Definition HR- Analytics:

„[...] eine auf Informationstechnologie gestützte HR-Praxis, welche zur Beantwortung einer unternehmensrelevanten Fragestellung unternehmensinterne und externe Daten auf ethische Art und Weise unter Einbeziehung der Stakeholder integriert, analysiert, an diese rückkoppelt und die Analyseergebnisse als Entscheidungsgrundlage in Bezug auf strategische Unternehmensfragen heranzieht.“

• HR Analytics ≠ HR Metrics

• HR Analytics ...

▪ ... geht auch über HR- Daten hinaus

▪ ... ist bei Personalentscheidungen evidenzorientiert

▪ ... verbindet HR Entscheidungen mit Business Outcomes

▪ ... hat menschliches Verhalten als wesentliches Analyseobjekt

Einfaches HR- Analytics

• Personalcontrolling

• Ist-Beschreibung des Personalbereiches

• „Welcher Standort verfügt über die höchste Fluktuationsrate“?

• HR- Rolle: Verwalten von Metriken

• Analysen -> Effizenz- und Vergangenheitsorientiert

Fortgeschrittenes HR Analytics

• Kausalhypothesen

• Höhere Anforderung an Daten

• „Wirkt sich variable Vergütung positiv auf Leistung aus“?

• HR- Rolle: Strategischer Partner

• Analyen -> HR- Business- Ranking; Zukunftsorientiert; Prognose von KPI’s; Treiberrankings

Prädiktives HR Analytics

• Vorhersage

• Ähnliche statistische Verfahren wie auf Stufe 2

• Maschinelles Lernen (KI)

• „Wie viele Bewerbungen wird der Einsatz eines bestimmten Marketingbudgets für einen Kanal generieren?“

• HR- Rolle: Strategischer Partner

• Analysen: HR- Business- Ranking; Zukunftsorientiert; Prognose von KPI’s; Treiberrankings

HR-A kann als Werkzeug dienen, um strategische Fragestellungen in verschiedenen

Personalarbeitsbereichen zu beantworten.

➢ Wie viele Bewerbungen wird eine Stellenanzeige pro Kanal generieren? (Recruiting Analytics)

➢ Hängen Charakteristika der Abteilungen (z.B. Arbeitszeiten, Arbeitszeitmodelle, Führungsstrukturen) mit der Leistung der Mitarbeiter:innen zusammen? (Performance Analytics)

➢ Führen mehr Trainingsangebote zu einer geringeren Kündigungsabsicht bei den Beschäftigten? (Training & Learning Analytics)

➢ Sollte ein Onboarding-Programm, welches zu einem Leistungsanstieg in den ersten sechs Monaten führt, der danach jedoch verschwindet, beibehalten werden? (Development Analytics)

➢ Gibt es Gruppen von Mitarbeiter:innen (Cluster), die sich in ihren Wünschen und Bedürfnissen im Hinblick auf Personalbindungsangebote ähnlich sind? (Turnover/ Retention Analytics)

Stakeholdermanagement und -kommunikation als Basis

Ziel

“Aufbau einer Kommunikativen Beziehung, so dass Stakeholder Aktivitäten und Ziele als legitim akzeptieren und unterstützen”

“Aufbau von gegenseitigem Verständnis über Probleme & gemeinsame Interessen; Entwicklung von Strategien zur Bewältigung von Problemen”

• Personen, die die Daten für die HR-A Projekte generieren (z.B. die Personen, die „erfasst werden“, also die Personen über die Informationen gesammelt und deren Daten genutzt werden)

• Personen, die an einer Zusammenstellung der Daten Abteilungs- oder Organisationsübergreifend beteiligt sind (z.B. Mitarbeiter:innen der Business Intelligence Unit)

• Personen, die von den damit verbundenen Entscheidungen betroffen sein werden

• Personen, die an der Verbesserung durch eine Intervention (meistens das Management) interessiert sind

• Personen, die dazu beitragen können, Metriken/ Daten zu identifizieren und Zugang zu diesen zu erhalten (die Subject Mater Experts).

• Stakeholder sind jede Gruppe oder Einzelpersonen, die die Zielerreichung und die Zweckbestimmung einer Organisation beeinflussen können oder durch die Zielerreichung beeinflusst werden

• Ökonomische Interessen (z.B. Investoren)

• Moralisch, ethische Ansprüche (z.B. Datenschutzorganisationen)

• Anspruchsgruppen = Mittel zur Erreichen von Zielen der Organisation

Unternehmenskommunikation

• Kommunikationsprozesse, die Beitrag zur Aufgabendefinition und –erfüllung leisten und zur internen und externen Handlungskoordination sowie Interessensklärung zwischen Unternehmen und ihren Bezugsgruppen bzw. Stakeholdern beitragen

Stakeholderkommunikation

• Aufbau einer Kommunikativen Beziehung, so dass Stakeholder Aktivitäten und Ziele als legitim akzeptieren

• Stakeholder-Dialog = strukturierter interaktiver und proaktiver Prozess zur Entwicklung von Strategien, in denen die Anliegen aller Stakeholder berücksichtigt werden

• Ziel: Gegenseitiges Verständnis über Probleme, gemeinsame Interesse und Strategien zur Bewältigung entwickeln

• Interne Kommunikation…

-> reduziert

• Unsicherheiten

• Gerüchte

• sowie emotionale & kognitive Unsicherheit

-> führt außerdem zu einer insgesamt gesteigerter Arbeitszufriedenheit

Datenminimierung und Datensparsamkeit

• so wenig (und nur für die Analyse relevante) Daten erheben

Anonymisierung und Pseudonymisierung

• keine Rückverfolgbarkeit der Daten auf Personen, höchstens mit Code

Eindeutigkeit und legimierter Zweck

• bestimmter Zweck der Datenerhebung muss klar sein

Informierte Einwilligung

• muss gegeben sein

Datenschutzbeauftragte(r)

• muss die Hoheit über z.B. Algorithmen haben und jederzeit in Abläufe eingreifen können

Transparenz

• alle sollten wissen welche Daten, wann und wie erhoben werden

Einhalt von Datenschutzbestimmungen

Mitbestimmung

• sollte nicht nur dem Betriebsrat vorbehalten sein, sondern auch Mitarbeiter*innen sollten über die Erhebung der Daten mitbestimmen dürfen

Unterstützung durch Daten

• Entscheidungen in Unternehmen niemals nur Datengetrieben, Menschen bleiben die Letzte Entscheidungsinstanz

„Der Anspruch auf eine systematische, wissenschaftlich abgesicherte und umfassende Identifizierung und Bewertung von technischen, umweltbezogenen, ökonomischen, sozialen, kulturellen und psychischen Wirkungen, die mit der Entwicklung, Produktion, Nutzung und Verwertung von Techniken zu erwarten sind“

• Technologiefolgen vorhersagen und bewerten

• Für die Gesellschaft verlässliche und unparteiische Informationen breitstellen

• Auskunft über zu erwartende Konsequenzen von technischen Handlungen

• Erfassung unbeabsichtigter Folgen

=> zukunftsorientierte, eine Vielzahl gesellschaftlicher Ziele berücksichtigende Steuerung des technologischen Wandels

Anwendungsfelder

Pflege

Erziehung

Mobilität

Gesundheitswesen

Beratung & Verkauf

Dienstleistungen

Freizeit & Unterhaltung

Definition sozial-interaktive Agenten:

1. Nonhumanoid Robojects

   • Beispiel: Roomba (Staubsaugroboter

2. Humanoid Robots

   • Beispiel: Pepper, Nao

3. Android Robots

   • Beispiel: Geminoid

Komponenten:

▪ Hardware

▪ Sensoren (visuell, auditiv, taktil, andere)

▪ Antriebe (Motoren)

▪ Software

User-centered Design (USD)

• End-Nutzer:innen sind am Design-Prozess beteiligt

• Prototypen helfen beim Testen

• „Test early, test often“

• Herausforderung: End-Nutzer:innen haben unterschiedliches Vorwissen über Technologie und unrealistische Design-Ideen

1. Matching the form and function of the Design

2. Underpromise and Overdeliver

3. Interaction Expands Function

4. Do not mix Metaphors

The Uncanny Valley

• Je menschenähnlicher, desto sympathischer werden Roboter wahrgenommen

• Werden sie zu menschenähnlich, verringert sich die Sympathie drastisch

Soziale Interaktion

• Reaktionen auf Agenten gleichen sozialen Reaktionen

• Soziale Reaktionen gegenüber Agenten: Sympathie,

  Geschlechterstereotype, etc.

• Computer, die schmeicheln, werden positiver evaluiert (Fogg & Nass, 1997)

• Impressionmanagement beim Fernsehen (Krämer et al., 2003)

Shechtman & Horowitz, 2003: Wenn Probanden denken, dass der Partner menschlich ist (also ein Avatar, kein Computerprogramm), dann nutzen sie mehr Wörter, wenden mehr Zeit auf und nutzen mehr Beziehungswörter

Reaktionen sind nicht wirklich sozial

• Reaktionen sind bedingt durch psychologische Dysfunktion, junges Alter oder fehlende Erfahrung→Aber: TN in CASA-Studien meist gesunde Studierende mit ausreichend technologischer Erfahrung (Nass et al., 1996)

• Teilnehmende interagieren mit dem Programmierer, der Computer dient nur als Medium

• Reaktionen sind nicht wirklich „sozial“, Menschen reagieren sozial-ähnlich aufgrund eines fehlenden Skripts für Mensch-Maschine- Interaktionen→Soziale Reaktionen sind zumindest teilweise unbewusst

Krämer et al. (2013)

• Mimikry in sozialen Situationen

• Small Talk mit 3 Konditionen (Lächeln viel, manchmal, gar nicht)

• Ergebnis: Probanden lächeln länger, wenn der Agent auch lächelt – jedoch unbewusst

Annahme, dass Reaktionen sozial und unbewusst sind

• Ethopoeia = unbewusstes und automatisches Verhalten, inkonsistent mit der eigenen, bewussten Meinung (Nass & Moon, 2000)

• Nass et al., 1999 – Probanden geben an, sich nicht sozial verhalten zu haben, auch wenn anderes beobachtet wurde

• Lee, 2010 – soziale Reaktionen werden durch kognitive Geschäftigkeit moderiert

• Kim & Sundar, 2012 – Anthropomorphismus findet auch unbewusst statt

• → Je mehr soziale cues, desto stärker fällt die automatische, unbewusste soziale Reaktion aus

TMSI = Threshold model of social influence

Annahme, dass soziale Reaktionen abhängig sind vom Level der angenommenen Agency

• Soziale Reaktion hängt von der sozialen Verifikation der Agency und Verhaltensrealismus ab

• Agency = Grad zu dem eine virtuelle Entität von

  einem Menschen kontrolliert wird

Studie von der Pütten et al., 2010 ▪

• 2x2 between-subjects design

• UV: Agency & Verhaltensrealismus

• AV: Self-disclosure

• Ergebnis: Kein Effekt für Agency, aber für

  Verhaltensrealismus, kein Interaktionseffekt

• Metastudie Fox et al., 2015: Agency verstärkt soziale Reaktionen

  →Weitere Forschung nötig

Kommunikationsverhalten:

• Quantität über Qualität

• Je gesprächiger der Agent, desto intimer und gesprächiger Antworten die Proband*innen

Nonverbale Kommunikation:

Interaktive virtuelle Agenten

• Positivere Rückmeldung, wenn der Agent sich selbst berührt (Gesicht oder Arm), beispielsweise in fiktiven Einstellungsprozessen

• Pädagogische Agenten können durch nonverbalen Beziehungsaufbau Einsatz und Leistung positiv beeinflussen

Social Robots:

• Studie zu Berührungen zeigt eine positive emotionale Reaktion auf roboter-initiierte Berührungen sowie höhere Compliance in Bezug auf die Vorschläge des Roboters

Herausforderungen

• Subtile / kleine Bewegungen technisch (noch) nicht umsetzbar

• Kontext und Kombination aus Bewegungen

Physische Merkmale:

• Lehrstunden mit Cartoon-Hase bevorzugt vor anthropomorphem Agenten

• Anthropomorphe Charaktere werden glaubwürdiger (credible) wahrgenommen

• Männlicher Roboter = mehr agency

• Weiblicher Roboter = gemeinschaftlicher

Bernotat et al., 2017

• Roboter ausgewählt für jeweils stereotyp geschlechterspezifische Aufgaben (Mathe vs. Sprache)

• Weiblicher Roboter: erhöhtes emotionales Vertrauen

▪ Gender als Einflussfaktor vor Alter und Computer Literacy

▪ Krämer et al., 2010: Frauen sind nervöser während der Interaktion mit dem Agenten

▪ Das Interesse von weiblichen Probandinnen konnte durch non-verbales Verhalten und regelmäßiges Lächeln des Agenten erhöht werden

▪ Krämer et al., 2016: Pädagogische Agenten wurden besonders positiv wahrgenommen, wenn es sich um das andere Geschlecht handelte

→Frauen profitieren mehr von non-verbaler Kommunikation, sind gleichzeitig auch sensibler dafür

