This article analyzes how organizations endow algorithms, which we understand as digital formats of observation, with agency, thus rendering them actionable. Our main argument is that the relevance of digital observation formats results from how organizations embed them in their decision architectures. We demonstrate this using the example of the Austrian Public Employment Service (AMS), which introduced an algorithm in 2018 to evaluate the chances of unemployed persons being reintegrated in the labor market. In this regard, the AMS algorithm serves as an exemplary case for the current trend among public organizations to harness algorithms for distributing limited resources in a purportedly more efficient way. To reconstruct how this is achieved, we delineate how the AMS algorithm categorizes, compares, and evaluates persons. Building on this, we demonstrate how the algorithmic model is integrated into the organizational decision architecture and thereby made actionable. In conclusion, algorithmic models like the AMS algorithm also pose a challenge for organizations because they mute chances for realizing organizational learning. We substantiate this argument with regard to the role of coproduction and the absence of clear causality in the field of (re)integrating unemployed persons in the labor market.
Der vorliegende Beitrag analysiert, wie Organisationen Algorithmen, die wir als digitale Beobachtungsformate verstehen, mit Handlungsfähigkeit ausstatten und damit actionable machen. Das zentrale Argument lautet, dass die soziale Relevanz digitaler Beobachtungsformate sich daraus ergibt, dass und wie sie in organisationale Entscheidungsarchitekturen eingebettet sind. Diesen Zusammenhang illustrieren wir am Beispiel des österreichischen Arbeitsmarktservice (AMS), der 2018 einen Algorithmus einführte, um die Integrationschancen arbeitsuchender Personen zu bewerten. Der AMS steht dabei stellvertretend für aktuelle Bestrebungen vieler Organisationen, algorithmische Systeme einzusetzen, um knappe öffentliche Ressourcen vermeintlich effizienter zu distribuieren. Um zu rekonstruieren, wie dies geschieht, zeigen wir, welche Operationen des Kategorisierens, Vergleichens und Bewertens das algorithmische Modell vollzieht. Darauf aufbauend demonstrieren wir, wie das algorithmische Modell in die organisationale Entscheidungsarchitektur eingebunden ist. Erst durch diese Einbindung – die Möglichkeit, Unterschiede für andere, relativ stabil erzeugte Entscheidungen zu machen – entfaltet das digitale Beobachtungsformat soziale Relevanz. Abschließend argumentieren wir, dass algorithmische Modelle, wie sie am Fall des AMS beobachtet werden können, dazu tendieren, sich in Organisationen zu stabilisieren. Dies begründen wir damit, dass die organisationalen Lernchancen im Umgang mit dem Algorithmus dadurch reduziert sind, dass dieser in einem Bereich zum Einsatz kommt, der durch Technologiedefizit und koproduktive Leistungserstellung geprägt ist.
