Meinung

Algorithmus vermittelt Arbeit

In der letzten Ausgabe des GI-Radars wurde noch mit Sorge darauf geblickt, wie die Automatisierung Menschen arbeitslos macht. Mit der 231. Ausgabe wird eine Kehrtwende vollbracht und wir werden im folgenden Artikel einen Algorithmus betrachten, der Arbeitslosen hilft, wieder in Arbeit zu kommen (Thema im Fokus).

Das AMS-Arbeitsmarkt-Chancen-Modell. Die Unterstützung arbeitssuchender Menschen soll künftig effizienter gestaltet werden. Daher wird bereits ab diesem Jahr in Österreich ein Algorithmus Arbeitslose in Bezug auf ihre Arbeitsmarktchancen beurteilen, bevor eine weitere Förderung gewährleistet wird.

Die Synthesis Forschung GmbH aus Wien, die den Algorithmus entwickelt hat, stellt in ihrer Dokumentation (forschungsnetzwerk.at) über das verwendete Modell die Variablen dar, welche in die Bewertung des Algorithmus einfließen: Geschlecht, Alter, Staatsbürgerschaft, Ausbildung, Betreuungspflichten, gesundheitliche Einschränkungen, der bisherige Beruf, das Ausmaß der Beschäftigung, die Häufigkeit und die Dauer von Geschäftsfällen (beim Arbeitsamt AMS) mit dem zugehörigen Maßnahmeneinsatz, sowie den Typ des regionalen Arbeitsmarktgeschehens. Es erfolgt nach Erfassung der Variablen eine Einteilung in die Kategorien A, B und C. Hierbei bildet die Kategorie A diejenigen ab, deren Integrationschancen in den Arbeitsmarkt sehr hoch (> 66%) sind. Kategorie C bildet entsprechend das Gegenstück zu Kategorie A und beinhaltet alle arbeitssuchenden Menschen, die dem Algorithmus nach nur wenig Potential haben wieder integriert zu werden. Alle anderen gehören Kategorie B an. Johannes Kopf, Leiter des AMS versichert, dass der Algorithmus lediglich eine unterstützende Maßnahme bildet und die Entscheidung des jeweiligen Sachbearbeiters nach wie vor maßgeblich ist. Dieser kann unter bestimmten Voraussetzungen Personen nach eigenem Ermessen auf- beziehungsweise abstufen (Der Standard).

Aus sozioinformatischer Sicht ist es zu befürworten, dass diese Entscheidung von einem Computerprogramm unterstützt wird und somit eine objektivere Einschätzung der Arbeitsmarktchancen eines Individuums erfolgen kann. Es ist nicht zu kontrollieren, ob die Einschätzung objektiv vorgenommen wurde, wenn diese nur von einem Menschen getroffen wurde. Außerdem ist die Transparenz des AMS positiv zu beurteilen, da Teile des Algorithmus und die Methodik in der Dokumentation veröffentlicht wurden. 

Ein Algorithmus kann zwar als Richtwert für eine objektive Beurteilung dienen, dennoch ist er nur so objektiv, wie er auch programmiert wurde. Im Fall des AMS-Algorithmus basiert die Gewichtung der einzelnen Variablen auf einer Studie, die die aktuelle Arbeitsmarktsituation widerspiegelt. Das heißt, wenn derzeit bereits bestimmte Gruppen in der Integrierung in den Arbeitsmarkt benachteiligt sind, werden sie es auch weiterhin, auch unter der Beurteilung durch den AMS-Algorithmus, nur eben automatisiert. Eine statische Gewichtung der Variablen wäre kritisch, da sich dann der AMS-Algorithmus nicht der möglichen zukünftigen Arbeitsmarktsituation anpassen würde. Jedoch versichert Wagner-Pinter von der Synthesis Forschung, dass geplant sei, die Gewichtung einmal im Jahr anzupassen (Futurezone).

Auffällig in der Dokumentation des AMS-Algorithmus ist die Benachteiligung aufgrund von Geschlecht, Alter, Staatsangehörigkeit, Wohnort und Betreuungspflicht. Die negative Gewichtung dieser Variablen, die in den AMS-Algorithmus eingespeist werden, zeigt, dass die bekannten Nachteile der Arbeitsmarktdiskriminierung bestimmter Personengruppen verfestigt werden. AMS-Chef Johannes Kopf, erwidert darauf: „Das Sichtbarmachen der Diskriminierung schafft die Grundlage für eine gezielte Förderung durch das AMS. In Wirklichkeit ist das vorteilhaft für Frauen" (Kurier.at).

