Prof. Dr. Marc Roedenbeck
Ludwig-Witthöft-Platz ist der zentrale Campusplatz
Mitarbeiter-Homepage

Prof. Dr. Marc Roedenbeck

Professur für Betriebswirtschaftslehre, insb. Human Resource Management

Kurzvita

Marc Roedenbeck ist Professor für Betriebswirtschaftslehre, insbesondere Human Resource Management an der Technischen Hochschule Wildau. Er promovierte zur individuellen Pfadabhängigkeit und Organisationsberatung an der Freien Universität Berlin mit einem Vergleich des systemischen Ansatzes, der Neurolinguistischen Programmierung sowie der schamanischen Beratungspraxis "Huna". Bevor er nach Wildau wechselte, arbeitete er als Senior (HR) Consultant in einer weltweit agierenden Unternehmensberatung sowie einer regionalen Bank in Berlin, als kaufm. Geschäftsführer eines Leibniz-Forschungsinstituts, als Niederlassungsleiter einer Management Headhunting Agentur in Berlin und Hamburg, als Gründungsdekan einer privaten Hochschule sowie als Co-Gründer & Geschäftsführer eines Berliner Start-Ups. Außerdem war er mehrere Jahre als Dozent an verschiedenen privaten Hochschulen in Berlin tätig.

Forschungsprojekte

KI-Verfahren im Recruiting (KaReebo)Bereich öffnenBereich schließen

AUSGANGSPUNKT: Die Datenanalyse mit Verfahren der Künstlichen Intelligenz (z.B. Machine Learning) bietet Möglichkeiten zur Optimierung der HR-Prozesse insbesondere im Recruiting (Garg et al., 2022). Bisherige Studien fokussieren sich auf die Analyse von Stellenprofilen (Chung & Chen, 2019), die Klassifikation von Lebensläufen (Gopalakrishna & Varadharajan, 2019), das Matching dieser beiden (Deng et al., 2018; Pudasaini et al., 2022), die Analyse von Bewerbungsunterlagen (Roedenbeck et al., 2020; Jayaratne & Jayatilleke, 2020) sowie die Analyse von Jobinterviews (Lee & Kim, 2021; Holtrop et al., 2022). Bei der Analyse von Bewerbungsunterlagen und Jobinterviews spielt neben der fachlichen Eignung auch die Persönlichkeit der Bewerbenden eine wichtige Rolle. Jedoch werden in der Praxis selten Persönlichkeitsfragebögen eingesetzt (Bauer et al., 2020; Schuler, 2007). Zudem werden diese im Vergleich zu Jobinterviews oder Bewerbungsunterlagen auch weniger akzeptiert von den Bewerbenden (Hausknecht et al., 2004). Daher scheint die indirekte Bestimmung von Persönlichkeitsmerkmalen mittels automatisierter Textanalyse (z.B. Bewerbungsunterlagen) ein vielversprechender Ansatz zu sein. Neben der fachlichen und persönlichen Passung ist die Intention genauer die Ernsthaftigkeit, mit der eine Bewerbung verfolgt wird, für das Recruiting bedeutsam (z.B. „AGG-Hopping“ Ludwig, 2018). Insbesondere durch Möglichkeiten zur automatisierten Texterzeugung (Brown et al., 2020) lassen sich bewerberseitig mit wenig Aufwand eine Vielzahl an Bewerbungen erstellen (z.B. opencoverletter.com). Inkonsistenzen bei den eingereichten Unterlagen könnten aus Sicht des Recruitings wertvolle Hinweise auf die Intention und die Urheberschaft geben.

ZIEL: Basierend auf den bisherigen Ausführungen wird im Rahmen einer Machbarkeitsstudie untersucht, wie Personalentscheidende mit Methoden des Machine Learnings im Bewerbungsprozess unterstützt werden können. Der Fokus liegt dabei auf der textbasierten Analyse von Persönlichkeitsmerkmalen sowie Bewerberintention, Urheberschaft und Datenkonsistenz.

VORGEHEN: Für die Anwendung von Machine Learning Verfahren sind große Datensätze die Voraussetzung für gute Ergebnisse. Im Rahmen dieser MAchbarkeitsstudie werden eigene Bewerbungsdaten (Anschreiben, Kurzvideo, Fragebogenerhebung) generiert und anschließend mit verschiedenen verfahren der Inferenzstatistik und des maschinellen Lernens analysiert.

BETEILIGTE: Das Projekt wird von der Forschungsgruppe Management Analytics - Data, People & Decisions bearbeitet. Dazu zählen das Team um Christin Buley, Marcel Herold, Prof. Dr. Marc Roedenbeck und Prof. Dr. Rainer Stollhoff. Eine finanzielle Unterstützung des Projektes steh aktuell in Aussicht. 

Bei Fragen zu diesem Projekt wenden Sie sich bitte an: marc.roedenbeck@th-wildau.de.

Künstliche Intelligenz und Persönlichkeitseigenschaften (AI@ViQ)Bereich öffnenBereich schließen

AUSGANGSPUNKT: Die Personalauswahl ist eine der wichtigsten Tätigkeiten im Personalmanagement. Es geht darum, die durch verschiedene Personalmarketing-Maßnahmen gewonnenen Bewerber/innen vor dem Hintergrund eines konkreten Bedarfes zu analysieren und den/die richtige/n Kandidaten/en zu identifizieren. Die Personalauswahl teilt sich dabei in die Vorauswahl auf Basis von Bewerbungsunterlagen und die anschließende Multi-Methoden-Wahl, z.B. durch Interviews und Testverfahren. Je nach Menge der Bewerber wählen Unternehmen oft ein Assessment Center, um den Multi-Methoden-Ansatz in ein Bewerber-Event zu kleiden; im Hintergrund steht dann eine Reihe von Mitarbeitern der Personalabteilung bereit, die Ergebnisse umgehend aufzubereiten. Insbesondere liegt ein hohes Interesse seites der Unternehmen darin, die Kandidatinnen und Kandidaten bzgl. verschiedener Persönlichkeitseigenschaften (z.B. Big 5) zu bewerten, die für die Ausfüllung einer Stelle unabdingbar sind (z.B. Extroversion für Sales Manager).

ZIEL: Im Projek künstliche Intelligenz und Persönlichkeitseigenschaften (AI@ViQ) soll die Bewertung von schriftlichen Freitextfeldern zu einem visuellen Persönlichkeitsfragebogen (ViQ) unter Anwendung von künstlicher Intelligenz mit Testergebnissen der ViQ-Skalen in Verbindung gebracht werden. Die bisher durch Psychologen ausgewerteten Freitextfelder sollen nun mittels verschiedener Ansätze des Maschine Learnings repliziert werden.

VORGEHEN: Es soll empirisch untersucht werden, mit welcher Methode des Supervised Learnings (Neural Net, Convolutional Neural Net) auf Basis von Worthäuigkeiten, Wort-Embeddings und Character-Embeddings die beste Accuracy (ACC) und der kleinste Fehler (RMSE) erzielt werden kann. Dazu dienen M Motivationstexte & ViQ-Skalen Ergebnisse aus einem seit mehreren Jahren stattfindenden Assessment Centers der NORDAKADEMIE, die in Wort- oder Character-Vektoren sowie Wort-Häufigkeitsmatrizen umgewandelt werden. Anschließend erfolgt eine Modellierung mit Python / Keras und Multi-Layer Perceptron (MLP) sowie Convolutional Neural Networks (CNN).

BETEILIGTE: Das Projekt AI@ViQ wird im Rahmen eines Forschungsverbundes, bestehend aus der NORDAKADEMIE (Prof. Dr. Scheffer, Prof. Dr. Islam), der Technischen Hochschule Wildau (Prof. Dr. Marc Roedenbeck, MSc. Wirt. Psych. Marcel Herold), der Hochschule für Wirtschaft und Recht (Prof. Dr. Salmai Qari) sowie dem Unternehmen 20flow7 bearbeitet.

Bei Fragen zu diesem Projekt wenden Sie sich bitte an: marc.roedenbeck@th-wildau.de.

Aktivitäten

LehreBereich öffnenBereich schließen

In der Lehre vertritt Prof. Dr. Marc Roedenbeck die Fächer Organisation & Personalmanagement im Bachelor Wirtschaft & Recht, die Verteifung Human Resource Management + Marketing & HR-Analytics im Bachelor Betriebswirtschaftslehre, Human Ressource Management im Master Business Management mit dem Schwerpunkt Marketing, Personalwirtschaft I + II im Master Wirtschaft & Recht.

