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

Prof. Dr. Marc Roedenbeck

Professur für Betriebswirtschaftslehre, insb. Personalmanagment

Kurzvita

Marc Roedenbeck ist Professor für Betriebswirtschaftslehre, insbesondere Personalmanagement 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 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 Universitäten in Berlin tätig.

Forschungsprojekte

Künstliche Intelligenz im Rekruiting (AI@REC)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. Insbesondere liegt ein hoher administrativer Aufwand bei der Sichtung von digitalen oder schriftlichen Bewerbungen bei der Vorauswahl vor: Es müssen Anschreiben, Lebensläufe und Zeugnisse aller Bewerber/innen in Betracht gezogen werden, wobei gleichzeitig ein ökonomischer Druck hinsichtlich der Bearbeitungszeit und -qualität vorliegt - wer zu viel Zeit braucht kann ggf. eine/n Bewerber/in an Konkurrenten verlieren, wer zu schnell ist legt ggf. einen geeigneten Kandidaten/eine Kandidatin auf den "Absagestapel".

ZIEL: Im Projek künstliche Intelligenz im Rekruiting (AI@REC) soll der mit der Vorauswahl verbundene administrative Aufwand bei der Sichtung von Anschreiben, Lebensläufen und Zeugnissen unter Anwendung von künstlicher Intelligenz reduziert werden. Die künstliche Intelligenz soll zunächst nur Vorschläge für eine Sortierung der Kandidatinnen und Kandidaten entwickeln, so dass die Vorauswahl „AI Informed“ und nicht „AI Driven“ umgesetzt wird. Personaler können die Vorschläge mittels Stichproben verifizieren und damit auch Entscheidungsmuster hinterfragen. Der so gewonnene Zeitaufwand soll mehr Zeit für die Führung von Einstellungsinterviews schaffen, so dass Kandidaten/Kandidatinnen „auf des Messers Schneide“ eher persönlich beurteilt werden als auf reiner Datenbasis - für diese fehlt ohne künstliche Intelligenz oft die Zeit.

VORGEHEN: Es soll empirisch untersucht werden, wie durch eine Kombination aus Unsupervised Learning (Clusteranalysis) auf Basis von Wortmatrizen und Supervised Learning (Neural Net, Convolutional Neural Net) auf Basis von Worthäuigkeiten, Wort-Embeddings und grafischen Repräsentationen der Bewerbungen eine Beurteilung von Personalmanagern repliziert werden kann. Dazu dienen M Bewerbungsbeurteilungen einer Gruppe mit N Personalmanagern und analysiert werden jeweils verschiedene Aspekte einer Bewerbung (z.B. Worte eines Anschreibens). Auf dieser Basis soll ermittelt werden, welcher Aspekte oder welche Kombination von Aspekten bei der automatisierten Auswertung von Bewerbungsunterlagen zu einer größtmöglichen Accuracy zur menschlichen Personalvorauswahl besteht und diese damit am besten repliziert. Zudem können weitere, für den Rekruiting Prozess relevante Kennzahlen, bei der Bewertung integriert werden - etwa die Accuracy zur Eignung für und Beurteilung eines/r Kandidaten/-in nach dem Bewerbungsgespräch. Neben der Accuracy ist auch die Diskriminierungsfreiheit des Systems in Bezug zum Bildungshintergrund (Sprache), der Herkunft (Name, Geburtsort, Bild) oder auch des Geschlechts (Bezeichnung, Bild) zu berücksichtigen.

BETEILIGTE: Das Projekt AI@REC wird im Rahmen eines Forschungsverbundes, bestehend aus der Martin-Luther Universität Halle-Wittenberg (Prof. Dr. Anne-Katrin Neyer, Prof. Dr. Sackmann), 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 ifm electronic gmbh (Steffen Fischer, GF Personal; Volker Bessel Personalmarketing), bearbeitet. Die Daten für die Untersuchung werden im Rahmen von realen Bewerbungsprozessen von Bewerbern freiwillig zur Verfügung gestellt, ohne deren Auswahlprozess zu beeinflussen.

ETHIK: Bisherige standardisierte Verwaltungsprozesse bei der Begutachtung von Unterlagen sowohl im öffentlichen als auch im privaten Sektor sollen mit diesem Projekt automatisiert werden. Sofern die trainierte künstliche Intelligenz nur Vorschläge für eine Vorselektion ermittelt und Personaler die Chance zu einer Verifizierung der Auswahl und die letztendliche Entscheidungshoheit für die Einladung zu einem Vorstellungsgespräch haben, liegt die dominante ethische Herausforderung des Projektes in der Beachtung einer diskriminierungsfreien Automatisierung in der Personalauswahl. Dazu wird gemäß der Diskussion der Ethik-Kommission der Technischen Hochschule Wildau nach dem Training der künstlichen Intelligenz auf Basis der menschlichen Urteile sichergestellt, dass der Bildungshintergrund, die Herkunft oder auch das Geschlecht im Mittel keinen signifikanten Einfluss auf die Vorschläge des Systems haben. Sollten systematische trainierte Diskriminierungen vorliegen, werden diese gemeinsam mit dem Unternehmen reflektiert und Wege zur Unterbindung sowohl bei der persönlichen als auch bei der maschinellen Auswahl beschritten.

