Unternehmen setzen bei der Bearbeitung von Bewerbungen zunehmend automatisierte Systeme ein. Diese Systeme beruhen auf Algorithmen. Viele Beispiele zeigen, dass der Einsatz automatisierter Systeme zu einer ungerechten Behandlung von Frauen, Migranten und anderen ausgegrenzten Personengruppen führen kann. Das bedeutet, dass diese im Vergleich zu anderen eine geringere Chance haben, eine Stelle zu bekommen. Mit anderen Worten: Die Algorithmen können zu Diskriminierung auf dem Arbeitsmarkt führen.
Die FINDHR Data Donation Campaign arbeitet mit Partnern aus ganz Europa im Rahmen eines Horizon Europe-Forschungsprojekts daran, solche Ungerechtigkeiten aufzudecken und abzubauen, mit dem Ziel, Werkzeuge zu entwickeln, die Diskriminierung in Stellenauswahlverfahren aufdecken und Methoden zur Vermeidung solcher Diskriminierung schaffen. CASA Principal Investigator Asia J. Biega vom Max-Planck-Institut für Sicherheit und Privatsphäre wirkt ebenfalls an dem Projekt mit.
Zu diesem Zweck benötigt das FINDHR-Team echte Lebensläufe, um zu testen, wie sich Ungerechtigkeiten in Auswahlsysteme einschleichen. Auf der Grundlage der echten Lebensläufe ist geplant, mit Hilfe einer Software künstliche Lebensläufe zu erstellen, und diese zur Entwicklung von Antidiskriminierungsmethoden zu verwenden.
Informationen darüber, wie man seinen Lebenslauf spenden kann, gibt es hier: https://findhr.eu/datadonation/
Informationen zum Datenschutzverfahren gibt es hier.
Die teilnehmenden Einrichtungen sind: Universitat Pompeu Fabra (Barcelona), Universiteit van Amsterdam, Universitá di Pisa, Radboud Universiteit, Max-Planck-Institut für Sicherheit und Privatsphäre, Erasmus Universiteit Rotterdam, Praksis, Randstad, Adevinta, Eticas, ETUC, WIDE+, und AlgorithmWatch CH.
Das Projekt wird von der Europäischen Union im Rahmen des Förderprogramms Horizon Europe (101070212) und durch das Schweizer Staatssekretariat für Bildung, Forschung und Innovation finanziert. Es läuft von November 2022 bis Oktober 2025.
Allgemeiner Hinweis: Mit einer möglichen Nennung von geschlechtszuweisenden Attributen implizieren wir alle, die sich diesem Geschlecht zugehörig fühlen, unabhängig vom biologischen Geschlecht.
