Robot Recruiting

Können Computer einen erfahrenen Berater ersetzen?​

Wie Menschen sind Computer in der Lage, Wissen aufzubauen und zu lernen. Robot Recruiting basiert auf diesen Lernprozessen. Wissenschaftler oder IT-Experten füttern Computer mit Daten, bis diese in der Lage sind, selbst aus Daten zu lernen und Entscheidungen zu treffen. Bei der Mitarbeiterrekrutierung kann diese Form der künstlichen Intelligenz zum Beispiel helfen, Bewerbungsunterlagen auszuwerten und die richtige Vorauswahl bei Kandidaten zu treffen. Dabei gibt es aber Tücken – und spätestens beim Bewerbungsgespräch reicht ein Computer nicht mehr aus.

Künstliche Intelligenz als Unterstützung von Human Resources?​

Künstliche Intelligenz ist heute bereits gut darin, Kausalketten zu nutzen, also simple Wenn-Dann-Entscheidungen zu treffen. Übertragen auf die Auswahl von Mitarbeitern könnte das zum Beispiel heißen, dass ein Computer Lebensläufe auswertet. Die Bedingung ist dann beispielsweise: Wenn ein Bewerber einen Hochschulabschluss hat, kommt er in die zweite Bewerbungsrunde. Ein Anforderungsprofil lässt sich dafür in einzelne Bausteine zerlegen, die dann zur Auswertung von Bewerberprofilen herangezogen werden können. Darunter fallen Dinge wie Ausbildungsabschluss, Erfahrung in der Branche, Sprachkenntnisse etc. Problematisch wird es bereits, wenn Firmen vergessen, dem Katalog bestimmte Anforderungen zuzufügen, obwohl diese wichtig wären. Erfahrene Personalberater wie das Headhunter Team der Düsseldorfer Beratung head for work kitzeln solche Aspekte durch gezielte Fragen aus dem Management heraus und füllen bestehende Lücken. Die Datenbasis ist entscheidend für den Erfolg von Recruiting – insbesondere aber für die computergesteuerte.

AI-Recruiting: Algorithmen sind nur so gut wie ihre Erschaffer​

Wenn wir an Computer denken, dann ist der erste Impuls, dass es sich dabei um eine „neutrale“, unvoreingenommene Maschine handelt und nicht selten beschwören KI-Befürworter, dass Algorithmen menschliche Vorurteile und Voreingenommenheit in Entscheidungsprozessen beseitigen können. Doch ist es tatsächlich besser, wenn Computer bei der Rekrutierung eine größere Rolle einnehmen?

Computer Algorithmen und künstliche Intelligenz sind immer nur so gut, wie ihre Erschaffer. KI trifft Entscheidungen auf einer vorliegenden Datenbasis, die ihr von Menschen zur Verfügung gestellt wird. Bewusst oder unbewusst übertragen diese dabei bestehende Probleme in die Datenwelt. Auch das Fehlen von Daten kann dabei ein Problem sein, wie Caroline Criado Perez jüngst in ihrem Buch „Unsichtbare Frauen: Wie eine von Daten beherrschte Welt die Hälfte der Bevölkerung ignoriert“ gezeigt hat. Historisch bedingt fehlen in vielen Bereichen Daten über Frauen oder es wird der männliche Körper als Standardbeispiel genutzt, wie beispielsweise bei Crashtest-Dummies oder Medikamententests – mit der Folge, dass Besonderheiten des weiblichen Körpers nicht in Erwägung gezogen werden und mögliche Folgen beispielweise eines Autounfalls nicht oder schlecht dokumentiert sind. Ein vereinfachtes Beispiel zeigt, wie sich dieser Mangel an Daten auf Algorithmen auswirken kann: Lernt ein Computer aus Schulbüchern über historische Genies und was ein Genie ausmacht, so wird er lernen, dass Genies überwiegend männlich sind – weil historisch und kulturell bedingt weibliche Forscher, Künstler, Musiker etc. in der Öffentlichkeit lange Zeit kaum beachtet wurden. Frauen wie Marie Curie sind in Schul- und Lehrbüchern bis heute die Ausnahme, da die Forschung nur langsam die historischen Lücken füllt. Der Algorithmus wird zudem lernen, dass Genies nicht nur männlich sind, sondern auch weiß, und dass sie überwiegend aus Europa oder den USA stammen… Daten spiegeln also nicht zwangsweise die Realität wieder.

