Machine Learning Anwendungen in der betrieblichen Praxis: Praktische Empfehlungen zur betrieblichen Mitbestimmung

Andree Thieltges

No 33, Mitbestimmungspraxis from Hans Böckler Foundation, Institute for Codetermination and Corporate Governance (I.M.U.)

Abstract: KI-Modelle und Machine-Learning-Anwendungen halten Einzug in die alltägliche Praxis von Unternehmen und können mitbestimmt werden. Um die Interessen und Rechte der Beschäftigten zu berücksichtigen und zu schützen, sollten die aktuellen Regelungen in betrieblichen IT-Vereinbarungen hinterfragt und hinsichtlich ihrer Praxistauglichkeit geprüft werden. Die Auswertung "Machine-Learning-Anwendungen in der betrieblichen Praxis" zeigt Handlungsmöglichkeiten anhand von Regelungspunkten aus insgesamt 29 abgeschlossenen Betriebs- und Dienstvereinbarungen. Die Ergebnisse wurden in Workshops mit Betriebs- und Personalräten diskutiert und relevante Regelungsaspekte zu KI-Modellen und Machine-Learning-Anwendungen abgeleitet. Sie sind Bestandteil der hier vorgestellten Handlungsempfehlungen.

Keywords: Daten; Datenschutz; Persönlichkeitsrechte; Leistungskontrolle; Verhaltenskontrolle; Overfitting; Underfitting; Big Data; Black Box; Data Mining; HR Analytics (search for similar items in EconPapers)
Date: 2020
New Economics Papers: this item is included in nep-big, nep-cmp and nep-ger
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/246912/1/p-mbf-praxis-2020-33.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:imumbp:33

Access Statistics for this paper

More papers in Mitbestimmungspraxis from Hans Böckler Foundation, Institute for Codetermination and Corporate Governance (I.M.U.) Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().