Zusammenfassung

US-Firmen nutzen laut einem Bericht persönliche Daten wie Kredithistorie, um die niedrigstmögliche Gehaltsforderung zu ermitteln. Tags: #Gehalt | #persönliche Daten | #Unternehmen

Im Detail

US-Firmen nutzen laut einem Bericht persönliche Daten wie Kredithistorie, um die niedrigstmögliche Gehaltsforderung zu ermitteln.

Unter dem Begriff „Surveillance Wages“ (Überwachungslöhne) beschreibt das US-Wirtschaftsportal MarketWatch eine wachsende Praxis in den USA: Statt Gehälter allein nach Leistung oder Betriebszugehörigkeit zu bemessen, fließen zunehmend persönliche Daten von Bewerberinnen, Bewerbern und Beschäftigten in algorithmische Formeln ein, mit denen Unternehmen die aus ihrer Sicht niedrigstmögliche akzeptable Bezahlung ermitteln wollen – oft ohne dass die Betroffenen davon wissen.

Der Bericht zieht dabei eine Parallele zu bereits bekannter „Surveillance Pricing“ im Konsumbereich, etwa wenn Fluggesellschaften anhand von Vielfliegerdaten gezielte Angebote unterbreiten.

Gehaltsfindung: Finanzielle Notlage als Datenpunkt

Nina DiSalvo, Policy Director bei der Arbeitnehmer-Interessenorganisation Towards Justice, erklärte laut MarketWatch, manche Systeme nutzten Signale finanzieller Verletzlichkeit – etwa ob eine Bewerberin oder ein Bewerber einen Kurzzeitkredit aufgenommen hat oder einen hohen Kreditkartensaldo aufweist –, um daraus die niedrigste akzeptable Bezahlung abzuleiten.

Unternehmen könnten zudem öffentlich einsehbare Social-Media-Profile auswerten, etwa um Rückschlüsse auf eine mögliche Gewerkschaftszugehörigkeit oder eine mögliche Schwangerschaft zu ziehen.

Erste umfassende Untersuchung der Anbieterbranche

Grundlage des Berichts ist eine im August 2025 vom Washington Center for Equitable Growth veröffentlichte Untersuchung der Juraprofessorin Veena Dubal (University of California, Irvine) und der Technologiestrategin Wilneida Negrón, die nach eigenen Angaben erstmals rund 500 Anbieter von KI-Systemen für das Personalmanagement systematisch auswertete.

Die Studie kommt zu dem Ergebnis, dass Arbeitgeber in den Bereichen Gesundheitswesen, Kundenservice, Logistik und Einzelhandel Kunden von Anbietern sind, deren Werkzeuge eine solche datenbasierte Lohnfindung ermöglichen.

Die Autorinnen betonen dabei ausdrücklich, dass nicht jeder Arbeitgeber, der solche Systeme einsetzt, damit automatisch eine gezielte Lohnüberwachung betreibt; sie warnen jedoch, dass die wachsende Verbreitung solcher Werkzeuge Vergütungspraktiken begünstigen könne, die Kosteneinsparung über Transparenz oder Fairness stellen.

Überwachung reicht über die Einstellung hinaus

Die Praxis endet dem Bericht zufolge nicht bei der Einstellung: Dieselben Anbieter stellten auch Werkzeuge zur Festlegung von Boni oder leistungsabhängiger Vergütung bereit, die Produktivität, Kundeninteraktionen und Verhalten in Echtzeit erfassen, teilweise einschließlich Audio- und Videoüberwachung am Arbeitsplatz.

Laut einer Erhebung des Marktforschungsunternehmens IDC setzten bereits 2022 knapp 70 Prozent der Unternehmen mit mehr als 500 Beschäftigten Systeme zur Mitarbeiterüberwachung ein, etwa Software zur Erfassung von Computeraktivitäten.

Kritik auch aus der Plattformökonomie

Auch bei Fahrdienstvermittlern wird die Praxis diskutiert: Uber erklärte gegenüber MarketWatch, die eigenen Festpreise basierten auf Fahrzeit, Distanz und Nachfrage und nicht auf individuellen Merkmalen oder dem bisherigen Verhalten einzelner Fahrerinnen und Fahrer.

Der Branchenverband Flex erklärte, datengetriebene Technologien hälfen dabei, Fahrerinnen und Fahrer möglichst effizient mit Aufträgen zusammenzubringen. Arbeitnehmervertreter äußerten sich skeptisch.

Nicole Moore, Präsidentin der Organisation Rideshare Drivers United, sagte laut MarketWatch: „Es bewertet unseren Verzweiflungsgrad.“ Kritiker argumentieren zudem, die Praxis könne leistungsbasierte Bezahlung untergraben und dazu führen, dass bestehende Diskriminierung – etwa gegenüber Gruppen mit statistisch höherer Verschuldung – über scheinbar neutrale Algorithmen fortgeschrieben wird.

(red)

Tags: #Gehalt | #persönliche Daten | #Unternehmen