Wie das richtige Design von Bewerbungsverfahren für mehr Diversität am Arbeitsplatz sorgen kann

Anstatt mit teuren Trainingsprogrammen kann man die Verzerrungen bei Personalentscheidungen auch an der Wurzel anpacken, so Harvard-Professorin Iris Bohnet. Die Verhaltensökonomie hat dazu schon zahlreiche Instrumente geliefert.

Wie das richtige Design von Bewerbungsverfahren für mehr Diversität am Arbeitsplatz sorgen kann

Die Forderung nach mehr Diversität in der Arbeitswelt ist noch lange nicht erfüllt. Vor allem Richtung Vorstandsetage wird diesbezüglich die Luft sehr dünn. In einem Interview erzählt Iris Bohnet, Harvard-Professorin für Public Policiy, wie das Aushebeln verschiedener Biases uns einige Schritte vorwärts bringen könnte.

Dass mehr Diversität direkt gekoppelt ist mit einer besseren Unternehmensperformance, haben Studien schon nachgewiesen. In den USA allein werden jährlich rund acht Milliarden Dollar für Programme zugunsten mehr Vielfältigkeit ausgegeben. Aber diese Schulungsmassnahmen scheinen nicht direkt zu einer Verbesserung der Situation zu führen, sagt Bohnet.

Unconscious Bias verzerrt Personalentscheidungen

Beim Design solcher Trainings müsste auch der Unconscious Bias mitbedacht werden – wenn also etwa beim Begriff “Kindergartenpädagoge” automatisch an eine Frau gedacht wird oder bei “Ingenieur” an einen Mann. Auch das Aussehen eines Jobkandidaten beeinflusst Entscheidungen stark, obwohl man darüber kaum Rückschlüsse auf die Arbeitsleistung ziehen kann. Iris Bohnet meint dazu:

What can you do there? At the first stage of the evaluation process, I would recommend that companies blind themselves to the demographic characteristics of job applicants. That means taking off names. In some countries—such as Germany or Switzerland—age is still included [on applications]. In many countries, you still add a photograph to your job application. All of that should go.

Auch die Arbeitszeiten sollten in den Inseraten besser als flexibel statt Halb- oder Vollzeit angegeben werden, um mehr Frauen zu ermutigen, sich zu bewerben.

Anstatt der vielen Schulungsprogramme sollte also lieber die Wurzel von Missverständnissen in Sachen Diversität behandelt werden, indem beispielsweise auch Datenmaterial analysiert wird:

I am quite optimistic that big data analytics and experimentation will move the needle dramatically in the next ten years. But I am mentioning experimentation also to suggest that we don’t have all the answers yet.

Quelle: Rik Kirkland, Iris Bohnet, Focusing on what works for workplace diversity, mckinsey.com, April 2017