PUB - Publikationen an der Universität Bielefeld

Fragestellung. Der Einsatz von Algorithmen bei Personalauswahlprozessen ist ein hochaktuelles Thema. Einige Studien dokumentieren negative Reaktionen auf automatisierte Personalauswahlprozesse. Diese Studien diskutieren, dass die negativen Reaktionen möglicherweise dadurch zustande kommen, dass Algorithmen mit der Nutzung von anderen Auswahlkriterien verbunden werden als menschliche Entscheidungsträger. Bisherige Studien geben allerdings keinen Aufschluss darüber, welche Auswahlkriterien als besonders fair beurteilt werden. Um Gestaltungsanregungen für Personalauswahlalgorithmen zu geben, untersucht diese Studie daher wie fair 13 mögliche Auswahlkriterien bewertet werden und ob die Fairness von Auswahlkriterien von der zu besetzenden Arbeitsstelle abhängt. Drittens untersucht diese Studie, für wie wahrscheinlich es die Teilnehmer:innen halten, dass ein Algorithmus/Manager diese 13 Kriterien für seine Auswahlentscheidungen verwenden würde.
Design. Die Forschungsfragen wurden in einer Online-Studie (*N* = 215) mit einem 13 (Auswahlkriterium, Within-Subjects) x 2 (Mechaniker:in vs. Bürokaufmann/-frau; Between-Subjects) Design untersucht.
Ergebnisse. Mixed-ANOVA und Post-hoc *t*-Tests zeigten, dass es faire (z. B. Bewertung von Arbeitsprobe), neutrale (z. B. Gesamtpunktzahl in Intelligenztest) und unfaire Auswahlkriterien (z. B. Geschlecht) gab. Darüber hinaus wurden zwei Auswahlkriterien (z. B. Gesamtbewertung in Assessment-Center) als weniger fair für die Auswahl von Mechaniker:innen empfunden. Neun Auswahlkriterien unterschieden sich signifikant in der Erwartung, von einem Algorithmus/Manager verwendet zu werden (z. B. Bewertung von Bewerbungsgespräch).
Limitationen: Die Teilnehmer:innen waren keine echten Bewerber:innen.
Theoretische Implikationen. Die Ergebnisse dieser Studie verbessern das Verständnis dafür, welche Auswahlkriterien bei Personalauswahlprozessen als fair beurteilt werden und unter welchen Umständen. Diese Erkenntnisse könnten für die Entwicklung von fairen Personalauswahlalgorithmen verwendet werden.
Relevanz. Diese Studie gibt Anregungen, wie Personalauswahlalgorithmen in Zukunft inhaltlich fair gestaltet werden können.