Smartes Recruiting
Lektion 3
Ein neuer Job für Mara?
Andreas: Guten Tag Frau Deniz, Andreas Heidtmann hier. Ich arbeite als Recruiter unter anderem für ein mittelständisches Unternehmen, das dringend Unterstützung für sein Vertriebsteam sucht. Und da bin ich über ihr Online-Jobprofil auf Sie aufmerksam geworden.
Mara: Aha ... Und wie sind Sie speziell auf mich gekommen?
Andreas: Wir nutzen ein Suchprogramm, das automatisch Dinge wie Qualifikation oder Berufserfahrung abfragt. Und bei Ihnen gab es viele Treffer.
Mara: Ach. Mir war gar nicht klar, dass das inzwischen so automatisiert abläuft. Dann hat es sich ja gelohnt, dass ich meine Profile immer so gut gepflegt habe.
Andreas: Absolut. Viele Unternehmen suchen ja gerade händeringend nach Fachkräften. Und normale Stellenanzeigen helfen da oft nicht weiter.
Mara: Stell dir vor, mich hat vorhin ein Headhunter angerufen. Meinte, er hätte ein Jobangebot für mich.
Yunus: Ach …! Und wie ist er auf dich gekommen?
Mara: Anscheinend hat irgendein Suchalgorithmus mein Profil in diversen Sozialen Netzwerken und Jobportalen gefunden.
Yunus: Ja, sowas setzen die jetzt wohl immer öfter ein … Ob das am Ende so gut funktioniert… Ich weiß nicht …
Mara: Wieso nicht? Man beschreibt, was man kann, und so wird man dann gefunden.
Yunus: Ja, theoretisch schon. Aber nimm doch zum Beispiel mal meinen Job: Meine Aufgabe in der Entwicklungsabteilung ist so speziell – wenn ich beschreiben würde, was ich mache, könnte die Konkurrenz doch herausfinden, woran wir gerade forschen! Aber gebe ich nur „Chemiker“ an, bekomme ich unpassende Angebote ...
Leider passen Sie nicht zu uns
Recruiter Andreas Heidtmann ("Recruiting" nennt man die Suche nach Arbeitskräften) hat davon gesprochen, wie schwer es für viele Unternehmen ist, Fachkräfte zu finden.
Es heißt immer wieder, in Deutschland herrsche ein großer Fachkräftemangel (im Englischen spricht man übrigens vom „War for Talents“). Aber stimmt das wirklich? Wie kann es einen Fachkräftemangel geben und gleichzeitig Menschen, die arbeitslos sind?
Erklärbar ist das durch ein Phänomen, das „Mismatch“ genannt wird: Theoretisch stehen genug Fachkräfte auf dem Arbeitsmarkt zur Verfügung, viele finden dennoch keine Jobs, weil sie nicht das können, was verlangt wird.
Häufig sind nicht nur fehlende Qualifikationen das Problem, sondern auch die Art und Weise, wie vor oder während des Bewerbungsprozesses Daten erhoben werden. Manche Arbeitgeber schaffen es nicht, in Stellenanzeigen die wesentlichen Merkmale der Aufgabe herauszustellen.
Umgekehrt können viele Jobsuchende ihre Kenntnisse und Erfahrungen in ihren Profilen auf Jobportalen nicht gut auf den Punkt bringen, ohne dabei ungewollt zu viel über sich selbst oder ihre aktuelle Position zu verraten. Dies kann dazu führen, dass beide Seiten ein falsches oder unzulängliches Bild des Gegenübers haben.
Jobprofile, Stellenanzeigen und Bewerbungen sind Datensätze: Sie sollen die wesentlichen Merkmale von Stellen oder von Kandidat*innen so abbilden, dass die jeweiligen Adressat*innen präzise Vorstellungen davon entwickeln können.
Allerdings gibt es nicht für jede Qualifikation eindeutige Maßstäbe. So existiert etwa für die Einstufung von Sprachkenntnissen ein anerkanntes Schema (der Gemeinsame Europäische Referenzrahmen für Sprachen), aber weiche Faktoren wie Einfühlungsvermögen, Kommunikationsfähigkeiten oder Leistungsbereitschaft sind selbst mit speziellen Tests kaum messbar und nur schwer in Worte zu fassen.