Wullenkord et al., 2015

▪ Kontakt und Berührung reduziert negative Einstellungen gegenüber dem Roboter

▪ Ausnahme: wenn bereits negative Einstellung besteht, kann diese verstärkt werden

Penner & Eyssel, 2022

▪ Einsamkeit durch Covid erhöht die Bereitschaft zu self-disclosure gegenüber Robotern

▪ Ältere Menschen sind nervöser in der Interaktion mit virtuellen Agenten (Krämer et al., 2007)

▪ Ältere Menschen können durch empathische, nonverbale Verhaltensweise den Agenten in der Interaktion unterstütz werden (Rosenthal-von der Pütten et al., 2019)

▪ Ältere Menschen können eher mit dominanten Verhaltensweisen überzeugt werden (Hosseinpanah et al., 2018)

▪ Effekte unterscheiden sich entlang Alter: Jüngere Menschen bevorzugen nicht-menschliche Agenten, ältere Menschen bevorzugen humanoide Agenten (Straßmann, 2017)

▪ Computer Literacy kann erlernt werden

▪ Novizen sind in der Interaktion mit einem virtuellen Agenten nervöser, als erfahrene Nutzer (Krämer et al., 2010)

▪ Laien profitieren weniger von der Zusammenarbeit mit virtuellen Agenten (Krämer et al., 2002)

▪ Negative Attitudes towards Robots (NARS) (Wullenkord & Eyssel, 2014)

Studie von der Pütten et al., 2010

▪ Hohe Ausprägung Extraversion und public-self- consciousness→mehr Wörter in der Interaktion

▪ Hohe Ausprägung Shyness→negative Bewertung des Agenten

▪ Hohe Ausprägung Agreeableness→positive Gefühle nach der Interaktion

Kulturvergleichende Studien

▪ US-Teilnehmende stehen Robotern am positivsten gegenüber, mexikanische Teilnehmende am

negativsten (Krämer & Manzeschke, 2021)

▪ Japanische und Deutsche Probanden unterschieden sich nicht in Bezug auf Vertrauen, Ängstlichkeit und Sympathie (Bernotat & Eyssel, 2012)

▪ Teammitglieder finden Roboter am überzeugendsten, wenn diese eine kultur- angepasste Art der Kommunikation wählen (Lindbloom & Ziemke, 2003)

Keijers et al., 2019

▪ 2x2 between-subject-design

▪ Physischer Roboter weniger stark bestraft als virtueller Agent

Unterschiede

▪ Physische Nähe durch Roboter→ unklar, ob sich dies auf die soziale Reaktion auswirkt

Shinozawa et al., 2005

▪ 2x2 between-subject design:

▪ Kognitive Aufgabe vs. Diskussion mit virtuellen Agenten vs. Robject

▪ Roboter bevorzugt für kognitive Aufgabe

▪ Virtueller Agent bevorzugt für Diskussionsaufgabe

Augmented Reality = Erweiterte Realität

„Information and data overlaid on top of the actual world “

(Farshid et al., 2018, p.2)

Zusammenführung von räumlichen, digitalen Informationen mit Informationen aus der realen Umgebung (Plewan et al., 2021)

Die erweiterten Informationen können verschiedene sensorische Informationen ergänzen (Geräusche, Videos, Texte...)

Schnittstellen können Displays, Kameras, Apps, Einsatz von Head Mounted Systems sein.

Nutzer:innen sind sich ihrer Verortung in der tatsächlichen, physischen Welt bewusst.

Zwischen realer und virtueller Umwelt finden wir den Bereich „Mixed Reality“, während augmented Reality auf der Seite der realen Umwelt liegt und virtual Reality auf der Seite der virtuellen Umwelt

• Mismatch zwischen physischen und wahrgenommenen Reizen (Drascic & Milgram, 1996).

• Ständiges Ausbalancieren konfligierender Reize (Hoffmann et al. 2008)

• Verzerrungen und Fehler in der Wahrnehmung

• Erhöhtes Risiko für physische und mentale Überanstrengung (Grubert et al., 2010)

• Technische Expertise im Umgang mit der Aufgabe und dem Device

Beispiel 1: Logistikbranche

• Effizienzsteigerungen

• Großangelegte Pilotprojekte unter Be- triebsbedingungen bei Adidas, DHL, Penny

• Unterstützung der Kommissionierer bei „Pick-by- vision“ Aufgaben

Beispiel 2: Pflegebranche

• Stressreduktion resp. Erhöhung des Wohlbefindens der Pflegekräfte

• Forschungsprojekte unter Betriebsbedingungen in Krankenhäusern sind rar

• Unterstützung der Pflegekräfte bei der Dokumentation, Versorgung, Kommunikation, u.a. Wundmanagement

Abhängige Variablen

• Reaktionszeiten

• Fehleranzahl

• Komfort

• psychische Belastung

Insgesamt lässt sich zur Forschungsfrage, ob Datenbrillen zur Effizienzsteigerung beitragen können folgendes sagen:

Joar...

unter Laborbedingungen

mit einer jungen, gebildeten Gruppe mit hohem räumlichen Vorstellungsvermögen

bei einer einfachen Aufgabe.

Status: Keine Unterschiede in der Attribution (Kompetenz, Wärme und Vertrauenswürdigkeit)

Das Design verändert den Eindruck

• Kompetenz

• Wärme

• Vertrauenswürdigkeit

Je ähnlicher die Datenbrille einerLesebrille, desto eher gleichen sich die Bewertungen der Kontrastbedingung

Design x Geschlecht

• Männer mit der Realwear verlieren

hinsichtlich Vertrauenswürdigkeit und Wärme

Industrie 4.0 → Durch Vernetzung aller Maschinen entstehen Cyber- Physische Produktionssysteme

Industrie 5.0 → Industrie wird in einem „höheren“ Kontext betrachtet: Ressourcengrenzen, soziale Aspekte und Humanzentrierung rücken in den Vordergrund

New Work:

Was ist KI überhaupt?

„Künstliche Intelligenz ist ein Wissenschaftsbereich, der sich mit der Entwicklung von Computern und Maschinen befasst, die logisch denken, lernen und in einer Weise handeln können, die normalerweise menschliche Intelligenz erfordern würde oder die mit Daten zu tun hat, deren Umfang das übersteigt, was Menschen analysieren können. Für den Geschäftsbetrieb stellt die KI eine Reihe von Technologien dar, die primär auf maschinellem Lernen und Deep Learning basieren, und für Datenanalysen, Vorhersagen und Prognosen, Objektkategorisierung, Natural Language Processing, Empfehlungen, den intelligenten Datenabruf und vieles mehr verwendet werden.“

NARROW AI:

• Basierend auf selbst- lernenden Ansätzen, die in bestimmten Aufgaben besser abschneiden als der Mensch

• Die Mehrheit der in Unternehmen eingesetzten Systemen basierend auf narrow AI-Ansätzen

GENERAL AI:

• Umfasst eine Selbstlernfähigkeit, die der menschlichen Intelligenz entspricht

SUPERINTELLIGENT AI:

• Wird dem Menschen in allen Aspekten als überlegen angesehen

Branchen mit einer guten Datengrundlage eigenen sich gut für einen KI-Einsatz:

Automobilbranche

• Beim autonomen Fahren werden Informationen über den Straßenzustand gesammelt und mit KI- Algorithmen kombiniert, um die besten Routen- und Steuerungspläne anzubieten und diese kontinuierlich zu optimieren.

Finanzmarkt

• Beispiele sind intelligente Risikokontrolle, intelligente Beratung, Marktprognosen und Kreditwürdigkeitsprüfung.

Gesundheitsbranche

• IBMs intelligenter KI-Assistent Watson nutzt KI-Algorithmen zur Analyse und Verarbeitung medizinischer Daten, um den Betroffenen angemessene Unterstützung zu bieten und Diagnosen effektiver und präziser durchzuführen.

▪ Langfristige Beschäftigungsfähigkeit

▪ Fehler können durch eine Interaktion aufgefangen werden

▪ Motivationsförderlich

▪ Kann zur Entwicklung wichtiger Fähigkeiten beitragen

▪ Förderung der Sicherheit am Arbeitsplatz

▪ Erlebte Monotonie (Ralph et al. 2017)

▪ Zu hohes oder geringes Vertrauen ggü. der Technik (Merrit et al. 2019)

▪ Reduktion der eigenen Aufmerksamkeit (Parasuraman et al. 1993)

▪ Fertigkeitsverlusten (Frank & Kluge, 2019)

▪ Unreflektierte Akzeptanz von Entscheidungsvorschlägen (Dalcher, 2007)

→ Hängt zusammen mit:

Motivation

Leistung

Kreativität

Proaktivität

• Positive Entwicklung Die Möglichkeiten für autonomes Handelnkönnen zunehmen, dadurch dass der Zugang und die Speicherung von Wissen digitalisiert erfolgen

• Negative Entwicklung unter dem Einsatz von KI: Die wahrgenommene Autonomie kann sinken, wenn KI-Systeme in die Entscheidungsfindung involviert werden

→ Hängt zusammen mit: affektiven Arbeitsoutcomes wie Zufriedenheit (Santos et al., 2016)

• Positive Entwicklung KI kann den ortsunabhängigen Austausch zwischen Mitarbeitenden erleichtern

• Negative Entwicklung: Schwierigkeiten in der Nutzung oder mangelndes Vertrauen in KI kann den Austausch behindern

Anforderungsvielfalt

→ Hängt zusammen mit: Arbeitszufriedenheit

• Positive Entwicklung KI übernimmt gefährliche und alltägliche Aufgaben, sodass der Mensch mehr Zeit für anspruchsvolle Aufgaben hat

• Negative Entwicklung: KI übernimmt einen Großteil der Aufgaben, wodurch der Mensch zu einem passivem Kontrolleur wird

Job Feedback

→ Hängt zusammen mit: Erhaltung von Fähigkeiten, Leistung und Motivation

• Positive Entwicklung unter dem Einsatz von KI: KI kann individuelles Feedback geben und so zur Rollenklarheit beitragen

• Negative Entwicklung unter dem Einsatz von KI: Der Einsatz von KI und die damit einhergehenden Veränderungen können zu Rollenunsicherheit führen

Arbeitsanforderungen

→ Hängt zusammen mit: Stressoren/ Anforderungen an Mitarbeitende

• Positive Entwicklung: KI übernimmt monotone Tätigkeiten, entlastet dadurch den Menschen und ermöglicht ihm, sich anregenden Aufgaben zu widmen

• Negative Entwicklung unter dem Einsatz von KI: KI übernimmt einen Großteil der Aufgaben und die Mitarbeitenden müssen die Ausführung der KI überwachen, was als stressig und ermüdend empfunden wird.

Humanzentrierter Fokus

▪ Motivationsförderlich (Hughes et al., 2019)

▪ Sicherheitsförderlich (Welfare et al., 2019; Hancock et al., 2011)

▪ Aufbau wichtiger Fähigkeiten (Hughes et al., 2019)

▪ Langfristige Beschäftigungsfähigkeit (Hughes et al., 2019)

Job Identität als wichtige Einflussvariable

▪ Job-Identität essenziell für die Person, die Arbeitsausführung und das Engagement

▪ Veränderungen können Job-Identität betreffen und in Ablehnung münden

VS

Technikzentrierter Fokus

▪ Erlebte Monotonie (Ralph et al., 2017)

▪ Fertigkeitsverluste (Frank & Kluge, 2019)

▪ Geringeres Wohlbefinden (Tausch & Peifer, 2020) ▪ Verminderte Motivation (Tausch & Peifer, 2020)

= zur Gestaltung von motivations-, identitäts- und vigilanzförderlichen Mensch-KI-Teaming Arbeitsplätzen

• Begleitet den Transformationsprozess zu einem Mensch-KI-Teaming-Arbeitsplatz

• Erfasst den aktuellen Ist-Zustand im Hinblick auf relevante Arbeitsplatzmerkmale, Job- Identität und Erlebens-Facetten

• Ermöglicht das Ableiten von Implementierungsstrategien für eine motivations- und identitätsförderliche Gestaltung eines KI-Arbeitsplatzes

• Mehrfacher Einsatz im Implementierungsprozess

• Anwendung in Organisationen, die KI einführen möchten

Anzahl der bearbeiteten Bilder sind in der KI – Mensch- Bedingung am höchsten und Müdigkeit bleibt konstant im Vergleich zu den anderen Bedingungen

Standortverteilte bzw. ortsunabhängige Arbeit unter der verstärkten Nutzung von Informations- und Kommunikationstechnologien, um mit anderen zu interagieren (s. z.B. Raghuram et al., 2019)

Eine große Anzahl von Studien zeigt negative Auswirkungen von Teamvirtualität auf Teamprozesse, emergente Zustände und Ergebnisse (z. B. Baltes et al., 2002; Ortiz de Guinea et al., 2012):

Teamleistung

Zufriedenheit des Teams

Kommunikation (Art + Häufigkeit)

Koordination

Gründe können sein:

Informationsmangel

Missverständnisse & Konflikte

Mangelndes Wissen der Mitglieder

Unpersönliche Interaktionen

Motivationsverluste

Ungünstige Arbeitsmerkmale

Besonders bei den Punkten Informationsmangel, sowie Unpersönliche Interaktionen lassen sich zwei Theorien nennen:

Die Media Richness Theory (Daft & Lengel, 1987) besagt, dass elektronische Medien einen geringeren informationalen Wert haben und damit weniger interaktiv und persönlich sind. Je reichhaltiger das Medium also, desto besser die Kommunikation.

