Künstliche Intelligenz in der Personalentwicklung hat einen Namen: BAST.AI. Gründerin und CEO Beth Rudden und ich haben ethische KI in People Analytics eingesetzt, um erfolgskritische Entscheidungs-grundlagen basierend auf Daten, transparent und erklärbar sowie im Einklang mit deutschen Datenschutzbestimmungen, zu verbessern.

Ethische KI unterstützt Entscheidungen evidenzbasiert und trägt so meßbar zur Produktivität und Zukunftsfähigkeit der Belegschaft bei. Beispiele schließen ein: 

• Weiterentwicklung von Rollen und Fähigkeiten (z.B. hybrides Arbeiten, Resilienz, fachliche Expertise)
• Schwierigkeiten / "Pain Points" antizipieren und präventiv anzugehen
• Stärken erkennen und gezielt nutzen (intern / extern)
• Gezielte Qualifizierungsmaßnahmen, evidenzbasierten ROI of Learning
• Transparente Karriereperspektiven basierend auf Talent (MA/FK)

Damit hat KI das Potenzial, den strategischen Beitrag und die Bedeutung der HR- und PE Funktion zum Geschäftserfolg zu stärken: HR-bezogene Erkenntnisse, die mit Hilfe von KI generiert werden, können für Geschäftsentscheidungen und -erfolg entscheidend sein.

 Schritt 1:

Wir nehmen Ihre Daten und extrahieren die Entitäten und Beziehungen, die die Sprache Ihrer Organisation beschreiben.

Wir erstellen einen formalen Wissensgraphen, eine sogenannte Ontologie.

 Schritt 2:

Wir verwenden die Ontologie, um Ihre Daten in Bezug auf die Sprache Ihrer Organisation zu verstehen.

(Beth zur Bedeutung von Sprache)

Schritt 3:

Anhand der Ontologie können wir ableiten, dass Sie möglicherweise Belege für "Fähigkeiten" haben.

Eine Ontologie stellt ein Netzwerk von Informationen mit logischen Beziehungen dar. Die obige Abbildung zeigt einen Wissensgraphen eines ontologischen Netzwerks von Fähigkeiten, die mit einer bestimmten gesuchten Fähigkeit zusammenhängen (blauer Kreis oben links). Alle anderen Kreise stellen Fähigkeiten dar, die mit der gesuchten Fähigkeit zusammenhängen. Farbcode, Position und Beziehung zueinander basieren auf erklärbaren Beziehungen. 

Ontologien zeichnen sich durch 4 Hauptmerkmale aus: 

1. Konzeptsuche: Es werden Konzepte verwendet, die in direktem Zusammenhang mit einer bestimmten Fähigkeit stehen, sowie alle bekannten Sprachvariationen (über die Suche nach Schlüsselwörtern hinaus)
2. Kontinuierliches Lernen: Die Ontologieentwicklung ist ein iterativer Prozess. Sie wird kontinuierlich verbessert und validiert (maschinell und menschlich)
3. Erklärbar: Ontologien funktionieren wie ein "Gehirn". Sie arbeiten und argumentieren mit Konzepten und Beziehungen auf eine Art und Weise, die der Art und Weise nahe kommt, wie Menschen miteinander verknüpfte Konzepte wahrnehmen. 
4. Skalierbar: Bestehende Ontologien lassen sich leicht erweitern und ergänzen. Dadurch entwickelt sich das Modell mit der wachsenden Datenstruktur weiter, ohne die damit verbundenen Systeme zu beeinträchtigen.