Abstract English

This master's thesis presents a collection of interventions in interfaces for recruiting software that are intended to reduce discrimination in application processes. It first analyses where discrimination occurs in the recruitment process, who is affected by it and the reasons that lead to it. It then presents measures from the fields of management consultancy and social science that can be used to reduce discrimination and promote inclusion. Based on this, three recruiting software applications are analysed to determine how discrimination occurs in interfaces and whether it is triggered by people or the technologies themselves. A concept is then presented that attempts to apply the measures from science to the recruiting interfaces. Thereby, several interventions are discussed that could help recruiters to treat all people and CVs equally and be more objective in their candidate selection.

Abstract Deutsch

Diese Masterthesis stellt eine Sammlung von Interventionen in Interfaces für Recruiting-Software vor, die Diskriminierung in Bewerbungsprozessen reduzieren sollen. Zuerst wird untersucht, an welchen Stellen im Recruiting-Prozess Diskriminierung auftritt, wer davon betroffen ist und welche Gründe es dafür gibt. Danach werden Maßnahmen aus der Unternehmensberatung und der Sozialwissenschaft vorgestellt, mit denen Benachteiligung reduziert und Inklusion gefördert werden kann. Darauf aufbauend wird anhand von drei Recruiting-Softwares analysiert, wie Diskriminierung in den Interfaces stattfindet und ob der Auslöser dafür eher Menschen oder die Technologien selbst sind. Im Anschluss wird ein Entwurf vorgestellt, der versucht die Maßnahmen aus der Wissenschaft auf die Recruiting-Interfaces anzuwenden. Dabei werden mehrere Interventionen erörtert und diskutiert, welche Maßnahmen Recruiter*innen helfen können alle Menschen und Lebensläufe fair zu behandeln und eine objektivere Kandidat*innenauswahl zu treffen.

Entwurf

Bewerbenden-Liste

Angewendete Maßnahmen

• Anonymisierte Bewerbungen im Ranking: Minimierung der Anzeige irrelevanter persönlicher Daten, um Vorurteile zu vermeiden
• Zwei verschiedene Ranking-Modi: Aktenbasiertes Ranking nach Kriterien aus der Job-Beschreibung sowie Ranking nach Eignungstest und Interview-Evaluationen
• Hervorhebung von Diversity Eigenschaften
• Positive Diskriminierung: Bevorzugung von Diversity-Eigenschaften im Ranking (je Merkmal 1 Zeile höher im Ranking als Bewerbungen mit gleichwertigem Kriterien-Matching)

Bewerbenden-Liste in den beiden Ranking-Modi

Zum Vergleichen Galerie nutzen

Profil

Angewendete Maßnahmen

• Anonymisierung der persönlichen Daten und der eingesendeten Bewerbungsunterlagen, bis die Bewerbenden die Einladung zum 1. Interview annehmen
• Einheitliche Darstellung des Lebenslaufes für alle Bewerbenden

Anonymisiertes und sichtbares Profil

Zum Vergleichen Galerie nutzen

Evaluationen

Angewendete Maßnahmen

• Objektivere Evaluation durch KI-Transkripte: Automatisierte Zuordnung von Antworten aus Interviews zur besseren Beurteilung
• Unterstützung strukturierter Meinungsbildung: Verwendung von standardisierten Evaluationsbögen und differenzierter Auswertung

Masterthesis

Testing Ergebnisse

Nach der Abgabe der Thesis wurde ein Testing mit drei Recruiting-Expert*innen durchgeführt. Dazu wurde zuerst mit der Thinking Aloud Methode überprüft, ob die Screens verständlich sind. Danach wurden die Expert*innen gefragt, welches Potential sie in den Interventionen sehen.

Das folgende Plakat fasst die Ergebnisse zusammen.