ai – Gute-Jobs.de

Jobspreader Produktinnovationen: Jobspreader AI für deine Jobtitel

Veröffentlicht am Januar 15, 2024 | von Kathrin Weller

Wer die Wollmilchsau und den Jobspreader kennt, weiß, dass wir Automatisierung lieben. Wir mögen es präzise, datenbasiert und im besten Falle einfach.

Bei vielen Recruiter:innen sind wir in erster Linie für das gezielte Streuen von Jobs mit Hilfe von Programmatic Job Advertising bekannt. Das bedeutet, wir bringen deine Jobs überall ins Web, um den Bewerberrücklauf zu automatisieren und dadurch zu erhöhen. Der Jobspreader ist allerdings kein reines Multiposting-Tool, sondern ein Rundum-Service, der den Zufall aus dem Recruiting nimmt und datenbasiertes Handeln im gesamten Talent Acquisition Prozess verankert.

Wir haben einen hohen Anspruch an uns und unser Tool und möchten dir und deinem Team jederzeit die bestmögliche Recruiting-Erfahrung bieten. Aus diesem Grund basteln wir kontinuierlich an neuen Features, die den Jobspreader besser, innovativer und noch automatisierter machen.

In diesem Artikel erfährst du immer von den neusten Produktinnovationen, Verbesserungen und Ergänzungen.

Wer bisher noch nicht vom Jobspreader überzeugt war, wird es spätestens jetzt sein.

Unser neues KI-Tool: Jobspreader AI für deine Jobtitel-Synonyme

Was sind Jobtitel-Synonyme und wie wurden sie bisher genutzt?

Jobtitel Synonyme spielen schon lange eine wichtige Rolle in unserem Jobspreader. Was es genau damit auf sich hat, kannst du in unserem Artikel nachlesen. Kurz: Um die Aufmerksamkeit auf deine Stellenanzeigen zu erhöhen, können zusätzlich zum Originaltitel auch Synonyme im Jobtitel verwendet werden, die ebenfalls zur Ausschreibung passen.

Klickt ein:e Kandidat:in auf den Titel, egal ob auf das Original oder die Alternative, wird er oder sie direkt zu der ursprünglichen Stelle auf deiner Karriereseite weitergeleitet. Je mehr Synonyme für die Berufsbezeichnung genutzt werden, desto höher ist dementsprechend die Aufmerksamkeit für den jeweiligen Job.

Bisher haben wir dir in unserem Jobspreader Dashboard bereits alternative Jobtitel aus einer eigenen Bibliothek angeboten. Diese dienten lediglich der Inspiration und waren noch nicht qualitativ präzise optimiert und spezifisch auf den von dir ausgeschriebenen Job zugeschnitten.

Das ändert sich jetzt durch unsere Jobspreader AI

Wir dachten uns, wenn künstliche Intelligenz auf dem Vormarsch ist, dann machen wir es gleich richtig und bauen uns unsere eigene. Wir mussten nämlich feststellen, dass die Ergebnisse eigenständiger KI-Tools wie z.B. ChatGPT nicht mit unseren Jobtitel-Standards mithalten konnten und wir ein Tool benötigten, das auf unsere Bedürfnisse zugeschnitten ist.

Gesagt, getan. Unser Modell „Jobspreader AI“ liefert eine konsistente Datenqualität und erfüllt unsere Grundanforderungen an Synonymstil, Jobtitellänge und Keywords.

Was sind die Vorteile von Jobspreader AI?

Jeder neue Job, den du im Jobspreader Dashboard hinzufügst, erhält von unserer Jobspreader AI automatisiert bis zu 5 KI-Titel, die dir als User sofort zur Verfügung stehen. Darüber hinaus kannst du auch selbstständig neue Jobtitel durch die Jobspreader AI generieren lassen, ganz ohne eigene Prompts.

Was unser Tool dafür benötigt, ist lediglich eine kurze Stellenbeschreibung bzw. ein Anforderungsprofil und optional einen ersten Jobtitel. Wenn du aber noch keinen Jobtitel hast, reicht uns die Stellenbeschreibung und du kannst dich komplett von unserer künstlichen Intelligenz inspirieren lassen.