Exercise:
Gut aufgepasst? Welche der folgenden Formulierungen in Stellenausschreibungen oder Bewerbungen liefern (vergleichsweise) präzise Daten, welche nicht?
Unsere Software findet Sie sehr geeignet
Welche Möglichkeiten könnten digitale Tools bieten, um freie Jobs und Bewerber*innen zusammenzubringen? Mara wurde mithilfe eines Suchalgorithmus automatisch gefunden. Diese Methode setzen immer mehr Unternehmen ein.
Die Idee ist, dass man aktiv auf potenzielle Kandidat*innen zugeht, anstatt eine Stellenanzeige zu schalten und auf Bewerbungen zu hoffen (diese traditionelle Strategie wird inzwischen mitunter „Post & Pray“ genannt). Zu diesem Zweck nutzt man die Mittel der Datenanalyse, „Active Sourcing“ genannt.
So funktioniert Active Sourcing: Personaler*innen definieren vorab bestimmte Suchkriterien, beispielsweise „Programmiersprache Java“. Dann sucht ein Algorithmus auf Jobportalen im Internet nach Übereinstimmungen.
Setzt man hierbei Anwendungen Künstlicher Intelligenz ein, können diese Programme nicht nur automatisch nach vorgegebenen Begriffen suchen, sondern darüber hinaus weitere verwandte Suchbegriffe lernen – zum Beispiel, weil diese häufig in Kombination vorkommen.
Die Personaler*innen legen lediglich den Ausgangspunkt der Suche fest und das KI-Programm verfeinert sie. Welche neuen Suchbegriffe zu welchen Ergebnissen geführt haben, muss dabei immer nachvollziehbar bleiben.
Active Sourcing funktioniert dann gut, wenn sowohl die Suchkriterien als auch die Angaben auf den Jobportalen präzise formuliert sind. Häufig sind die Formulierungen jedoch nicht eindeutig.
Gerade wenn es darum geht, komplexe Qualifikationen in Daten auszudrücken, können Angaben zu einer beruflichen Situation schnell mehrdeutig sein. Wer eine*n Statistiker*in einstellen möchte und in einer Stellenanzeige nach einem Analysten oder einer Analystin sucht, erhält möglicherweise Bewerbungen für eine Position in einem chemischen Labor, da die Berufsbezeichnung Analyst*in mehrdeutig ist.
Exercise:
Zwischen den Zeilen
KI-basiertes Recruiting funktioniert bisher nicht so gut wie erhofft. Woran liegt das? Wenn ein KI-Programm in einem Schachspiel die beste Lösung finden kann, sollte es dann nicht auch in der Lage sein, mit genug Daten den oder die beste*n Kandidat*in für eine Stelle zu finden?
So einfach ist es nicht. Beim Schach sind alle nötigen Informationen, die man für eine Spielentscheidung braucht, aus den Positionen der Spielfiguren abzulesen, und die Regeln sind klar. Die Daten sind also vollständig, fehlerfrei und eindeutig. Genau dies ist in einer komplexen Bewerbungssituation nicht der Fall, deshalb sind KI-Programme hier oft überfordert.
Menschen sind in komplexen Bewerbungssituationen einer KI-Anwendung überlegen. Sie haben eine wichtige Fähigkeit, die Computern fehlt: Sie können sich in andere hineinversetzen.
Zudem richten sie ihre Kommunikation in Bewerbungsprozessen an den Erwartungen anderer aus. Arbeitgeber und Bewerber*innen entscheiden mehr oder weniger bewusst, welche Informationen für andere relevant sind und welche Daten sie deshalb preisgeben. Manchmal werden auch bewusst mehrdeutige Formulierungen gewählt, um besser dazustehen.
Exercise:
Gut aufgepasst? Welche der folgenden Aussagen ist wahr, welche falsch?