DGFP // Schwerpunkt: Der ganz große Ansatz ist noch nicht in Sicht

Status quo und Entwicklungen von KI im Recruiting

Das Thema KI im Recruiting ist extrem wissensintensiv. Eine komplexe Interessenlage von Dienstleistern, Beratern und Wissenschaftlern, die sich zu KI äußern, erschwert es zudem Recruitern, den Überblick zu behalten. So sind etwa rein elektronische oder regelbasierte Softwaretools von solchen zu unterscheiden, die KI enthalten. Professor Wolfgang Jäger und Ingo Teetz, die selbst Forschende und Anbieter zugleich sind, zeigen in ihrem Beitrag auf, wo KI derzeit im Recruiting eingesetzt werden kann. Sie plädieren dafür, die Akzeptanz von KI seitens der Bewerber und Recruiter nicht zu ignorieren.

Die Schlagworte Vernetzung, Big Data und Algorithmen finden sich mittlerweile im Zusammenhang mit fast allen HR-Kern- und HR-Unterstützungsprozessen wieder. Der Kernprozess Recruiting ist ganz vorne mit dabei. Nach den Anfängen Mitte dieses Jahrzehnts sind immer mehr „Spurenelemente“ von Künstlicher Intelligenz (KI) im Recruiting zu entdecken. Uns begegnen Begrifflichkeiten wie „Robot Recruiting“ oder „Data Driven Recruiting“ – und zwar immer häufiger mit dem Hinweis „KI inside“. Die Gleichung „Digitalisierung im Recruiting“ gleich „Recruiting mit KI“ ist jedoch falsch. Zu fragen ist, wie viel „echte“ KI in angebotenen Leistungen enthalten ist.

UNÜBERSICHTLICHE INTERESSENLAGE

In vielen Fällen handelt es sich bei den Leistungen nicht um KI im engeren Sinne, also durch neuronale Netzwerke beziehungsweise „Deep-Learning“-Ansätze gesteuerte Algorithmen (Teetz 2018). Vielmehr handelt es sich um komplexe, aber „nur“ regelbasierte Systeme. Um von „echter“ (selbstlernender) KI sprechen zu können, braucht es regelmäßig Millionen von Daten, damit die „Maschinen“ lernen können. Gerade im Recruiting ist jedoch die Anzahl der Items beziehungsweise Datensätze oft viel zu gering, um KI-basierte Ansätze verfolgen zu können.

Interessant ist zu beobachten, wer über Begrifflichkeiten zu KI spricht oder schreibt. Die originären Stakeholder im Recruiting, also die Recruiter oder potenzielle Bewerber, sind es in der Regel nicht. Über deren wichtige Meinungen und Einstellungen zur Nutzung von Software mit KI-Elementen ist lediglich etwas mittels Befragungen beziehungsweise Studien zu erfahren.

Bei den anderen Stakeholdern (Lieferanten, Berater, die Academia) wird indes nicht immer deutlich, was deren Anliegen ist. Die einen wollen etwas erklären, die anderen etwas verkaufen und noch andere beides. Einige bringen kritische Gedanken zum Thema KI im Recruiting ein, andere wollen etwas überprüfen (bspw. Algorithmen) oder sogar regulieren (Stichwort DIN-Norm). Für die Recruiter ist es schwer, den Überblick zu behalten.

KI-EINSATZ WÄHREND DER CANDIDATE JOURNEY

Betrachtet man die Candidate Journey, dann sind Berührungspunkte eines Bewerbers mit KI bei nahezu allen Prozessschritten heute schon ansatzweise vorhanden – allerdings nicht immer auf den ersten Blick auch erkennbar für den Bewerber. Mit „Data Driven Recruiting“ und in der weiteren Konkretisierung mit „Programmatic Job Advertising“ finden sich auch im Personalmarketing Ansätze wieder, die „lernende Softwaretools“ – wie sie aus dem klassischen Marketing bereits länger bekannt sind (AdTech) – beinhalten.

Das Ausspielen einer Onlinestellenanzeige mithilfe spezialisierter Softwaretools ermöglicht nicht nur einen optimierten Mix der Kanäle, sondern auch eine gezieltere (One-to-One-)Ansprache potenzieller Kandidaten („Candidate Centricity“). Neue Tools helfen Recruitern und Dienstleistern, Bewerber und Kandidaten überall dort aufzuspüren beziehungsweise anzusprechen, wo sie sich im Netz bewegen. In diesen Softwaretools ist häufig tatsächlich KI drin. Dann ist die Software in der Lage, selbstständig zu lernen.

Werden „intelligent gesteuert“ erste Kontaktpunkte mit potenziellen Bewerbern geschaffen, trifft der Bewerber während seiner Candidate Journey beim nächsten Kontaktpunkt auf erstmals für ihn erkennbar „Künstliches“. Das sind zurzeit mehrheitlich aber lediglich „regelbasierte“ Chatbots, die in die Kommunikation mit den Bewerbern eingreifen.

Die nächste Entwicklungsstufe werden „intelligente“ Chatbots sein, von denen sich die ersten im Rahmen des Projekts „CATS“ (Chatbots in Applicant Tracking System) (s. dazu später) in der Erprobungsphase befinden. Künstlich gesteuerte Auskünfte und Befragungen in einer „menschlichen“ Tiefe wird es dann für jene Berufsgruppen geben, zu denen genug Daten vorhanden sind.

Sind Fragen der Bewerber zum Job, Unternehmen oder Bewerbungsprozess beantwortet, folgt im nächsten Schritt die „digitale Bewerbung“. Hier hinterlässt der Bewerber einen deutlichen digitalen Fußabdruck. Je nach Eingangsmöglichkeit einer Bewerbung erreichen die Bewerberdaten nun das Bewerbermanagementsystem. Moderne Systeme organisieren die Bewerbervorauswahl elektronisch und auch bereits mittels Matchingtechnologien. Diese sind allerdings immer noch mehrheitlich regelbasiert, da hier die Zahl der Positivfälle oftmals zu gering ist.

Von diesem Matching merken die Kandidaten selbst meistens nichts. Anders die Recruiter: Sie wissen um den Einsatz der Systeme und akzeptieren in dieser Phase die Vorselektion der Maschine als einen wichtigen Beitrag zur Arbeitserleichterung und Zeitersparnis. Entscheidungen von Software werden von den Recruitern anscheinend dann problemlos akzeptiert, solange es sich um eine Entscheidung handelt, die sie früher nach „Papierform“ getroffen haben.

BESONDERS UMSTRITTEN: KI IN DER DIAGNOSTIK

Komplizierter wird es für die Hauptbeteiligten (Bewerber, Recruiter), wenn es in der Folge an die eigentliche Personalauswahl geht. Hier kommt regelmäßig die Persönlichkeit des Bewerbers als Auswahlkriterium mit ins Spiel. Unternehmen – und hier typischerweise nicht nur die Recruiter, sondern auch die Fachvorgesetzten – wollen die Bewerber besser kennenlernen und sie einschätzen können. Damit sind wir bei der Diagnostik.

In jüngerer Zeit stellen auch Bewerber erhöhte Ansprüche an das Kennenlernen des Arbeitgebers; aktuell wird das unter dem Schlagwort „Cultural Fit im Recruiting“ diskutiert. Elektronische Diagnostikansätze – so hieß das bis vor kurzem – sind schon seit längerer Zeit fester Bestandteil des Recruiting (Onlinetests, Videointerviews etc.). Heute wird für die gleichen Anwendungsformen oft das Wort „elektronisch“ einfach durch „digital“ ersetzt – das ist reines Marketing!

Wirklich neu hinzugekommen sind Anwendungen, die mittels Sprach- oder Gesichtserkennung auf der Basis von KI Aussagen erzeugen, die bislang in der Folge des Einsatzes von klassischen Diagnostiktools (Online- oder Offlinepersönlichkeits- oder Intelligenztests etc.) getroffen worden sind. Hier gibt es eine lebhafte Diskussion darüber, inwieweit solche KI-basierten Tools in der Lage sind, „seriöse“ Ergebnisse zu liefern. Insbesondere die „Gralshüter der Diagnostik“, die wiederum zum Teil auch Anbieter von (klassischer) Diagnostik sind, äußern nicht ganz unbegründet ihre Zweifel an der einen oder anderen KI-Anwendung (vgl. z. B. Kersting 2018; Kanning 2019).

Bei den Recruitern, die am Ende mit über Einsatz und Nutzung von KI-basierten Tools entscheiden, haben wir folgende Formen der Zurückhaltung festgestellt:

  • Es bestehen Zweifel an der Qualität beziehungsweise Gültigkeit der von der Maschine getroffenen Aussagen.
  • Es besteht ein konkurrierender Wettbewerb zwischen der Einschätzung des Recruiters und der der Maschine.
  • Die Recruiter „erahnen“, dass zu irgendeinem Zeitpunkt die Entscheidung ganz allein der Maschine überlassen und damit die eigene Wertigkeit infrage gestellt werden könnte.


Was KI-Anwendungen in der Kombination von Mimikerkennung und Sprachanalyse heute schon recht gut können, ist den Wahrheitsgehalt einer Aussage des Bewerbers zu bewerten. Gerade hier wäre es jedoch wünschenswert, die Akzeptanz beim Bewerber genauer zu untersuchen. Ein Bewerbungsgespräch im Stile eines „Verhörs“ steht bei den allermeisten nicht allzu hoch im Kurs. Aus Studienergebnissen wissen wir allerdings auch, dass es eine nicht unerhebliche Zahl von „Falschaussagen“ in Bewerbungsgesprächen gibt.

Auch bei der Auswertung von Daten zum Zweck der Diagnostik können KI und lernende Algorithmen ergänzend eingesetzt werden. Sieht man sich hier den Status quo an, hat man es schon jetzt mit sehr viel Statistik zu tun. Die ein- bis zweijährige Neukalibrierung der eingesetzten digitalen Diagnosetests sollte eigentlich Standard sein. Von dieser Statistik hin zu selbstlernenden Algorithmen zu gelangen, ist kein sehr großer Sprung mehr.

MARKTBEOBACHTUNGEN ZUR AKZEPTANZ VON KI

Ohne dem Anspruch auf Vollständigkeit gerecht werden zu wollen, liegt mittlerweile eine Reihe von Studienergebnissen zur Digitalisierung beziehungsweise zum Einsatz von KI im Recruiting vor. Nur wenige sind wirklich repräsentativ und können auf ausreichend Breite und Tiefe der Daten beziehungsweise Fallzahlen zurückgreifen und / oder berücksichtigen einen genügend langen Zeitraum. Dennoch enthalten die Studien interessante Informationen zum Stand des digitalen Recruiting. Jeweils mit Blick auf die Bewerber und / oder die Recruiter beziehungsweise das Unternehmen erscheint uns folgende Auswahl von Studien, darunter auch eigene, interessant:

  • Im Frühjahr 2017 sind wir bei JobStairs mit einer Expertenumfrage unter rund 50 Partnerunternehmen gestartet. Auf die Frage nach der zukünftigen Bedeutung (bis 2020) einer „automatischen Vermittlung von Bewerbern auf Unternehmensvakanzen durch einen Algorithmus“ lag bei den befragten Recruitern die Zustimmungsquote („sehr hoch“, „eher hoch“) bei rund 82,6 Prozent. Bis 2020 erwarten 47,8 Prozent („sehr realistisch“) einen Recruitingroboter als „Assistenten“; den „Roboter“ als zukünftigen „Kollegen“ sehen 21,8 Prozent der Recruiter als „sehr realistisch“ an (Jäger 2018).
  • In der Studie „Recruiting-Strategien 2018“ (Jäger / Meurer 2018) wurde den Themen „Künstliche Intelligenz“ und „Smarte Algorithmen“ im digitalen Recruiting nachgegangen. Lediglich ein Viertel der Personaler gab an, über ausreichend Wissen zu den Einsatzmöglichkeiten und Funktionsweisen von KI und Algorithmen zu verfügen. Bei den Antworten zu der zukünftigen Bedeutung wurde deutlich, dass die Bedeutung der digitalen Technologien für die gezielte Ansprache, Suche und Identifikation mit rund 79 Prozent wesentlich bedeutsamer eingeschätzt wird als für die Personalauswahl (51 %).
  • „Lieber Algorithmus als Personaler!“ Dieser Aussage schließt sich noch nicht die Mehrheit der Bewerber an, aber es werden nach unserer Beobachtung mehr. Mit dem Einsatz von Algorithmen im Auswahlprozess können sich mittlerweile rund ein Viertel der Bewerber anfreunden (Weitzel et al. 2018). Frauen vertrauen einer Auswahl per Algorithmus stärker als Männer. Das künstliche Ergebnis sei neutraler und diskriminiere weniger, so die Begründung.
  • Eine vergleichsweise geringe Nutzungsquote (10 %) beim KI-basierten Softwareeinsatz durch Recruiter konstatiert eine Studie, die 2018 an der Universität Kassel in Kooperation mit der Personalmarketingagentur Raven 51 und dem Softwareanbieter LogOn erarbeitet wurde (Hennemann / Schlegel / Hülskötter 2018). Demnach halten 81 Prozent der Recruiter KI für zukunftsweisend, sie selbst haben jedoch mehrheitlich (57 %) kein oder nur ein geringes Wissen darüber.
  • Eine Studie von Viasto hat bei einer Befragung von mehr als 1 000 Bewerbern rund 25 Prozent Befürworter für den Einsatz von KI im Recruiting ermittelt. Dabei äußerten sich rund 47 Prozent der Befragten skeptisch beziehungsweise sehr skeptisch (17,5 %) zum Einsatz von KI in der Personalauswahl. Allerdings zeigen die Ergebnisse auch einen großen Aufklärungsbedarf: Knapp 80 Prozent der Befragten glauben an einen zunehmenden Einsatz von KI im Recruiting, rund 40 Prozent sind sogar der Meinung, dass KI schon heute bei der Personalauswahl eingesetzt werde.
  • In einer Studie der FOM Hochschule für Oekonomie & Management ließen die Studienautoren drei Szenarien zum Einsatz von KI-basierten Tools im Recruiting von 238 Berufstätigen bewerten. „Chatbots bei der Stellenausschreibung einsetzen“ (Szenario 1) erhielt die meisten positiven Bewertungen. Es folgten Szenario 2 „Vorauswahl anhand Bewerbungsdokumenten durch KI“ und Szenario 3 „Persönlichkeitsprofil durch telefonbasiertes Interview mit einer KI“. Ein weiteres Ergebnis lautet: „Vertrauen in die Technologie“ und „Computer Playfulness“ sind wichtige Variablen im Hinblick auf die Akzeptanz von KI-gestützten Softwaretools (Dahm / Dregger 2018).


LESSONS LEARNED IM LABOR

Ergänzend zu diesen Marktbeobachtungen können wir eigene Projekterfahrungen einbringen, die sowohl für Forschungsfragen als auch für die Anwendungsentwicklung von KI-Tools im Recruiting förderlich sind. Dazu zwei Beispiele aus unseren Labors.

