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.
Jobspreader-AI bietet dir automatisiert insgesamt bis zu 10 präzise und qualitativ hochwertige KI-Titel.
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.
ChatGPT ist ein leistungsfähiges Tool zur Verarbeitung natürlicher Sprache, das von OpenAI entwickelt wurde und sich in der Recruiting-Branche zunehmender Beliebtheit erfreut.
Der Einsatz von ChatGPT im Recruiting ist eine kosteneffektive und effiziente Möglichkeit, um qualifizierte Kandidaten zu finden. In diesem Artikel werden wir uns ansehen, welche Vorteile Chat GPT im Recruiting bietet und auch welche Nachteile es haben kann. Wir werden uns auch ansehen, wie man ChatGPT am besten nutzen kann, um die besten Ergebnisse zu erzielen.
Durch den Einsatz fortschrittlicher maschineller Lerntechniken ist ChatGPT in der Lage, menschliche Eingaben zu verstehen und auf diese in einer dialogischen Art und Weise zu reagieren, so dass es Vorstellungsgespräche und andere Rekrutierungsaufgaben mit einem hohen Maß an Genauigkeit durchführen kann. Diese Technologie hat das Potenzial, die Art und Weise, wie Unternehmen Top-Talente identifizieren und einstellen, zu revolutionieren, den Einstellungsprozess zu rationalisieren und die Effizienz zu verbessern.
Und? Bin ich aufgeflogen? Ich dachte mir, ich mach es mir mal einfach und lasse ChatGPT meine Einleitung schreiben. Jetzt aber nochmal in meinen eigenen Worten:
ChatGPT ist ein auf künstlicher Intelligenz basierender Textgenerator, der aktuell tatsächlich sehr hohe Wellen schlägt. Die Technologie, mit der ChatGPT arbeitet, nennt sich „Generative KI“ und kann auf Basis von den an ihn verfütterten Daten neue und originelle Inhalte wiedergeben. Das mag für einige Leser:innen im ersten Moment nicht besonders klingen, dabei ist es tatsächlich eine der größten technischen Neuerungen der letzten Jahrzehnte, weil die KI so unglaublich gut und präzise ist. Was die Nutzer:innen hierbei am meisten beeindruckt ist vermutlich, dass die Sprache im Gegensatz zu vorherigen Chatbots sehr natürlich ist und es zahlreiche Anwendungsbereiche in der eigenen Arbeit aber auch im privaten Bereich gibt.
Und dann gibt es auch noch GPT-3 – eine neue Version des Generativen Prädiktiven Textmodells (GPT) von OpenAI. Der Unterschied zwischen ChatGPT und GPT-3 liegt in der Größe des Modells. ChatGPT ist ein wesentlich kleineres Modell als GPT-3, das auf einem Datensatz von mehr als 45 Milliarden Wörtern basiert. GPT-3 verfügt über 175 Milliarden Parameter und ist damit eins der leistungsfähigsten Modelle für natürliche Sprachverarbeitung.
Im Gegensatz zu GPT-3 ist ChatGPT spezialisiert auf die Erstellung von Dialogsystemen für Chatbots. Es verwendet ein KI–Modell, um eine natürliche Konversation aufzubauen und zu unterhalten. Es kann Texteingaben verstehen und auf kontextbasierte Fragen antworten. GPT-3 hingegen ist ein Sprachmodell, das auf einem per Deep Learning trainierten Künstlichen Neuronalen Netz (KNN) basiert und verwendet wird, um vorhersagbare und präzise Vorhersagen zu treffen. Es ist in der Lage, eine breite Palette von Aufgaben auszuführen, einschließlich natürlicher Sprachverarbeitung, maschinellem Lernen und vielem mehr.
Also um es kurz zu machen: ChatGPT ist eine Variante des GPT-3-Modells, die speziell für Chatbot-Anwendungen entwickelt wurde.
Bei aller Überschwänglichkeit und Begeisterung für diese Tools gibt es aber auch Grenzen und an der einen oder anderen Stelle sogar Probleme, die bisher noch nicht gelöst werden konnten.
Falsche Informationen
Im Gegensatz zu anderen KI-Assistenten wie Siri oder Alexa nutzt Chat GPT nicht das Internet, um Antworten zu finden. Stattdessen baut es einen Satz Wort für Wort auf und wählt auf der Grundlage seines Trainings das wahrscheinlichste “Token” aus, das als nächstes kommen sollte. Mit anderen Worten: ChatGPT kommt zu einer Antwort, indem es eine Reihe von Vermutungen anstellt. Das ist einer der Gründe, warum ChatGPT falsche Antworten so argumentieren kann, als wären sie völlig richtig. Zu diesem Thema hat brand-eins-Kolumnist Gregor Schmalzried einen sehr amüsanten, aber auch passenden Artikel geschrieben. In einem von ihm genannten Beispiel behauptet ChatGPT beispielsweise, dass Merkel Grünen-Politikerin sei und zieht es so knallhart durch, dass man es fast selber glaubt.
Obwohl ChatGPT komplexe Konzepte sehr gut erklären kann und damit ein leistungsfähiges Lernwerkzeug ist, sollte man nicht alles glauben, was es sagt. ChatGPT ist nicht immer korrekt – zumindest noch nicht.
Keinen Echtzeitzugriff: Informationen bis 2021
Wie bereits erwähnt, kann ChatGPT sämtliche ihm bekannte Fakten verwenden, um diese wiederzugeben und darauf basierend neue Inhalte zu produzieren.
Es hat jedoch keinen Echtzeitzugriff auf Daten und Zahlen und auchkeinen Zugriff auf das Internet oder Links. Zum jetzigen Zeitpunkt basieren alle Informationen aus dem Jahr 2021 und sind daher nicht auf dem neusten Stand. Dadurch entfallen beispielsweise Fragen nach dem aktuellen Arbeitsmarkt, der Arbeitslosigkeit in Deutschland nach 2021, bestimmten Durchschnittsgehältern oder anderen derzeitigen Sachverhalten.
Meinung und Position
Da ChatGPT sehr menschlich in seiner direkten Kommunikation antwortet, kann dem Tool schnell zu viel zugetraut werden. Dabei sollte man unbedingt beachten, dass das textbasierte Dialogsystem keine eigene Meinung besitzt und keine Empfindungen nachahmen oder eigenen Positionen beziehen kann.
Eingebaute Bias
Und so führt das eine zum anderen. Denn wie jeder andere künstliche Intelligenz auch, funktioniert ChatGPT auf Basis eines großen Haufens an Daten und lernt immer weiter. Der Chatbot wurde mit dem kollektiven Schreiben von Menschen auf der ganzen Welt in der Vergangenheit und der Gegenwart trainiert. Das bedeutet, dass die gleichen Verzerrungen, die in den Daten existieren, auch im Modell auftauchen können. Mehr zu diesem Thema findet Ihr in unserem Blogbeitrag “Robot Recruiting”.
Kreativität
Ob der Chatbot wirklich kreativ ist, ist schon fast eine philosophische Frage. Auf die Frage, was Kreativität bedeutet, antwortet mir ChatGPT: “Kreativität ist die Fähigkeit, neue und originelle Ideen zu entwickeln und umzusetzen.” Also eigentlich genau die Beschreibung, mit der ich ein paar Zeilen zuvor ChatGPT erklärt habe. Und doch weigert sich etwas in mir, diesem Tool Kreativität zuzuschreiben. Die Generative KI ist zumindest in der Lage, Gedichte, Songtexte und Essays auf Basis von Daten zu erstellen, die ihm zuvor geliefert wurden. Vielleicht lässt es sich so festhalten: ChatGPT kann unsere Vorstellung von Kreativität gut vortäuschen.
Aktuelle Überlastung
Vielen dürfte aufgefallen sein, dass mit zunehmender Beliebtheit der Server von OpenAI an seine Grenzen gerät und ChatGPT gar nicht oder nur fragmentarisch benutzt werden kann. Es bleibt abzuwarten, wie lange es dauert, bis OpenAI auch dieses Problem löst.
Nimmt ChatGPT Recruiter:innen die Jobs weg?
Wie bei fast jeder technischen Neuerung gibt es verschiedene Parteien von Nutzer:innen: Die Neugierigen, die Skeptischen, die Pessimistischen und die Abwartenden. Einige der ersten Artikel zum Thema ChatGPT bauten nicht selten auf Angst und Pessimismus auf: Ist der Recruiter bald arbeitslos? Übernimmt ChatGPT meinen Job? Die Antwort lautet ganz klar: Jein.
Modelle wie ChatGPT sind in der Lage, sehr gute Texte zu generieren, sehr schnell Inhalte zu liefern und Frage- sowie Problemstellungen zu lösen. Das wird über kurz oder lang bestimmte Bereiche dazu zwingen, ihre Tätigkeiten neu auszurichten, da die ein oder andere Aufgabe teilautomatisiert werden kann. Das mag im ersten Moment beängstigend klingen, kann uns aber als Redakteur:innen, Recruiter:innen und eigentlich so gut wie allen am Rechner tätigen Menschen in die Karten spielen.
Wir können uns das Wissen und vor allem die Schnelligkeit dieses Tools zu Nutzen machen, unliebsame Aufgaben abgeben und uns dadurch mehr Freiräume verschaffen für beispielsweise zwischenmenschliche oder kreativere Aufgaben oder auch einfach Weiterbildung. Und ganz wichtig: Wir können die Ideen von ChatGPT nutzen und sie einfach noch besser machen. Dieser Textgenerator wird ebenso wie andere KI-unterstützte Modelle uns und unsere Inhalte im besten Fall verbessern und effektiver machen. Indem sie uns eine Inspiration bieten und damit eine Hilfestellung, eine Zeitersparnis. Man könnte sagen, künstliche Intelligenzen ersetzen keine Menschen: Menschen, die gut mit KIs umgehen können, werden Menschen ersetzen, die es nicht können.
Um Euch zu zeigen, welche Möglichkeiten ChatGPT im Recruiting bietet, haben wir dem Tool Fragen gestellt, die Euch 15 denkbare Einsatzbereiche und Anwendungsmöglichkeiten zeigen soll.
###promotional-banner###
Einsatzmöglichkeiten von ChatGPT im Recruiting
Aufgrund der fehlenden Datenaktualität von ChatGPT ist es leider nicht möglich, aktuelle Marktanalysen und Arbeitsmarktübersichten anzeigen oder einordnen zu lassen. Es ist bisher auch nicht klar, ob und wie dieses Problem in Zukunft gelöst werden soll. Was ChatGPT allerdings sehr gut kann, ist grundlegende Aufgabe zu erledigen, Vorlagen zu erstellen oder Fehler zu analysieren. Gefallen Euch die ersten Ergebnisse nicht, so könnt ihr ChatGPT auch nochmal dazu auffordern, eine neue Antwort zu generieren. Alternativ können Antworten auch verbessert werden. Zum Beispiel durch Ergänzungen wie “Das ist mir zu kompliziert, erkläre es einfacher” oder “Die Antwort gefällt mir noch nicht, mach das nochmal und lege dabei den Fokus auf XY.”
Wir haben Euch ein paar Recruiting-Beispiele mitgebracht, die ChatGPT sehr zufriedenstellend beantwortet hat. So bekommt Ihr vielleicht ein Gefühl dafür, bei welchen Recruiting-Fragen Euch dieses Tool helfen kann und wie Ihr es für Euch nutzen könnt.
Beispiele für die Unterstützung im Content
LinkedIn
Viele Kollegen und Kolleginnen setzen mittlerweile auf die Reichweite bei LinkedIn. Interessante Postings sind durchaus in der Lage, eine hohe Anzahl an User:innen zu erreichen und dadurch Aufmerksamkeit für das eigene Unternehmen oder offene Positionen zu generieren. Eine Idee zu finden oder das Posting zu verfassen, kann sehr viel Zeit in Anspruch nehmen. ChatGPT ist in der Lage, Euch Ideen zu liefern und sogar Postings in der LinkedIn-Tonalität zu verfassen.
Bei LinkedIn ist es mittlerweile auch möglich, ganze Artikel zu einem Thema zu verfassen. Auch bei Social-Content, der über ein kurzes Posting hinaus geht, kann Euch ChatGPT also behilflich sein. Natürlich ist es ratsam, in beiden Fällen die Inhalte nochmal zu überarbeiten, auszubessern und Eure eigene Tonalität einzubringen.
Content-Strategie
Bei Content-Inhalten muss man ebenfalls beachten, dass die Vorschläge, die ChatGPT macht, nicht tages-, nicht monats- und nicht einmal jahresaktuell sind. Solltet Ihr jedoch gerade erst anfangen, Euren Karriereblog zu befüllen und einfach ein breites Spektrum an Themen abdecken wollen, hilft Euch ChatGPT mit Themenideen aus. Hier ein kleines Beispiel für die ersten zwei Wochen:
Weitere Vorschläge waren u.a. Diversität und Inklusion im Recruiting, die wichtigsten Kennzahlen für erfolgreiches Employer Branding, Einblicke in den Onboarding-Prozess des Unternehmens sowie die Bedeutung von Transparenz im Recruiting. Die Beispiele von ChatGPT können sich also durchaus sehen lassen.
Beispiele für die Unterstützung im Personalmarketing
Karriereseite
Karriereseiten sind das Herzstück einer jeden Recruiting-Kampagne. Wenn man nicht tagtäglich mit Texten zu tun hat, kann es einem durchaus schwer fallen, das erste Wort aufs Papier, bzw. ins Content Management System, zu bekommen. Auch in diesem Fall kann ChatGPT Euch unter die Arme greifen und ein paar Ideen liefern. In unserem Fall ist die Antwort etwas zu steif geworden, aber mit konkreteren Anweisungen und anschließenden Verbesserungen, ist auch dieses Ergebnis von ChatGPT durchaus hilfreich.
Ich stellte ChatGPT außerdem die Frage, wie eine Karriereseite aufgebaut sein sollte, um mehr Kandidat:innen zu erreichen und welche Inhalte nicht fehlen dürfen. Auch hier ist die Antwort sehr solide für eine erste Idee, die Euch auf den Weg einer neuen Karriereseite bringt. Vor allem der letzte Punkt “Entwicklungs- und Weiterbildungsmöglichkeiten auf Karriereseiten” ist etwas, das häufig vergessen wird.
Stellenanzeige
Auch beim Thema Stellenanzeigen liefert der Chatbot Antworten, die sich für einen guten Start einer Stellenanzeige eignen. Er spricht viele Punkte an, die wir auch seit Jahren predigen: Klare und präzise Jobbezeichnungen und Titel, sichtbare Kontaktinformationen und authentische Bilder und Videos aus dem Unternehmen. Viele Punkte werden aber auch nicht thematisiert: Zum Beispiel die Notwendigkeit eines sichtbaren Call-To-Action Buttons, Aufbau und Struktur der Anzeige oder die Darstellung der Zielgruppenrelevanten Benefits. Wer sich wirklich tiefer mit dem Thema Karriereseiten, Stellenanzeigen und Stellentitel beschäftigen will, sollte wohl weiterhin die Wollmilchsau-Inhalte checken oder den Jobspreader benutzen. 😉
Zwar nicht direkt interessant für Recruiter:innen, aber für Bewerbende: ChatGPT ist auch in der Lage, recht gute Anschreiben zu verfassen, wenn man die entsprechende Stellenanzeige postet. Auch die eigenen Erfahrungen und Beweggründe sollten natürlich mit genannt werden, da ChatGPT sich sonst Informationen über Euch ausdenkt, die im weiteren Prozess vermutlich recht schnell auffliegen.
Jobtitel
Eine gute Stellenanzeige steht und fällt mit dem Jobtitel. Zum einen, weil die Verständlichkeit des Titels und sein Bezug zum Inhalt die Entscheidung der potenziellen Bewerber:innen erheblich beeinflusst. Zum anderen, weil ein guter Jobtitel darüber entscheidet, ob die Ausschreibung überhaupt erst gefunden wird. Um das zu erreichen, sollte auf die Länge des Titels, die Struktur sowie die Relevanz der Begriffe geachtet werden. Wir haben ChatGPT nach Jobtitelalternativen zu “Fachlagerist im Wareneingang” gefragt.
Wir haben die einzelnen Jobtitel jetzt keiner genauen Prüfung unterzogen, allerdings ist klar zu erkennen, dass ChatGPT nicht auf die eben genannten Faktoren achtet, die einen Stellentitel besser und auffindbarer machen. Sollte man auf der Suche nach Jobtitel-Alternativen sein, um die Reichweite der offenen Positionen zu erhöhen, lohnt es sich, die Popularität und Relevanz der Begriffe über Google und den Google Keyword Planer zu testen. Weitere Informationen über gute Stellentitel findet Ihr hier.
Die Generative KI kann aber vor allem dann hilfreich sein, wenn Euch so gar kein Titel einfallen will. Diesen Fall haben wir ebenfalls getestet und sind auf der Suche nach einem Vertriebsmitarbeitenden für die Kaltakquise:
Auch hier wird deutlich, dass die vorgeschlagenen Jobtitel nicht die optimalen Grundvoraussetzungen mit sich bringen. Aber es unterstreicht unseren Ansatz: Nicht einfach die Ergebnisse der KI übernehmen, sondern inspirieren lassen und besser machen! Schnappt Euch diese Vorschläge, jagt sie durch Google und macht daraus die besten Jobtitel, die Eure Position am besten vermarktet.
Recruiting-Kampagne
Vor allem beim Besetzen von einer Vielzahl an Stellen in Mangelberufen können originelle Recruiting-Kampagnen, mit denen man die passende Zielgruppe erreicht und sich von der Konkurrenz abhebt, sehr hilfreich sein. Ich habe ChatGPT zur Unterstützung nach ein paar originellen Ideen gefragt. Bekommen habe ich… Ideen.
Originell würde ich sie nicht nennen, aber dafür sinnvoll bis unumgänglich. Zum Beispiel das Anlegen einer Landingpage, die auf die spezifischen Anforderungen und Vorteile der Positionen näher eingeht und Einblicke bietet. Außerdem schlägt der Chatbot das Nutzen von Sozialen Medien vor, virtuelle Recruiting-Events, Kooperationen mit lokalen Hochschulen sowie Empfehlungsprogramme und Paid Advertising. All diese Vorschläge sind ein guter Anfang und können, wenn man noch gar keine Idee hat, behilflich sein.