Betrachtet man die Gewichtung der Variablen des AMS-Algorithmus näher, stellt man fest, dass arbeitssuchende Frauen einen Abzug von 0,14 Punkten aufgrund ihres Geschlechts erhalten. Zusätzlich bekommen arbeitssuchende Mütter einen Abzug von 0,15 Punkten wegen ihrer Betreuungspflichten. Kritisch ist zudem, dass letzteres nur arbeitssuchenden Müttern abgezogen wird, jedoch nicht arbeitssuchenden Vätern. Über 50-Jährigen werden 0,7 Punkte aufgrund ihres Alters abgezogen. Menschen aus der EU bekommen ein Plus von 0,16 Punkten, während Menschen aus Drittstaaten einen Abzug von 0,05 Punkten erhalten. Außerdem kann der Wohnort einen Abzug von bis zu 0,83 Punkten geben und beeinträchtigte Menschen erhalten einen Abzug von 0,67 Punkten in ihrer Bewertung.

Die Trefferquote des Algorithmus liegt laut Johannes Kopf bei 85%, dies bedeutet, dass derzeit konkret 50.000 Arbeitssuchende pro Jahr falsch eingestuft werden (Futurezone). Hierfür ist es wichtig, dass die einzelnen Mitarbeiter für das neue Programm geschult werden, damit ihnen bewusst ist, dass ein Algorithmus durchaus fehleranfällig sein kann und die persönliche Beurteilung immer noch eine zentrale Rolle spielt.

Alles in allem ist die immer häufigere Verwendung von Algorithmen in Bereichen, die weitgehenden Einfluss auf das Leben vieler Menschen haben, eine Entwicklung, die man weiter beobachten sollte. Im Endeffekt hängt der Nutzen immer von der jeweiligen Gestaltung des Algorithmus ab und der Tatsache, ob letzten Endes immer noch reale Menschen die endgültige Entscheidung fällen können. Selbst der beste Algorithmus ist nicht in der Lage, zwischenmenschliche Werte in die Bewertung mit einfließen zu lassen.

 

Die Autoren

Dieser Überblick wurde verfasst von Yasmina Adams, Elrike van den Heuvel und Johannes Korz aus unserer „Redaktion Sozioinformatik". Sie erreichen die Autoren unter redaktion.sozioinformatik@cs.uni-kl.de.

Yasmina Adams 

Yasmina Adams ist 25 Jahre alt, geboren in Mainz und Studentin der Sozioinformatik an der Technischen Universität Kaiserslautern. Sie ist Jahrgangssprecherin der Sozioinformatik und engagiert sich in verschiedenen Referaten der Fachschaft Informatik. Darüber hinaus ist sie Mitbegründerin der Islamischen Hochschulvereinigung Kaiserslautern, in der sie die Funktion des Vorsitzes innehat und gehört außerdem dem Kernteam von nafisa.de an. Sie befasst sich am liebsten mit Themen der Digitalisierung und dessen Auswirkungen auf Mensch und Gesellschaft.

Elrike van den Heuvel

Elrike van den Heuvel ist 23 Jahre alt, geboren in Ettelbrück (Luxemburg) und Studentin der Sozioinformatik an der Technischen Universität Kaiserslautern. Neben ihrem Studium engagiert sie sich aktiv im Rettungsdienst. Sie befasst sich am liebsten mit aktuellen Themen der Netzpolitik.

Johannes Korz

Johannes Korz ist 24 Jahre alt, geboren in Kaiserslautern und Student der Sozioinformatik an der Technischen Universität Kaiserslautern. Neben seinem Studium gründete er erfolgreich die Hochschulgruppe eSports TUK und engagiert sich als Redaktionsleiter der sozioinformatischen Abteilung des GI-Radars. Er befasst sich am liebsten mit der Digitalisierung in der Bildung und der Entwicklung des eSports in Deutschland.


Erschienen in der Ausgabe 231 des GI-Radars.