Fairness Engineering im algorithmischen Management von Plattformarbeit: Ein Vergleich von vier Ansätzen in der Lebensmittel-Lieferbranche

Dieser Beitrag untersucht neue Ansätze zur Bewältigung von Fairness-Einschränkungen im algorithmischen Management (AM) von Essenslieferplattformen. Dabei greifen wir auf das relativ neue Konzept des "Fairness Engineering" zurück, um Ansätze zu analysieren, die auf eine faire Arbeitsgestaltung (Aufgabe und Zeit) in verschiedenen Phasen der Entwicklung, Implementierung und Anwendung von Systemen für Essenslieferfahrer abzielen.

Vor dem Hintergrund des EU-KI-Gesetzes analysieren wir zunächst den regulatorischen Rahmen für Hochrisiko-KI am Arbeitsplatz und konzentrieren uns dabei auf deren Verbindung zur Charta der Grundrechte der Europäischen Union. Anschließend betrachten wir, wie der schnell wachsende Sektor der Lebensmittel-Lieferbranche auf automatisierte Entscheidungssysteme angewiesen ist, die Aufgabenverteilung, Leistungsüberwachung, Arbeitszeiten und Einkommensverteilung beeinflussen.

Obwohl AM betriebliche Abläufe optimieren kann, wirft es kritische Fragen hinsichtlich Transparenz, Machtungleichgewichten, Informationsasymmetrien und Nichtdiskriminierung auf. Anhand von vier aktuellen Studien untersuchen wir ein Spektrum von Fairness-Interventionen - von regulatorischen Maßnahmen über die Begrenzung von Plattformprovisionen bis hin zu Optimierungsmodellen, die eine gerechtere Aufgabenverteilung anstreben.

Vergleichende Analysen zeigen, dass Fairness selbst unterschiedlich definiert und operationalisiert werden kann, etwa als wirtschaftliche Gerechtigkeit zwischen den Beteiligten, Einkommensverteilung oder Arbeitsbelastung. Auch die Ansätze zur Bewältigung von Fairnessfragen unterscheiden sich erheblich. „Fairness Engineering“ findet dabei auf verschiedenen Ebenen und in unterschiedlichen Phasen der Implementierung und Anwendung statt.

Wir betonen die Notwendigkeit transparenter algorithmischer Systeme, partizipativer Governance-Strukturen und strengerer Fairness-Kriterien. Zukünftige Forschung sollte zudem intersektionale Verzerrungen in Leistungsdaten untersuchen und die langfristigen Auswirkungen von Fairness-Interventionen evaluieren, um sicherzustellen, dass Praktiken des AM mit den Grundrechten und dem Wohlergehen der Beschäftigten im Einklang stehen. Der Vergleich liefert eine systematische Übersicht und Bewertung bestehender Ansätze.