Assessment-Center
Zum Besetzen von Trainee- oder Azubistellen werden immer noch gerne Assessment-Center veranstaltet, um die besten Kandidat:innen für die entsprechende Position zu bekommen. Das ist natürlich nur möglich, wenn auch eine Vielzahl an guten Bewerbungen eingegangen ist und man als Firma überhaupt die Wahl hat. Gerade bei diesen Positionen legen Unternehmen viel Wert auf Nachhaltigkeit – je genauer bei der Auswahl hingeschaut wird, desto wahrscheinlicher ist es, dass die perfekten Kandidat:innen für diese Stellen gefunden werden und dem Unternehmen lange treu bleiben.
Um Tipps rund um das Assessment-Center zu bekommen, kann ChatGPT ebenfalls behilflich sein.
Für die Informationen einzelner Teilbereiche können auch nochmal spezifischere Fragen gestellt werden, wie zum Beispiel:
Jobinterview
Um eine erste Idee dafür zu bekommen, welche Fragen in einem Jobinterview oder in einem Assessment-Center gestellt werden können, sind die gelieferten Antworten gar nicht so schlecht. Der Leitfaden gibt eine Vorstellung davon, welche Bereiche und Fragestellungen wichtig sein könnten. Konkreter wird es dann in den direkten Fragen. Wie gut die Fragen nun fachlich tatsächlich sind, kann ich als Fachfremde nicht beurteilen, allerdings habe ich auch bereits mir bekannte Fachbereiche abgefragt und ich empfand die Antworten als einen guten Start.
Onboarding
Onboarding ist ein oft vergessener und gleichzeitig sehr wichtiger Punkt der Candidate Journey. Nur, weil Ihr die Bewerber:innen bereits an der Angel bzw. bereits im Eimer habt, bedeutet das nicht, dass sie nicht auch wieder rausspringen können. Ein gutes Onboarding ist das A und O für einen guten Start im Unternehmen. Wir haben ChatGPT recht oberflächlich nach einem Onboarding-Plan gefragt. Um genauer in die einzelnen Tage zu gehen, müsste man nochmal etwas präziser an der Fragestellung arbeiten. Man könnte allerdings auch diese Tabelle nehmen und sehr gut selbst personalisieren.
E-Mails
Zu guter Letzt haben wir noch etwas für die ganz Faulen unter uns oder diejenigen, die wirklich sehr häufig viele Anfragen per Mail bekommen. Was nun tatsächlich schneller ist, das Tippen der Mail oder die Abfrage bei ChatGPT mit der anschließenden Personalisierung und Korrektur, muss jeder für sich herausfinden. Ich persönlich würde behaupten, dass ich spätestens bei “(…) hoffe, dass du verstehst.” aufgeflogen wäre. Aber you do you.
Wichtiger Hinweis: ChatGPT Output bitte niemals in der Kommunikation mit Kandidat:innen verwenden, da das garantiert schlecht für die Candidate Experience ist. E-Mail Antworten sind unserer Ansicht nach wirklich nur sinnvoll für die “unwichtigere” Kommunikation, die ansonsten viel Zeit frisst.
ChatGPT ist nicht allein: Weitere “Generative KI”-Modelle
ChatGPT von OpenAI hat zurecht sehr hohe Wellen geschlagen. Dabei ist dieser Chatbot bei weitem nicht die einzige beeindruckende “Generative KI”. Es gibt bereits für viele verschiedene Einsatzbereiche künstliche Intelligenzen, die wahnsinnig gut und präzise sind.
Bei den KI-Tools unterscheidet man zwischen verschiedenen Arten, die bereits von einigen Anbietern sehr gut umgesetzt werden.
Text to image (DALL-E, Stable Diffusion, Imagen, Muse, Midjourney)
DALL-E ist ebenfalls eine KI, die von OpenAI ins Leben gerufen wurde. Bei diesem Modell gebt Ihr einen Text ein und bekommt ein Bild, das eigens nach Euren textlichen Vorgaben erstellt wurde. Wer sich jetzt fragt, wofür das gut sein soll, kann sich gerne eine Werbekampagne von Sushi Bikes anschauen, in der ausschließlich KI generierte Bilder genutzt wurden.
Text to 3D (Dreamfusion, Magic 3D)
Für einige Branchen, wie z.B. Game-Publisher, ist es notwendig, 3D-Bilder zu erzeugen. Hierfür sind Tools nützlich, die eingegebene Texte in 3D-Modelle umwandeln können. Die bisher größten Anbieter in diesem Bereich sind Dreamfusion und Magic3D.
Image to text (Flamingo, VisualGPT)
Manchmal kann es auch nützlich sein, einen Text zu erhalten, der ein Bild beschreibt. Genau diese Aufgabe übernehmen “Image-To-Text”-Modelle wie die von Flamingo und VisualGPT.
Text to video (Phenaki, Soundify)
Wenn man aus Texten Grafiken werden lassen kann, können aus Texten auch Videos werden.
Text to Audio and Speech (AudioLM, Whisper, Jukebox, Murf)
Eingegebene Texte können von verschiedenen KI-Stimmen vorgelesen werden. Sollte ich beispielsweise diesen Artikel auch als Audio anbieten wollen, könnte ich über eins der oben genannten Tools eine Stimme auswählen, die den Text in Audioform bringt.
Audio to Text (happyscribe, Metaview)
Mittlerweile gibt es sehr viele interessante Podcast- und Videoformate. Einige von ihnen gehen sogar über mehrere Stunden. Wenn man den Input gerne hätte, ohne sich das komplette Format anzuhören, können Tools wie Metaview es transkribieren. Anschließend könnte dieser Text von ChatGPT auf seine wichtigsten Inhalte zusammengefasst werden.
Text to text (ChatGPT3, LaMDA, PEER, Speech from Brain, Jasper, Deepl Write, YouChat)
Was sich hier hinter verbirgt, dürfte jetzt wohl jedem klar sein. Jasper ist aber beispielsweise sogar in der Lage, nicht ganz so gute Texte in sehr viel bessere Texte umzuwandeln. Deepl ist mittlerweile jedem ein Begriff, doch Deepl Write übersetzt nicht in eine andere Sprache, sondern korrigiert deine Texte in derselben Sprache auf Fehler in Grammatik und Rechtschreibung.
Text to code (Codex, Alphacode)
Obwohl es mittlerweile zahlreiche Text-zu-Text-Modelle gibt, folgen nicht alle Texte der gleichen Syntax. Eine besondere Art von Text ist der Code. Beim Programmieren ist es wichtig zu wissen, wie man eine Idee in einen Code umsetzt. Hier helfen die Modelle von Codex und Alphacode. Codex ist ebenfalls von OpenAI und wird auf der Grundlage von GPT-3 abgestimmt, das bereits eine starke natürliche Sprache nutzt. Die Demo und die API sind auf der Website von OpenAI zu finden.
Text to science (Galactica, Minerva)
Sogar wissenschaftliche Texte werden von Generative KI erfasst, wie z.B. die Modelle Galactica und Minerva-Modelle. Obwohl der Weg zum Erfolg in diesem Bereich noch weit ist, ist es wichtig, die ersten Versuche zur automatischen wissenschaftlichen Textgenerierung zu untersuchen und weiterzuentwickeln.
Fazit: Was nehmen wir mit?
ChatGPT ist faszinierend. Und obwohl auch ich in puncto Technik nicht selten zum Kulturpessimismus neige, zähle ich mich dieses Mal zu den neugierigen Nutzer:innen. In vielen Bereichen kann Generative KI uns das Leben erleichtern und uns Arbeit abnehmen – was uns die Möglichkeit gibt, darauf aufzubauen und besser zu werden.
Wichtig zu verstehen ist dabei aber, dass ChatGPT keine allgemeine künstliche Intelligenz ist, die das gesamte menschliche Wissen und alle Texte versteht. Es ist ein Instrument, das uns die Möglichkeit bietet, mit all diesem gespeicherten Wissen und all diesen Texten zu spielen. Spielen bedeutet in diesem Fall mit dem vorhandenen Material zu arbeiten, um zu sehen, was es kann und uns die Inhalte zunutze zu machen.
Generative KI werden keine Recruiter:innen ersetzen. Aber sie bieten diesen und anderen Positionen ein Instrument, mit dem man mit einer unglaublich großen Datenmenge und Textmaterial spielen und die eigene Arbeit auf ein höheres Level heben kann.
Wer sich noch näher mit dem Thema ChatGPT und Generative KI auseinandersetzen möchte, sollte sich diese Seiten und Formate nicht entgehen lassen:
Prof. Christian Gärtner hat mit „Smart HRM“ das erste umfassende Fachbuch geschrieben, das in der Tiefe die Auswirkungen neuer Technologien auf die HR-Arbeit auslotet. Entlang der Linie Künstliche Intelligenz, Analytics & Automatisierung klärt er über Grundbegriffe und Konzepte auf und vermisst deren Auswirkungen auf die HR-Arbeit anhand praktischer Einsatzszenarien.
Egal ob im Personalmarketing, dem Performance Management, der Personalentwicklung, -planung oder -bindung: Die Liste der digitalen Tools für Analytics und Automatisierung ist lang. Was geht bereits und was geht noch nicht? Während zahlreiche Personalmarketer immer noch von Künstlicher Intelligenz reden, als wäre es Zauberei, fasst Gärtner in „Smart HRM“ sachlich zusammen, was sich hinter all diesen Schlüsselbegriffe verbirgt. Anhand zahlreicher Beispiele veranschaulicht Gärtner die Chancen von Algorithmen, Big Data und Machine Learning. Gleichzeitig wirft er die Frage auf, welche Risiken sie bergen. Anstatt verallgemeinernde Globalurteile über die Sinnhaftigkeit von digitalen Tools in der Personalarbeit zu fällen, befasst Gärtner sich mit den Tools in verschiedenen Einsatzbereichen. Durch diese Detailanalysen ist es möglich, einigen Antworten ein Stück näher zu kommen.
Können Maschinen besser und billiger arbeiten als Menschen?
Eine Frage, die in Diskussionen zum Thema Automatisierung und künstliche Intelligenz nicht nur in Personalabteilungen immer wieder auftaucht, ist die Frage nach der Ersetzbarkeit des Menschen. Arbeiten Maschinen präziser und billiger als Arbeitskräfte aus Fleisch und Blut? Bereits bei dieser Frage müsste einem auffallen, dass sie nicht ohne einen Blick auf das Einsatzgebiet zu beantworten ist.
Automatisierung ist nicht gleich Automatisierung und kann auf unterschiedlichen Stufen agieren. Automatisierte Personalauswahlentscheidungen sollen beispielsweise Vorurteile und Diskriminierungen vermeiden, um eine faire Auswahl zu treffen. Doch bei persönlich geprägten Entscheidungen kommen immer wieder Zweifel auf, ob Maschinen wirklich unabhängiger und vorurteilsfreier entscheiden können. Was es bereits für Möglichkeiten gibt und unter welchen Bedingungen diese Art der Automatisierung funktionieren kann, erklärt Gärtner mit geschärftem Blick.
Programmatic Job Advertising als hilfreiche Automatisierung
Wie groß der Mehrwert einer eingesetzten Automatisierung im Vergleich zum Aufwand ist, muss für jeden Einsatzbereich bewertet und entschieden werden. Bei einer gewissen Anzahl an offenen Stellen bietet der automatische Einkauf von Werbeflächen für Stellenanzeigen einen deutlichen Mehrwert, da die Umsetzung irgendwann händisch nicht mehr durchzuführen ist. Auch auf diese Möglichkeiten geht Christian Gärtner am Beispiel des Jobspreaders genauer ein.
Smart HRM: Interview mit Prof. Christian Gärtner
Dein Buch trägt den Titel Smart HRM. Wie wird HRM smart?