Forschung & AbschlussarbeitenBereich öffnenBereich schließen

Die Forschungsaktivitäten verteilen sich im Besonderen auf 4 Bereiche:

a) Nutzung von künstlicher Intelligenz im Personal- und Organisationsmanagement - Eine Fokussierung erfolgt hier insbesondere auf die Nutzung von unsupervised und supervised Learning zur Analyse nicht linearer Zusammenhänge. Der empirische Fokus liegt auf der Anwendung dieser Methoden im Rahmen des Rekruiting, insb. des Bewerber-Screenings, sowie im Rahmen des Performance-Managements, insb. der Auswertung von jährlichen Mitarbeiterumfragen mit dem Ziel der Steigerung organisationaler Leistungsfähigkeit.

b) Veränderungen durch die Digitalisierung am Arbeitsplatz / Arbeitsplatz der Zukunft - Hier liegt der Schwerpunkt insbesondere auf Umfragen zu Bürokonzepten, Führungskommunikation, Führungskompetenzen nach DIGCOMP aber auch Machbarkeits- / Pilot-Studien zum Einsatz von 3D Brillen oder Chatbots.

c) Neue Methoden im Change Management & Coaching - Hier liegt der Fokus insbesondere auf der Analyse / Begleitung von neuen Praktiken sowie deren Wirkweise vor dem Hintergrund klassischer Ansätze in der Management-Beratung. Forschungsinteressen liegen dabei insbesondere in der Nutzung der verschiedener Konzepte in der Beratung, wie Pfadabhängigkeit (P David), Business-Schamanische Beratung 'Huna' (S Kahili King), katathymen Bilderleben (H-C Leuner). 

d) Unternehmertum und Crowdfunding - Hier liegt der Schwerpunkt inbesondere auf der Analyse von persönlichen Motivatoren von Unternehmern (als Moderatoren und Mediatoren der Unternehmer-Leistung) sowie der Nutzung von Crowd-Funding Portalen im Brettspiel / Tabletop Segment. 

Darüber hinaus bin ich offen für jedes spannende Thema mit Nähe zum Personal- und Organisationsmanagement.

Letzte VeröffentlichungenBereich öffnenBereich schließen

Roedenbeck MRH & Poljsak-Rosinksi P (in review): Is the neural network approach the answer to develop the optimal organizational performance management strategy? An Exploratory Case.

---

Roedenbeck MRH, Qari S & Herold M (2021): Künstliche Intelligenz im Rekruiting - Performancevergleiche des (un-)supervised Learnings bei Bewerbungsdokumenten, in Barton T, Müller C & Seel C (Hrsgs): Angewandte Wirtschaftsinformatik. Springer Vieweg: Wiesbaden (pp. 219-237).

Roedenbeck MRH (2020): Die richtigen Fragen stellen - Wie künstliche Intelligenz die Personalarbeit verändern kann, Zeitschrift für OrganisationsEntwicklung, 2020(1): pp. 64-69.

Kubica S, Wolf E, Nemak D, Gillert F, Reiff-Stephan J, Günther N, Roedenbeck M & Schlingelhof M (2019): Wildauer Maschinen Werke – Digitale Lernfabrik für interdisziplinäre Lehre und Forschung, in Barton T, Müller C & Seel C (Hrsgs): Angewandte Wirtschaftsinformatik. Springer Vieweg: Wiesbaden (pp. 63-88), doi.org/10.1007/978-3-658-26618-9_5

Carstensen N & Roedenbeck M (2019): Chatbots in der Studienorientierung, in Barton T, Müller C & Seel C (Hrsgs): Angewandte Wirtschaftsinformatik. Springer Vieweg: Wiesbaden (pp. 27-38), doi.org/10.1007/978-3-658-26618-9_3

Roedenbeck MRH & Lieb M (2018). Continually Harvesting the Crowds: A Comparative Case Study of CMON and PEGASUS in the Crowdfunding Tabletop Market. Journal of Research in Marketing and Entrepreneurship. 20(1): pp. forthcoming. 

Hiller T & Roedenbeck MRH (2015). Nicht lästig, sondern nützlich. Personalwirtschaft, 2015(6): 62-63.

Roedenbeck MRH & Hildebrand D. (2015). HR Cockpit: Ein Best Practice Ansatz, Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27(2): 107-115.

Roedenbeck MRH (2015). Spirituality at work: A pilot study on practicing shamanism, Zeitschrift für Nachwuchswissenschaftler, 8(1): 1-9


	Prof. Dr. rer. pol. Marc Roedenbeck

Prof. Dr. rer. pol. Marc Roedenbeck Prof. Dr. rer. pol. Marc Roedenbeck

Tel.: +49 3375 508 518
Mail: marc.roedenbeck@th-wildau.de
Web: https://www.th-wildau.de/marc-roedenbeck/
Haus 16, Raum 2092

Zum Profil