologies conference 2018. Advances in intelligent systems and computing (Bd. 881, S. 1012–1023). Cham: Springer.

    Google Scholar 

  • Marcus, G., & Davis, E. (2019). Rebooting AI: building artificial intelligence we can trust. New York: Pantheon.

    Google Scholar 

  • Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR analytics. The International Journal of Human Resource Management, 28(1), 3–26.

    Article  Google Scholar 

  • Martini, M. (2019). Blackbox Algorithmus – Grundfragen einer Regulierung Künstlicher Intelligenz. Berlin/Heidelberg: Springer.

    Book  Google Scholar 

  • Masood, A., & Hashmi, A. (2019). Cognitive robotics process automation: Automate this! In A. Masood & A. Hashmi (Hrsg.), Cognitive computing recipes (S. 225–287). Berkeley: Apress.

    Chapter  Google Scholar 

  • Mühlbauer, D., Huff, J., & Süß, J. (2018). People Analytics und Arbeit 4.0. In S. Werther & L. Bruckner (Hrsg.), Arbeit 4.0 aktiv gestalten (S. 107–132). Berlin/Wiesbaden: Springer.

    Google Scholar 

  • Pearl, J., & Mackenzie, D. (2019). The book of Why: The new science of cause and effect. London: Penguin.

    Google Scholar 

  • Provost, F., & Fawcett, T. (2017). Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden. Frechen: mitp.

    Google Scholar 

  • Russell, S., & Norvig, P. (2013). Künstliche Intelligenz – Ein moderner Ansatz (3., akt. Aufl.). München: Pearson.

    Google Scholar 

  • Scheer, A.-W. (2017). Performancesteigerung durch Automatisierung von Geschäftsprozessen (Whitepaper). Saarbrücken: Scheer Holding.

    Google Scholar 

  • Scholz, T. M. (2017). Big data in organizations and the role of human resource management: A complex systems theory-based conceptualization. Frankfurt a. M.: Peter Lang.

    Book  Google Scholar 

  • Siegel, E. (2013). Predictive analytics: The power to predict who will click, buy, lie, or die. Hoboken: Wiley.

    Google Scholar 

  • Stouten, J., Rousseau, D. M., & De Cremer, D. (2018). Successful organizational change: Integrating the management practice and scholarly literatures. Academy of Management Annals, 12(2), 752–788.

    Article  Google Scholar 

  • Strohmeier, S. (2017). Big HR Data – Konzept zwischen Akzeptanz und Ablehnung. In W. Jochmann, I. Böckenholt & S. Diestel (Hrsg.), HR-Exzellenz: Innovative Ansätze in Leadership und Transformation (S. 339–355). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Stucki, T., D’Onofrio, S., & Portmann, E. (2018). Chatbot – Der digitale Helfer im Unternehmen: Praxisbeispiele der Schweizerischen Post. HMD Praxis der Wirtschaftsinformatik, 55(4), 725–747.

    Article  Google Scholar 

  • Tegmark, M. (2017). Leben 3.0: Mensch sein im Zeitalter Künstlicher Intelligenz. Berlin: Ullstein.

    Google Scholar 

  • Thyssenkrupp. (2016). Thyssenkrupp treibt Digitalisierung des weltweiten Aufzugsservice weiter voran. http://www.thyssenkrupp-elevator.com/de/newsroom/press-releases-20928.html. Zugegriffen am 29.11.2019.

  • Welsch, A., Eitle, V., & Buxmann, P. (2018). Maschinelles Lernen. HMD Praxis der Wirtschaftsinformatik, 55(2), 366–382.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Professur für Human Resource Management, Arbeitspsychologie und Digitalisierung der Arbeitswelt, Hochschule München, München, Deutschland

    Christian Gärtner

Authors
  1. Christian Gärtner
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Gärtner, C. (2020). Grundlagen: KI, ML, DL, RPA und Co.. In: Smart HRM. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29431-1_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-29431-1_3

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-29430-4

  • Online ISBN: 978-3-658-29431-1

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation