Datenspende
Hilf uns, Ungerechtigkeit in der Jobvergabe zu bekämpfen!
Spende deinen Lebenslauf, um gemeinsam gegen automatisierte Diskriminierung in Bewerbungsverfahren zu kämpfen!
Unternehmen bearbeiten Bewerbungen immer häufiger mit automatisierten Systemen, die auf Algorithmen basieren. Aus zahlreichen Beispielen wissen wir, dass der Einsatz dieser Systeme zu einer ungerechten Behandlung von Frauen, Migrant*innen und anderen marginalisierten Menschen führen kann. Ihre Chancen, einen Job zu bekommen, sind im Vergleich zu anderen geringer. Diese Algorithmen können also zu Diskriminierung auf dem Arbeitsmarkt führen.
Das wollen wir ändern! Wir entwickeln Werkzeuge, mit denen wir Ungerechtigkeit in Bewerbungsverfahren entdecken und vermeiden können. Um das zu schaffen, benötigen wir reale Lebensläufe, mit denen wir testen, wie sich solche Ungerechtigkeiten in Empfehlungsalgorithmen einschleichen. Basierend auf diesen realen Lebensläufen erstellen wir mit einer Software künstliche Lebensläufe und entwickeln daraus Methoden gegen Diskriminierung.
Hilf uns, Diskriminierung in Bewerbungsverfahren zu verhindern! Es muss aufhören, dass Menschen aufgrund ihrer Geschlechtsidentität, ihrer vermeintlichen „Ethnizität” oder ihrer sexuellen Orientierung aussortiert werden!
Was kannst du tun? Spende dafür deinen (anonymisierten) Lebenslauf und beantworte uns (optional) Fragen zu Diskriminierungsmerkmalen.
Möchtest du mehr darüber wissen, wer hinter dieser Kampagne steckt? Wir arbeiten mit einem Team von Forschungseinrichtungen, zivilgesellschaftlichen Organisationen und Unternehmen unter dem Namen „FINDHR – Fairness and Intersectional Non-Discrimination in Human Recommendation" zusammen: Universitat Pompeu Fabra (Barcelona), Universiteit van Amsterdam, Universitá di Pisa, Radboud Universiteit, Max-Planck-Institut für Sicherheit und Datenschutz, Erasmus Universiteit Rotterdam, Praksis, Randstad, Adevinta, ETUC, WIDE+ und AlgorithmWatch CH.
Das Projekt wird von der Europäischen Union im Rahmen des Förderprogramms Horizon Europe finanziert und durch das Schweizer Staatssekretariat für Bildung, Forschung und Innovation unterstützt. Es läuft von November 2022 bis Oktober 2025.
This article is part of a project that has received funding from the European Union's Horizon Europe research and innovation program under grant agreement No 101070212.
Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union. Neither the European Union nor the granting authority can be held responsible for them.
This work is supported by the Swiss State Secretariat for Education, Research and Innovation (SERI) under contract number 22.00151.