IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-031-22777-6_10.html
   My bibliography  Save this book chapter

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

In: KI für das Gute

Author

Listed:
  • Matthias Groß

    (Campus Giessen)

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.

Suggested Citation

  • Matthias Groß, 2023. "Künstliche Intelligenz im Personalmanagement – Goldrausch im Spannungsfeld optimistischer Softwareanbieter und skeptischer Personalmanager," Springer Books, in: Stefan H. Vieweg (ed.), KI für das Gute, chapter 10, pages 203-239, Springer.
    • Handle: RePEc:spr:sprchp:978-3-031-22777-6_10
    DOI: 10.1007/978-3-031-22777-6_10
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-031-22777-6_10. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.