Bias und Fairness in HR-Algorithmen mit KI erkennen und vermeiden

Bias und Fairness in HR-Algorithmen mit KI erkennen und vermeiden.

MODUL 01: WIE BIAS IN HR-SYSTEME GELANGT

• Historische Daten, Proxy-Merkmale und Feedback-Schleifen
• Prominente Fälle: Was aus gescheiterten Recruiting-KIs zu lernen ist
• Bias-Arten: von Stichprobenverzerrung bis Automation Bias
• Warum gut gemeinte Systeme trotzdem diskriminieren
• Ihre Ausgangslage: Wo drohen Verzerrungen bei Ihnen?

MODUL 02: FAIRNESS MESSEN

• Fairness-Metriken verständlich erklärt (Demographic Parity, Equalized Odds)
• Zielkonflikte zwischen Fairness-Definitionen
• Übung: Sie prüfen ein Auswahlverfahren auf Verzerrungen
• Der Aha-Moment: Fairness ist nicht eindeutig – und was das heißt
• Was messbar ist und was Urteil bleibt

MODUL 03: GEGENMASSNAHMEN

• Bias-Audits: intern und durch Dritte
• Technische Mitigation: Daten, Modell, Nachbearbeitung
• Menschliche Aufsicht sinnvoll gestalten
• Übung: Sie leiten Maßnahmen gegen einen erkannten Bias ab
• Fairness dauerhaft absichern

MODUL 04: GOVERNANCE

• AGG, DSGVO und AI Act: rechtliche Anforderungen an faire HR-KI
• Anbieter in die Pflicht nehmen: Fragenkatalog für Beschaffung
• Eine Fairness-Richtlinie für HR-Algorithmen entwickeln
• Diversity und Compliance zusammendenken
• Ihr Fahrplan für faire HR-Systeme