Heimstädt, Maximilian; Klausner, Lukas Daniel; Faißt, Sandrine (2024): Algorithmische Vorhersage und Mitbestimmung (AVuM) - Transkripte der Interviews [dataset]. Qualiservice, PANGAEA, https://doi.org/10.1594/PANGAEA.961744
Always quote citation above when using data! You can download the citation in several formats below.
Abstract:
DE: Der Datensatz enthält Transkripte der qualitativen, teilstrukturierten Experteninterviews mit Erwerbstätigen in Unternehmen, NGOs oder gesetzlichen Interessenvertretungen in Deutschland oder Österreich, zum Einsatz von algorithmischen Verfahren für das Risikomanagement ("Predictive Risk Intelligence" oder PRI) in zunehmend komplexen Wertschöpfungsnetzwerken, welche Ausfallwahrscheinlichkeiten von Maschinen oder Infrastruktur vorhersagen. Das Projekt untersucht, wie und mit welchen Konsequenzen für die betriebliche und überbetriebliche Mitbestimmung Predictive Risk Intelligence (PRI) von Unternehmen bereits eingesetzt wird. Zudem wird untersucht, wie algorithmische Vorhersagesysteme (ähnlich zu PRI oder auch neuartig) von Arbeitnehmer:innenvertretungen genutzt werden können, um Mitbestimmung in Zeiten der Entsolidarisierung weiterzuentwickeln. Hierzu wurden über einen Zeitraum von acht Monaten dreißig Interviewpartner:innen aus drei Stakeholdergruppen (Merchants, Customers und Audience) rund um PRI in Lieferketten mit leitfadengestützten Experteninterviews befragt. Schwerpunkte der Interviews waren die Einordung der eigenen Organisation im Kontext von globalen Lieferketten und Risikomanagement, Erfahrungen oder Einschätzungen zum Einsatz von PRI sowie die Beziehungen zu anderen Stakeholdergruppen. Ein sekundärer Untersuchungsgegenstand war zudem die Auswirkungen des in Deutschland eingeführten Lieferkettensorgfaltspflichtengesetz (LkSG) auf Praktiken des Risikomanagements. Die Gruppenzuweisung der Interviewten wird im Datensatz durch den Zusatz M (für Merchants), A (für Audience) und C (für Customers) kenntlich gemacht. Als Merchants gelten Vertreter:innen von Softwarelösungen für das Risikomanagement, zur Audience-Gruppe gehören Interessenvertretungen für Risikomanagement in Lieferketten, Customers stellen (potenzielle) Kund:innen von PRI-Anbietern dar, die überwiegend aus den Bereichen des Einkaufs und Supply-Chain-Managements stammen. Von den 30 Interviewteilnehmer:innen haben 18 der Nachnutzung ihrer Daten zugestimmt.
EN: The dataset consists of qualitative, semi-structured expert interviews with professionals in companies, NGOs or or legal interest groups in Germany and Austria about the use of algorithmic methods for risk management ("Predictive Risk Intelligence" or PRI) in increasingly complex value networks that predict the failure probabilities of machinery or infrastructure. This project examines how Predictive Risk Intelligence (PRI) is already being used by companies and its consequences for corporate and inter-corporate participation. Furthermore, it explores how algorithmic prediction systems (similar to PRI or new ones) can be utilized by employee representatives to further develop participation in times of decreasing solidarity. For a period of eight months, thirty interviewees from three stakeholder groups (Merchants, Customers and Audience) were questioned about PRI in supply chains through guided expert interviews. These interviews focused on assessing the interviewees' own organizations in the context of global supply chains and risk management, their experiences or expectations of PRI implementation, as well as their relationships with other stakeholder groups. Another incidental subject of investigation was the impact on risk management practices triggered by the introduction of the Supply Chain Due Diligence Act (LkSG) in Germany. Within the dataset, the assignment of the interviewees to the three groups are indicated by the letter M (for Merchants), A (for Audience), and C (for Customers). Merchants refer to representatives of software solutions for risk management, the Audience group includes interest groups for risk management in supply chains, Customers represent (potential) customers of PRI providers, mainly stemming from purchasing departments and supply chain management. Out of the 30 interview participants, 18 have agreed to the reuse of their data.
Related to:
Heimstädt, Maximilian; Dobusch, Leonhard (2021): Riskante Retweets: "Predictive Risk Intelligence" und Interessenvertretung in globalen Wertschöpfungsnetzwerken. Industrielle Beziehungen. Zeitschrift für Arbeit, Organisation und Management, 28 (2), 194-211, https://doi.org/10.3224/indbez.v28i2.05
Klausner, Lukas Daniel; Heimstädt, Maximilian; Dobusch, Leonhard (2023): "Schöne neue Lieferkettenwelt": Workers' Voice und Arbeitsstandards in Zeiten algorithmischer Vorhersage. Soziale Standards in globalen Lieferketten.
