KI·BeispieleNewsletter

KI im Bereich Personal & HR

3 Einträge zum Unternehmensbereich Personal & HR, neueste zuerst. Jeder mit Originalquelle.

Studie / Zahlen · International · · Johns Hopkins University

Studie der Johns Hopkins University: Sprachmodelle antworten auf „weiblich“ formulierte Aufträge weniger formell

Markt und Mittelstand ordnet eine Untersuchung der Johns Hopkins University ein. Das Team stellte 427 englische Schreibaufträge für E-Mails, Bewerbungen und Kündigungen in je zwei Fassungen: mit Sprachmustern, die eher Frauen oder eher Männern zugeschrieben werden. GPT-4, Llama, Gemma und Mistral antworteten auf die weiblich geprägten Fassungen im Schnitt weniger formell und einfacher. Nachteile bei Einstellungen wurden nicht gemessen, und ob das auf Deutsch genauso gilt, ist offen.

Quelle: Markt und Mittelstand

Termin · · Mittelstand-Digital Zentrum Saarbrücken

Digitalzentrum Saarbrücken: kostenlose Online-Reihe „KI anwenden“ für KMU startet am 27. Oktober

Das Mittelstand-Digital Zentrum Saarbrücken bietet eine fünfteilige Online-Reihe zum KI-Einstieg für kleine und mittlere Unternehmen an. Der erste Termin am 27. Oktober 2026 von 13 bis 14 Uhr erklärt Grundlagen wie maschinelles Lernen und die Rolle von Daten und zeigt ein Praxisbeispiel mit Sensordaten. Die Teilnahme ist kostenlos, Vorkenntnisse sind nicht nötig. Später geht es um technische Voraussetzungen, souveränen Einsatz und Anwendungsbeispiele.

Quelle: Mittelstand-Digital Zentrum Saarbrücken

Studie / Zahlen · · Netzwoche

Netzwoche-Studie: Fachkräftemangel bremst Schweizer Firmen beim Schritt vom KI-Pilot in den Betrieb

In einer Studie der Netzwoche zum Schweizer KI-Markt nennen fast sechs von zehn befragten Unternehmen fehlende KI-Fachkräfte als größtes Hindernis, um Pilotprojekte in den Regelbetrieb zu bringen. 47 Prozent sehen Datenschutz und Compliance, etwa das revidierte Schweizer Datenschutzgesetz und den EU AI Act, als Hürde, 43 Prozent hohe Kosten für Lizenzen und GPU-Ressourcen in der Cloud. Hinzu kommen Datensilos, mangelnde Datenqualität und fehlende Data Governance sowie Vorbehalte von Beschäftigten.

Quelle: Netzwoche