Das System generiert bis zu 10 KI-Titel – egal, ob du sie als Inspiration oder bereits als Synonym verwenden möchtest. In diesem Schritt können die Titel dann auch entweder von dir oder von unserem Team angepasst und weiter optimiert werden.

Je mehr gute Synonyme verwendet werden, desto höher ist die Reichweite und der potenzielle Erfolg des Jobs.

Worauf basieren die Titelvorschläge?

Jetzt fragst du dich wahrscheinlich, woher Jobspreader AI bitte diese speziell auf deinen Job zugeschnittenen Synonyme wissen will. Aber genau darauf haben wir das Tool bestens vorbereitet.

Jobspreader AI wurde von uns mit insgesamt 4000 Jobs (Titel + Stellenanzeige) und den dazugehörigen Synonymen aus den verschiedensten Branchen gefüttert. All‘ diese Synonyme wurden zuvor auf ihre Qualität hin überprüft, so dass sie in unserem Jobtitel Qualitäts Index (JQX) einen Wert von mindestens 70 Prozent erreichten.

Der JQX ist ebenfalls ein wichtiger Teil unseres Jobspreaders und analysiert alle deine Jobtitel auf verschiedene Kriterien wie Auffindbarkeit, Keyword-Dichte, Länge des Titels und mehr. So erhältst du für jeden Jobtitel deiner Stellenanzeigen eine Bewertung sowie konkrete und nachvollziehbare Verbesserungsvorschläge, um dein Recruiting zu verbessern.

Durch die qualitativ hochwertigen und an unsere Standards angepassten Daten hat das System gelernt, welche Synonyme wir erwarten. Wie bei jeder AI kann es natürlich vorkommen, dass etwas nicht ganz unseren oder deinen Vorstellungen entspricht – diese Fälle kannst du uns gerne melden, damit wir unser Tool immer weiter verbessern können.

Wenn du mehr über Jobspreader AI erfahren möchtest, dann vereinbare doch einfach eine kostenlose Demo und lass dir von uns erklären, was wir noch so für Features zu bieten haben.

Grenzen der automatisierten Bewertungs- und Auswahlverfahren

Veröffentlicht am November 22, 2019 | von Asif Shaikh | Schreibe einen Kommentar

Jo Diercks von Cyquest beschäftigt sich in seinem Blog hin und wieder kritisch, oder besser gesagt realistisch, mit dem bunten Treiben in der Welt der künstlichen Intelligenz aus der Recruiting Perspektive. Kürzlich ging es um das Thema der automatisierten Bewerber- und Mitarbeiterbewertungen.

Mehr Transparenz

Die Quintessenz des Posts war aus meiner Sicht die Forderung nach (technischer) Transparenz für maschinell gestützte Systeme und Verfahren, die im Falle von Fehlentscheidungen großen Schaden anrichten können. Automatisierte Bewerber- und Mitarbeiterbewertungen zählen zu solchen “ADM-Systemen” (Algorithmische Entscheidungssysteme).

ADM-Riskomatrix von Katharina A. Zweig, Digitale Gesellschaft 338/ Januar 2019

Zu einer sehr ähnlichen Forderungen kommen auch die Forscher der Cornell University in einem kürzlich erschienenem Paper mit dem Titel: “Mitigating Bias in Algorithmic Hiring: Evaluating Claims and Practices”. Diese lesenswerte Arbeit baut auf einer sehr konkreten Untersuchung von real existierenden Anbietern und Lösungen für automatisierte Bewertungs- und Auswahlverfahren. Ich persönlich kenne bis jetzt keine weiteren Untersuchungen dieser Art.

Woher kommen die Daten?

Die Forscher verwenden hier öffentlich zugängliche Angaben von 19 vergleichbaren Unternehmen im Feld und bewerten sie nach den 4 Kriterien: Assesment Typ, Verwendete Daten, Validierung der Ergebnisse und Voreingenommenheit (“Bias”).

Quelle: Paper, S. 7

Der spannendste Teil für mich ist die Frage nach den Daten, die als Grundlage für die jeweiligen Verfahren verwendet werden. In der Studie werden drei Optionen unterschieden. “C” – Daten kommen vom Arbeitgeber selbst. “S” – Daten werden passend zum Arbeitgeber “erstellt”. “P” – gleiche (standardisierte) Daten für alle.

Das Problem mit der künstlichen Intelligenz bzw. mit dem maschinellem Lernen ist, dass die Qualität der Ergebnisse äußerst stark von der Menge und der Qualität der für das Training (Lernen) verwendeten Daten abhängt. Passt ein Bewerber, passt er nicht? Um das zu beantworten, müsste bekannt sein, wer früher gepasst UND (idealerweise) wer nicht gepasst hat. Das gleiche Prinzip gilt für Performancebewertungen. Und natürlich sind solche Daten nicht universell einsetzbar. Denn Unternehmen unterscheiden sich erheblich von einander. Richtige Entscheidungen im Unternehmen A können sich als absolut falsch für das Unternehmen B erweisen.

Woher sollen dann die Daten für solche Verfahren nur kommen?! So wie ich unsere Recruiting Welt in den letzten 10+ Jahren kennen gelernt habe, erschließt sich mir die Antwort einfach nicht. Ich kenne keine Unternehmen, die konsistent, sauber über einen langen Zeitraum hinweg relevante (Personal-) Daten erfassen. Daher hege ich, trotz meiner grundlegenden Offenheit technologischen Experimenten gegenüber, eine gewisse Skepsis, wenn es um “intelligentes Matching” irgendeiner Art im Recruiting geht.

###promotional-banner###

Mensch vs. Maschine

Aber sagen wir mal, ich täusche mich an dieser Stelle. Euer Unternehmen ist anders. Ihr habt die letzten 5 Jahre jede Personalentscheidung anhand von 10 Kriterien und einer Skala von 1 bis 10 dokumentiert und auch die Performance der eingestellten Kandidaten ebenfalls konsistent nachvollziehbar beurteilt. Sehr gut. Das zweite Problem versteckt sich in dem “Ihr” – Menschen.

Auch noch so gut systematisch dokumentierte (Personal-) Entscheidungen, die von Menschen getroffen werden, sind voreingenommen. Eine Maschine, die auf Basis dieser Daten trainiert wird, übernimmt zwangsläufig diese Voreingenommenheit. Es ist praktisch gesehen sehr schwer, dagegen effektiv vorzugehen. Dennoch kommen wir Menschen und vor allem die Skeptiker unter uns auf die seltsame Idee, bessere und unvoreingenommene Entscheidungen von automatisierten Bewertungs- und Auswahlverfahren zu erwarten.

Und jetzt wird es ein wenig philosophisch. Warum sollten wir nicht voreingenommene Menschen durch gleichermaßen voreingenommene Maschinen ersetzen? Wenn die Datenbasis solide und sinnvoll ist und die Modelle entsprechend keinen totalen Mist verzapfen, mit welcher Berechtigung betrachten sich dann die Menschen als die funktionsfähigere Alternative? Ich komme an dieser Stelle jetzt völlig durcheinander.

HR Praxis: KI im Recruiting

Egal, wie Ihr zu diesem Thema Mensch vs. Maschine steht. Zwei nützliche Gedanken könntet Ihr hier heute mitnehmen.

1. Saubere, konsistente Daten in Eurem Unternehmen zu erheben, ist keine schlechte Idee. Glaubt man an die Ankunft des KI-Messias, hat man so auf jeden Fall gewonnen. Kommt er nicht, hat man zumindest nix verloren.

2. Wer auch immer Euch etwas mit KI, ML, AI, Matching verkaufen will, lasst Euch bitte glaubhaft erläutern, woher seine Daten kommen, die ausgerechnet auf Euer Unternehmen passen sollen. So viel Transparenz muss sein.

Robot Vera – der erste Recruiting-Roboter?

Veröffentlicht am November 2, 2017 | von Asif Shaikh | Schreibe einen Kommentar

Auf der diesjährigen HR Tech World in Amsterdam hat sich ein russisches HR-Tech Unternehmen den Sieg in dem Start-Up Wettbewerb gesichert. Das Produkt der Firma Stafery Ltd. heißt “Robot Vera”. Die Lösung soll Recruitern viel Zeit sparen.

Konkret macht Vera zwei Sachen. Anhand einer Stellenausschreibung werden potentielle passive Kandidaten aus angeschlossenen Profil-Datenbanken herausgesucht. Anschließend werden telefonische Vorauswahlgespräche vorgenommen. Angeblich können auch Video-Interviews geführt werden.

Soweit so gut. Eine nette Idee. Herangetragen wurde sie an mich aus der Szene etwas überschwänglich als “ein wirklich vollautomatischer, AI-basierter Recruiting Roboter”. Auch die öffentliche Darstellung von Robot Vera bedient sich gerne der Begriffe aus dem Kontext der künstlichen Intelligenz. Robot Vera – der erste echte Recruiting Roboter?! Natürlich wollte ich sofort wissen, was Vera wirklich kann, und was einfach nur Marketing ist. Das Ergebnis – der Teufel steckt auch bei Vera im Detail.

###promotional-banner###

Wie funktioniert Robot Vera?

Vera funktioniert (aktuell) nur in Kombination mit externen Profil-Datenbanken. Die für den US-Markt vorgesehene Version hat aktuell z. B. Career Builder angebunden. Zum Anfang einer Kampagne muss der Recruiter natürlich einen Stellentitel definieren. Und hier liegt unser erster großer Hase im Pfeffer. Schlechter Titel bedeutet hierbei logischerweise ein schlechteres Ergebnis. Künstliche Intelligenz kann bei diesem entscheidenden Schritt nicht wirklich helfen, außer dass bei der Eingabe eine Vorschlagsliste, wie z. B. bei der BA, eingeblendet wird.

Ist die Stelle angelegt, gelangt man zu den Basiseinstellungen des Roboters. Vera wird anhand des Stellentitels die passenden Profile aus den angeschlossenen Datenbank vorfiltern und soll dann die Kandidaten anrufen. Für das erste Interview sind zwei ja/nein Fragen vorgesehen. Die Fragen sind vorformuliert, können aber angepasst werden.

Es geht in diesem Schritt um eine ganz simple Vorauswahl. Besteht grundsätzliches Interesse seitens der Kandidaten? Im Kontext veralteter Profil-Leichen macht das sicherlich Sinn. Die Frage ist allerdings, bei welchen Jobs diese sehr oberflächlichen Informationen für eine fundierte Absichtserklärung durch den Kandidaten ausreichen?

Nach diesem Schritt kann man festlegen, ob Kandidaten, die mit “yes,yes” antworten, automatisch per Mail zu einem ausführlichen Interview eingeladen werden. Und Schon kann die Kampagne gestartet werden.

Im weiteren Verlauf werden die vorausgewählten Kandidaten in der aktuellen auf ein sehr einfaches Online-Interview geleitet. Es werden drei Fragen gestellt:

1) In this connection, are you looking for work?
2) What was part of your job duties at your last job?
3) Why do you want to work in this company?

Bei meiner Recherche habe ich in einem Video-Tutorial die Option entdeckt, Gesprächsleitfäden anzulegen, konnte diese in meinem eigenen Account allerdings nicht finden. Sagen wir mal, es ist möglich, komplexere Gespräche (ob Anruf oder Video) zu entwerfen.

Ich halte an dieser Stelle fest, der Roboter arbeitet nach Vorgabe der Recruiters. Die Logik des Gesprächs muss vom Menschen kommen. Der Roboter kann nur ja/nein Fragen verstehen und Antworten auf offen gestellte Fragen aufnehmen. Die Eigenständigkeit des Roboters besteht in seiner Fähigkeit, mehrere Hunderte und Tausende Anrufe gleichzeitig zu führen. Darin besteht auch das Potenzial der erheblichen Zeitersparnis, mit dem das Unternehmen hinter Vera wirbt.