DATENSCHUTZ: Sensible personenbezogene Daten dürfen nur unter besonderen Bedingungen verwendet werden (DSGVO Art. 9 Abs. 2). Für Forschung und Wissenschaft gelten dabei besondere Regelungen (BDSG neu § 27 Abs. 1-4). Erster wesentlicher Aspekt ist dabei die Einwilligung (DSGVO Art. 6, BDSG neu §3) zur spezifischen Nutzung der Daten. Im Rahmen des Projektes werden die für die Untersuchung relevanten Daten im Rahmen von realen Bewerbungsprozessen von Bewerbern und Bewerberinnen freiwillig zur Verfügung gestellt. Dazu stellt das beteiligte Unternehmen ifm electronic GmbH im elektronischen Bewerbungsprozess eine Auswahloption ein, die Daten Zweck-gebunden für die Forschung zur Nutzung von künstlicher Intelligenz im Rekruiting zur Verfügung zu stellen und weist darauf hin, dass dies den regulären Auswahlprozess nicht beeinflussen wird. Zweiter wesentlicher Aspekt ist die Auskunftspflicht (BDSG neu § 27 Abs. 2) in Bezug zu der Verwendung der Daten im Allgemeinen. Dieses wird über ein webbasiertes Informationsangebot Seitens der an der Forschung beteiligten Institutionen (http://www.th-wildau.de/marc-roedenbeck) sichergestellt und vom beteiligten Unternehmen ifm electronic GmbH an entsprechender Stelle verlinkt. Die darüberhinausgehende individuelle Auskunftspflicht ist eingeschränkt, da im Rahmen der Erforschung künstlicher Intelligenz der individuelle Dateneinfluss nur mit unverhältnismäßig hohem Aufwand erklärt werden kann. Dritter Aspekt ist die Anonymisierungspflicht (BDSG neu § 27 Abs. 3) sobald dies im Rahmen der Forschung möglich ist. Da im Rahmen von Rekruiting Prozessen nur personenbezogene Daten (Anschreiben, Lebenslauf, Zeugnisse; z.B. mit Namen, Anschriften, Namen von Organisationen & Bildungsinstitutionen, Bewerbungsfotos, Alter, Geschlecht) verwendet werden, ist eine Anonymisierung vor und während den Analysen nicht möglich. Da das Projekt den Einfluss verschiedener personenbezogener Daten untersucht, würde eine Anonymisierung das Projekt sogar unmöglich machen. Viertens gelten für den Umgang mit den personenbezogenen Daten zwei wesentliche Aspekte: A) Sind die personenbezogenen Daten während der Speicherung mit geeigneten technischen und organisatorischen Maßnahmen zu schützen (DSGVO Art. 32 Abs. 1). Dazu werden diese in einem passwortgeschützten Datenraum auf den Servern der beteiligten Hochschulen (Nextcloud der TH Wildau / HWR) aufbewahrt und verarbeitet. B) Nach Abschluss der Untersuchungen sind die personenbezogenen Daten unverzüglich zu löschen (DSGVO Art. 17). Da hier jedoch auch mittel bis langfristige Kennzahlen berücksichtigt werden sollen, ist eine Speicherung der personenbezogenen Daten mind. bis zum Ende der Probezeit resp. einer mind. 2 jährigen befristeten Tätigkeit unabdingbar.

 

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.

ETHIK: Bisherige personifizierte Verwaltungsprozesse bei der Begutachtung von Freitextfeldern sollen mit diesem Projekt automatisiert werden. Sofern die trainierte künstliche Intelligenz nur Vorschläge für eine Bewertung ermittelt und Personaler die Chance zu einer Verifizierung der Ergebnisse und die letztendliche Entscheidungshoheit für die Einladung zu einem Vorstellungsgespräch haben, liegt die dominante ethische Herausforderung des Projektes in der Beachtung einer diskriminierungsfreien Automatisierung der Bewertung. Da der Datensatz jedoch nur Selbsturteile enthält, wird keine ggf. bestehende Diskriminierung durch die Automatisierung repliziert.

DATENSCHUTZ: Der vorliegende Datensatz wurde Seitens der NORDAKADEMIE voll-anonymisiert, so dass nur Texte und Skalenergebnisse zur Analyse zur Verfügung stehen. Damit wird dem Datenschutz, insb. BDSG neu § 27 Abs. 3 rechnung getragen.

 

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, Organisationsmanagement  und Human Ressource Management im Master Business Management, Personalwirtschaft I sowie Forschungsprojekt Masterarbeit 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 (forthcomming): 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. ??-??).

---

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. Marc Roedenbeck

Prof. Dr. Marc Roedenbeck Prof. Dr. Marc Roedenbeck

Tel.: +49 3375 508 518
Mail: marc.roedenbeck@th-wildau.de
Web: https://www.th-wildau.de/marc-roedenbeck/
Haus 16, Raum 2080

Zum Profil