INFORMATIONEN FÜR DAS TOP-MANAGEMENT DER MEDIEN-INDUSTRIE
26.09.2020

Digitales Recruiting: Der Algorithmus macht den Unterschied

15.08.2020
Bild vergrößern

Martin Lenz, Geschäftsführer des Jobbörsen-Softwareherstellers Jobiqo. Foto: Marko Zlousic/neonhippo.net
Lenz selbst hat sich schon vor über 15 Jahren beruflich mit KI beschäftigt – damals noch unter dem Überbegriff der „semantischen Technologien“. Mittlerweile wird das Thema der Künstlichen Intelligenz im Recruiting immer stärker diskutiert, wobei vielfach Vorbehalte und Kritik im Vordergrund stehen: Man denkt mitunter an Charlie Chaplins Filmklassiker „Modern Times“ und daran, wie der Mensch durch die Industrialisierung quasi unter die Räder kommt, durch moderne Technologien ersetzt wird. Es sind dieselben Befürchtungen, mit denen die fortschreitende Digitalisierung heute oft konfrontiert ist.
Künstliche Intelligenz sei aber, wie alle digitalen Technologien, idealerweise ein Werkzeug, das die menschliche Arbeit unterstützt bzw. erleichtert. Und eben keine Gefahrenquelle, beruhigt Lenz. Wenn es um die Bewertung von Menschen bzw. von menschlichen Fähigkeiten geht – also das Einsatzgebiet von KI und Machine Learning im Recruiting – gelte es freilich zu gewährleisten, dass die zugrundeliegenden Algorithmen nicht „biased“ sind. Sprich: Dass menschliche Vorurteile weder „einprogrammiert“ noch fälschlich aus einer ungeeigneten Datenmenge abgeleitet werden.

Steigerung der Wertschöpfung
Ein Kernanliegen von Jobiqo ist demnach, mit modernen, digitalisierten Recruiting-Abläufen etwa die Kandidaten-Experience zu verbessern: Also einfache Bewerbungsmöglichkeiten über die jeweilige Job-Plattform zu schaffen, inklusive standardisierter Möglichkeiten für Plattformbetreiber – respektive für deren Anzeigenkunden, welche die Stelleninserate schalten –, die Bewerbungsprozesse u.a. in der Kommunikation zu vereinfachen. Daraus ergibt sich eine Steigerung der Wertschöpfung für HR-Mitarbeiterinnen und -Mitarbeiter, denen repetitive Aufgaben bis zu einem gewissen Grad durch Automatisierung abgenommen werden. 
Mit dem gleichzeitigen Ergebnis, dass Ressourcen für komplexere (und interessantere) Aufgaben frei werden, die kein Algorithmus erledigen kann. Allem voran der persönliche Austasuch mit Bewerberinnen und Bewerbern, bis hin zu den Vorstellungsgesprächen mit den wirklich vielversprechenden Kandidatinnen und Kandidaten, für deren Betreuung dann einfach mehr Zeit bleibt. Übertrieben wäre zum jetzigen Zeitpunkt freilich zu behaupten, dass die Künstliche Intelligenz den oder die eine Kandidatin präsentiert, die exakt auf eine Jobausschreibung passt – also eine Konstellation erkennt, in der beide Partner – Arbeitgeber und Arbeitnehmer – bis zur Pensionierung des Letzteren glücklich werden. Aber diese Utopie scheitert ohnehin daran, dass Berufe und Tätigkeits- bzw. Geschäftsfelder in unserer Zeit innerhalb weniger Jahre mitunter radikal verändern können. Auch kann niemand wirklich wollen, dass „Maschinen“ über Entwicklungen entscheiden, die große Auswirkungen auf die konkrete Lebensführung von Bewerbenden und deren Angehörigen haben. Eine Jobzusage kann ja z.B. leicht auch mit einem Wohnortwechsel verbunden sein, von dem nicht zuletzt ein Ehepartner und gemeinsame Kinder betroffen wären.

Steigende Datenmenge ermöglicht neue Ansätze
Auf künstlicher Intelligenz und Machine Learning beruhende Recruiting-Tools wie die Jobiqo-Jobbörsen-Software sorgen bereits im Vorfeld dafür, dass von Bewerbenden angeführte Skills mit den Anforderungen der Arbeitgeber gematched werden. Es geht um eine mathematisch-statistische Beurteilung der vorhandenen Datensätze. Die Basis dafür gibt es seit Jahrzehnten. Nur ist zuletzt die Computerleistung immens gestiegen, was die Anwendbarkeit erst sinnvoll möglich macht. Und auch die Menge an Daten wird immer höher – nicht nur konkret auf einzelne Plattformbetreiber und deren User bezogen, sondern ganz allgemein. So können funktionierende Software-Modelle entwickelt werden, die schließlich im konkreten Fall angewendet und via „Deep Learning“ individuell angepasst werden.
Heruntergebrochen auf die Leistung des Wiener Anbieters Jobiqo wird Machine Learning etwa für die Klassifizierung von Stellenanzeigen hergenommen: Welche Eigenschaften sind besonders wichtig, um einen bestimmten Job ausüben zu können? Und in der Folge: Welche registrieren User bzw. welche Bewerberinnen und Bewerber passen auf Basis ihrer bisherigen Erfahrungen und Ausbildungen auf eine Ausschreibung? Bedenken bezüglich des Datenschutzes sind in dem Zusammenhang natürlich wichtig. Allerdings reguliert die seit 2018 geltende Datenschutz-Grundverordnung zumindest in Europa sehr stark, was überhaupt automatisiert ausgelesen bzw. über Einzelpersonen festgestellt werden kann. 

Die richtigen Fragen stellen
Natürlich, so Lenz, heften sich in der jüngeren Vergangenheit sehr viele Unternehmen eine „Künstliche Intelligenz“ auf die Fahnen. Ständig treten neue Startups auf den Plan, die in diesem Bereich tätig sind. Ohne deren Ansprüche grundsätzlich infrage zu stellen, darf dabei doch nachgebohrt werden. Von Interesse ist vor allem, welche Probleme mit den jeweiligen Algorithmen gelöst werden – und wie gut das funktioniert? Wie stark ist die Abweichung vom Standard, wenn man die Anwendung für einen bestimmten Zweck nutzen möchte?
Wenn etwa bei tausend konkreten Anwendungen 80 Prozent korrekte Aussagen von der künstlichen Intelligenz getroffen werden, klingt das für Laien eventuell noch beeindruckend. In der Praxis heißt das aber, sich in der Personalabteilung mit bis zu 200 unpassenden Bewerbungen beschäftigen zu müssen. In Weltkonzernen mit zehntausenden Angestellten und einer entsprechenden Fluktuation kommen damit eine Vielzahl an Arbeitsstunden für das Recruiting zusammen – die eine zuverlässigere Technologie ersparen kann.


» drucken
« zurück
© PreMedia Newsletter Digitales Recruiting: Der Algorithmus macht den Unterschied - Home - PreMedia Newsletter, Informationen für die Medien-Industrie