Crowdsourcing

Wie rekrutiere ich Arbeiter*innen für einmalige Aufgabenstellungen, ohne gleich neues Personal einzustellen? Wie kann ich sicherstellen, dass die Arbeitskräfte qualitativ zufriedenstellende Arbeit leisten? Auf Online-Plattformen, wie z.B. Amazon Mechanical Turk, bearbeiten Millionen von Menschen - die sogenannte „Crowd“ - online verschiedenste von Auftraggebern inserierte Aufgaben für eine vergleichsweise überschaubare Bezahlung. Die möglichen Aufgabenstellungen für die Crowd sind hierbei sehr vielfältig und reichen von Aufgaben mit einer geringen Komplexität, wie z.B. die Kategorisierung von Bildern, über Softwaretests bis hin zu komplexen Aufgaben, wie die Entwicklung und Bewertung innovativer Produkte/Dienstleistungen oder gar ganzer Geschäftsmodelle. In unserer Forschung zielen wir darauf ab, verhaltenstheoretisch fundiert und basierend auf empirischen Studien einen Beitrag für den effektiven und effizienten Einsatz von Anreizstrukturen und Design-Elementen bei der Bearbeitung von Aufgaben (z.B. bei der Generierung und Bewertung von Ideen) durch eine Crowd zu leisten. 

Auf den Plattformen stellen die Auftraggeber eine Vielzahl verschiedener Aufgabenstellungen bereit. So können Crowdworker*innen beispielsweise für ein bestehendes Geschäftsmodell neue Ideen generieren oder bereits entwickelte Ideen hinsichtlich ihrer Kreativität bewerten. Basierend auf einer Vorschau der Aufgabenstellung sowie der zugehörigen Belohnungsstruktur können die Arbeiter*innen den resultierenden Nutzen schätzen und frei entscheiden, welche Aufgaben sie bearbeiten wollen. Zusätzlich kann sich die Gestaltung der Aufgabe auch auf die Qualität der gelieferten Ergebnisse auswirken. Die Aufttraggeber*innen stehen vor der Herausforderung, möglichst ansprechende Aufgaben zu entwerfen, ohne dabei das Verhältnis von Kosten und Nutzen zu vernachlässigen. Eine geschickte Kombination von motivierenden Design-Elementen und Anreizstrukturen kann dafür sorgen, dass hochqualitative Ergebnisse zu einem vergleichbar niedrigem Preis erzielt werden.