Die Social Presence Theory (Short, Williams, & Christie, 1976) besagt, dass elektronische Medien eine geringere soziale Präsenz aufweisen und daher unpersönlicher sind.

Zentrale Annahme: es gibt mehr oder weniger gute Passungen zwischen Kommunikationsmedien und Arbeitsaufgaben

• Insgesamt uneindeutige Befundlage (Carter et al., 2018)

• Unterschiedliche Effekte durch Studiendesign, Teamzusammensetzung, oder Branche (Carter et al., 2019; Gibbs et al., 2017; Ortiz de Guinea et al., 2012; Purvanova & Kenda, 2022)

• Negative Effekte werden vornehmlich in experimentellen Settings aufgedeckt (Gibbs et al., 2017; Ortiz de Guinea et al., 2012; Purvanova & Kenda, 2022) 

• Studentische Adhoc-Gruppen

• Kurzer Zeitrahmen

• Wenig Gestaltungsspielraum

• Bei wiederholten Aufgaben, weniger Zeitdruck und (erwarteter) zukünftiger Zusammenarbeit verringern sich bzw. verschwinden negative Effekte (z.B. Baltes et al., 2002; Fuller & Dennis, 2009; Walther & Burgoon, 1992)

Strukturelle Teamvirtualität meint die physischen Merkmale der virutellen Arbeit, die nicht verändert werden können (z.B. die Tatsache, dass Mails nicht Ton/Bild übertragen oder dass Videokonferenztools meistens nur auf Gesichter fokussieren)

Wahrgenommene Teamvirtualität hingegen spricht von der eigens erfahrenen Virtualität (wie nah/ fern sind wir uns als Team auf einer emotionalen Ebene)

• dazu gehört die Distanz (affektiv) und ein evtl. Informationsdefizit (kognitiv)

Work Design (dt. Arbeitsgestaltung): „The content and organising of tasks, activities, relationships, and responsibilities” (Parker, 2014, S. 662), z.B. Autonomie, soziale Unterstützung, Umgebungsvariablen (z.B. Lärm, Hitze)

Achtung: im dt. Sprachraum direkt mit systematischer Veränderung verbunden (vgl. Dunckel & Volpert, 1997)

-> Einfluss auf individuelle (z.B. Arbeitszufriedenheit, Stress) sowie teambezogene Outcomes (z.B. Koordination, Teamleistung) in zahlreichen Studien nachgewiesen (z.B. Carter et al., 2019; Humphrey et al., 2007; für einen Überblick, s. Parker et al., 2017)

• Untersuchung im Kontext virtueller Zusammenarbeit naheliegend, aber bisher nicht erforscht (Carter et al., 2019)

Autonomie; Zeitdruck; Feedback; Interdependenz; Soziale Unterstützung; Aufgabenkomplexität

1. Negative Effekte anspruchsvoller Aufgaben + Arbeitsanforderungen:

   • Erhöhter Kommunikations-/Koordinationsaufwand durch hohe Virtualität wird durch komplexe und unsichere Aufgaben sowie hohe Arbeitsanforderungen (z.B. Zeitdruck) (kurzfristig) noch weiter erschwert

2. Gemischte Effekte von Interdependenz

   • Erhöhte Motivation einerseits, erschwerte Koordination andererseits

3. Positive Effekte von Jobressourcen

   • Autonomie ermöglicht flexible Anpassung von Kommunikation an virtuelle Bedingungen

   • Feedback und soziale Unterstützung kompensieren Virtualitätsanforderungen

Eine Definition von Führung:

“Führung erfüllt in Organisationen eine zentrale Aufgabe, nämlich die der Ausrichtung des Handelns der einzelnen Organisationsmitglieder auf die Erreichung der Organisationsziele, welche sowohl in Effizienz- als auch in Humanzielen bestehen”

Unterscheidung von Brodbeck et al. (2002):

• Personale Führung: Führung durch Menschen

• Strukturelle Führung: Führung durch Anreizsysteme, Vorschriften o. Rechtssysteme

• Die Führungsforschung hat eine lange Tradition bei der Untersuchung der Frage, wie Menschen am besten geführt werden können (e.g., Barnard, 1938)

• Dabei wurde schon seit den späten 1990ern die zunehmende Präsenz von Technologie am Arbeitsplatz berücksichtigt

• e-leadership (e.g., Avolio, Kahai, & Dodge, 2000)

• virtual leadership (e.g., Schmidt, 2014),

• or computer-mediated leadership (e.g., Fischer & Manstead, 2004)

Aber, ...

• Technologie wurde als reines Kommunikationsmedium/Tool zw. menschl. Führungskräften u. Geführten konzeptualisiert

• nicht als aktive Agenten in Führungs- und Teamprozessen ähnlich psych. Mensch-Technik-Interaktionsforschung: ‘user/operator/supersvisor-tool’-Interaktionslogik (Scholz, 2003)

Uber Technologies Inc. verwendet eines der fortschrittlichsten automatisierten Managementsysteme, das mehrere Führungsfunktionen automatisiert:

• verarbeitet pickup requests der Kund*innen, weist Fahrer*innen pickup requests auf Basis ihrer Verfügbarkeit und ihres Standorts zu,

• überwacht die angenommenen Anfragen der Fahrer*innen u. evaluiert die Bewertungen der Kunden*innen,

• gibt Fahrer*innen Feedback zur Verbesserung der Fahrerlebnisse der Kund*innen,

• passt Fahrpreise an oder sperrt Fahrer*innen bei niedrigen Annahmeraten oder negativen Kund*innenbewertungen,

• holt Informationen zu geplanten Arbeitstagen und –stunden der Fahrer*innen ein

• setzt Anreize für Fahrer*innen, zu bestimmten Terminen zu arbeiten, um das Angebot an verfügbaren Fahrer*innen zu optimieren

• Vertrauen ist in menschlichen Entscheidungsträger höher als in Algorithmen, sowohl bei Vertrauen in den Entscheider, Akzeptanz des Entscheiders und Akzeptanz der Entscheidung

• aus sicht der Bewerbenden wirkt sich die Automatisierung des Bewerbungsprozesses auf die wahrgenommene Attraktivität des Unternehmens und die Intention to Apply aus (u.a.)

