Künstliche Intelligenz im Personalmanagement – Goldrausch im Spannungsfeld optimistischer Softwareanbieter und skeptischer Personalmanager

Matthias Groß ()
Additional contact information
Matthias Groß: Campus Giessen

Chapter 10 in KI für das Gute, 2023, pp 203-239 from Springer

Abstract: Zusammenfassung Künstliche Intelligenz (KI) ist DAS Zukunftsthema für Unternehmen. Während Unternehmensbereiche wie Marketing, Controlling oder Logistik bereits wie selbstverständlich Gebrauch von KI-Anwendungen machen, hinkt das Personalmanagement oftmals hinterher. Vor diesem Hintergrund exploriert der vorliegende Beitrag die Potenziale von KI im Personalmanagement. Auf der Grundlage der Task-Technology-Fit-Theorie wird zunächst ein konzeptioneller Bezugsrahmen zur Erfolgswirksamkeit von personalbezogenen KI-Anwendungen entwickelt, anschließend werden elf Task-Technology-Kombinationen entlang der Personalmanagementsysteme skizziert. Basierend auf einem Theorie-Praxis-Abgleich zum Status Quo in 118 deutschen Unternehmen erfolgt unter Berücksichtigung des Technology-Acceptance-Modells die Ableitung förderlicher Rahmenbedingungen zum KI-basierten Personalmanagement. Hierbei stehen datenschutzrechtliche Fragestellungen (DSGVO) und ethische Tugenden (Corporate Ethic Virtues Model) im Fokus. Inhaltlich abgerundet wird der Beitrag durch die Entwicklung eines Kompetenzprofils für Personalmanager im KI-Zeitalter. Der Beitrag schließt mit einem Ausblick für zukünftige Forschung und leitet wissenschaftliche Implikationen ab.

Keywords: Künstliche Intelligenz; Personalmanagement; Corporate Ethic Virtues; Datenschutz(konformität); DSGVO; Task Technology Fit Theory; Technology Acceptance Model; Kompetenzprofil; HR Role Model (search for similar items in EconPapers)
Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

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:spr:sprchp:978-3-031-22777-6_10

Ordering information: This item can be ordered from
http://www.springer.com/9783031227776

DOI: 10.1007/978-3-031-22777-6_10

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().