In diesem Semester bietet der Fachbereich Rechts- und Wirtschaftswissenschaften erstmals die Lehrveranstaltung „Algorithmic Management: Management in the Era of Artificial Intelligence" an. Über 140 Studierende haben sich für dieses Wahlpflichtfach angemeldet. Ziel ist es, die Studierenden an eine Arbeitswelt heranzuführen, in der KI-gestützte Managementsysteme eine wachsende Rolle spielen. Sie sollen später als Führungskräfte und Fachleute nicht nur die technische Umsetzung beurteilen können, sondern insbesondere die Auswirkungen auf Beschäftigte, Organisationen und Gesellschaft ganzheitlich einschätzen. Dazu werden auch Vertreter:innen aus Gewerkschaften und Unternehmen in die Lehrveranstaltung eingebunden.

Dr. Armin Alizadeh: Algorithmisches Management bezeichnet den Einsatz von Software-Algorithmen, die klassische Managementaufgaben übernehmen oder unterstützen: die Zuteilung von Aufgaben, die Bewertung von Leistung, die Erstellung von Schichtplänen oder Empfehlungen für Personalentscheidungen. Was zunächst vor allem in der Plattformökonomie sichtbar wurde, etwa bei Fahrdienst- und Lieferplattformen, breitet sich zunehmend auch in klassische Unternehmenskontexte und Bürotätigkeiten aus. Mit der ersten Lehrveranstaltung zu AM wollen wir unsere Studierende darauf vorbereiten, solche Systeme fundiert zu verstehen, kritisch zu bewerten und verantwortungsvoll mitzugestalten.

Alizadeh: Algorithmische Managementsysteme können Entscheidungen in Echtzeit treffen und sie über digitale Schnittstellen an Mitarbeitende kommunizieren. Das schafft Skalierbarkeit und erlaubt zugleich, deutlich mehr Datenpunkte in die Entscheidungsfindung einzubeziehen, als es menschliche Vorgesetzte je könnten. Bei Uber etwa werden Millionen Fahrer weltweit per Smartphone gesteuert, nicht nur auf Basis ihrer aktuellen Position, sondern auch ihrer präferierten Routen, ihrer Fahrhistorie und Auslastungsmustern in der jeweiligen Stadt. Ähnliche Logiken finden sich in Amazon-Logistikzentren, in denen Pickern Laufwege und Taktraten algorithmisch zugewiesen werden, oder in Callcentern, in denen Sprachanalysen Gesprächsführung und Pausenzeiten steuern. Menschliches Management könnte nie so effizient, skalierbar und datengestützt agieren.

Auf der Mitarbeitendenseite zeigen sich ebenfalls Chancen. In Plattformkontexten berichten Arbeitende überraschenderweise mitunter, lieber für einen Algorithmus zu arbeiten als für einen menschlichen Vorgesetzten. Auch in traditionellen Arbeitskontexten deuten erste Befunde darauf hin, dass insbesondere Personen mit Diskriminierungserfahrungen lieber algorithmisch als durch eine Führungskraft bewertet werden möchten.

Die Risiken sind allerdings nicht zu unterschätzen. Wenn solche Systeme intransparent entscheiden, keine Ausnahmen oder Rückfragen zulassen und Mitarbeitende permanent vermessen, werden sie schnell als entmenschlichend und überwachend wahrgenommen. Gleiches gilt, wenn bestehende Diskriminierung aus den meist historischen Trainingsdaten reproduziert werden und so bestehende Ungleichheiten eher verstärkt als abgebaut werden. Amazons eigenes Rekrutierungs-Tool sortierte beispielsweise Bewerberinnen systematisch aus, weil es auf historischen Einstellungsdaten beruhte, in denen Männer stark überrepräsentiert waren. Hinzu kommt ein Verantwortungsproblem: Sobald algorithmische Entscheidungen menschliche Vorgesetzte ergänzen oder ersetzen, ist oft unklar, wer für deren Konsequenzen einsteht. Und schließlich verschiebt sich die Machtasymmetrie zwischen Unternehmen und Belegschaft, da Mitarbeitende die Datengrundlage und Entscheidungslogik, auf der über sie geurteilt wird, häufig weder einsehen noch hinterfragen können. Grundsätzlich gilt aber: Welche Chancen und Risiken in welcher Ausprägung auftreten, hängt stark vom konkreten Anwendungskontext ab, in dem algorithmische Managementsysteme zum Einsatz kommen. Es sind keine Schwarz-Weiß-Entscheidungen.

Professor Alexander Benlian: Unsere Studierenden nehmen im Laufe ihrer Karrieren häufig Rollen ein, in denen sie ganz konkret über die Gestaltung von Technologie am Arbeitsplatz vieler Menschen entscheiden. In Zukunft werden sie dabei auch darüber befinden müssen, wie Managementaufgaben zwischen algorithmischem und menschlichem Management aufgeteilt werden. Sie müssen bewerten, welche Aufgaben sich für welchen Typ eignen, welche eher auf Akzeptanz oder Widerstand stoßen und wo ethische Grenzen liegen, um wirklich verantwortungsvolle Entscheidungen treffen zu können. Das ist alles andere als trivial. In der Praxis müssen sie zwischen vielen gegensätzlichen Kräften vermitteln: wirtschaftlichem Druck, den Interessen der Belegschaft und kontinuierlichem technologischen Wandel. Mit unserer neuen Vorlesung möchten wir einen Beitrag dazu leisten, dass sie auf solche Entscheidungssituationen gut vorbereitet sind.

Damit die Studierenden ein realistisches Bild bekommen, haben wir bewusst auch Praktiker:innen eingeladen: Technologiedesigner:innen, die algorithmische Managementsysteme in Unternehmen umsetzen, ebenso wie Arbeitnehmervertreter:innen. In diesen Diskussionsrunden können die Studierenden besser verstehen, vor welchen Herausforderungen die unterschiedlichen Stakeholder stehen, und auf dieser Basis eine eigene fundierte Position entwickeln.

Alizadeh: Wir haben sie gefragt! Die Relevanz von AM für den eigenen Karriereweg war für die meisten der größte Motivator. Dabei bringen sie ganz unterschiedliche Blickwinkel mit: Manche interessieren sich dafür, wie sich solche Systeme zur eigenen Entscheidungsfindung nutzen lassen, sobald sie selbst Managementverantwortung tragen. Andere fragen eher, wie algorithmische Systeme Strukturen in Unternehmen verändern oder wie sich damit ökonomisch effizienter arbeiten lässt.

Ein weiterer Grund ist sicherlich, dass das Thema stark mit den Lebenserfahrungen der Studierenden verzahnt ist. Fast alle haben schon einmal aufgeregt auf der Karte ihres Smartphones verfolgt, wann der Fahrer mit dem Essen eintrifft. Viele tragen Smartwatches oder Fitness-Tracker, um das eigene Verhalten besser zu verstehen. Hinzu kommt, dass nicht wenige Studierende AM nicht nur als Konsumenten erleben, sondern auch als Arbeitende, etwa beim Lieferdienst, im Einzelhandel mit dynamischer Schichtplanung oder bei Plattform-Nebenjobs. Sie kennen also beide Seiten aus eigener Anschauung.

Darüber hinaus berührt das Thema eine größere gesellschaftliche Debatte, die unsere Studierenden ohnehin beschäftigt: Wie verändert KI die Arbeitswelt? Wo verlaufen die Grenzen zwischen Effizienzgewinnen und legitimer Kontrolle? Wer trägt Verantwortung, wenn Maschinen mitentscheiden? AM bietet ihnen einen konkreten Anwendungsbereich, an dem sich diese Fragen durchdenken lassen, statt sie auf abstrakter Ebene zu belassen. Dass so viele Studierende bereit sind, sich auf diese Auseinandersetzung einzulassen, freut uns sehr.

Benlian: Algorithmische Systeme verändern Entscheidungsprozesse in mehrerlei Hinsicht. Zum einen findet ein deutlicher Verdichtungsschub statt: Was früher in periodischen Mitarbeitergesprächen, Quartalsplanungen oder Schichtbesprechungen entschieden wurde, geschieht zunehmend kontinuierlich und auf granularer Ebene. Aufgaben werden in Echtzeit zugewiesen, Performance laufend eingeschätzt, Schichtpläne mehrfach täglich angepasst. Zum anderen verschiebt sich die Datengrundlage. Wo Führungskräfte historisch auf Erfahrung und vergleichsweise wenige Datenpunkte zurückgriffen, ziehen algorithmische Systeme heute oft hunderte Variablen heran, vom Tippverhalten am Rechner bis zu standortbezogenen Bewegungsmustern. Das kann zu fundierteren Entscheidungen führen, birgt aber auch das Risiko einer Scheinlegitmität, in der schiere Datenmengen eine Rechtfertigung suggerieren, die inhaltlich nicht gedeckt ist.

Die aus unserer Sicht spannendste Veränderung betrifft jedoch die Verteilung der Entscheidungsautorität. Klassischerweise war die Arbeitsteilung klar: Führungskräfte entschieden, Mitarbeitende führten aus. Mit AM löst sich diese Linie auf. In manchen Konstellationen übernimmt der Algorithmus die Entscheidung vollständig, etwa bei automatischer Routenplanung. In anderen schlägt er nur vor, und die Führungskraft entscheidet. Wieder andere Systeme entscheiden zwar formal automatisch, lassen aber menschliche Korrekturen zu. Jede dieser Konstellationen hat eigene Konsequenzen für Verantwortlichkeit, Akzeptanz und letztlich auch für die Rolle der mittleren Führungsebene, die immer öfter zwischen algorithmischen Vorgaben und menschlicher Realität vermitteln muss

AM betrifft also nicht nur diejenigen, die direkt geführt werden, sondern verändert auch den Arbeitsalltag der Führungskräfte selbst. Manche klassischen Aufgaben fallen weg, etwa das Performance-Monitoring. Andere entstehen neu: die kritische Bewertung algorithmischer Empfehlungen, die Kommunikation algorithmisch erzeugter Entscheidungen gegenüber dem Team oder der Umgang mit Mitarbeitenden, die das Vertrauen in das System verlieren. Dieses Spannungsfeld interessiert uns in der Forschung sehr und spielt entsprechend auch eine zentrale Rolle in unserer Vorlesung.

Alizadeh: Die verschiedenen Regelwerke wie der EU AI Act oder die Platform Work Directive enthalten viele sinnvolle Ansätze. Offen ist allerdings, wie diese in der Praxis technisch umgesetzt werden. Wenn Plattformen beispielsweise verpflichtet werden, ihren Beschäftigten Einblick in die sie betreffenden Daten und algorithmischen Entscheidungslogiken zu gewähren, ist damit noch nicht beantwortet, wie das konkret aussehen soll: In welchem Format werden die Daten bereitgestellt? Und wie lassen sich Entscheidungen eines Machine-Learning-Modells einem Fahrer auf dem Smartphone verständlich darstellen? Auch Begriffe wie „menschliche Aufsicht“ sind in der Praxis schwer zu operationalisieren: Reicht es, wenn eine Führungskraft eine algorithmische Empfehlung formal abzeichnet, oder muss sie diese substanziell prüfen können? Genau hier liegt eine zentrale Aufgabe der Wirtschaftsinformatik: zwischen regulatorischem Anspruch und technischer Realisierbarkeit zu vermitteln.

Benlian: Wir gehen davon aus, dass AM in fünf Jahren deutlich breiter im Arbeitsalltag angekommen sein wird. Heute begegnet es vielen Menschen vor allem in der Plattformökonomie, in Logistik oder im Einzelhandel. In den nächsten Jahren erwarten wir eine Ausweitung in klassische Bürotätigkeiten, in denen agentische KI-Systeme zunehmend selbstständig Aufgaben verteilen, Performance einschätzen und Empfehlungen erzeugen. Auch Wissensarbeitende werden also stärker mit algorithmischer Steuerung in Berührung kommen als heute. Parallel dazu wird auf der Mitarbeitendenseite KI- und Datenkompetenz zur Schlüsselkompetenz: zu verstehen, wie die eigenen Daten erhoben werden, wie Empfehlungen zustande kommen und wo Widerspruch gegen AM nötig ist.

Alizadeh: Aus Organisationsperspektive erwarten wir, dass sich rund um AM neue Rollen herausbilden, etwa für die Governance, Auditierung und ethische Bewertung algorithmischer Entscheidungssysteme. Gleichzeitig wird die Schere zwischen Unternehmen, die solche Systeme verantwortungsvoll einsetzen, und solchen, die sie primär als Kontrollinstrument verstehen, größer werden. Wie sich die Arbeitswelt 2030 konkret darstellt, wird daher weniger eine Frage der Technologie sein als eine Frage der gestalterischen Entscheidungen, die Unternehmen, Politik und Belegschaften jetzt treffen. Genau auf diese Gestaltungsverantwortung wollen wir unsere Studierenden mit der neuen Lehrveranstaltung vorbereiten.

Die Fragen stellte Mareike Hochschild.