KI-basierte Tools können Bewerberdaten sammeln und verarbeiten, um die Suche nach Bewerbern, das Screening, die Diversität und andere HR-Funktionen zu beschleunigen und zu rationalisieren. [...]
Da die große Resignation keine Anzeichen eines Nachlassens zeigt, sind Personalvermittler auf der Suche nach jeder Hilfe, die sie bekommen können, um ihren Personalbestand mit qualifizierten Talenten aufzufüllen. Der Markt für Human Resource Management (HRM) – einschließlich Software und Dienstleistungen für die Talentakquise – wird derzeit auf fast 20 Milliarden US-Dollar geschätzt [engl.].
Es wird erwartet, dass er bis 2028 aufgrund der fortschreitenden Digitalisierung und Automatisierung von Rekrutierungs- und HR-Prozessen jährlich um über 12 % wachsen wird.
Überall auf der Welt legen Unternehmen den Schwerpunkt darauf, die besten, klügsten und vielfältigsten Mitarbeiter zu finden und zu binden. Die Fortschritte in den Bereichen künstliche Intelligenz (KI), maschinelles Lernen (ML) und prädiktive Modellierung bieten Unternehmen – wie auch kleinen und mittelständischen Betrieben – eine noch nie dagewesene Möglichkeit, ihre Rekrutierung zu automatisieren, während sie gleichzeitig mit radikalen Veränderungen in der Arbeitswelt konfrontiert sind, die Remote- und Hybridarbeit einschließen.
Tatsächlich glauben vier von fünf in einer Entelo-Studie befragten Personalvermittlern, dass die Produktivität steigen würde, wenn sie die Bewerbersuche vollständig automatisieren könnten. Sie waren einhellig der Meinung, dass mehr Daten sie bei der Auswahl von Kandidaten, der Bewertung von Kandidatenpools, der Verbesserung der Kontaktaufnahme und der Perfektionierung von Einstellungsabläufen unterstützen würden. Dennoch verfügten 42 % nicht über die Daten oder die Zeit, um Analysen zu implementieren oder zu vertiefen, geschweige denn, die Daten in praktische Anhaltspunkte umzusetzen.
Hier kommen Automatisierungslösungen für die Personalbeschaffung ins Spiel.
Was ist Rekrutierungsautomatisierung und wie kann sie uns helfen?
Das Personalmanagement als Funktion beginnt mit der Einstellung von Mitarbeitern. Jeder Tag, an dem eine offene Stelle unbesetzt bleibt, kostet Unternehmen Gewinn und Produktivität. Intelligente, auf KI basierende Tools können relevante Daten über Bewerber sammeln, sie den Personalverantwortlichen zur Verfügung stellen und sie dann präzise verarbeiten, um mehrere Teilprozesse zu beschleunigen und zu rationalisieren, darunter Bewerbersuche, Screening, Diversität und Integration, Vorstellungsgespräche und Bewerberverfolgung.
„Die Zeiten, in denen man Hunderte von Lebensläufen sortieren und die Stellenbeschreibungen in jedem einzelnen Board veröffentlichen musste, sind vorbei“, sagt Ilit Raz, CEO von Joonko, einer Talent-Feed-Lösung, mit der man Kandidaten mit unterrepräsentiertem Hintergrund aufspüren kann. „Ohne irgendeine Form der Automatisierung oder HR-Technologie werden Sie immer einen Schritt hinter Ihren Konkurrenten zurückbleiben, besonders wenn es um die Rekrutierung geht.“
Recruiting-Automatisierung ist eine Technologiekategorie, die als Software-as-a-Service (SaaS)-Apps bereitgestellt wird und zunehmend durch KI unterstützt wird und die ein Unternehmen zur Verwaltung aller Aspekte seiner Belegschaft nutzen kann. Zu ihren zentralen Zielen gehören:
- Automatisierung von Rekrutierungsaufgaben und Arbeitsabläufen
- Senkung der Kosten pro Einstellung
- Steigerung der Produktivität von HR-Personal und Recruitern
- Beschleunigung der Besetzung von offenen Stellen
- Einstellung ohne Vorurteile
- Verbesserung des gesamten Talentprofils des Unternehmens.
Wie hilft Ihnen eine KI-basierte Technologie zur Automatisierung dabei, diese Ziele zu erreichen?
Hier sind die verschiedenen Funktionen, bei denen sie eine Schlüsselrolle spielen kann:
- Stellenanzeigen: Recruiting-Software kann den Kauf von Anzeigen auf Jobplattformen und anderen Websites automatisieren. Sie nutzt programmatische Werbung und Markeninhalte, um Stellenanzeigen auf branchenspezifischen Websites zu schalten, die von Ihren Zielkandidaten besucht werden. Sie kann Ihnen auch helfen, Ihr Budget für Stellenanzeigen zu optimieren und die Kosten pro Bewerber zu senken.
- Bewerbungstracking-System (ATS): Ein ATS ist eine Software, die den gesamten Einstellungs- und Rekrutierungszyklus für ein Unternehmen automatisiert. Es bietet einen zentralen Ort, um Stellenausschreibungen zu verwalten, Lebensläufe zu sortieren, Bewerbungen zu filtern und die am besten geeigneten Kandidaten für offene Stellen zu identifizieren. Auf diese Weise können Personalverantwortliche den Überblick behalten und haben einfachen Zugang zu den Details über den Stand des Einstellungsprozesses eines Bewerbers.
- Lebenslauf-Screening: Die manuelle Überprüfung von Lebensläufen ist einer der zeitaufwändigsten Teile der Personalbeschaffung. KI-basierte Software „lernt und versteht“ die Stellenanforderungen auf der Grundlage der Stellenausschreibung und filtert Lebensläufe auf der Grundlage von Schlüsselwörtern, Begriffen und Phrasen, die von den Kandidaten verwendet werden.
- Vorqualifizierung von Kandidaten: Intelligente Algorithmen können wahrscheinliche Kandidaten ermitteln, indem sie deren Fähigkeiten, Erfahrungen und andere Merkmale mit denen früherer Mitarbeiter und der ausgeschriebenen Stelle vergleichen. Sie können diese Kandidaten auch einstufen oder bewerten, während sie sie im Einstellungsprozess vorwärts bringen. KI-basierte Chatbots können grundlegende Informationen sammeln, indem sie Gespräche mit den Bewerbern beginnen und mehr über sie „lernen“. Die Algorithmen können auch deren LinkedIn-, Twitter-, Facebook- und andere soziale Profile sowie branchenspezifische Plattformen, auf denen sie aktiv sind (z. B. Stack Overflow für Entwickler), durchsuchen, um sich ein besseres Bild von ihrer Persönlichkeit, ihrem Wissen, ihren Fähigkeiten und ihrer Eignung zu machen.
Wann kann die Automatisierung der Rekrutierung schiefgehen?
Trotz der Fortschritte im Bereich der Automatisierungssoftware für die Personaleinstellung ist diese kein Allheilmittel für die Herausforderungen der Personalbeschaffung. Es gibt kein technologisches Heilmittel für fehlerhafte Rekrutierungsprozesse. Die Datenflut ist ein kritisches Problem. Personalvermittler verfügen heutzutage über so viele Daten (sowohl über Bewerber als auch über Stellen), dass sie weder die Zeit noch die nötigen Fähigkeiten haben, diese zu analysieren und die richtigen Entscheidungen zu treffen. Oftmals erweisen sich die Kosten und die Komplexität des Zugriffs auf diese Daten und deren Überprüfung als unerschwinglich.
Ein weiteres, seit langem bestehendes Problem ist die Voreingenommenheit. Während der Rekrutierungsprozess an sich häufig von Vorurteilen geprägt ist (was nicht zuletzt darauf zurückzuführen ist, dass Unternehmen dazu neigen, sich auf Empfehlungen von Mitarbeitern zu verlassen), kann der Einsatz von KI und Automatisierung bei der Einstellung das Problem manchmal noch verschärfen.
„Wenn Sie nicht über einen repräsentativen Datensatz für eine beliebige Anzahl von Merkmalen verfügen, über die Sie entscheiden, dann können Sie natürlich keine Bewerber richtig finden und bewerten“, sagt Jelena Kovačević, IEEE Fellow und Dekanin der NYU Tandon School of Engineering.
„Wenn zum Beispiel in der Vergangenheit Menschen mit schwarzer Hautfarbe systematisch ausgegrenzt wurden oder wenn es keine Frauen in der Pipeline gab und man einen Algorithmus auf dieser Grundlage erstellt, kann die Zukunft nicht richtig vorhergesagt werden“, fährt sie fort. Wenn man nur Bewerber von Ivy-League-Schulen einstellt, weiß man nicht wirklich, wie ein Bewerber von einer weniger bekannten Schule abschneiden wird, es gibt also mehrere Ebenen der Verzerrung.“
In einem berüchtigten Fall entwickelte Amazon ein KI-gestütztes Rekrutierungstool, das Muster in Lebensläufen analysierte, die über einen Zeitraum von zehn Jahren eingegangen waren, und schließlich Frauen diskriminierte. Unnötig zu erwähnen, dass das Unternehmen es wieder verwarf.
Der größte Bereich, in dem Daten und KI versagt haben, ist Diversity, Equity und Inclusion (DEI). Einige der größten Fehler im Zusammenhang mit der Vielfalt bei der Personalbeschaffung, die durch Automatisierung und maschinelles Lernen noch verstärkt werden, sind:
- Unsensible, elitäre oder wenig integrative Sprache in Stellenausschreibungen (schreckt viele Bewerber von einer Bewerbung ab)
- Begrenzte Beschaffung und eingeschränkte Bewerberpools (lässt Bewerber aus anderen Regionen oder solche, die bestimmte Schulen nicht besucht haben, außen vor)
- Keine Strategie für Fernarbeit (hält Bewerber mit Behinderungen und fehlenden Transportmöglichkeiten fern)
- Ein oberflächlicher Ansatz für DEI, der darauf abzielt, minimale regulatorische oder industrielle Standards zu erfüllen
- Fehlende Automatisierung
Der letzte Punkt bedarf besonderer Aufmerksamkeit.
KI als das Problem, Analytik als die Lösung
Obwohl KI sicherlich kein Allheilmittel für die Personalbeschaffung ist, hat sie seit dem Amazon-Fiasko große Fortschritte gemacht. Die Entelo-Studie ergab, dass datengesteuerte Rekrutierungsteams bereits besser abschneiden als ihre Mitbewerber. Außerdem sind 84 % der Recruiter ziemlich zuversichtlich, dass sie KI und maschinelles Lernen in ihrem täglichen Arbeitsablauf einsetzen können.
Die Millionen-Dollar-Frage lautet: Wie kann die Automatisierungstechnologie für die Personalbeschaffung KI-Algorithmen im Einstellungsprozess nutzen, ohne dass menschliche Voreingenommenheit in den Mix einfließt (und diesen verstärkt)?
Die Antwort liegt in der Festlegung von unternehmensspezifischen Leistungsmaßstäben, der Ermittlung von Schlüsselkennzahlen zur objektiven Messung der Kompetenz von Bewerbern und der Verwendung von Talentanalysen zur Messung des Erfolgs und der Effizienz Ihrer Einstellungsbemühungen.
Algorithmen, die den Zweck erfüllen, für den sie entwickelt wurden, tun dies häufig, weil die größten und umfangreichsten Datensätze für sie verfügbar sind. Es liegt in Ihrer Verantwortung, diese Datenpunkte zu sammeln und sie in Ihre Talent-Pipeline oder Ihre Software zur Automatisierung der Personalbeschaffung einzuspeisen. Bei der Implementierung kehrt sich der Prozess um – es ist immer eine gute Idee, den Algorithmus an einem kleinen (aber vielfältigen) Kandidatenpool zu testen und seine Ergebnisse manuell zu überprüfen, bevor Sie ihn als De-facto-Einstellungslösung für Ihr Unternehmen einführen.
*Dipti Parmar ist eine erfahrene Marketing- und Technologieberaterin, die mit ihrer Agentur 99stairs Startups, E-Commerce-Marken und B2B-SaaS-Unternehmen dabei hilft, mit innovativen Strategien eine Vorreiterrolle in ihrer Branche einzunehmen.
Be the first to comment