Whitepaper

Verzerrungen im Recruiting erkennen und verringern

Forschungsbefunde und praktische Verfahren, mit denen Sie Verzerrungen im Recruiting erkennen und reduzieren. Mit Anleitungen zur Einführung und den rechtlichen Anforderungen.

Themen des Leitfadens

Formen der Verzerrung im Recruiting

Unbewusste Verzerrungen im Überblick: Bevorzugung ähnlicher Personen, Bestätigungsfehler, Halo- und Horn-Effekt sowie weitere Formen. Mit Beispielen aus mehr als 500 Einstellungsprozessen.

Zusammenhang zwischen Vielfalt und Geschäftsergebnissen

Unternehmen im oberen Diversitätsquartil weisen 35% höhere Renditen, 19% mehr Umsatz durch Innovationen und eine bessere Mitarbeiterbindung auf.

KI zur Erkennung von Verzerrungen

Maschinelles Lernen erkennt verzerrende Formulierungen in Stellenanzeigen, prüft die Auswirkungen der Lebenslaufsichtung auf verschiedene Gruppen und unterstützt strukturierte Bewertungen.

Rechtliche Anforderungen

EEOC-Richtlinien, Artikel 22 der DSGVO und neue KI-Regelungen. Enthalten sind Verfahren zur Prüfung ungleicher Auswirkungen, Dokumentationsanforderungen und Vorlagen für Audits.

Ergebnisse messen

Mit diesen Kennzahlen prüfen Sie die Maßnahmen: die Zusammensetzung der Bewerbergruppen je Prozessstufe, das Verhältnis ihrer Auswahlquoten, die Einstellungsqualität nach Gruppe und die Mitarbeiterbindung im Vergleich.

Maßnahmen einführen

Die Umsetzung Schritt für Schritt: Beteiligte einbeziehen, ein Pilotprojekt planen, Schulungen durchführen und die Umstellung im Team begleiten.

Forschungsbefunde

Unternehmen mit überdurchschnittlicher Vielfalt erzielen eine um 35% bessere finanzielle Leistung als Vergleichsunternehmen (McKinsey, 2023).

Laut einer Harvard-Studie erhielten identische Lebensläufe mit ethnisch zugeordneten Namen 67% weniger Rückmeldungen.

Organisationen mit strukturierten, auf Verzerrungen geprüften Verfahren verbessern ihre Diversitätskennzahlen um 45%.

35%
Höhere finanzielle Renditen
67%
Weniger Rückmeldungen bei ethnisch zugeordneten Namen
45%
Verbesserung der Diversitätskennzahlen

Inhaltsverzeichnis des Whitepapers

Kapitel 1

Verzerrungen im Recruiting verstehen

  • Was sind unbewusste Vorurteile?
  • 12 Formen der Verzerrung bei Einstellungsentscheidungen
  • Praxisbeispiele und Fallstudien
  • Kosten homogener Teams
Kapitel 2

Wirtschaftliche Bedeutung von Vielfalt

  • Finanzielle Leistungsdaten aus Untersuchungen von McKinsey und BCG
  • Auswirkungen auf Innovation und Kreativität
  • Beteiligung und Bindung der Beschäftigten
  • Zusammenhang mit der Kundenzufriedenheit
  • Auswirkungen auf die Arbeitgebermarke
Kapitel 3

Verzerrungen entlang des Recruiting-Prozesses

  • Sprache in Stellenanzeigen analysieren
  • Muster bei der Lebenslaufsichtung
  • Unterschiede bei Interviewbewertungen
  • Verzerrungen beim Einholen von Referenzen
  • Ungleichheiten bei Angebotsverhandlungen
Kapitel 4

KI und maschinelles Lernen zur Erkennung von Verzerrungen

  • Wie KI verzerrende Sprache erkennt
  • Anonymisierte Vorauswahl
  • Algorithmen zur strukturierten Bewertung
  • Fairness-Vorgaben und Verfahren zur Verringerung von Verzerrungen
  • Transparenz und Erklärbarkeit
Kapitel 5

