Mit Machine Learning zum richtigen Kandidaten

ITM: Herr Luther, wie kann KI bei der Beseitigung von Personalengpässen unterstützen?
Marius Luther: KI unterstützt Personalverantwortliche bei der Beseitigung von Personalengpässen in zweifacher Hinsicht: Sie hilft die richtige Zielgruppe zu erreichen und die richtigen Kandidaten zu geringen Kosten pro Einstellung zu gewinnen. Um bei einem immer kleiner werden Talent-Pool die richtigen Kandidaten anzusprechen und zu gewinnen, ist es ratsam, Stellenanzeigen auf Stellenbörsen und auf Social Media auszuspielen. Dadurch können aktiv Jobsuchende erreicht werden, aber auch wechselwillige Kandidaten. Damit Social Media nicht zu einem ineffizienten Kanal wird, das kann nämlich sehr schnell passieren, ist eine exakte Zielgruppendefinition basierend auf “statistischen Zwillingen” essentiell. Und hier kommen Machine Learning-Algorithmen ins Spiel. Vielleicht erkläre ich das kurz an einem Beispiel: Ein Pflegeheim sucht eine Pflegekraft in Stuttgart und schaltet dafür eine Anzeige. Eine solche Jobanzeige kann bis zu 300 Merkmale haben, z.B. Stellentitel, Standort, Gehalt, Beschäftigungsart, Quereinstieg etc., die einer KI dabei helfen, aus einer Datenbank alter Anzeigen für Pflegekräfte genau die Stellenanzeigen herauszufiltern, die der neuen Stellenausschreibung am ähnlichsten sind. Die KI identifiziert dann alle idealen anonymisierten Kandidaten, die sich in der Vergangenheit auf Stellen als Pflegekraft beworben haben. Auf Basis dieser Profile werden die statistischen Zwillinge erstellt und die Jobanzeige passenden Kandidaten auf den verschiedenen Social-Media-Kanälen ausgespielt.

Doch über welche Kanäle letztlich die Bewerbungen eingehen, hängt von vielen verschiedenen Faktoren ab: dem Unternehmen selbst, der Stelle und den jeweiligen Aufgaben, der Saison, dem Standort, und vielen weiteren externen und auch persönlichen Umständen. Diese Faktoren können sich ständig ändern und die Muster sind für den Menschen nicht zu erkennen, d.h. Recruiter können ein Großteil der Faktoren nicht vorhersehen und bei einer manuellen Wahl der Kanäle entsprechend nicht berücksichtigen. Die Algorithmen hingegen erkennen das Live-Verhalten der Bewerber und verteilen das Budget entsprechend auf die am besten performenden Kanäle täglich und vollautomatisch um. Bei Heyjobs gehen wir dann noch einen Schritt weiter. Und zwar optimieren wir nicht auf die Anzahl der Bewerbungen, sondern auf die Qualität der Kandidaten.

Dies ist ein Artikel aus unserer Print-Ausgabe 04/2021. Bestellen Sie ein kostenfreies Probe-Abo.

ITM: Welche Anforderungen müssen erfüllt werden, damit KI in diesem Bereich effizient arbeitet?
Luther: Datenschutz ist insbesondere in einem so sensiblen Bereich wie Personalbeschaffung von erheblicher Wichtigkeit. Hier gibt es auf der einen Seite gerade in Deutschland ja schon eine Vielzahl gesetzlicher Vorgaben, die nicht zuletzt durch die DSGVO noch einmal verschärft wurden. Auf der anderen Seite bewegen wir uns aber mit KI in einen Bereich, der sicherlich vom Gesetzgeber noch nicht vollumfänglich durchdrungen und effizient reguliert ist.
KI birgt bei richtigem Einsatz ein enormes positives Potenzial. Unsere Machine Learning Algorithmen berechnen täglich zehntausende Marketingbudget- und Konfigurationseinstellungen. Gleichzeitig birgt KI natürlich auch Risiken bei unsachgemäßer oder unaufmerksamer Anwendung. Machine Learning Algorithmen lernen in der Regel aus einem Datensatz, der sich aus zuvor von Menschen getroffenen Entscheidungen zusammensetzt. Wenn z.B. eine Firma in ihrem Recruiting Prozess eine bestimmte Gruppe von Bewerbern diskriminiert (absichtlich oder unabsichtlich) und danach auf Basis der zugehörigen Bewerbungsunterlagen und Einstellungsentscheidungen einen Algorithmus anlernen würde, um zukünftig automatisiert Einstellungsentscheidungen zu treffen, so würde dieser Algorithmus sehr wahrscheinlich zu ähnlich diskriminierenden Ergebnissen führen. Daher ist es erstens sehr wichtig bei der Auswahl der Datensätze, die zum Anlernen der KI verwendet werden, darauf zu achten, dass diese keine Diskriminierung aufweisen, und zweitens bei der Auswahl der Datenstruktur darauf zu achten, dass diese zu keiner Diskriminierung führt.
Aufgrund dieser Komplexität ist es aus unserer Sicht unerlässlich beim Einsatz von KI in sensiblen Bereichen die eigenen Datensätze und Datenstrukturen regelmäßig auf mögliche Verzerrungen zu überprüfen und hohe Qualitätskriterien anzulegen. Darüber hinaus würden wir es begrüßen, wenn der Gesetzgeber oder Industrieverbände entsprechende Standards definieren würden. Gerade im Bereich von personenspezifischen Entscheidungen sollte es unserer Meinung nach zudem ein Anrecht auf Anfechtung automatisch getroffener Entscheidungen geben.

Bildquelle: Heyjobs