idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Assessment Center (AC) sind nach wie vor ein zentrales Instrument für strategisch relevante Auswahl- und Entwicklungsentscheidungen im Personalmanagement. Hoher Ressourcenaufwand, begrenzte Skalierbarkeit oder steigende Erwartungen an Fairness und Transparenz stellen allerdings bestehende Praktiken infrage. Zudem wird KI in allen HR-Bereichen immer wichtiger. Welche Rolle künftig KI speziell in AC spielt, dieser Frage ist Prof. Dr. Stephan Weinert nun nachgegangen. Gemeinsam mit seinem Praxispartner, der Deepwood TeamEntwicklungs-GmbH, untersuchte er mittels der Delphi-Methode, wie KI die Zukunft der Assessment Center verändern wird. Die Ergebnisse liegen nun vor.
Assessment Center (AC) sind nach wie vor ein zentrales Instrument für strategisch relevante Auswahl- und Entwicklungsentscheidungen im Personalmanagement. Gleichzeitig geraten klassische AC-Formate zunehmend unter Druck: Hoher Ressourcenaufwand, begrenzte Skalierbarkeit oder steigende Erwartungen an Fairness und Transparenz stellen bestehende Praktiken infrage. Parallel dazu gewinnt Künstliche Intelligenz (KI) in nahezu allen HR-Funktionsbereichen von Recruiting und Talent Management bis hin zu Learning & Development an Bedeutung, auch im Kontext von AC.
Welche Rolle künftig KI speziell in AC spielt, dieser Frage ist Prof. Dr. Stephan Weinert, Professur für allgemeine BWL, insbesondere Internationales Personalmanagement, an der Hochschule für Wirtschaft und Gesellschaft Ludwigshafen (HWG LU) nun nachgegangen. Gemeinsam mit seinem Praxispartner, der Deepwood TeamEntwicklungs-GmbH, untersuchte er, wie KI die Zukunft der Assessment Center verändern wird.
Die Ergebnisse der nun vorliegenden Studie liefern hierzu eine klare Orientierung: KI wird von AC-Expert*innen nicht als Ersatz menschlicher Beurteilung verstanden, sondern als Hebel zur Modernisierung und Professionalisierung bestehender AC-Prozesse. Besonders hohe Akzeptanz und Verbreitungspotenziale zeigen KI-Anwendungen, die Beobachtungsdaten verdichten, Prozesse standardisieren und Feedback sowie Entwicklung individueller gestalten. Diese Anwendungen versprechen spürbare Effizienzgewinne, höhere Konsistenz in der Bewertung und einen gesteigerten Mehrwert für Kandidat*innen – ohne die diagnostische Verantwortung aus der Hand zu geben.
Strategische Weiterentwicklung: Stillstand als Wettbewerbsrisiko
Gleichzeitig macht die Studie deutlich: Unternehmen, die an traditionellen AC-Formaten unverändert festhalten, riskieren mittelfristig Wettbewerbsnachteile. Während einzelne KI-Anwendungen bereits heute verfügbar sind, fehlt es in vielen Organisationen an einer klaren Zielvorstellung, wo KI sinnvoll eingesetzt werden soll – und wo bewusst nicht. Diese Unsicherheit hemmt Innovation und führt dazu, dass Potenziale ungenutzt bleiben.
Der zentrale Handlungsbedarf für Unternehmen liegt daher, so die Studie, in einer strategischen Neubewertung ihrer AC-Praxis. Gefragt ist kein radikaler Systemwechsel, sondern eine gezielte Weiterentwicklung: KI sollte dort integriert werden, wo sie Assessor*innen entlastet, Entscheidungsqualität erhöht und Prozesse transparenter macht. Parallel dazu müssen HR-Funktionen gezielt technologische und datenbezogene Kompetenzen aufbauen, um KI nicht nur zu nutzen, sondern auch kritisch steuern und verantworten zu können.
„AC bleiben ein relevantes Instrument, aber nicht in ihrer bisherigen Form. Unternehmen, die ihre AC-Praxis jetzt konsequent weiterentwickeln, KI gezielt einsetzen und die Rolle des Menschen klar definieren, sichern langfristig Qualität, Akzeptanz und Effizienz der Personalauswahl und -entwicklung. Unternehmen, die abwarten, laufen Gefahr, dass ihre ACs an Wirkung, Attraktivität und strategischem Nutzen verlieren“, bilanziert Studienleiter Prof. Dr. Stephan Weinert.
Zum Hintergrund:
Trotz einer breiten Palette potenzieller KI-Anwendungsszenarien in AC war die empirische Evidenzlage bislang begrenzt. Insbesondere fehlten systematische Daten dazu, welche konkreten KI-Einsatzfelder von AC-Expert*innen und HR-Profis als wünschenswert erachtet werden, in welchen Bereichen KI heute bereits tatsächlich eingesetzt wird und wo künftig mit einer stärkeren Verbreitung zu rechnen ist.
Genau an dieser Forschungslücke setzt die vorliegende Studie an, indem sie erstmals systematisch erfasst, wie unterschiedliche KI-Szenarien im AC im Hinblick auf ihre Erwünschtheit, ihren aktuellen Einsatzgrad sowie ihre erwartete zukünftige Verbreitung eingeschätzt werden. Die Studie fußt auf der Delphi-Methode, einem strukturierten Expertenbefragungsverfahren. Kern der Methode ist ein mehrstufiger, moderierter und anonymisierter Meinungsbildungsprozess unter ausgewählten AC-Expert*innen und HR-Profis.
„Die Studie ist ein Beispiel für innovative, praxisnahe Forschung an der Hochschule für Wirtschaft und Gesellschaft Ludwigshafen mit klarem Fokus auf den aktuellen Herausforderungen im HR-Management. Ich lade Unternehmen herzlich ein, mit uns zusammenzuarbeiten – sei es in Forschungsprojekten, Studien oder der gemeinsamen Entwicklung neuer HR-Ansätze im KI-Zeitalter.“, so Stephan Weinert.
Hochschule für Wirtschaft und Gesellschaft Ludwigshafen
Fachbereich Marketing und Personalmanagement
Prof. Dr. Stephan Weinert
Professur für allgemeine BWL, insbesondere Int. Personalmanagement
E-Mail: stephan.weinert@hwg-lu.de
Interesse an der kompletten Studie? Bitte Mail an stephan.weinert@hwg-lu.de
Criteria of this press release:
Business and commerce, Journalists
Economics / business administration, Social studies
transregional, national
Cooperation agreements, Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
