Zusammenfassung
Mit dem Einsatz von digitalen Tools in der Personalarbeit stellen sich insbesondere aufgrund der automatisierten Datenverarbeitung und Entscheidungsfindung neue Fragen, die sowohl rechtliche als auch ethisch-moralische Aspekte betreffen. Zunächst wird deutlich gemacht, welche unterschiedlichen allgemeinen und personalspezifischen Fragestellungen zurzeit diskutiert werden. Anschließend werden einschlägige Gesetzesvorgaben und deren Implikationen erläutert. Aus dem Bereich der Ethik werden mehrere Richtlinien aus dem globalen wie nationalen Kontext in ihren Grundzügen beschrieben. Insbesondere werden die Richtlinien des Ethikbeirats HR Tech vorgestellt und auf offene Fragen aufmerksam gemacht.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Ajunwa, I., Crawford, K., & Schultz, J. (2017). Limitless worker surveillance. California Law Review, 105, 735–776.
Blum, B., & Kainer, F. (2019). Rechtliche Aspekte beim Einsatz von KI in HR: Wenn Algorithmen entscheiden. Personal Quarterly, 71(3), 22–27.
Bomhard, D. (2018). Automatisierung und Entkollektivierung betrieblicher Arbeitsorganisation: Herausforderungen einer digitalen Arbeitswelt. Wiesbaden: Springer.
Brendel, W., Rauber, J., & Bethge, M. (2017). Decision-based adversarial attacks: Reliable attacks against black-box machine learning models. arXiv preprint arXiv:1712.04248.
Crawford, K. (2013). The hidden biases in big data. http://blogs.hbr.org/2013/04/the-hidden-biases-in-big-data. Zugegriffen am 08.01.2020.
Datenethikkommission der Bundesregierung. (2019). Gutachten der Datenethikkommission der Bundesregierung. https://www.bmi.bund.de/SharedDocs/downloads/DE/publikationen/themen/it-digitalpolitik/gutachten-datenethikkommission.pdf?__blob=publicationFile&v=4. Zugegriffen am 05.01.2020.
Diercks, N. (2017). Video-Interviews in Personalauswahlverfahren. Datenschutz und Datensicherheit, 41(12), 750–756.
Diercks, N. (2019a). Datenschutz im Beschäftigtenverhältnis – Teil 1. Zeitschrift für das Forderungsmanagement, 3, 97–104.
Diercks, N. (2019b). Datenschutz im Beschäftigtenverhältnis – Teil 2. Zeitschrift für das Forderungsmanagement, 5, 186–194.
Diesner, J. (2015). Small decisions with big impact on data analytics. Big Data & Society, 2(2), 1–6.
Dwork, C., & Roth, A. (2014). The algorithmic foundations of differential privacy. Foundations and Trends® in Theoretical Computer Science, 9(3–4), 211–407.
Ethikbeirat HR Tech. (2019). Richtlinien für den verantwortungsvollen Einsatz von Künstlicher Intelligenz und weiteren digitalen Technologien in der Personalarbeit. https://www.ethikbeirat-hrtech.de/wp-content/uploads/2019/06/Ethikbeirat_und_Richtlinien_Konsultationsfassung_final.pdf. Zugegriffen am 01.07.2019.
Gärtner, C. (2007). Innovationsmanagement als soziale Praxis: grundlagentheoretische Vorarbeiten zu einer Organisationstheorie des Neuen. München/Mering: Rainer Hampp.
Gärtner, C. (2018). Human Resource Management bei und von XING. In C. Gärtner & C. Heinrich (Hrsg.), Fallstudien zur Digitalen Transformation: Case Studies für die Lehre und praktische Anwendung (S. 129–147). Berlin/Wiesbaden: Springer.
Gärtner, C., & Claßen, M. (2016). Die gläsernen Mitarbeiter. Personalmagazin, 8, 38–39.
Gärtner, C., & Huber, C. (2015). Drawing the line: Outlining the concepts of mindful organizing and sketching out the role of visual templates. In J. Reb & P. Atkins (Hrsg.), Mindfulness in organizations (S. 305–331). Cambridge: Cambridge University Press.
Guidotti, R., Monreale, A., Ruggieri, S., Turini, F., Giannotti, F., & Pedreschi, D. (2018). A survey of methods for explaining black box models. ACM Computing Surveys, 51(5), 93:1–93:42.
Hagendorff, T. (2019). Maschinelles Lernen und Diskriminierung: Probleme und Lösungsansätze. Österreichische Zeitschrift für Soziologie, 44(1), 53–66.
Huff, J., & Götz, T. (2019). Evidenz statt Bauchgefühl? Möglichkeiten und rechtliche Grenzen von Big Data im HR-Bereich. Neue Zeitschrift für Arbeitsrecht (NZA) 36(24) (Beilage 2/2019), 73–78.
Isele, C., Kaufmann, P., Mempel, L., Schütze, B., & Spyra, G. (2018). Sicherheit personenbezogener Daten: Umgang mit Art. 32 DS-GVO. https://www.gesundheitsdatenschutz.org/download/Art.32_SicherheitVerarbeitung.pdf. Zugegriffen am 08.01.2020.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399.
Kramer, S. (Hrsg.). (2019). IT-Arbeitsrecht. Digitalisierte Unternehmen: Herausforderungen und Lösungen (2. Aufl.). München: C.H. Beck.
Kraus, C. (2018). Digitalisierung der Arbeitswelt – das Ende der Low Performer? Der Betrieb, 12, 701–705.
Krotova, A., & Fritsch, M. (2019). Berücksichtigung von Daten in digitalen Reifegradmodellen. Köln: Institut der deutschen Wirtschaft.
Lambrecht, A., & Tucker, C. (2019). Algorithmic bias? An empirical study of apparent gender-based discrimination in the display of STEM career ads. Management Science, 65(7), 2966–2981.
Libet, B. (2004). Haben wir einen freien Willen? In C. Geyer (Hrsg.), Hirnforschung und Willensfreiheit. Zur Deutung der neuesten Experimente (S. 268–289). Frankfurt a. M.: Suhrkamp.
Martini, M. (2019). Blackbox Algorithmus – Grundfragen einer Regulierung Künstlicher Intelligenz. Berlin/Heidelberg: Springer.
Meyer, R. E., Höllerer, M. A., Jancsary, D., & Van Leeuwen, T. (2013). The visual dimension in organizing, organization, and organization research: Core ideas, current developments, and promising avenues. Academy of Management Annals, 7(1), 489–555.
Neuberger, O. (2006). Mikropolitik und Moral in Organisationen. Stuttgart: Lucius & Lucius.
Nissenbaum, H. (2011). A contextual approach to privacy online. Daedalus, 140(4), 32–48.
Ortmann, G. (2003). Regel und Ausnahme. Paradoxien sozialer Ordnung. Frankfurt a. M.: Suhrkamp.
Orwat, C. (2019). Diskriminierungsrisiken durch Verwendung von Algorithmen. Berlin: Antidiskriminierungsstelle des Bundes.
Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2019). Mitigating bias in algorithmic employment screening: Evaluating claims and practices. arXiv preprint arXiv:1906.09208.
Rocher, L., Hendrickx, J. M., & De Montjoye, Y. A. (2019). Estimating the success of re-identifications in incomplete datasets using generative models. Nature Communications, 10(1), 1–9.
Russell, S., & Norvig, P. (2013). Künstliche Intelligenz – Ein moderner Ansatz (3., ak. Aufl.). München: Pearson.
Silberzahn, R., & Uhlmann, E. L. (2015). Crowdsourced research: Many hands make tight work. Nature, 526(7572), 189–191.
Sinar, E. F. (2018). Data visualization: Get visual to drive HR’s impact and influence. Society for Human Resource Management (SHRM) & Society for Industrial Organizational Psychology (SlOP). https://www.shrm.org/hr-today/trends-and-forecasting/special-reports-and-expert-views/Documents/2018%2003_SHRM-SIOP%20White%20Paper_Data%20Visualization.pdf. Zugegriffen am 18.08.2019.
Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I., & Fergus, R. (2013). Intriguing properties of neural networks. arXiv preprint arXiv:1312.6199.
Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15–42.
Zook, M., Barocas, S., Boyd, D., Crawford, K., et al. (2017). Ten simple rules for responsible big data research. PLoS Computational Biology, 13(3), e1005399.
Zuboff, S. (2015). Big other: Surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75–89.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Gärtner, C. (2020). Ethische und gesetzliche Richtlinien für Smart HR. In: Smart HRM. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29431-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-29431-1_6
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)