Internationale Richtlinien, unternehmerische Verantwortung und die Stimme der Beschäftigten, 97–114, https://doi.org/10.1515/9783839467701-005
Study report:
Heimstädt, Maximilian; Klausner, Lukas Daniel; Faißt, Sandrine (2024): Studienreport: Algorithmische Vorhersage und Mitbestimmung (AVuM) – eine qualitative Interviewstudie. Bremen: FDZ Qualiservice, 16 S., https://doi.org/10.26092/elib/2555
Project(s):
Funding:
Coverage:
Date/Time Start: 2022-06-01T00:00:00 * Date/Time End: 2023-02-28T00:00:00
Event(s):
AVuM_DC * Date/Time Start: 2022-06-01T00:00:00 * Date/Time End: 2023-02-28T00:00:00 * Collection situation: DE: Der vorliegende Datensatz entstand durch eine Erhebung in Form von qualitativen, teilstrukturierten Experteninterviews. Aufgrund der internationalen Zusammensetzung des Forschungsteams und der Befragten fanden diese in digitaler Form mittels einer Videotelefonie-Software statt und wurden zur Weiterverarbeitung aufgezeichnet. Im Vorfeld wurde je ein Interviewleitfaden für alle drei Stakeholdergruppen angefertigt, welcher aus angepassten Fragen aus den Bereichen "Risikomanagement allgemein", "PRI im Speziellen" und "Beziehungen zu den anderen Stakeholdergruppen" besteht. Die Leitfäden wurden im Forschungsverlauf weiter modifiziert und auch während des Interviews flexibel angepasst. EN: The present dataset was created through a survey conducted in the form of qualitative, semi-structured expert interviews. Due to the international composition of the research team and the interviewees, these interviews took place in digital form using video telephony software and were recorded for further processing. Prior to the interviews, a separate interview guide was prepared for each of the three stakeholder groups, consisting of adapted questions related to "risk management in general," "PRI in particular," and "relationships with other stakeholder groups." These interview guides were further modified during the research process and were also flexibly adjusted during an interview session. * Event type: Data collection * Instrument: guidelines.flex; guidelines.narrative * Methodology: Leitfadengestützte Experten-Interviews * Mode of collection: WebBased * Sample size: 30 * Sampling procedure: DE: Die Befragten waren zum Zeitpunkt der Erhebung allesamt in Deutschland oder Österreich erwerbstätige Erwachsene in Unternehmen, NGOs oder gesetzlichen Interessenvertretungen. Die Gruppenzuweisung der Teilnehmer:innen wird im Datensatz durch den Zusatz M (für Merchants), A (für Audience) und C (für Customers) gekennzeichnet. Als Merchants gelten Vertreter:innen von Softwarelösungen für das Risikomanagement, zur Audience-Gruppe gehören Interessenvertretungen für Risikomanagement in Lieferketten, Customers stellen (potenzielle) Kund:innen von PRI-Anbietern dar, die überwiegend aus den Bereichen des Einkaufs und Supply-Chain-Managements stammen. EN: At the time of the survey, all respondents were employed adults in Germany or Austria and were working in companies, NGOs, or legal interest groups with a shared connection to the topics of supply chains and risk management. The group assignment of the participants are indicated by the letter M (for Merchants), A (for Audience), and C (for Customers) within the dataset. Merchants refer to representatives of software solutions for risk management, the Audience group includes interest groups for risk management in supply chains, Customers represent (potential) customers of PRI providers, mainly stemming from purchasing departments and supply chain management. * Location: Deutschland * Campaign: AVuM (Algorithmische Vorhersage und Mitbestimmung – Interviewstudie) * Method/Device: Interview. Experteninterview (Experteninterview) * Comment: Die Interviews wurden in digitaler Form als Videokonferenz geführt und anschließend transkribiert. Die Interviews variiieren in ihrem zeitlichen Umfang und dauerten jeweils 30 bis 90 Minuten. Schwerpunkte der Interviews waren die Einordnung der eigenen Organisation im Kontext von globalen Lieferketten und Risikomanagement, Erfahrungen oder Einschätzungen zum Einsatz von PRI sowie die Beziehungen zu anderen Stakeholdergruppen.
Domain attribute(s):
Access type: Delivery * Analysis unit: Individual * Kind of data: VerbalData.Transcripts * Study class: SecondaryUse.Research&Teaching * Sub-universe: DE: 30 Interviewte aus drei verschiedenen Stakeholdergruppen, die zu Predictive Risk Intelligence (PRI) befragt wurden: Merchants als Vertreter:innen von Softwarelösungen für das Risikomanagement (M), Audiences als Interessenvertretungen für Risikomanagement in Lieferketten (A), Customers als (potenzielle) Kund:innen von PRI-Anbietern (C). * Title language: de
Parameter(s):
| # | Name | Short Name | Unit | Principal Investigator | Method/Device | Comment |
|---|---|---|---|---|---|---|
| 1 | Data ID | Data ID | ||||
| 2 | File name | File name | Dateiname | |||
| 3 | General data format | Data format | Datenformat | |||
| 4 | Language | Language | Sprache | |||
| 5 | Data collection date | DC date | Erhebungsdatum | |||
| 6 | Event duration | Event duration | Dauer des Interviews | |||
| 7 | Data collection location | DC location | Erhebungsort | |||
| 8 | Gender, social sciences | Gender | Geschlecht | |||
| 9 | Stakeholder | Stakeholder | ||||
| 10 | Field of work or activity | Work field | Arbeitsbereich |
License:
Qualiservice License (QS)
Size:
180 data points