#guteKI entdecken
Forschung bei CHEMISTREE
CHEMISTREE setzt auf Forschung als integralen Bestandteil der Produktentwicklung. Dabei liegt der Fokus auf der Entwicklung von verantwortungsvoller und menschenzentrierter KI, die Unternehmen und Individuen gleichermaßen unterstützt. Der Ansatz beruht auf interdisziplinärer Zusammenarbeit mit Universitäten, Forschungseinrichtungen und Praxispartnern, um wissenschaftlich fundierte und praxistaugliche Lösungen zu schaffen.

Ein zentraler Aspekt dieser Forschung ist die Entwicklung dessen, was wir bei CHEMISTREE #guteKI nennen – einer Künstlichen Intelligenz, die transparent, fair und ethisch vertretbar ist. Dies erfordert nicht nur technische Exzellenz, sondern auch ein tiefgehendes Verständnis für soziale, rechtliche und wirtschaftliche Implikationen. CHEMISTREE bringt diese Perspektiven zusammen und stellt sicher, dass innovative Technologien einen echten Mehrwert bieten.
Forschungsschwerpunkte
Die Forschungsarbeit von CHEMISTREE konzentriert sich auf die Entwicklung intelligenter Matching-Technologien, die ethische Standards und regulatorische Anforderungen erfüllen.
Dies umfasst insbesondere die Bereiche:
Bias-Reduktion und Fairness in algorithmischen Entscheidungssystemen
Transparenz und Erklärbarkeit von KI-gestützten Matching-Prozessen
Nutzerzentrierte Gestaltung und Akzeptanz von KI-gestützten Systemen
Regulatorische und ethische Rahmenbedingungen für KI in der Personalgewinnung
Forschungsprojekte
CHEMISTREE ist Initiatorin und Konsortialpartner in mehreren Forschungsprojekten, die sich mit der Entwicklung, Optimierung und ethischen Gestaltung von KI-gestützten Technologien befassen. Dabei wird besonderer Wert auf wissenschaftliche Fundierung, praxisnahe Umsetzung und gesellschaftliche Verantwortung gelegt. Die folgenden Projekte geben einen Einblick in die aktuellen Forschungsarbeiten von CHEMISTREE.
KIDD – KI & Diversität (2020 – 2024)
Das Projekt KIDD (Künstliche Intelligenz & Diversität), gefördert vom Bundesministerium für Arbeit & Soziales, untersucht, wie KI-Systeme diskriminierungsfrei und diversitätsfördernd eingesetzt werden können. Es verbindet wissenschaftliche Analysen mit konkreten Anwendungsfällen aus der Praxis und entwickelt Instrumente zur Kontrolle und Optimierung von KI-basierten Entscheidungsprozessen.
Kernziele des CHEMISTREE Experimentierraums
- Entwicklung von Methoden zur Identikation und Korrektur von Bias in KI-Systemen
- Förderung von Diversität durch faire Matching-Prozesse
- Schaffung eines Frameworks für diskriminierungsfreie KIgestützte
Personalentscheidungen - Integration von Kontrollmechanismen, die sicherstellen, dass KI-Systeme die gesellschaftlichen Werte von Gleichberechtigung und Chancengleichheit respektieren
Publikationen

Unsere KIDD-Learnings
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
KI-Cockpit (2023 – 2025)
Das Forschungsprojekt KI-Cockpit (KI-C), gefördert vom Bundesministerium für Arbeit und Soziales, befasst sich mit
der Transparenz und Steuerung von KI-Entscheidungen. Ziel ist es, ein nutzerfreundliches Interface zu entwickeln, das es Unternehmen und HR-Expert*innen ermöglicht, algorithmische Prozesse nachzuvollziehen und gezielt zu steuern. So wird sichergestellt, dass KI-gestützte Entscheidungen nachvollziehbar und vertrauenswürdig
bleiben.
Kernziele des CHEMISTREE Fieldlabs
- Entwicklung einer intuitiven Benutzeroberfläche für die
Steuerung von KI-gestützten Prozessen - Bereitstellung von Echtzeit-Transparenz über die Entscheidungsfindung der KI
- Implementierung von Kontrollmechanismen zur Anpassung und Korrektur von KI-Entscheidungen
- Förderung eines interaktiven Feedback-Systems, das Nutzer*innen ermöglicht, Einfluss auf die Algorithmen zu nehmen und deren Entwicklung mitzugestalten

Publikationen
Buchbeitrag – KI im Personalwesen 2030: Die gewünschte Zukunft | Whitepaper – Ein KI-Cockpit für Beschäftigte.
Unsere KI-C-Learnings
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Studien
CHEMISTREE führt wissenschaftliche Studien durch, um die Auswirkungen von KI auf Entscheidungsprozesse und deren Akzeptanz in verschiedenen Anwendungsbereichen zu analysieren. Durch die Zusammenarbeit mit renommierten Forschungseinrichtungen werden praxisrelevante Erkenntnisse gewonnen, die zur Weiterentwicklung fairer und transparenter KI-Technologien beitragen.
LMU-Studie von CHEMISTREE (2018)
CHEMISTREE arbeitet eng mit der Ludwig-Maximilians-Universität München zusammen, um wissenschaftlich fundierte Erkenntnisse zur Wirkung von KI in der Personalauswahl zu gewinnen. In dieser Studie wird untersucht, wie algorithmische Matching-Prozesse die Entscheidungsfindung beeinflussen und welche Faktoren für eine hohe Nutzerakzeptanz entscheidend sind.
Schwerpunkte der Studie:
- Analyse von Entscheidungsprozessen in KI-gestützten Matching-Systemen
- Untersuchung von Bias-Mechanismen und deren Reduktion
- Bewertung der Nutzerakzeptanz und Vertrauensbildung in KI-Prozesse
- Entwicklung von Best Practices für den Einsatz fairer und transparenter KI in der Personalgewinnung

Future Report HR Tech (2024)
In Kooperation mit dem Institut für Innovation & Technik (IIT) und der ZP Europe Messe entwickelt CHEMISTREE den Future Report HR Tech. Diese Studie untersucht aktuelle und zukünftige Entwicklungen im Bereich HR-Technologie mit besonderem Fokus auf Künstliche Intelligenz. Ziel ist es, Unternehmen und HR-Verantwortlichen fundierte Einblicke in technologische Trends, Chancen und Herausforderungen zu bieten.
Schwerpunkte der Studie:
- Welche Rolle spielt KI in der zukünftigen Arbeitswelt?
- Wie können Unternehmen den technologischen Wandel nachhaltig gestalten?
- Welche ethischen und regulatorischen Herausforderungen ergeben sich?

Konferenzen
CHEMISTREE engagiert sich aktiv in Fachdiskussionen und Wissensaustausch auf renommierten Konferenzen. Der direkte Dialog mit Expertninnen aus Wissenschaft, Wirtschaft und Praxis ermöglicht es, neue Entwicklungen in der KI-gestützten Personalgewinnung mitzugestalten und aktuelle Forschungsergebnisse zu präsentieren. Diese Veranstaltungen bieten eine Plattform für interdisziplinären Austausch, die Identi$kation neuer Forschungsbedarfe und die Vernetzung mit relevanten Akteur*innen.
KI & People Management Konferenz (2024)
Die KI & People Management Konferenz wurde von der Max-Planck-Gesellschaft und dem Münchner Kreis in Zusammenarbeit mit CHEMISTREE im Februar 2024 in Berlin veranstaltet und hat sich der Aufgabe gewidmet, eine Schnittstelle zwischen Künstlicher Intelligenz und Personalmanagement herzustellen. CHEMISTREE brachte hier seine Expertise ein, um zukunftsweisende Ansätze für den verantwortungsvollen Einsatz von KI in HR-Prozessen zu diskutieren. Themen wie Transparenz, Fairness und regulatorische Rahmenbedingungen stehen dabei im Mittelpunkt. Hier wurden Erkenntnisse aus Forschung und Praxis geteilt und gemeinsam Lösungen für die Herausforderungen der digitalen Transformation im HR-Bereich zu entwickeln.

Begleitende Inhalte der Konferenz
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.