Zum Inhalt springenZur Suche springen

Forschungsprojekte

Aktuelle Projekte

Das „Cranfield Network on International Strategic Human Resource Management“ (CRANET) erhebt seit nunmehr 30 Jahren international Daten mit dem Ziel Trends im Personalmanagement zu identifizieren.

Unter dem Motto „Hallo Zukunft. Hallo HR“ kooperieren weltweit 47 Universitäten, um eine valide Datengrundlage zur Erforschung relevanter Praktiken und Tendenzen im Personalmanagement zu schaffen.

Der aktuelle Fokus der CRANET-Studie 2021 liegt dabei auf der Erforschung von Themen wie:

  • HR Praktiken im nationalen und komparativen, internationalen Vergleich
  • Auswirkungen der COVID19-Pandemie auf das HRM und HR Praktiken
  • Analyse der Veränderungen von „gelebten“ HR Praktiken über die Zeit

Die Daten werden bis Ende September 2021 in Form von standardisierten Fragebögen erhoben, welche von den jeweiligen Netzwerkpartnern an nationale Organisationen versendet werden. Das besondere an den Erhebungen ist, dass die Fragebögen —mit Ausnahme von Sprache und falls nötig länderspezifischen Abänderungen— identisch sind. Sie bieten somit für Wissenschaft und Praxis eine einmalige und vergleichbare Datenbasis, die als Grundlage für einschlägige Forschung genutzt wird. 

Wir bedanken uns sehr herzlich bei HRpepper Management Consultants für die freundliche Unterstützung der deutschen Cranet-Erhebung im Jahr 2021.

Die Studien von 2015/16 liefert beispielweise interessante erste Ergebnisse über:

  • Die Zunehmende Bedeutung der Digitalisierung im Recruiting, Talentmanagement und Learning
  • Den Einsatz von flexiblen und agilen Arbeitsformen, wie interaktive Lernräume, flexible Organisationsstrukturen und Arbeitsmodelle etc.
  • Die Unsicherheit der HR-Abteilungen mit diesen Themen umzugehen und gewappnet zu sein für eine digitale Umstrukturierung

Ansprechpartner an der HHU: 

Jun.-Prof. Dr. Marius Wehner

Universitätsstr. 1
Gebäude: 24.31
Etage/Raum: 02.01
40225 Düsseldorf
Tel.: +49 211 81-10248

Mail: Marius.wehner@hhu.de

Das Projekt „Manchot KI“ beschäftigt sich mit der Frage, wie die Förderung von Talenten in einem Unternehmen durch den Einsatz von Algorithmen und künstlicher Intelligenz (KI) zu Diskriminierung und Compliance-Verstößen führen kann. 

Durch die zunehmende Verwendung von KI und digital verfügbaren Daten im HR-Bereich ergeben sich vermehrt neue Informationen für das Talent Management:

  • Tätigkeitsbezogene Daten: z.B. Fehlzeiten, Leistungskennzahlen, Organisationskennzahlen,
  • Persönliche Daten: z.B. demografische Merkmale, Beziehungsstatus, Kinder, Religion,
  • Subjektive Daten: z.B. Bewertungen der Führungskraft, Daten aus sozialen Netzwerken.

Neben diesen neuen Möglichkeiten entstehen beim Einsatz von KI zur Identifikation von Talenten aber auch neue Probleme und Rechtsfragen. Bereits bei der Online-Stellensuche und der Personalauswahl mittels KI wurden in der Vergangenheit Fälle identifiziert, in denen es zur impliziten Diskriminierung der Bewerber kam. Diese Art der Diskriminierung ist auch im Rahmen von Personalmaßnahmen zum beruflichen Aufstieg denkbar.

Im Projekt „Manchot KI“ werden zunächst Unternehmen interviewt, die in ihrer betrieblichen Praxis bereits algorithmische Verfahren zur Talentförderung einsetzen, um so Erfahrungen von Experten in Bezug auf den Einsatz von KI zur Talentförderung in der Praxis zu gewinnen. 

Anschließend werden realistische Szenarien zur Nutzung von KI im Rahmen des Talent Managements entwickelt, die in unterschiedlichem Ausmaß die Nutzung von algorithmischen Verfahren darstellen.

Weitere Informationen zu diesem Projekt finden Sie unter www.heicad.hhu.de

Wenn Sie als Unternehmen Interesse an diesem Forschungsprojekt haben und uns mit Ihrer Erfahrung unterstützen möchten, können Sie sich gerne bei Alina Köchling () melden. 

Ansprechpartner an der HHU: 

Alina Köchling 

Wissenschaftliche Mitarbeiterin

Heinrich-Heine-Universität Düsseldorf 
Gebäude 24.31 Raum 00.33
Universitätsstraße 1 
40225 Düsseldorf

Tel.+49 (0) 211 81-10193

Mail:

 

 

 

Verbundvorhaben zwischen der HTW Berlin und der Heinrich-Heine-Universität Düsseldorf

Das Projekt "LADi - Learning Analytics und Diskriminierung" soll sich damit beschäftigen, wie Diskriminierung nach Geschlecht, Alter, Herkunft oder Lerntyp durch den Einsatz von algorithmischen Auswertungen in digitalen Lernsystemen und -prozessen begünstigt oder verhindert werden kann. 

