LOGIN

You are here

Zurück zur Übersicht

Robot Recruiting: Job- und Skill-Matching mit neuen Technologien

von Careerplus • 9 Oktober 2018

Passt es oder passt es nicht? Rekrutierungsverantwortliche sind seit jeher auf der Suche nach dem «Perfect Match» zwischen Arbeitnehmer und Arbeitgeber. Doch neue Technologien haben vieles verändert. Erfahren Sie, wie Algorithmen rekrutieren, was Matching-Technologien sind und was das alles für die Rekrutierung bedeutet.

Robot Recruiting - Job- und Skill-Matching mit neuen TechnologienRobot Recruiting - Job- und Skill-Matching mit neuen Technologien

«Dank unserem Matching-Verfahren werden Ihnen aus 270 000 Usern sofort passende Kandidaten vorgeschlagen», verspricht Yooture. Die Jobplattform wirbt wie viele ihrer Konkurrenten damit, dass sie mittels Matching automatisch die perfekte Passung zwischen Arbeitgeber und Arbeitnehmer findet – den «Perfect Match». Das klingt verlockend. In der Rekrutierung spricht man von einem «Perfect Match», wenn die Skills und die Persönlichkeit des Kandidaten sowohl zu den Jobanforderungen als auch zur Unternehmenskultur passen. Was früher viel Zeit, Glück und Ressourcen in Anspruch nahm, läuft heute automatisch ab: Eine Software prüft die Passung anhand von Algorithmen. Tatsächlich spricht man im Zusammenhang mit Job- und Skill-Matching von Robot Recruiting. Doch Ängste, dass der gesamte Rekrutierungsprozess vollautomatisiert wird, sind fehl am Platz. Raphael Zahnd, Leiter Innovation & Business Development bei Careerplus, präzisiert: «Robot Recruiting bezeichnet eine Teilautomatisierung des Rekrutierungsprozesses: Eine Software beurteilt die Bewerber anhand von Algorithmen und aktuellen sowie historischen Daten. Sie gleicht die Bewerberprofile mit Anforderungsprofilen von möglichen Arbeitgebern ab. Das ist Job- und Skill-Matching.»

Wenn Algorithmen das Rekrutieren übernehmen

Die Algorithmen der Matching-Technologien durchforsten die Datenbanken nach passenden Paarungen zwischen den Bewerber- und den Anforderungsprofilen (Kandidaten und Jobs). Dabei müssen Job-Matching-Technologien eine grosse Menge an Informationen verarbeiten und stehen vor einigen Herausforderungen. Beispielsweise haben Unternehmen sehr unterschiedliche Ansprüche an ein und denselben Jobtitel: Das Stellenprofil eines Sales Managers in einem Maschinenbau-KMU ist nicht dasselbe wie das eines Sales Managers in einem grossen Pharmaunternehmen. Ausserdem können unterschiedliche Jobtitel denselben Job bezeichnen: «CEO» ist dasselbe wie «Geschäftsführer». Auch ist es schwierig, aus Lebensläufen automatisiert die Relevanz und Ausprägung wichtiger Fähigkeiten zu erkennen. Die Algorithmen der Job-Matching-Technologien müssen also nicht nur in der Lage sein, Informationen abzugleichen, sondern sie müssen diese auch aus verschiedenen Quellen extrahieren, verstehen und interpretieren können.

Einsatzmöglichkeiten von automatisiertem Matching

Einerseits setzen Online-Stellenbörsen, Job-Apps und Business-Netzwerke wie Xing, Yooture, LinkedIn und Talentfly auf automatisierte Matching-Technologien. Alle Plattformen haben dabei Matching-Angebote für beide Seiten, sowohl für Unternehmen wie auch für Kandidaten. Letzteren werden aufgrund ihres Profils automatisch nur diejenigen Stellenausschreibungen angezeigt, die für sie potenziell interessant sein könnten. Für die Unternehmen wird der Suchprozess ebenfalls einfacher: Sie können sicher sein, dass ihre Stellenanzeige vornehmlich von Leuten gesehen wird, die bereits potenziell passen könnten. Zudem nutzen die Job-Plattformen das Matching, um den Unternehmen direkt passende Kandidaten für ihre ausgeschriebenen Stellen vorzuschlagen.