1. Achtung der menschlichen Autonomie

2. Schadensverhütung

3. Fairness

1. Erklärbarkeit

Akzeptanz und Vertrauen sollen „geschaffen“ werden.

• Die Achtung der menschlichen Autonomie fängt dort an, wo Menschen in die Planungsprozesse und Konzeption von KI-Lösungen miteinbezogen werden.

-> Es geht also um Partizipation im Entwicklungsprozess, wenn KI z.B. in Unternehmen implementiert wird

Risiken am Beispiel des Predictive Policing

• „[...]das rechtstaatliche Prinzip der Unschuldsvermutung [ist] nicht unmittelbar in Gefahr“

• „allenfalls eine geringe positive Wirkung auf die Effektivität polizeilicher Maßnahmen“

• Darf zu Gunsten der allgemeinen Effektivität/Effizienz die Privatsphäre, freie Entfaltung, etc. einzelner verletzt werden?

-> Sozialer Wert von Privatheit

• Algorithmic Biases

• Daten – und damit auch Algorithmen – spiegeln gesellschaftliche Vorurteile wieder

• Ghost working als unfaires Beipsiel – durch Niedriglohnarbeit der Ghost- Worker werden die KI- Effizienz und Gewinne drastisch erhöht

Ein normatives — nicht deskriptives — Attribut

• Epistemische Forderung:

KI soll verständlich in dem Sinne sein, als dass Information effektiv an Menschen kommuniziert wird.

• Ethische Forderung:

KI soll Handeln insofern ermöglichen, als dass Informationen so kommuniziert werden, dass Menschen in verantwortungsvoller Weise handeln können.

• Aktuelle Studien belegen eine noch eingeschränkte Sichtweise auf die Thematik.

• Ethische Risiken für Organisationen sind noch nicht vollständig erfasst.

Forderungen

• Autonomie: Vollautomatisierte Entscheidungen im HR-Bereich sollten in der Regel vermieden werden. Verfahren zur Anfechtung müssen vorhanden sein.

• Schadensverhütung: Kontinuierliche Überwachung, um Probleme zu erkennen, die durch algorithmische Entscheidungen verursacht werden.

• Gerechtigkeit und Fairness: Neben technischen Bewertungen, ist die Fairness von KI anhand von realweltlichen Ergebnissen zu bewerten.

• Explizierbarkeit: Behauptungen über positive Wirkungen der KI mit Daten zu untermauern.

Transparente Kommunikation und Beteiligungsprozesse sind notwendig

• Das Konzept der Vertrauenswürdigen Künstlichen Intelligenz und ihre ethischen Prinzipien sind auch im Kontext der Arbeit 4.0 hochrelevant und aussagekräftig.

  
  

  Um den Principles-to-Practice Gap zu schließen ist Partizipation, Transparenz, und eine inklusive Arbeitskultur notwendig.

• Ein erster Schritt ist ein transparentes und konkretes Commitment zur Detaillierung des unternehmenseigenen Verständnisses der Prinzipien.

• Entwicklung vor der Covid-19-Pandemie: auch schon vor der Pandemie arbeiteten die deutschen vermehrt von Zuhause

• Deutlicher Anstieg während Pandemie (z. B. Bonin et al., 2021) – Etwa 40% arbeiteten (vollständig oder teilweise) von Zuhause – Bei etwa 45% der Beschäftigten lässt die Tätigkeit keine Arbeit von Zuhause zu

• 70% sprechen sich für gesetzlichen Anspruch auf Homeoffice aus (Statista, 13.09.2022)

Konstanzer Homeoffice Studie (Kunze & Team), 16. Befragungswelle, April 2023

• Wahrnehmung, dass sich die persönliche Arbeitssituation in Bezug auf

  Homeoffice durch die pandemiebedingten Änderungen verbessert hat (69%)

• Zukünftige Jobwahl abhängig davon, ob mobiles Arbeiten/Homeoffice möglich

  (70%àAnstieg von 14% in 2020)

• Wunsch nach mobilem Arbeiten stabil bei ca. 3 Tagen/Woche

  -> Wunsch nach hybridem Arbeiten bei den Mitarbeitenden

Arbeitszeit:

• Teilflexibel (Kern- oder Gleitzeitkonzepte)

• Vollflexibel

Arbeitsort:

• Office First: weniger als 4 Tage /Monat HO

• Synchronhybrid -> Feste Office/HO- Tage für alle Mitarbeitenden

• Statisch- Hybrid -> Starre Festlegung pro Mitarbeiter ob HO oder Office

• Voll Flexibel

• HO - First -> Weniger als 4 Tage Office/Monat

Einerseits:

• 80 % sind zufrieden im Homeoffice (Fraunhofer-Institut für Angewandte Informationstechnik, 2020)

• 65 % arbeiten lieber im Homeoffice (mhplus Krankenkasse/SDK Süddeutsche Krankenversicherung, 2020)

Andererseits:

• 80 % machen täglich Überstunden (Institut der Deutschen Wirtschaft Köln, 2020)

• 42 % empfinden die Arbeit im Homeoffice anstrengender

• 22 % stehen unter Zeit- und Leistungsdruck

Autonomie als Ressource / Anforderungen als Herausforderung

Bessere Vereinbarkeit / Anpassung der Arbeit an individuelle Bedürfnisse

Flextime...

• ermöglicht zeitliche Anpassung an die Anforderungen aus der Arbeit und dem Privatleben (z.B. Verschiebung des Arbeitsendes, um einen Behördengang zu erledigen)

• –  erleichtert Trennung von Arbeit und Privatleben / geht mit weniger Störungen durch die Arbeit im Privatleben einher -> weniger Work-Family- Conflict

• Beschäftigte mit kleinen Kindern haben am häufigsten Arbeit von Zuhause vereinbart und auch zunehmend mehr Frauen (z.B. Wegfall der räumlichen Grenze und daher flexiblere Reaktion auf spontane Belange möglich)

• Frauen im Homeoffice weiten Betreuungs- und Haushaltstätigkeiten um etwa 1,7 Stunden pro Woche aus, Männer um 0,6 Stunden

Aber-> Chancen können sich in Risiken verwandeln (Gender Care Gap)

1. Gefahr der Vergrößerung des Gender Care Gap

2. Verschwimmen der Grenzen / Entgrenzung der Arbeitszeit

• höhere Anforderungen an Autonomie und Selbstregulation

• Phänomen der neuen Arbeitswelt – Bezieht sich auf die Grenze zwischen Erwerbsarbeit und Privatleben (Freizeit, Familie, Ehrenamt, ...)

Verwandte Konzepte:

• Work-Life Balance (z. B., Hirschi et al., 2019)

• Work-Life Conflict (z. B., Allen et al., 2020)

• Work-Life/Family Enrichment / Spillover (z. B., Wayne et al., 2022)

• Work-Leisure Blending (Smith et al., 2022)

Relevante Theorien:

• Work-Family Border Theory(Clark,2000)

• Boundary Theory (Ashforthetal.,2000)

• Art der Grenze: räumlich/physisch, zeitlich, gedanklich/verhaltensbezogen

• Flexibilität der Grenze: Grad, zu dem sich die Grenze zeitlich und räumlich

  verschieben kann

• Durchlässigkeit der Grenze: Grad, zu dem Elemente (z. B. Gedanken, Personen)

  des anderen Bereichs auftreten/eindringen können

Segmentierung

• Grenze unflexibel und undurchlässig

Integration

• Grenze flexibel und durchlässig

Erholungsparadox (Sonnentag, 2018)

• Wenn wir Erholung am nötigsten haben, fällt sie uns am schwersten

• Dies ist besonders schwierig, wenn es beruflich keine räumliche Grenze gibt

• Homeoffice ist hier zentral für entgrenzte Arbeit

Verhältnisbezogene Ansätze auf politischer Ebene, z. B.

• Recht auf Homeoffice ( -> Koalitionsvertrag)

• Recht auf Nichterreichbarkeit (-> geforderte EU-Richtlinie)

• Pflicht zur Arbeitszeiterfassung (-> EuGH-Urteil)

• Anreize für eine gerechtere Aufteilung von Sorgearbeit (àGleichstellungsbericht)

  
  

  Verhältnisbezogene Ansätze im Unternehmen

• Organisationale Ebene:

  • z. B. flexible Arbeitszeit und Homeoffice ermöglichen (Freiwilligkeit!) durch vertragliche bzw. Dienst-/Betriebsvereinbarung, Arbeitszeitdokumentation – mit klarer Kommunikation der Notwendigkeit von Präsenzzeiten

  • z. B. betriebliche Kinderbetreuung (Kinderbetreuung sollte nicht Anreiz für Homeoffice sein)

  • z. B. Thema des betrieblichen Gesundheitsmanagements z. B. Akzeptanz von orts- und zeitflexiblem Arbeiten als Vereinbarkeitsinstrument z. B. Wertschätzung von Erholung, Anerkennung der Bedeutung von Familienaufgaben (‚Betriebsklima‘)

  • Angebote müssen aber auch genutzt werden – z. B. Gibt es negative Konsequenzen, wenn ich die Angebote nutzen? Wie steht die Leitungsebene/die direkten Vorgesetzten zur Vereinbarkeitsproblematik?

Führung:

z. B. Vertrauen, Vorbildfunktion, Kommunikation

-> Balance zwischen Autonomie und Kontrolle

Teamebene:

z. B. klare Absprachen (z. B. zur Erreichbarkeit), Team- Präsenzzeiten, Struktur für Kommunikation (vgl. Führung)

Aufgabenebene:

z. B. angemessene Arbeitsanforderungen

Arbeitsgestaltung

z.B. Ausstattung im Homeoffice z.B. abgetrenntes Arbeitszimmer

Verhaltensprävention-/Intervention

• Maßnahmen, die Kompetenzaufbau in den Bereichen Erziehung, Stressbewältigung, Zeitmanagement, ... fördern

• Work-Life Interface

  • Trainings zum besseren Umgang mit Work-Family Conflict (z. B. Rexroth et al., 2016)

  • Achtsamkeitstrainings zur Verbesserung der Work-Life Balance (z. B. Michel et al., 2014)

  • Segmentationsstrategien / Boundary Management (z. B. Rexroth et al., 2017)

  • Bewusst und explizit täglich die Grenze ziehen (Venz et al., in prep.)

• Arbeiten im Homeoffice – Selbstkontrollstrategien (Troll et al., 2022)

• ‚Boundary Tactics‘ (Haun et al., 2022)

• Allgemeine Stressmanagementinterventionen (Metaanalyse siehe Kröll et al., 2017)

• Selbstregulierungsstrategien (z. B. Unsworth & Mason, 2012)

• Gesund arbeiten (z.B. FlexAbility der BAuA; Live healthy, work healthy program, Haynes et al., 2022)

• Allgemeine Programme zur Gesundheitsförderung

• Gesundheitscoachings

• Bewegung und Ernährung (z. B. SmartJob und SmartAct)

• Schlaf (z. B. Barnes et al., 2017)

Der demografische Wandel (niedrige Geburtenraten und Langlebigkeit) sorgt für eine alternde Erwerbsbevölkerung mit zunehmend diversen Altersgruppen

Dadurch ergibt sich, dass Organisationen unterschiedliche Altersgruppen zunehmend berücksichtigen müssen

1. Sozialisation: In dieser Phase findet der Austausch von implizitem (persönlichem) Wissen zwischen Menschen statt. Es geschieht durch Beobachtung, Imitation und Kommunikation. Zum Beispiel, wenn ein erfahrener Mitarbeiter einem neuen Teammitglied beibringt, wie man eine bestimmte Aufgabe am besten bewältigt.

2. Externalisierung: Hier wird das implizite Wissen in explizites Wissen umgewandelt. Das bedeutet, dass das persönliche Wissen in eine Form gebracht wird, die für andere greifbar ist. Dies kann durch das Erstellen von Dokumenten, Diagrammen oder anderen Darstellungsweisen geschehen, um Ideen und Erfahrungen mit anderen zu teilen.

3. Kombination: In dieser Phase werden verschiedene Arten von Wissen, sei es implizit oder explizit, zusammengeführt und kombiniert, um neues Wissen zu schaffen. Das geschieht oft durch Diskussionen, Meetings oder Brainstorming-Sitzungen, bei denen Menschen ihre unterschiedlichen Perspektiven und Informationen miteinander teilen.

4. Internalisierung: Hier nehmen Individuen das neue Wissen auf, das durch den Prozess der Externalisierung und Kombination entstanden ist, und machen es zu ihrem persönlichen Wissen. Das heißt, sie lernen aus den geteilten Informationen und Erfahrungen und nutzen sie in ihrem eigenen Handeln und Denken.

Sozioemotionale Selektivitätstheorie

• Altersbedingte Veränderungen in der Zeitwahrnehmung führen zu Veränderungen sozialer Ziele und Motive

• Offene vs. geschlossene (berufliche) Zukunftsperspektive

• Bei begrenzter Wahrnhemung der Zukunf konzentrieren sich Personen motivational auf den Erhalt enger sozialer Beziehungen

• Benachteiligung von Personen aufgrund ihres Lebensalters

• offen deklarierte oder versteckte Altersgrenzen im Arbeitsmarkt

• tritt auf in allen Phasen des Employee Life Cycles: Stellenausschreibung, Weiterbildung, Beförderung und Entlassung

... GREIFT DIE BERUFLICHE SELBSTWIRKSAMKEIT ÄLTERER ARBEITNEHMER*INNEN AN

Und hat damit einen negativen Effekt auf das teilen von Wissen - mediiert durch die berufliche Selbstwirksamkeitserwartung

Relevanz von lebenslangem Lernen: längeres Arbeitsleben mit permanenten

-> technologischen Entwicklungen und

-> organisationalen Veränderungen

Förderung des Wissenstransfers:

Gleiche Chancen für alle Altersgruppen durch altersdiverse Personalmaßnahmen

-> Positiven sozialen Kontext zwischen Altersgruppen schaffen

-> Entwicklungs- und Karrieremöglichkeiten spezifisch für ältere Mitarbeitende, um eine offene Zukunfts- perspektive zu fördern

Klassische Idee von Hierarchien in Organisationen:

> eine Person (= Führungskraft) steht einem Team vor + ist verantwortlich für dessen Ergebnisse

Zentraler Mechanismus: Vorgaben + Kontrolle

Zentrale Frage der Mitarbeitenden: Was will meine Führungskraft?

Problem: Was gut/schlecht, richtig/falsch, fertig/unfertig ist, beruht zu großen Teilen auf subjektiven Kriterien.

Auswirkungen des Prinzips Vorgaben + Kontrolle

Ø warten auf Anweisungen + Rückmeldungen

Ø „Dienst nach Vorschrift“

Ø schwindendes Vertrauen in eigenes Urteil

Ø Eigeninitiative wird unterbunden

Ø Kreativität wird gehemmt

Ø abnehmendes Engagement

I Psychologische Sicherheit in Teams

Ziel: den Umgang mit Fehlern zu einer positiven Erfahrung werden lassen

II Förderung der Intrinsischen Motivation

Selbstbestimmungstheorie (Decy & Ryan)

• Zugehörigkeit (Soziales Eingebundensein)

• Autonomie/Selbstbestimmung

• Kompetenzerleben/Wirksamkeit

  + Begeisterung

Erste Schritte: Die Basis bilden

-> Bildung von (kleinen) Teams

-> Einführung von Kurzbesprechungen

-> Einführung des Rollenkonzepts (eine Person kann mehrere Rollen einnehmen)

Nächste Schritte: Rollen erlernen

-> Stärken-Workshop

-> Rollenschulungen

-> Soft-Skills

-> Rolle „Teambetreuer“

Nächste Schritte: Informationen bereit stellen

-> Aufbau internes Dashboard

-> Rolle „Batch-Koordination“

Vollendete Schritte: Rahmen für Feedback schaffen

-> Team-Feedback-Runden

-> Individuelle Feedbackdialoge

-> Rolle „Moderator“

„Berufseignungsdiagnostik bezeichnet die Entwicklung, Prüfung und Anwendung psychologischer Verfahren zum Zwecke eignungsbezogener Erfolgsprognosen und Entscheidungshilfen im beruflichen Kontext. Ihre wissenschaftliche Basis sind vor allem Theorien der Anforderungen, Fähigkeiten und Leistungen sowie Methoden zu deren Messung und Modelle der Klassifikation.“

• Kognitive Fähigkeiten

• Nicht-kognitive Persönlichkeitseigenschaften (Temperamentsmerkmale)

• Handlungseigenschaften (Bedürfnisse, Motive und Interessen)

• Bewertungsdispositionen (Einstellungen und Werthaltungen)

• Selbstbezogene Dispositionen

• Körperliche, sensorische und psychomotorische Fähigkeiten

• Verhaltensmerkmale

• Biografische Merkmale

• Kenntnisse und Fertigkeiten

• Kompetenzen

Das Problem:

Die Anforderungen einer Position ändern sich stetig: Die VUCA-Einflüsse wirken verstärkt

Die Konsequenzen daraus:

• Der Person-Job-Fit verschlechtert sich über die Zeit

• In Management-Positionen besteht die Möglichkeit vom sogenannten

  Management Derailment: „Wiederholtes und systematisches Handeln oder Nichthandeln, das zu gravierenden Misserfolgen führt“

Mögliche Lösungen des Problems:

Erweiterung der „traditionellen“ Status-Diagnostik durch potenzialorientierte Diagnostik

➤ Eignungsdiagnostische Erfassung von Lernagilität

Volatility (Volatilität)-> Schwankungen

Uncertainty (Ungewissheit),

Complexity (Komplexität) und

Ambiguity (Ambiguität)

• Lernagilität ist eine Eigenschaft, die es begünstigt, sich neuen und wechselnden Umweltanforderungen durch intentionales und nicht intentionales Lernen anpassen zu können.

• Das Konstrukt ist Bestandteil der Metakompetenz Lernfähigkeit und wird vor allem in durch VUCA-Elementen geprägten Arbeitskontexten wirksam und sichtbar.

• Lernagilität umfasst sowohl Lernen als auch intentionales Vergessen.

• Lernagilität setzt sich aus den Elementen kognitive Flexibilität, kognitive

  Leistungsfähigkeit sowie Neo-Affinität zusammen.

• Die Ausprägung der drei übergeordneten Elemente sowie der Subelemente determinieren den Grad der Ausprägung der Lernagilität.

• Die kognitive Leistungsfähigkeit fungiert dabei als notwendige, jedoch nicht als hinreichende Bedingung.

• Auch kognitive sowie behaviorale Prozesse, die durch die entsprechende persönliche Disposition, Training, Einstellung und Motivik evoziert werden können, determinieren das Ausmaß des agilen Lernens.

• Auf motivationaler Ebene beeinflusst die Lernmotivation eines Individuums, inwieweit sich die Eigenschaft Lernagilität auch in lernagilem Verhalten manifestieren kann.

• Der spezifische Fokus auf das schnelle und flexible Lernen in VUCA-Umgebungen differenziert das Konstrukt vom inhaltlich nahestehenden Konstrukt Adaptabilität und von der übergeordneten Metakompetenz Lernfähigkeit.“

• Prüfung der Fragestellung, inwieweit Lernagilität inkrementelle Validität im Vergleich zu „traditionellen“ Eignungsprädiktoren aufweist

• kann also das Hinzufügen von Lernagilität die Validität traditioneller Eignungsprädiktoren verbessern?