Eine besondere Innovation in Sachen künstliche Intelligenz im Recruiting konnte ich nicht feststellen. Vera versteht nicht, was man tatsächlich sagt, sie nimmt es lediglich wahr und reagiert auf Signalwörter. Vergleichbar mit dem, was wir seit Jahren von den klassischen Service-Hotlines kennen. Mit dem Unterscheid, dass diese Hotline Menschen eigenständig anruft. Eine Einschätzung der Qualifikation der Kandidaten kann Vera meiner Ansicht nach, nicht vornehmen. Auch wenn in der Präsentation suggeriert wird (min 7:11), Vera könne sogar Emotionen erkennen. Aus meiner Sicht ist das reines Marketing.

Ich will kein Spielverderber sein. Das Projekt steht sicherlich noch am Anfang. Vielleicht kommt da noch was. Aber im Augenblick erschöpft sich der Mehrwert in dem automatisierten Anruf-Multitasking. Vielleicht reicht das aber auch zum jetzigen Zeitpunkt. Angeblich konnte man in Russland bereits große Arbeitgeber als Kunden gewinnen und für sie über 500.000 Anrufe führen.

Praktische Relevanz von Recruiting Robotern

Wenn ich an die Gegenwart und die Zukunft von Vera und ähnlichen Lösungen denke, fällt mir folgendes ein:

Ich bin heute überzeugt, dass man nach dem heutigen Stand der Technik kein echtes, in die Tiefe gehendes Bewerbungsgespräch von einem Roboter führen lassen kann. Alleine schon die Grenzen der Spracherkennung, gerade mündlich, sind ein echtes Problem. Versucht mal mit Siri zu sächseln. Die Frage ist allerdings, ob ein in die Tiefe gehendes Gespräch tatsächlich notwendig ist?

Der Vorstoß von Robot Vera ist aus meiner Sicht interessant. Ein “vollautomatischer, AI-basierter Headhunter” ist Vera allerdings nicht. Auf den werden wir lange warten müssen. Vera kann einen kleinen, aber unter Umständen sehr zeitaufwendigen, Teil-Prozesses im Recruiting übernehmen. Sortieren, Anschreiben, Anrufen, Frage stellen, Ja, Nein, Aufnehmen, Absage schreiben wenn Y, Einladung wenn X.

Es gibt Berufe und Einsatzszenarien, bei denen ein Roboter, von mir aus tatsächlich telefonisch, eine simple qualitative Vorauswahl machen kann. Man denke z. B. an Szenarien wie Sourcing von großen Bewerber-Datenbanken großer Unternehmen. Wenn da ein Roboter hin und wieder alte Bewerber anhand eindeutiger Kriterien im Bezug auf neue Stellen eigenständig kontaktieren würde, wäre das sicherlich eine Zeitersparnis. Abstimmung von Terminen für Telefonate oder Gespräche, Anfordern von fehlenden Unterlagen. Wird noch alles kommen, davon bin ich überzeugt. Und Vera ist da auch sehr sehr sehr ambitioniert.

Aber…, stellen wir uns nun vor, Veras sind eines Tages wirklich allgegenwärtig. Jedes Unternehmen hat eine Vera im Einsatz. Wie viele automatische Anrufe wird ein Kandidat pro Tag erhalten? Hunderte? Ist das wirklich gewollt? Ist das die Zukunft des automatisierten Recruitings – Menschen gnadenlos auf die Nerven zu gehen? Paradox, aber in so einer Welt würde der Wert eines menschlichen Anrufs deutlich steigen und womöglich zum einzigen Erfolgsgarant werden.

Und so lautet meine abschließende Frage, ist Robot Vera wirklich eine Innovation, die wir (im Recruiting) dringend brauchen? Oder ist sie einfach eine logische Konsequenz des allgegenwärtigen Artificial Intelligence (AI), Machine learning, Big-Data, Matching, Chatbot Hypes, der gerade die dankbaren Personaler für sich entdeckt? Vielleicht etwas von beidem.

Würdet Ihr Robot Vera einsetzen? Ja? Nein? Warum? Was haltet Ihr grundsätzlich von der Lösung?