Im Weiteren werden Matching-Technologien vermehrt auch in Bewerbermanagement-Systemen (Applicant Tracking System, ATS) eingesetzt. Dabei werden eingehende Bewerbungen automatisch mit dem Anforderungsprofil zur offenen Stelle abgeglichen. Der Recruiter sieht dann in Form eines Ratings, welche Bewerber am besten passen würden. Dank dieses «Pre-Scanning»-Prozesses kann man weitere Automatisierungen einführen. Beispielsweise standardisierte Absagen verschicken oder Kandidaten mit hohem Rating ohne weitere Prüfung so rasch als möglich zum Interview einladen.

«Robot Recruiting bezeichnet eine Teilautomatisierung des Rekrutierungsprozesses: Eine Software beurteilt die Bewerber anhand von Algorithmen und aktuellen sowie historischen Daten. Sie gleicht die Bewerberprofile mit Anforderungsprofilen von möglichen Arbeitgebern ab. Das ist Job- und Skill-Matching.»

Raphael Zahnd, Leiter Innovation & Business Development, Careerplus AG

Vor- und Nachteile der neuen Matching-Tools

Die Vorteile von Job-Matching liegen auf der Hand: Dank der automatisierten Vorselektion gewinnt man Zeit in der Rekrutierung. Zeit, die Recruiter in die persönliche Betreuung vielversprechender Kandidaten investieren können. Gerade in Arbeitsmärkten mit Fachkräftemangel sollten Unternehmen nicht lange mit einer Reaktion auf sich warten lassen – sonst hat sich der Kandidat in der Zwischenzeit für einen anderen Arbeitgeber entschieden. Die neuen Technologien machen den Rekrutierungsprozess also effizienter und kandidatenfreundlicher. Ausserdem kann man die Kandidaten von Anfang an viel zielgerichteter durch die Prozesse führen.

Was spricht gegen HR-Tools wie Job-Matching? Sie sind stets nur so intelligent, wie sie programmiert wurden, und sie hängen von den eingegebenen Daten ab. Ausserdem besteht die Möglichkeit, dass bestimmte Talente unentdeckt bleiben. Aber die Algorithmen werden immer besser und intelligenter. Und letztlich wird der Faktor Mensch stets eine entscheidende Rolle spielen: in der persönlichen Ansprache, beim Aufspüren verborgener Talente und beim Bewerten der Soft Skills.

Searchbasiertes vs. semantisches Job-Matching

Matching ist nicht gleich Matching – zumindest nicht in Bezug auf die Technologie dahinter. Grundsätzlich gibt es zwei Arten von Matching, beide haben ihre Vor- und Nachteile. In der Praxis können beide Methoden auch miteinander kombiniert werden.

Searchbasiertes Matching, auch bekannt als keywordbasiertes Matching, erkennt Begriffe in den Stellenausschreibungen und gleicht sie mit Begriffen in den Kandidatenprofilen ab. Eine Übereinstimmung (ein «Match») findet nur statt, wenn die Begriffe identisch sind. Synonyme wie «Personalleiter» und «Leiter Personal» erkennt das searchbasierte Matching nicht. Dafür ist es hochautomatisiert, kann mit grossen Datenmengen umgehen und ist äusserst schnell.

Semantisches Matching versucht, die Bedeutungen zu erfassen, Wörter und Sätze zu verstehen. Diese Algorithmen erkennen Ähnlichkeiten und Übereinstimmungen von Bezeichnungen, beispielsweise «Head of HR» und «CHRO» (Chief Human Resources Officer). Sie verknüpfen Inhalte statt einzelner Wörter und erkennen so auch Synonyme – wird ein «Arzt» gesucht, erscheint auch «Mediziner» in den Suchresultaten, nicht aber die «Doktorandin» oder der «Arzthelfer». Je mehr Daten solche Systeme analysieren, desto besser werden sie. Semantisches Matching ist sehr genau, aber zeitintensiv, da man die Algorithmen «trainieren» muss.

 

Nachgefragt bei Claudio Lehmann, Mitgründer von Yooture, Digital-Recruiting- und Matching-Experte

Herr Lehmann, wo sind aktuell die Schwachstellen bei den Matching-Tools?

Das Matching ist nur so gut wie die Daten, die für das Matching verwendet werden. Wenn die «Input-Daten» also schlecht sind, ist auch das Matching schlecht. Weiter besteht oft das Problem, dass Matching «rückwärtsgewandt» ist: Es bildet das ab, was im Lebenslauf steht. Der Nutzer sieht also grundsätzlich keine Jobs, die ihn für die Zukunft interessieren könnten. Beheben kann man diese Schwachstellen, indem man einerseits die Nutzer dazu «zwingt», eine gute Datenbasis zur Verfügung zu stellen, und indem man versucht, gewisse Dinge zu antizipieren, zum Beispiel indem man Muster im Lebenslauf erkennt.

Semantisches Matching ist präzise, aber aufwendig. Searchbasiertes Matching greift zu kurz. Was ist die Lösung?

Die Lösung ist, dass man beide Ansätze kombiniert. Searchbasiertes Matching hat den grossen Vorteil, dass es sehr schnell ist und mit sehr vielen Daten umgehen kann. Wenn man gewisse Elemente anreichert, beispielsweise Skills oder Jobtitel mit Synonymen ergänzt, kann man das searchbasierte Matching nochmals signifikant verbessern.

Können Algorithmen das «Bauchgefühl», die Soft Skills und den Cultural Fit berücksichtigen?

Ich glaube nicht, dass das Bauchgefühl ganz von der Maschine übernommen werden kann. Zwar gibt es bereits heute Tools, die Soft Skills und Cultural Fit berücksichtigen oder abfragen. Wir sehen aber den Einsatz des Matchings eher ganz am Anfang des Rekrutierungsprozesses – bei der Kontaktaufnahme. Dort wird meiner Meinung nach viel zu viel Zeit verloren. Die Maschine kann helfen, schnell geeignete Kandidaten und Jobs zusammenzubringen. Danach ist das persönliche Gespräch immer noch zentral, um etwas über die Persönlichkeit des Kandidaten zu erfahren.

Wie sollen Unternehmen Stellenausschreibungen formulieren, um ein gutes Matching zu erreichen?

Wichtig ist der Jobtitel. Dieser sollte selbsterklärend sein. Jobtitel wie «Berater und/oder Projektleiter Marketing & Kommunikation mit IT-Erfahrung» sind für ein Matching-System ein Problem, da sie sehr viele Begriffe enthalten, die für sich schon einzelne Jobtitel sind. Weiter sollte die Stellenbeschreibung auch sehr einfach gehalten werden. Ich würde beispielsweise auf eine allzu umfassende Beschreibung der Firma verzichten. Kandidaten können sich selber informieren, die Beschreibung der Firma verfälscht oft den wesentlichen Inhalt einer Stellenbeschreibung.

Was bringt die Zukunft in Bezug auf HR-Tools?

Wir glauben daran, dass Digitalisierung im HR-Bereich weiter Einzug hält. Wir glauben aber auch, dass dies in nächster Zeit nicht revolutionär sein wird, da es sich bei der Rekrutierung immer noch um einen Prozess handelt, der sehr persönlich ist. Gewisse Prozessschritte werden zwar von IT-Technologien abgelöst oder mit solchen unterstützt, aber andere werden weiterhin von Menschen getätigt. Insgesamt glauben und hoffen wir, dass die Rekrutierung für Arbeitnehmer wie -geber in Zukunft effizienter gestaltet wird.

Sie sprechen im Zusammenhang mit Ihrer App Yooture von Magic Matching. Was ist magisch an Ihrem Matching?

Magisch daran ist, dass mit relativ wenig Daten ein Matching erreicht wird, das anscheinend den Nutzern gefällt, und dass vor allem sehr viele Nutzer immer wieder überrascht werden mit Jobs, die sie sonst auf keiner anderen Plattform finden. Das ist eigentlich die schönste Rückmeldung, die wir erhalten.

Yooture ist ein Schweizer Tech-Start-up, das eine Matching-Technologie entwickelt hat. Die App von Yooture ist mit 270 000 Nutzern die zweitgrösste Job-App der Schweiz. Yooture bietet auch für Firmen Matching-Lösungen an, die u.a. passende Kandidaten aus dem Pool vorschlagen. www.yooture.com

 

Oktober 2018

TAGS

Kategorien :
Für Arbeitnehmer Für Arbeitgeber