Als Tech-Unternehmen hat Amazon beispielweise recht früh in den Bereich des Robot Recruiting investiert, seit 2014 arbeitete ein Team daran, ein Programm zu entwickeln, dass Bewerbungen durchsucht, um Top-Talente zu finden. Kurze Zeit später aber zeigte sich ein großes Problem: Der Algorithmus hatte einen Daten-Bias und eine Befangenheit gegenüber Frauen. Doch wie konnte das passieren? Das Modell wurde trainiert, indem es die Rekrutierungen der letzten zehn Jahre beobachtete und auswertete. Und – wie im Tech-Sektor oft üblich – waren das meist Männer. Also brachte sich das System bei, dass Männer eine bevorzugte Kategorie sind und bestrafte Lebensläufe, die weibliche Attribute enthielten, wie beispielweise „Vorsitzende des Frauenfußballvereins“ oder US-amerikanische Colleges, die nur Frauen aufnehmen. Amazon neutralisierte das und löschte entsprechende Begriffe aus der Datenbank, aber letztlich konnte das Unternehmen nicht garantieren, dass das System nicht andere Wege finden würde, diskriminierende Entscheidungen zu treffen. Selbst sprachliche Feinheiten können da eine Rolle spielen, wenn Computer zum Beispiel eine „maskuline“ Sprache bevorzugen. Auch das hat das Beispiel Amazon gezeigt. (Mehr Infos: hier)

Wer als Unternehmen also über derartige Rekrutierungsmethoden nachdenkt, sollte solche Aspekte im Auge haben, denn es bringt auch rechtliche Konsequenzen mit sich. Man denke hier an Antidiskriminierungsgesetze.

Passt der Kandidat in das Team?​

Natürlich kann ein Computer auch Schlagworte wie Teamfähigkeit oder Leistungsfähigkeit auswerten, letztlich sagt dies aber nichts darüber aus, ob ein Kandidat auch ins Team passt. Zwischenmenschliche Faktoren spielen dabei eine wichtige Rolle. Haben Kandidaten eine Persönlichkeit, die zu den anderen Teammitgliedern passt? Und natürlich ist es einfach, in den Lebenslauf oder im Anschreiben die eigene Teamfähigkeit oder Lernbereitschaft zu betonen, das heißt aber nicht, dass Kandidaten diese auch wirklich mitbringen. Schließlich kennt jeder die entscheidenden Schlagworte, die bei Human Resources und Recruiting Teams gut ankommen. Erfahrene Personalberater konfrontieren Kandidaten frühzeitig mit den Werten und Ideen des Unternehmens, kennen die Bedürfnisse beider Seiten und haben gelernt, auch zwischenmenschliche Faktoren richtig einzuschätzen. Da mag jemand auf dem Papier ideal aussehen, passt die Persönlichkeit aber nicht, oder gehen die Arbeitsvorstellungen von Kandidat und Unternehmen komplett auseinander, dann macht es keinen Sinn, einem Kandidaten die Stelle anzubieten. Am Ende sind beide unglücklich und die Wahrscheinlichkeit ist groß, dass der gerade angeheuerte, neue Mitarbeiter schnell beginnt, nach einer neuen, besser geeigneten Stelle zu suchen.

Die Vor- und Nachteile von Robot Recruiting sind abzuwägen​

Wie ein Recruiting mittels Algorithmus funktioniert hat das Wirtschaftsmagazin brandeins getestet. Hier eine Leseempfehlung.

Letztlich also bleibt die Frage: Wie sinnvoll ist Robot Recruiting? Grundsätzlich steht AI / KI noch auf Kinderfüßen und ihre Leistungsfähigkeit und ihr Einsatzgebiet wird sich in den kommenden Jahren noch ändern und erweitern. Bewerbungsverfahren sind heute oft schneller und Innovationszyklen kürzer, Anforderungsprofile ändern sich in rasender Geschwindigkeit. Computer können sehr schnell lernen und so kann Robot Recruiting in dieser sich schnell ändernden Arbeitswelt tatsächlich ein Werkzeug sein, um schneller geeignete Kandidaten zu finden. So können AI Crawler beispielsweise Online Profile und Datenbanken absuchen und Vorschläge machen, wer für eine neue Stelle geeignet sein könnte – basierend auf den Daten, die Kandidaten zum Beispiel auf Xing oder LinkedIn über sich zur Verfügung stellen. Ein Mensch könnte dies nie so schnell.

An zwei Stellen aber scheitert die Mitarbeiterrekrutierung per Computer bislang: an der Datenbasis und an zwischenmenschlichen Faktoren, die sich halt nicht an Daten, Zahlen und Fakten festmachen lassen. Menschliche Personalberater haben ein Gespür für diese Details entwickelt und sind zum Beispiel durch gezielte Fragen in der Lage, die Feinheiten herauszufinden, an die Manager auf der Führungsebene vielleicht noch gar nicht gedacht haben, die aber für ein gutes Teamgefühl und eine erfolgreiche Zusammenarbeit wichtig sind. Menschen bestehen nicht nur aus sachlichen Fakten, sondern auch aus Emotionen und hier sind Berater und Mitarbeiter im Bereich Human Resources Computern bislang weit überlegen – und werden es voraussichtlich auch noch lange oder immer bleiben.

* Wir legen Wert auf Gleichberechtigung und ein Miteinander auf Augenhöhe. Deshalb beziehen wir unsere Personenbezeichnungen, egal in welcher Schreibweise auf alle Geschlechter.