Beispiel 1: Vor circa drei Jahren starteten wir den Versuch, die Job-Abo Funktionalität durch selbstlernende Algorithmen zu verbessern. Neben einigen Erfolgen stießen wir schnell auf Probleme, die symptomatisch für das Umfeld Recruiting sind. Mit dem Tool „AI-Match“ gleichen wir bei diesem Job-Abo den Lebenslauf und die Skills eines Suchenden mit den vorhandenen Stellenanzeigen ab. Im Idealfall findet die KI-basierte Software eine sehr gute Passung. Dazu muss sie allerdings viel, gut und lange lernen. Folgende Lernfaktoren müssen dabei berücksichtigt werden:

  • Stellenanzeigen sind ein „flüchtiges Gut“, nach circa sechs Wochen sind diese nicht mehr gültig und werden in der Regel auch nicht durch gleiche ersetzt. Um also Aussagen einer Anzeige zu verallgemeinern, gilt es diese „zu normalisieren“ beziehungsweise mit anderen zusammenzufassen. Im Falle von JobStairs nutzen wir dafür die ESCO-Datenbank der EU. Mit der zurzeit zur Verfügung stehenden Datenbankversion lassen sich inzwischen wesentlich bessere Ergebnisse erzielen als mit älteren Versionen.
  • In einer ersten Version sollte die Häufigkeit eines Aufrufs aus dem Job-Abo in den Algorithmus zurückfließen. Leider besteht nicht unbedingt immer eine Kausalität zwischen Häufigkeit des Aufrufs einer Anzeige und Passgenauigkeit zum Profil des Suchenden. Leicht kann nachgewiesen werden, dass sehr generische Jobtitel zu einer hohen Klickrate führen, nicht aber auch zu einer hohen Bewerberrate. Diese Herausforderungen kann man jedoch in den Griff bekommen, indem die Absprungrate einer Anzeige mit in den Algorithmus einbezogen wird.


Beispiel 2: Im Rahmen eines im Herbst 2018 gestarteten und vom Land Hessen geförderten Forschungsprojekts der Hochschule RheinMain und der milch & zucker AG soll untersucht werden, wo im Recruiting der Einsatz von intelligenten Chatbots sinnvoll ist – und akzeptiert wird. Bisher werden Chatbots eher für Marketingaufgaben beziehungsweise für die Vermittlung von Informationen in Richtung Kandidat eingesetzt. Wissen wird in einer bestimmten Domäne, wie beispielsweise Praktika für ein bestimmtes Unternehmen, für den Chatbot aufbereitet. Dieser kann dann in der Folge – mehr oder weniger intelligent – auf Fragen des Users antworten.

Das Projekt „CATS“ betrachtet dagegen stärker den administrativen Prozess im Recruiting. Ein erster Ansatz ist die Kommunikation zwischen Fachbereich und HR, die zur Erstellung einer Stellenanzeige notwendig ist. Der Chatbot dient zur Abfrage benötigter Daten, ein durch KI unterstützter Algorithmus soll danach eine erste Anzeige erstellen, die dann weiter verwendet werden kann. Im Projekt werden wir ebenso untersuchen, inwieweit nachgelagerte Prozesse – wie die Bewertung der Kandidaten oder erste Interviews – von Chatbots unterstützt werden können. Hierbei wird nicht nur die technische Machbarkeit überprüft und gegebenenfalls in das Bewerbermanagementsystem „BeeSite“ von milch & zucker integriert, auch die Akzeptanz bei Recruitern und Bewerbern wird mit überprüft.

Es zeichnet sich ab, dass regelbasierte und den Dialog unterstützende Chatbots mit eingebetteten KI-Elementen für bestimmte Einzelaufgaben – wie etwa das Texten, Übersetzen und Parsen von Anzeigen und Bewerberdaten – bisher den praxistauglichsten Ansatz bieten. Nach unserem Forschungsstand muss und kann es momentan noch nicht immer der ganz große Ansatz sein, nämlich Einstellungsvorhersagen (Bewerber) oder Einstellungsempfehlungen (Recruiter) KI-basiert zu generieren.

RESÜMEE: WO WIR STEHEN

Zusammenfassend lässt sich sagen, dass KI Einzug halten wird in den Recruitingprozess, wenn auch nicht sofort in der absoluten Königsdisziplin: Eine „Maschine“ sucht und findet „alleine, selbstständig und gut“ den richtigen Mitarbeiter. Unternehmen sollten sich vielmehr darauf konzentrieren, lästige Routinearbeiten im Recruiting „intelligent“ erledigen zu lassen. Dabei hilft auch die Maßgabe, nicht nach den „Richtigen“ zu suchen, sondern die „Falschen“ auszusortieren. Das ist aus unserer Sicht zurzeit der bessere Ansatz, denn trotz Fachkräftemangel haben die Unternehmen in der Regel immer noch mehr Absagen als Einstellungen.

Die Abbildung zeigt, bis zu welchem Grad Automatisierung oder besser Digitalisierung – mit oder ohne KI – im Recruiting möglich ist. Wir glauben dabei bereits an einen Mehrwert, wenn ein intelligenter Chatbot zur Kommunikation eingesetzt wird und den Recruiter bei folgenden Aufgaben unterstützt: Texten, Übersetzen und Ausspielen von Stellenanzeigen; Abgleich von geforderten und gebotenen Skills; Auswertung von Onlinetests als Ergänzung und Überprüfung der Skillauswertung; Vereinbarung eines ersten Interviews ●


Literatur

Hennemann, l. / Schlegel, L. / Hülskötter, A. (2018): Künstliche Intelligenz in der Personalvorauswahl, raven51.de/studie-kuenstliche-intelligenz-in-der-personalvorauswahl/ (Stand: 31.3.2019)

Jäger, W. (2018): Digitalisierung im Recruiting (Recruiting 4.0), in: Petry, T. / Jäger, W. (Hg.): Digital HR, Freiburg, 213-223

Jäger, W. / Meurer, S. (2018): Recruiting-Strategien 2018, www.personalwirtschaft.de/assets/documents/Downloads/Studienband-Recruiting-Strategien-2018.pdf (Stand: 31.3.2019)

Kersting, M. (2018): Was König Bewerber denkt. Zur Akzeptanz von Personalauswahlverfahren, in: Personalmagazin, 3, 26-29

Kanning, U.-P. (2019): Sprachanalyse: eine neue Methode der Personalauswahl?, www.haufe.de/personal/hr.management/sprachanalyse:%20eine-%20neue-methode-der-personalauswahl_80_453994.html (Stand: 31.3.2019)

Teetz, I. (2018): Künstliche Intelligenz im Recruiting, in: Petry, T. / Jäger, W. (Hg.): Digital HR, Freiburg, 225-240

Dahm, M. H. / Dregger, A.( 2018): Schöne neue Welt? Wie stehen Bewerber zum Einsatz von Künstlicher Intelligenz (KI) im Recruiting?, in: Personalwirtschaft, Special E-Recruiting, 11, 22-25

Weitzel et al. (2018): Digitalisierung der Personalgewinnung, www.uni-bamberg.de/fileadmin/uni/fakultaeten/wiai_lehrstuehle/isdl/Studien_2018_2_Digitalisierung_der_Personalgewinnung_Digital-Version_20180207_ff_a.pdf (Stand: 31.3.2019)

 

Die Autoren

PROF. DR. WOLFGANG JÄGER, Hochschullehrer am Fachbereich Design, Informatik und Medien an der Hochschule RheinMain sowie Gründer und Sprecher der Jobbörse JobStairs, Wiesbaden > w.jaeger@djm.de

INGOLF TEETZ, Vorstand der milch & zucker AG, Gießen > ingolf.teetz@milchundzucker.de


Auf Facebook teilen Auf Twitter teilen Auf Xing teilen RSS-Feed abonnieren E-Mail Telefon