Durch die Verwendung digitaler Lernumgebungen entstehen immer mehr Daten über Lernende und Lernprozesse. Diese Daten betreffen: 

  • den Lernprozess: betrachtete Lehrmaterialien, durchgeführte Übungen, benötigte Zeit, Tageszeit des Lernvorgangs, Anzahl der Wiederholungen 
  • den Lernerfolg: erzielte Punkte, richtige Lösungen, abgelegte Prüfungen 
  • die Lernperson: demographische Merkmale, persönliche Eigenschaften (Lerntyp, Interaktionstyp) 
  • Interaktionen zwischen Lernenden oder zwischen Lehrenden und Lernenden. 

Diese im Lern- und Lehrprozess anfallenden Daten können algorithmisch ausgewertet werden, um den Lernerfolg zu messen oder vorherzusagen sowie um das Lehrmaterial anzupassen (Learning Analytics).
Dabei kann es zu Diskriminierung kommen, bspw. wenn: 

  • Lernenden mit niedrigerem sozialen Status oder eines bestimmten Geschlechts ein niedrigerer Lernerfolg prognostiziert wird. 
  • die Bewertung nicht allein auf dem Ergebnis, sondern auch auf dem dokumentierten Lernprozess beruht. 
  • Lehrmaterial auf Grund von prognostiziertem Lernerfolg angepasst wird, so dass Lernende mit schlechter Prognose keine Chance haben, ein hohes Lernniveau zu erreichen. 

Im Projekt „LADi“ sollen vorhandene, reale Daten mit typischen Algorithmen analysiert werden, dabei soll untersucht werden inwiefern die Algorithmen anfällig für Diskriminierung sind. Darüber hinaus soll experimentell untersucht werden, wie die Datenfülle über Lernende auf Lehrende wirkt und inwiefern hieraus ein zusätzliches Diskriminierungspotential entsteht. Des Weiteren soll die Wahrnehmung der Schüler untersucht werden.

Hierfür führen wir unter anderem Experimente mit Schülern und Lehrern durch, wenn Sie als Schule Interesse an unserem Forschungsvorhaben haben, können sie sich gerne bei Alina Köchling (alina.koechling@hhu.de) melden.

Projektlaufzeit

1.11.2018 – 31.10.2021

Projektleitung

Prof. Dr. Katharina Simbeck
Jun.-Prof. Dr. Marius Wehner

Projektmitarbeiter/innen
Alina Köchling

Nathalie Rzepka

Mittelgeber

Bundesministerium für Bildung und Forschung

Verbundvorhaben zwischen der HTW Berlin und der Heinrich-Heine-Universität Düsseldorf

Das Projekt "Fair Enough" soll sich damit beschäftigen, wie die Fairness von Learning Analytics Systemen überprüft und auditiert werden kann.

Die gesellschaftlichen Folgen von algorithmischen Entscheidungsprozessen werden durch die Kombination der implementierten algorithmischen Verfahren mit den verwendeten Daten und dem Nutzer_innenverhalten determiniert. Während die Fairness algorithmischer Verfahren in der Informatik vorrangig nach quantitativen, formal-analytischen Maßstäben beurteilt wird, die nicht alle zur gleichen Zeit erfüllt sein können, beurteilen Nutzer_innen die Fairness algorithmischer Verfahren eher auf ihrer subjektiven, individuellen Wahrnehmung und den gesellschaftlichen Normen. Deshalb wird das Thema im Projekt von zwei komplementären Seiten untersucht:

  1. a)  Entwicklung von praxistauglichen Methoden zur Beurteilung von Learning Analytics Systemen und Daten auf Ihre Fairness (HTW Berlin),

  2. b)  Untersuchung der Anforderungen und Erwartungen von Nutzer_innen an die Fairness von Learning Analytics Systemen (HHU Düsseldorf).

Im Ergebnis des Projektes soll ein Werkzeug in Form eines 6-Stufigen Leitfadens zur Überprüfung von Learning Analytics Systemen hinsichtlich ihrer Fairness entstehen, welcher sowohl die Fairness des Systems aus Daten und Algorithmen als auch den Verwendungsprozess der durch das System getroffenen Aussagen berücksichtigt.

Ansprechpartner an der HHU: Jun.-Prof. Dr. Marius Wehner 

Projektlaufzeit: 01.03.2021-28.02.2024

Projektleitung: Prof. Dr. Katharina Simbeck

Jun.-Prof. Dr. Marius Wehner 

Mittelgeber: 

Bundesministerium für Bildung und Forschung

 

 

 

 

 

Verantwortlichkeit: