Robot-Recruiting entlastet HR davon, Berge von Bewerbungsunterlagen selbst durchzuschauen. Zugleich setzen solche Softwarelösungen die Suche in Bewerbungen exakt entsprechend dem benötigten Stellen- oder Funktionsprofil um. Die Basis der Suche bilden Daten, mit deren Hilfe das Programm Bewerberunterlagen mit dem Anforderungsprofil auswertet. Mit Hilfe der Matching-Software soll die Auslese der Bewerber objektiver, schneller und vorurteilsfrei ablaufen. Also lässt Robot-Recruiting in jedem Fall bessere Indikatoren wie beispielsweise eine kürzere Time-to-Hire erwarten. Das verursacht weniger Kosten und reduziert den personellen Aufwand im HR-Ressort.
Aber liefern objektivere Prozesse mittels einer Software automatisch auch bessere Matching-Ergebnisse für einen Arbeitgeber? Viele Personaler, die ihre Bewerberauswahl bislang immer nach eigenem Bauchgefühl getroffen haben, werden an dieser Stelle widersprechen.
Vier Verfahrenstypen
Recruiter beleuchten einen Bewerber bislang vor allen danach, ob er den fachlichen Anforderungen an das Stellenprofil gerecht wird und ob er in die Organisation und das Team passt. Neben HR kommt auch der suchende Fachbereich zum Zug. Gerade bei der Prüfung der Kriterien Fachkompetenz und Teamfähigkeit sprechen Verantwortliche eines Bereichs entscheidend mit. Doch auch in dieser Konstellation kann Robot-Recruiting die Arbeit der Entscheider im Unternehmen erleichtern. Immer unter der Prämisse, dass der Bewerber bereit ist mitzumachen.
Unterschiedlich sind bislang die Verfahrensansätze bei Matching-Software. Hier lassen sich drei Niveaus unterscheiden:
- Level-based Matching
- Matching auf der Basis von Schlüsselwörtern
- Typisierung
- psychologisch unterlegtes Matching
Softwareprogramme für ein Level-based Matching kommen ohne umfangreiche Algorithmen aus. Die Bewerber füllen Felder auf Bewerbungsseiten im Internet aus, wobei die Angaben überwiegend in der Beantwortung von Ja-Nein-Fragen oder im Einfügen von Zahlen – etwa innerhalb einer Skala – bestehen. Die Recruiter haben zuvor Wunschwerte in das System eingegeben, so dass sie Auswertung der einzelnen Bewerber in einem automatischen Abgleich erfolgt und zu einem individuell verschiedenen Match für jeden Bewerber führt.
Aktuelle Matching-Software-Programme arbeiten vor allem mit der Suche nach Schlüsselwörtern. Um einen Match zu erzielen, sucht ein Programm etwa Lebensläufe nach zuvor eingegebenen Stichwörtern ab, die für das Stellenprofil relevant sind. Allerdings ist die Analysefunktion dieser Programme starr in dem Sinne, dass sie nur feste Begriffe sucht und ähnlich lautende Wörter, die womöglich die gleiche Bedeutung haben, nicht erkennt.
Um solche Übereinstimmungen zu erkennen, müssen die Programme in der Lage sein, die Bedeutung von Schlüsselwörtern zu verstehen und miteinander abzugleichen. Im Unterschied zur einfachen Analyse rein nach Schlüsselwörtern sind Programme mit semantischen Funktionen in der Lage, auch ähnlich lautende Begriffe sowie Wörter mit einer ähnlichen Bedeutung zu identifizieren. Solche Software arbeitet mit Suchalgorithmen und ist für erfolgreiche semantische Analysen auf Fachwissen über Jobprofile etc. angewiesen.