Auswahlverfahren auf Verzerrungen prüfen

  • Anonymisierte Lebenslaufsichtung einführen
  • Strukturierte Interviews entwickeln
  • Auswahlgremien vielfältig besetzen
  • Einheitliche Bewertungsskalen
  • Schulungen für Interviewer
Kapitel 6

Rechtliche Anforderungen und Risikomanagement

  • EEOC-Richtlinien und Entwicklung der Durchsetzung
  • Analyse ungleicher Auswirkungen mit der 4/5-Regel
  • Anforderungen aus Artikel 22 der DSGVO
  • Verfahren dokumentieren
  • Audits vorbereiten
Kapitel 7

Ergebnisse messen

  • Kennzahlen zur Vielfalt
  • Übergangsquoten je Bewerbergruppe und Prozessstufe
  • Einstellungsqualität vergleichen
  • Bindung und Beförderungen verfolgen
  • Kennzahlenübersichten und Berichte
Kapitel 8

Fallstudien und praktische Vorgehensweisen

  • FinTech Innovations: 45% Verbesserung der Diversitätskennzahlen
  • TechCorp: Geschlechtsspezifische Gehaltsunterschiede beseitigen
  • RetailMasters: Mehr regionale Vielfalt
  • Erfahrungen aus der Umsetzung und vermeidbare Fehler

Enthaltene Prüfverfahren

Verzerrungen in 5 Schritten prüfen

  1. Ausgangslage erfassen: Diversitätskennzahlen für jede Stufe des Auswahlprozesses messen.
  2. Prozess analysieren: Risiken in Stellenanzeigen, Vorauswahl und Interviews erkennen.
  3. Maßnahmen entwickeln: Strukturierte Bewertungen, anonymisierte Vorauswahl und vielfältige Auswahlgremien einführen.
  4. Teams schulen und Verfahren einführen: Unbewusste Verzerrungen erklären und neue Abläufe üben.
  5. Laufend prüfen: Kennzahlen jedes Quartal auswerten und Maßnahmen anhand der Daten anpassen.

Rechner für ungleiche Auswirkungen

Eine Excel-Vorlage berechnet die Auswahlquoten verschiedener Gruppen und erkennt statistisch bedeutsame Unterschiede anhand der EEOC-Richtlinien.

Auswahlquote = Einstellungen aus einer Gruppe / Bewerbungen aus dieser Gruppe. Verhältnis der Auswahlquoten = Auswahlquote der Minderheitsgruppe / Auswahlquote der Mehrheitsgruppe. Die Vorlage markiert ein Verhältnis < 0.80 anhand der 4/5-Regel.

Autorinnen und Autoren

Sarah JohnsonHead of DEI, Talenty.ai • zuvor bei Microsoft und Salesforce

Sarah leitete 10 Jahre Diversity-Initiativen bei Microsoft und Salesforce. Sie unterstützte mehr als 150 Unternehmen bei der Einführung von Auswahlverfahren, die Verzerrungen berücksichtigen, und spricht regelmäßig über Vielfalt und Teilhabe in Technologieunternehmen.

Dr. Rachel KimChief AI Officer, Talenty.ai • Promotion an der Stanford University

Dr. Kim forscht zu algorithmischer Fairness und KI-Ethik. Ihre Arbeiten zur Erkennung von Verzerrungen im maschinellen Lernen wurden mehr als 1,000 Mal zitiert und in Nature, Science sowie MIT Technology Review vorgestellt.

Den Leitfaden zu faireren Auswahlverfahren anfordern

Fragen Sie den vollständigen Leitfaden mit 32 Seiten, Prüfverfahren und Werkzeugen beim Talenty-Team an.

Per E-Mail anfragen
Demo buchen