Im Projekt Evalitech untersuchten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und das Fraunhofer-Institut für Materialfluss und Logistik (IML), wie man mit Hilfe von künstlicher Intelligenz Berufungsverfahren für Führungspositionen (Lehrstühle und Institutsleitungen) optimieren kann. Dabei wurde die bisherige Indikatorik für die Technikwissenschaften und speziell für Industrie 4.0 angepasst und ergänzt. Diese Ergebnisse liegen nun als Bericht vor, der vom Forschungsbeirat der Plattform Industrie 4.0 und Acatech herausgegeben wurde.
Die Kandidatenauswahl für Führungspositionen in den Technikwissenschaften, speziell im Umfeld von Industrie 4.0, ist komplex. Herkömmliche publikationsbasierte Metriken in Berufungsverfahren an Universitäten und Forschungsinstituten werden dieser Komplexität oft gerecht. Noch immer stütze sich die Bemessung wissenschaftlicher Leistungen überwiegend auf die weltweite Wahrnehmung von Wissenschaftlerinnen und Wissenschaftlern in Fachkreisen mit Hilfe von bibliometrischen Indizes, so die Forscher. Dazu gehöre der h-Index, der lediglich die Anzahl von Zitationen von Publikationen möglicher Kandidaten in anderen Veröffentlichungen berücksichtige.
Machbarkeitsstudie
Das Projekt Evalitech legte daher eine Machbarkeitsstudie vor, die neben einer neuen Indikatorik für Industrie 4.0, auch eine Abschätzung der Automatisierbarkeit durch aktuelle KI-Methoden (Web Scraping, Text Mining, etc.) sowie eine pilotartige Implementation in Form einer funktionalen Webapplikation, mit verschiedenen innovativen Interaktionskonzepten enthält.
„Mit Evalitech präsentieren wir erstmals eine differenzierte und speziell an den Bedarfen für Führungspositionen im Forschungsumfeld von Industrie 4.0 ausgerichtete Indikatorik“, erklärt Wolfgang Wahlster (DFKI), Mitglied des Forschungsbeirats der Plattform Industrie 4.0. „Sie beruht auf sieben Oberkategorien, 21 Kriterien und 41 Teilkriterien. Diese haben wir zusammen mit erfahrenen Technikwissenschaftlern erarbeitet. Meine ersten praktischen Erfahrungen mit Evalitech sind positiv.“
Portal für Bewerber-Profile
Aufbauend auf den Ergebnissen der Projektbeteiligten soll im nächsten Schritt ein Portal aufgebaut werden, in dem Bewerber-Profile manuell ergänzt und automatisiert durchsucht werden können. Bei Kriterien, die nicht automatisiert ermittelt werden können, soll das Portal durch die Option zur Selbstauskunft eine Kontrolle und Nachvollziehbarkeit der Daten ermöglichen. Die Datengrundlage soll durch das System auf diese Weise transparent gemacht werden, so dass das Entscheidungsgremium die Vertrauenswürdigkeit der extrahierten Information prüfen und einschätzen kann. Bei vielen Berufungsverfahren seien in der Vorauswahl Kandidatinnen und Kandidaten bisher aufgrund fehlender Information zu relevanten Kriterien nicht berücksichtigt worden, so die Forscher. Hier könne eine automatisierte Informationsextraktion aus öffentlich zugänglichen digitalen Quellen, wie bei Evalitech vorgesehen, eine zusätzliche Hilfe darstellen.
Im Projekt arbeiteten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und das Fraunhofer-Institut für Materialfluss und Logistik (IML) zusammen, unterstützt durch Ubermetrics Technologies als industriellen Verbundpartner und Dienstleister.
Den Bericht finden Sie hier zum Download.