CHRO/HRD fragt: Was tut Empatyzer, damit seine Antworten nicht wertend sind und keinen Schaden anrichten?

TL;DR:

  • Empatyzer nutzt nicht-wertende Sprache und konzentriert sich auf Vor- und Nachteile von Merkmalen.
  • Antworten basieren auf vordefinierten Skripten, Regeln, Bibliotheken und kontextuellen Dyaden.
  • Produktseitig gesperrt für Beurteilungen, Rekrutierung und klinische Anwendungen; keine Rohwerte für Einzelpersonen.
  • Standard-Privatsphäre, Zugriffsaudits, Protokollierung und Datenisolation minimieren Missbrauch.

Wie erstellt Empatyzer kontextbezogene, wertungsfreie Antworten?

Empatyzer beschreibt Menschen anhand des Kontexts, der Beziehung sowie der Stärken und Kosten von Merkmalen, sodass Antworten zu Maßnahmen führen können, ohne die Person zu beurteilen.

Funktionen, die dich dabei unterstützen:

  • Eigenschaften:Zeigt, dass dieselbe Eigenschaft je nach Rolle, Ziel und Situation eine Ressource oder eine Schwierigkeit sein kann.
  • Tipps:Geben praktische Tipps für die Arbeit mit einer bestimmten Person, ohne eine versteckte Rangfolge oder Bewertung ihres Wertes zu erstellen.
  • Vergleich:Beschreibt Unterschiede als eine Darstellung zweier spezifischer Personen und nicht als eine objektive Bewertung einer von ihnen.

Empatyzer formuliert Empfehlungen so, dass nicht die Person beurteilt, sondern Verhalten und deren Folgen beschrieben werden, inklusive konkreter Vor- und Nachteile von Eigenschaften im jeweiligen Kontext. Das System arbeitet mit über zwei Jahren entwickelten Skripten und Antwortbibliotheken, die auf nicht-wertende Formulierungen und die Neutralisierung schädlicher Aussagen getestet wurden. Statt starrer Typologien nutzt das Tool Dyaden — es passt Vorschläge an die Beziehung zwischen Gesprächspartnern an, was Vereinfachungen und Etikettierung reduziert. Produktseitig sind Nutzungseinschränkungen eingebaut: es gibt keine Rohscores auf Einzelpersonen, die Anwendung für Jahresbeurteilungen, Recruiting und klinische Diagnosen ist untersagt. Datenschutz ist Standard: Gespräche gehen nicht automatisch an HR oder Vorgesetzte, Daten werden in der EU gehostet und mandantengetrennt gespeichert. Administrativer Zugriff wird streng protokolliert und auditierbar gehalten, der Anbieter trainiert die Modelle nicht mit Firmendaten und verfügt über Mechanismen zur Erkennung und Neutralisierung potenziell schädlicher Antworten. Bei hohem Risiko schlägt das System Eskalationsprozesse vor und empfiehlt die Kontaktaufnahme mit HR statt eigenständiger Diagnosen. Einstellungen für Opt‑in und Sichtbarkeitskontrolle erlauben Nutzenden, die Freigabe ihres Profils zu steuern. Durch die Kombination aus Regeln, sprachlichen Vorlagen und produktseitigen Beschränkungen minimiert Empatyzer das Risiko von Schäden und liefert zugleich praktische, kontextspezifische Hinweise.

Empatyzer verbindet nicht-wertende Sprache, Antwortregeln, Produktbeschränkungen und strengen Datenschutz, damit Empfehlungen hilfreich und sicher sind.

Quellen und Forschung

  1. Qadri, U. A., & Moustafa, A. M. A. (2026). AI-enabled HRM as an ethical system: a systematic review of fairness, accountability, governance and legitimacy. International Journal of Ethics and Systems. Advance online publication. https://doi.org/10.1108/IJOES-04-2026-0308 DOI: 10.1108/IJOES-04-2026-0308
  2. Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.600-1 DOI: 10.6028/NIST.AI.600-1
  3. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for Educational and Psychological Testing. American Educational Research Association. Source
  4. M. Lance Frazier; Stav Fainshmidt; Ryan L. Klinger; Amir Pezeshkan; Veselina Vracheva (2017). Psychological Safety: A Meta-Analytic Review and Extension. Personnel Psychology, 70(1), 113–165. https://doi.org/10.1111/peps.12183 DOI: 10.1111/peps.12183

Autor: Empatyzer

Veröffentlicht:

Aktualisiert:

 

""