Lernende Systeme erwerben umso größere Mengen an Wissen und verbessern ihre Analysequalität, je länger sie in den definierten Aufgaben zum Einsatz kommen. Natürlich können auch die Bewerber die Analysen einer Matching-Software zu ihren eigenen Gunsten beeinflussen, indem sie bestimmte Wörter in Anlehnung an die ausgeschriebenen Stellen in ihren Bewerbungsunterlagen bzw. in einem Onlinebewerbungsverfahren benutzen. Ein Problem für viele Unternehmen hierzulande besteht darin, dass sie gar nicht über die Datenmenge verfügen, auf deren Basis ein selbstlernender Algorithmus die Ergebnisse für eine vernünftige Mitarbeitersuche ermitteln könnte. Mit Hilfe großer Datenmengen können Softwareprogramme Musterprofile der Wunschkandidaten kreieren. Anders sieht es in den USA aus, wo schon heute fast alle Konzerne die Bewerbungsunterlagen von Software analysieren und aussortieren lassen.
Typisierung und psychologische Fragebögen
Die nächsthöhere Entwicklungsstufe im Robot-Recruiting ist die Typisierung. Dabei stuft ein Programm die Bewerber in Typenklassen entsprechend ihrer Persönlichkeitsmerkmale ein. Zunächst stellt das Unternehmen alle Angaben zusammen, die für das zu besetzende Stellenprofil relevant sind. Dazu gehören die geforderten Kompetenzen sowie die sozialen und persönlichen Eigenschaften. Daraus erstellt das Programm einen Persönlichkeitstypus. Es entwickelt nun auf dieser Basis von jedem Bewerber anhand seiner Eingaben und Bewerbungsunterlagen eine Beurteilung seiner Persönlichkeit. Am Ende werden der Bewerber und seine Typisierung mit dem gesuchten Idealtypus abgeglichen.
Das Ergebnis dieses Bewertungsprozesses verspricht ein relativ hohes Maß an Objektivität. Voraussetzung dafür ist, dass das Softwareprogramm und die verwendeten Algorithmen samt der Prozesse dem Qualitätsanspruch gerecht werden können. Insbesondere ist ein transparentes und anerkanntes Verfahren für die Bewertung, aber auch für die Unterscheidung von Typen erforderlich.
Die vierte und zugleich intensivste Form der Bewerberprüfung im Rahmen von Robot-Recruiting zielt auf ein psychologisch unterlegtes Matching ab. Dieses Verfahren arbeitet mit personalpsychologischen Fragebögen. Mit deren Hilfe analysiert das Programm die Persönlichkeit eines Bewerbers im Job und gleicht sie mit dem Anforderungsprofil des Unternehmens ab. So lässt sich bestimmen, in welchem Maße die Kompetenzen und die Persönlichkeit eines Bewerbers zur Stelle und zur erforderlichen Motivation für den Job passen. Im Ergebnis wird ein Bewerber nicht einer Typendefinition zugeordnet. Stattdessen stellt sich das Analyseergebnis als Zusammenstellung individueller Einzelresultate für verschiedene Kriteriengruppen dar.
Das psychologisch unterlegte Verfahren ist natürlich aufwendiger als die ersten drei vorgestellten, verspricht aber ein qualitativ besseres Matching. Die Analyseergebnisse sollen beispielsweise aufzeigen, in welchen Funktionen und Bereichen ein Bewerber seine Stärken hat und wo es besonders sinnvoll ist, ihn einzusetzen. So ergibt sich auf viele Fragen kein Ja oder Nein, sondern graduelle Bewertungen.
KI hilft beim Recruiting
Die künftigen Lösungen von Matching-Software werden noch mehr und selbständiger mit künstlicher Intelligenz arbeiten. Das erfordert von den HR-Experten mehr Offenheit, sich auf die neuen Technologien einzulassen. Solche Anwendungen werden die Arbeit von HR verändern und sie unterstützen, die menschliche HR-Arbeit aber auf Sicht nicht verdrängen. Vielmehr werden sich Kompetenzen, Aufgaben und Rollen von HR-Experten weiterentwickeln.