«Smart» bedeutet zunächst intelligent oder clever. Und zu einer intelligenten Problemlösung gehört auch das Benutzen von Hilfsmitteln, also Tools, heutzutage eben oft digitaler Tools. Also müssen Personaler lernen, wie sie digitale Tools einsetzen können und was deren Schwächen sind, um letztlich gute Antworten auf komplexe Probleme finden zu können. Das geht los bei der Frage, welche Bewerber man einstellen sollte, weil sie die größten Chancen auf späteren Erfolg im Job haben. Es geht weiter über Entscheidungen, welche Personen in einem Team am besten zusammenarbeiten können oder welche am meisten voneinander lernen können. Bis hin zur Vorhersage, welche Mitarbeiter wahrscheinlich kündigen und ob unter ihnen Schlüsselpersonen oder High Performer sind. All diese Probleme kann man auch ohne Tools lösen, das ist aber nicht immer intelligent.
«Smart HRM» meint aber auch raffiniert, gerissen und scharfsinnig. Das erinnert daran, dass beim Einsatz von Tools immer Interessen eine Rolle spielen. Deshalb ist bei der Lösung komplexer Probleme immer auch Kreativität, Empathie, Mut und auch Chuzpe gefragt – alles Merkmale, die Tools oder Maschinen bisher nicht verwirklichen können. Deshalb lobe ich Tools nicht pauschal in den Himmel, aber ich verurteile die Tools auch nicht.
Welche digitalen Tools für die Personalarbeit und fürs Recruiting sind Deiner Meinung nach die wirklich innovativen Lösungen?
Um von einer innovativen Lösung zu sprechen, sollte diese neu und nützlich sein, also einigermaßen gut funktionieren. Dazu zählen vor allem text- und sprachbasierte Analyse- und Automatisierungstools, angefangen bei Sentiment-Analysen des Arbeitgeberimages oder Recruitingprozesses, über Chatbots für den Erstkontakt mit Kandidaten oder bei der Trainingsauswahl bis hin zu textbasierten Skill-Suchen für den Personaleinsatz. Das ist nicht ganz neu, aber nützlich, wobei sich der tatsächliche Nutzen erst in der konkreten Anwendung vor Ort zeigt. Aber es sieht so aus, als würde „Conversational HR“ mehr und mehr in der Praxis ankommen.
Weniger sexy, aber recht nützlich sind digitale Tools aus dem Bereich Robotic Process Automation. Damit können nicht nur Kosten eingespart werden, sondern auch die Qualität des Prozesses erhöhen, weil er schneller und fehlerfrei durchgeführt werden kann. Klassische RPA-Anwendungsfälle sind so etwas wie Emails automatisch versenden, Personaldaten aus dem Recruiting-System ins HR-Stammsystem übernehmen oder Reports erstellen und verteilen. Nicht zu vergessen sind natürlich Anwendungen zur Optimierung des Job Advertisings – da habt ihr ja mehr Insights als ich.
Müssen Personaler mehr IT und Statistik-Kenntnisse aufbauen, braucht es gar eine neue Art von Personaler?
Diejenigen Personaler, die sich als innovativ und zukunftsgestaltend positionieren möchte, kommen wohl nicht um den Aufbau solcher Kompetenzen herum. Schließlich ist der Einsatz digitaler Tools mittlerweile keine Frage mehr des „Ob“, sondern des „Wo“ und „Wie“. Aber deswegen müssen nicht alle Personaler zu Data Scientists werden. Einerseits, weil es dafür eben Spezialisten geben wird. Andererseits, weil digitale Tools den „human touch“ der Personalarbeit nicht ersetzen oder überflüssig machen werden. Es wird nur in Zukunft anteilig weniger People-People in der Personalabteilung geben und die Data- & Technology-People werden mehr werden.
Wo haben digitale Tools in der Personalarbeit ihre Grenzen? Was sollten eher Maschinen und was eher Menschen übernehmen?
Immer dann, wenn sich Situationen sehr oft und entscheidend ändern, wenn bei der Problemlösung Kreativität, Empathie, Fingerspitzengefühl, Mut und Macht gefragt sind oder wenn wichtige Werte wie Selbstbestimmung oder gar Leib und Leben auf dem Spiel stehen. Das wären dann weniger technisch-sachliche und viel mehr rechtlich-ethische Grenzen. Nicht alles, was technisch möglich und ökonomisch erwünscht ist, sollte und darf auch umgesetzt werden.
Über diese allgemeinen Punkte hinaus, habe ich immer wieder eines festgestellt: Pauschalaussagen über die Sinnhaftigkeit von digitalen Tools in der Personalarbeit sind sinnlos. Es macht nun mal einen großen Unterschied, ob man Empfehlungsalgorithmen dazu einsetzt, Mitarbeitern passende Lerninhalte vorzuschlagen oder Bewerber zur Einstellung zu empfehlen. Es führt also kein Weg daran vorbei, sich eingehend mit den konkreten Tools für das eigene Problem zu befassen. Die werden auch nicht der Weisheit letzter Schluss sein, sodass es immer um eine Abwägung geht: Wer bietet mehr Vor- als Nachteile: Mensch oder Maschine oder eine Kombination aus beiden?
Datensammlungen, Algorithmen, automatisierte Entscheidungssysteme und dergleichen erzeugen oft Widerstände und Ängste. Wie kann HR solche Ängste aus dem Weg räumen?
Angst entsteht ja, weil man sich durch etwas Unbekanntes eingeengt oder bedroht fühlt. Gerade bei den Begriffen Algorithmic Decision Making oder KI und Machine Learning ist oft nicht klar, was damit gemeint ist. Wenn man aber darüber aufklärt und auch sagt, was man mit den entsprechenden Tools machen kann und was nicht, dann lässt sich das Unbekannte besser begreifen und wenn man etwas um Griff hat, schwindet auch die Angst davor.
Allerdings sind Aufklärung und Weiterbildung nur zwei Bausteine, denn nur zu Verstehen genügt nicht, wenn es gegen die eigenen Interessen, Werte oder Ziele geht. Oder wenn der Widerstand sachlich begründet ist, weil die Daten, die man eigentlich bräuchte, nicht vorliegen, oder die Tools für das jeweilige Unternehmen zu teuer oder zu wenig nützlich sind. Die Aufgabe von HR ist dann nicht, die Widerstände aus dem Weg zu räumen, sondern die Grenzen der einzelnen Verfahren und Tools vorher klar benennen zu können. Deswegen habe ich in Smart HRM ja auch in jedem Kapitel diese Grenzen erläutert.
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).
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”).
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.
Wir haben bereits letztes Jahr die “2017 Deloitte Global Human Capital Trends”- Studie von Deloitte aufgegriffen, seinerzeit ging es in dem Artikel um das Thema People Analytics. Auch dieses Jahr gibt es eine neue Auflage der Studie und wir alte Wiederholungstäter haben uns wieder eins der Themengebiete für Euch rausgepickt und zusammengefasst. Heute also im Programm: KIs, Roboter und Automatisierung.
###promotional-banner###
Der Report zählt über 11.000 Teilnehmer aus der ganzen Welt, dabei etwa 23% aus Europa und zu ca. 62% HRler. Der Großteil der Teilnehmer findet das Themengebiet “wichtig” oder sogar “sehr wichtig” (31% und 41%), aber “bereit” fühlen sich ledliglich 31%. Das schauen wir uns mal genauer an.
47% der Teilnehmer gaben an, dass ihr Unternehmen tief in Projekten rund um Automatisierungen stecken. 24% davon entfallen auf Routineaufgaben, die von KI-Anwendungen oder Robotern erledigt werden, weitere 16% auf sogenannte”erweiterte menschliche Fähigkeiten” (“augment human skills”) und 7% betätigen sich als Pioniere und sind dabei, Arbeit und ihre Aufteilung zwischen Mensch und Maschine ganz neu zu denken und zu restrukturieren.
Auch die Erwartungshaltung der Teilnehmer steigt: während bei der letzten Studie von 2017 noch 38% glaubten, in ihren Unternehmen wäre der Einsatz von KIs in den nächsten drei bis fünf Jahren weit fortgeschritten, sind es dieses Jahr immerhin schon 42%. Jetzt kommt allerdings natürlich das große ABER:
Die “readiness gap” – Trend und Umsetzung
Trotz solcher wachsenden Erwartungen zeigt sich, dass sich viele Unternehmen noch eher am Anfang des Weges befinden, wenn es darum geht, den Bereich rund um Künstliche Intelligenz umfassend zu durchdringen. Die Verfasser des Reports verweisen an dieser Stelle auf eine andere Studie von 2017, die gezeigt hat, dass von 1.500 befragten Senior Executives nur 17% mit dem Konzept von Künstlicher Intelligenz überhaupt und der Anwendung in ihren Unternehmen speziell vertraut waren. Ein ähnliches Bild zeichnet auch der aktuelle “2018 Deloitte Global Human Capital Trends”-Report.
Quelle: Deloitte – 2018 Global Human Capital Trends (Infografik)
Denn wie oben bereits erwähnt, fühlen sich nur 31% der Befragten darauf vorbereit, eine Strategie für die Implementierung von KIs, Automatisierung und Robotern ins Unternehmen zu erstellen.
Während der Markt für Soft- und Hardware in diesen Bereichen also boomt – laut der Studie wurden in den vergangenen drei Jahren ca. 6 Milliarden Dollar in über 1.000 Startups, die sich mit KIs beschäftigen, investiert – und große Tech-Player wie Microsoft, Facebook oder IBM solche Anwendungen schon länger testen und einsetzen, breiten sich die “neuen” Technologien nach und nach in andere Bereiche aus, in die Pflege etwa, aber natürlich auch in den HR-Bereich.
Hand in Hand mit KIs statt gegeneinander
So oder so ähnlich könnte der Leitfaden des Kapitels der Studie heißen. Denn die Verfasser werden nicht müde zu betonen, dass es bei der Implementierung von KIs, Automatisierung und Robotern nicht darum ginge die menschliche Arbeitskraft zu eliminieren:
Leading companies increasingly recognize that these technologies are most effective when they complement humans, not replace them
heißt es da sehr hübsch. Zusammen schlauer können Mensch und Maschine zum Beispiel sein, wenn bei Amazon durch den Einsatz von Robotern die Trainingszeit von Ferienjobbern auf zwei Tage reduziert werden kann, in der Einarbeitungsphase von Walmart Virtual Reality Simulationen verwendet werden oder (mein Lieblingsbeispiel) wenn bei Airbus oder Nissan “collaborative robots”, auch “co-bots” genannt, mit den menschlichen Arbeitskräften Seite an Seite arbeiten.
Auch wird erwähnt, dass KI-Tools ohne menschliche Aufsicht noch lange keine eigenständigen Entitäten sind. So entsteht eine Vielzahl an neuen Jobs, die darauf ausgerichtet sind, die KIs zu überwachen, zu trainieren und zu optimieren (und die so putzige Namen wie z. B. “bot-farmer” tragen).
Wo körperliche und motorische Arbeitskraft des Menschen durch Robotik oder Routineaufgaben von KIs erledigt werden können, verlagert sich der Schwerpunkt der menschlichen Arbeit laut der Studie hin zu Service-Orientierung, Kreativität, Problemlösung und insgesamt hin zu den sozialen Fähigkeiten:
Quelle: Deloitte – 2018 Global Human Capital Trends
49% der Befragten gaben jedoch an, nicht zu planen diese Fähigkeiten in Zukunft kultivieren oder fördern zu wollen.
Fazit
Wie schon letztes Jahr zeigen sich die Verfasser der Studie begeistert über das, was mit moderner Technik möglich ist und auch darüber, auf welche Art der HR-Bereich davon profitieren kann. Allerdings zeigt sich auch hier wieder, dass es von der theoretischen Bewertung eines Trends zur praktischen Umsetzung ein weiter, sehr weiter Weg sein kann.
Bei technischen Themen ist das grundsätzlich auch kaum verwunderlich. Von Analytics, KIs oder Virtual Reality hat schließlich jeder schon mal gehört, sie sind in aller Munde, Buzz-Themen. Längst nicht jeder muss dabei im Detail verstehen, wie solche Anwendungen funktionieren.
Was aber für Unternehmen als Organisationen wichtig ist, ist, dass sie die Möglichkeiten nicht nur schnell für eigene Zwecke nutzen – sondern auch ein Bewusstsein und dann einen Plan dafür entwickeln, wie sich die Arbeit der Maschinen und die Arbeit des Menschen wechselseitig beeinflussen. In diesem Punkt wäre das, was die Studie in Aussicht stellt, jenes Nebeneinander, doch eine schöne Variante. Zu schön, um wahr zu werden?
Wer noch mehr (genaugenommen sehr viel mehr, denn die Studie bringt es auf stolze 104 Seiten) erfahren möchte, der findet hier den Link zum Download sowie die Infografik.
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?
Der Konzern denkt langfristig und positioniert sich gewissenhaft und rechtzeitig für die neue Ära, in der intelligente Systeme nach und nach weite Teile unseres Lebens einnehmen/bereichern sollen. Und während einige von Euch weiterhin an dem Glauben festhalten, dass der Mensch unersetzbar ist, wird woanders fleißig weiter an der Gegenthese geforscht und entwickelt.
Die Untersuchung kommt zum Ergebnis, dass insbesondere die Bereiche Talent acquisition and onboarding, Talent development und HR operations vom Einsatz künstlicher Intelligenz profitieren können. Besonders spannend auf dem Weg zu dem Ergebnis empfinde ich die meiner Meinung nach zentrale Fragestellung:
Does human resources advice need to come from humans?
Hier wurden die folgenden Szenarien formuliert und geprüft, inwieweit sich Mitarbeiter in HR-Fragen von einer Maschine anleiten lassen würden.
Es wurde untersucht, ob die Befragten nach dem Rat eines Menschen oder einer Maschine eine identische Entscheidung treffen, von wem sie sich besser informiert/beraten fühlen und wem sie mehr vertrauen. Im Ergebnis gab es keinen Bereich, in dem der Pro-Maschine Stimmenanteil bei unter 50% lag.
In Sachen Konsistenz der Entscheidungen ging es 60% zu 56% zu Gunsten der Menschen aus. Bei der Vollständigkeit der Informationen 68% zu 64% zu Gunsten der Maschine. Im Fall von Vertrauenswürdigkeit (z. B. bei der Entscheidung bzgl. Urlaubsantrags) lagen die Maschinen mit 58% zu 54% vorne. Lediglich bei der Frage, an wen man sich im Wiederholungsfall am liebsten wenden würden, haben die gewohnten Methoden (Mensch) mit etwas mehr Abstand bei 71% zu 62% besser abgeschnitten.
Eine recht knappe Nummer für die Menschen. Oder, um eine Antwort auf die eingangs gestellte Frage zu geben, nein, HR kann auch ohne Menschen… Die HR-Welt ist bereit für die schlauen Maschinen, resümiert IBM natürlich nicht ganz uneigennützig. Und hat damit meiner Meinung nach Recht.
Cognitive Recruiting
Neben dieser allgemeinen Erkenntnis ist der für mich besonders interessante Part natürlich “Talent Acquisition”. Wir sind ja schließlich im “War for Talents”. Und siehe da, hier ist alles verbesserungswürdig und verbesserungsfähig, von Employer Branding bis Onboarding, wenn man der Untersuchung glauben mag.
“Traditional” Recruiting war gestern – “Cognitive Recruiting” kommt ab heute.
Das “Bauchgefühl” (freie Übersetzung von “Best Guess”) der Recruiter als Problem sowie ihre aktuelle Überforderung werden kurz thematisiert. Zu Recht. Die künstliche Intelligenz kommt als die perfekte Lösung aller Probleme daher.
Consider the role of recruiters today. These individuals are constantly juggling multiple tasks, including managing job requisitions from hiring managers, posting jobs online and with agencies, and identifying passive candidates using social media. They are often required to make a “best guess” when balancing short-term job matching and long-term organizational fit. Supported by cognitive solutions, however, recruiters become marketing strategists and relationship managers who focus efforts on priority job requisitions, optimizing the time to fill critical positions. With cognitive capabilities, candidates from new talent pools can be assessed for fit and skills much more rapidly, allowing recruiters to identify the most qualified candidates. Cognitive solutions can also help organizations leverage the latest social media trend data to assess the employer brand and make changes designed to attract top talent.
Hört sich super an. Aber wie funktioniert das im Detail?! Wie setzt man als Mittelständler so ein proaktives Maschinen gestütztes Employer Branding um? An dieser besonders für mich spannenden Stelle lässt die Studie leider etwas an Substanz vermissen. Ein paar mehr konkrete Untersuchungen und Details würden die Idee etwas glaubhafter verkaufen.
Zum Glück sind im Whitepaper zumindest ein paar kleine echte und ausgedachte Cases verteilt. Diese helfen gerade Einsteigern in dieses Thema, eine erste Vorstellung zu entwickeln, was heute schon denkbar und auch in der Praxis umsetzbar ist. Und vielleicht ist das für den Augenblick auch völlig ausreichend. In dem folgenden Beispiel konnte man mit Cognitive Recruiting den Recruitern eines japanischen Personaldienstleisters bei der Besetzung ihrer Vakanzen erfolgreich unter die Arme greifen.
So kann’s laufen. Schöne neue Welt. Oder?
Dieses Whitepaper ist insgesamt durchaus zu empfehlen, wenn man sich einen Überblick verschaffen möchte, wohin die Reise geht und sich schon mal drauf einstellen möchte. Echte Roboter-Recruiting Fans werden vermutlich nicht sehr viel Neues erfahren, außer der Bestätigung, dass die eigenen Prognosen bzgl. der Veränderung der HR-Welt evtl. schneller eintreffen könnten als gedacht. Ansonsten gibt es für alle ein paar Tipps, wie man in das Thema praktisch einsteigen sollte.
Seit Post-Chef Frank Appel sich öffentlich für eine Robotersteuer ausgesprochen hat, ist die Vergütung maschineller Arbeit ein wichtiges Thema – insbesondere mit Blick auf den Staatshaushalt, denn schließlich ist die Einkommenssteuer eine der wichtigsten Einnahmequellen. Wie sieht das also aus, wenn die Anzahl menschlicher Arbeitskräfte zurückgeht und Roboter unsere Plätze einnehmen?
Verbunden mit dieser Diskussion wird auch über die Zukunft der Arbeit gesprochen und die Angst vor einer Verdrängung des Menschen durch Roboter. Für den aktuellen Wollmilchsau Podcast wurde ich durch einen Tweet von Maximal Jan inspiriert:
