Machine Learning und künstliche Intelligenz im Recruiting

Wie im zweiten Teil unserer Serie beschrieben, ist die klare, prägnante Formulierung der Stellenanzeigen besonders entscheidend, um passende Kandidaten zu erreichen. Damit Machine Learning und Künstliche Intelligenz sinnvoll eingesetzt werden können, müssen die erforderlichen Qualifikationen präzise und für die Technologie geeignet formuliert sein. Nur so lässt sich unterstützende Technologie überhaupt verwenden.

Aber wie funktioniert das?

Die Kandidaten- und Job-DNA

Technologie berechnet Matching-Level

Um die Kandidaten- und Job-DNA analysieren zu können, stehen sowohl die geforderten Job-Qualifikationen, als auch der Lebenslauf des Kandidaten im Fokus. Die Anforderungen, die ein Unternehmen an den Bewerber hat, müssen dabei vergleichbar und so kurz wie möglich formuliert sein. Die geforderten Qualifikationen bilden ein Profil, das sich mit dem Lebenslauf des Kandidaten abgleichen lässt. Der Lebenslauf des Kandidaten ist nicht nur der zentrale Punkt der Bewerbung, er ist die Bewerbung. In einem ordentlich gepflegten Lebenslauf sind alle relevanten Informationen über die Erfahrungen und Kenntnisse eines Kandidaten zu finden. Diese Kandidaten-DNA wird mit der Job-DNA in Echtzeit verglichen. Aus dieser Analyse ergibt sich ein Matching-Level, das wiederum mit anderen Kandidaten oder auch Jobs verglichen werden kann.
Damit kann der Kandidat schon vor der Bewerbung erkennen, wie seine Chancen für den Job stehen. Das bedeutet weniger frustrierende Absagen für den Bewerber und weniger unqualifizierte Bewerbungen für das Unternehmen.

Vorhersagen ohne Hokuspokus

Unternehmen besitzen heutzutage so viele Daten wie noch nie. Was wir im Supermarkt wann und zu welchem Preis kaufen, ist mit Hilfe digitaler Kassensysteme jederzeit einsehbar. Wer Kundenbindungsprogramme,- wie Payback oder Kundenkarten nutzt, gibt dazu noch persönliche Daten frei. Bewegen wir uns im Internet, gibt es gleich eine ganze Reihe von Mechanismen, die Informationen über uns sammeln. Mithilfe von Analytiksoftware lassen sich aus diesen großen Datensätzen Vorhersagen ableiten. Welcher Kunde zu welcher Zeit welches Produkt benötigt zum Beispiel. Viele Unternehmen machen sich diese Vorhersagen zunutze, etwa mit personifizierten Rabattaktionen oder exakt platzierten Werbeanzeigen. Die Kunden sind dieser Technik gegenüber aufgeschlossen. Die künstliche Intelligenz unterstützt den Menschen dabei große Mengen an Daten zu verarbeiten und hilft so Entscheidungen zu treffen. In vielen Unternehmensbereichen ist diese datengestützte Strategie längst Alltag. Ganz anders sieht es jedoch im Bereich Recruiting aus: Das Personalwesen hat scheinbar Angst vor neuen Strategien. Auch hier geben die Bewerber den Unternehmen bereitwillig jede Menge Daten, allerdings werden diese nicht oder nur oberflächlich genutzt.

Recruiting nach Bauchgefühl

Geht eine Bewerbung im Postfach des Recruiters ein, so bewertet dieser den Kandidaten anhand von mehr oder weniger deutlich definierten Kriterien. Jeder Personaler hat dabei, neben den Vorgaben aus dem jeweiligen Fachbereich, seine eigene Denkweise, die dafür sorgt, dass dieser oder jener Interessent aussortiert wird. So kann beispielsweise allein das Format der Bewerbung über eine positive oder negative Rückmeldung entscheiden. Diese Auslese kann sowohl bewusst als auch unbewusst passieren. Bis der Kandidat zum persönlichen Gespräch eingeladen wird, geht die Bewerbung unter Umständen durch zahlreiche Hände. Jeder bewertet dabei mit eigenen Maßstäben.

Faktenorientierte Personalauswahl orientiert sich an messbaren Merkmalen, wie der Abschlussnote oder dem Grad der Berufserfahrung. Diese Strategie wird besonders in größeren Unternehmen bevorzugt genutzt. Doch da auch hier letztendlich subjektiv aussortiert wird, ist diese Praxis nicht unfehlbar.

Überträgt man das Prinzip der faktenorientierten Personalauswahl auf selbstlernende Software, so lassen sich diese Merkmale effizienter und präziser vergleichen. Die Technologie vereinheitlicht gleichzeitig alle Bewerbungen, sodass sich Profile leichter, schneller und unvoreingenommener vergleichen lassen. Das spart dem Unternehmen Zeit und dem Kandidaten Nerven.

Ungeahnte Karrierewege entdecken

Durch Machine Learning und Künstliche Intelligenz können Kandidaten neue Karrierewege für sich entdecken, die sie noch gar nicht in Betracht gezogen haben. Wer auf der Suche nach einer neuen Stelle ist, der informiert sich bei den üblichen Stellenportalen über einen Suchbegriff. In der Regel in dem Bereich, in dem er auch zuvor gearbeitet hat. Möglicherweise gibt es aber noch ganz andere Jobs in ganz anderen Bereichen, die zu seiner individuellen Kandidaten-DNA passen. Der Arbeitsmarkt ändert sich mit jeder neuen Entwicklung, wer soll da den Überblick behalten? Datengetriebene Analyse kann diese unbekannten Stellen aufdecken und so auch passive Bewerber aktivieren. Zudem werden weniger bekannte Unternehmen und Hidden Champions automatisiert hervorgehoben, die über die herkömmlichen Jobbörsen kaum Kandidaten erreichen. Damit hilft die künstliche Intelligenz trotz zunehmendem Fachkräftemangel das Kandidatenpotenzial zu vergrößern – ein wichtiges Tool bei einem immer enger werdenden Kandidatenmarkt. So kann die Technologie Arbeitnehmer und Arbeitgeber akkurater, schneller und bequemer zusammenbringen.

Softwaregestützte Datenanalyse im Recruiting ist ein wichtiges Werkzeug, damit der Kandidat und der Personaler ihre Entscheidungen nicht mehr nur aus dem Bauch treffen müssen.

Mit dieser Technologie ist die Basis geschaffen, um Transparenz auf allen Seiten und optimale Kommunikation im Recruiting-Prozess zu gewährleisten. So können auch vor dem Hintergrund des Fachkräftemangels die besten Mitarbeiter für die besten Jobs gefunden werden.

Erfahren Sie mehr über die intelligente Jobbörse: www.hijob.me

 

Quellen

http://www.e-commerce-magazin.de

http://karriereblog.svenja-hofert.de

https://www.computerwoche.de

https://www.welt.de

Kontakt

Mail: kontakt@hijob.me
Telefon: 0221-64304470

Click Here to Leave a Comment Below 0 comments

Leave a Reply: