Martin-Luther-Universität Halle-Wittenberg

Logo Lehrstuhl für Homepage

Weiteres

Login für Redakteure

Künstliche Intelligenz im Rekruiting (AI@REC)

Ausgangspunkt

Die Personalauswahl ist eine der wichtigsten Tätigkeiten im Personalmanagement. Es geht darum, die durch verschiedene Personalmarketing-Maßnahmen gewonnenen Bewerber/innen vor dem Hintergrund eines konkreten Bedarfes zu analysieren und den/die richtige/n Kandidaten/en zu identifizieren. Die Personalauswahl teilt sich dabei in die Vorauswahl auf Basis von Bewerbungsunterlagen und die anschließende Multi-Methoden-Wahl, z.B. durch Interviews und Testverfahren. Insbesondere liegt ein hoher administrativer Aufwand bei der Sichtung von digitalen oder schriftlichen Bewerbungen bei der Vorauswahl vor: Es müssen Anschreiben, Lebensläufe und Zeugnisse aller Bewerber/innen in Betracht gezogen werden, wobei gleichzeitig ein ökonomischer Druck hinsichtlich der Bearbeitungszeit und -qualität vorliegt - wer zu viel Zeit braucht kann ggf. eine/n Bewerber/in an Konkurrenten verlieren, wer zu schnell ist legt ggf. einen geeigneten Kandidaten/eine Kandidatin auf den "Absagestapel".

Ziel

Im Projekt künstliche Intelligenz im Rekruiting (AI @ REC) soll der mit der Vorauswahl verbundene administrative Aufwand bei der Sichtung von Anschreiben, Lebensläufen und Zeugnissen unter Anwendung von künstlicher Intelligenz reduziert werden. Die künstliche Intelligenz soll zunächst nur Vorschläge für eine Sortierung der Kandidatinnen und Kandidaten entwickeln, so dass die Vorauswahl „AI Informed“ und nicht „AI Driven“ umgesetzt wird. Personaler können die Vorschläge mittels Stichproben verifizieren und damit auch Entscheidungsmuster hinterfragen. Der so gewonnene Zeitaufwand soll mehr Zeit für die Führung von Einstellungsinterviews schaffen, so dass Kandidaten/Kandidatinnen „auf des Messers Schneide“ eher persönlich beurteilt werden als auf reiner Datenbasis - für diese fehlt ohne künstliche Intelligenz oft die Zeit.

Vorgehen

Es soll empirisch untersucht werden, wie durch eine Kombination aus Unsupervised Learning (Clusteranalysis) auf Basis von Wortmatrizen und Supervised Learning (Neural Net, Convolutional Neural Net) auf Basis von Worthäuigkeiten, Wort-Embeddings und grafischen Repräsentationen der Bewerbungen eine Beurteilung von Personalmanagern repliziert werden kann. Dazu dienen M Bewerbungsbeurteilungen einer Gruppe mit N Personalmanagern und analysiert werden jeweils verschiedene Aspekte einer Bewerbung (z.B. Worte eines Anschreibens). Auf dieser Basis soll ermittelt werden, welcher Aspekte oder welche Kombination von Aspekten bei der automatisierten Auswertung von Bewerbungsunterlagen zu einer größtmöglichen Accuracy zur menschlichen Personalvorauswahl besteht und diese damit am besten repliziert. Zudem können weitere, für den Rekruiting Prozess relevante Kennzahlen, bei der Bewertung integriert werden - etwa die Accuracy zur Eignung für und Beurteilung eines/r Kandidaten/-in nach dem Bewerbungsgespräch. Neben der Accuracy ist auch die Diskriminierungsfreiheit des Systems in Bezug zum Bildungshintergrund (Sprache), der Herkunft (Name, Geburtsort, Bild) oder auch des Geschlechts (Bezeichnung, Bild) zu berücksichtigen.

Beteiligte

Das Projekt AI @ REC) wird im Rahmen eines Forschungsverbundes, bestehend aus der Martin-Luther Universität Halle-Wittenberg (Prof. Dr. Anne-Katrin Neyer, Prof. Dr. Sackmann), der Technischen Hochschule Wildau (Prof. Dr. Marc Roedenbeck, MSc. Wirt. Psych. Marcel Herold), der Hochschule für Wirtschaft und Recht (Prof. Dr. Salmai Qari) sowie dem Unternehmen ifm electronic gmbh (Steffen Fischer, GF Personal; Volker Bessel Personalmarketing), bearbeitet. Die Daten für die Untersuchung werden im Rahmen von realen Bewerbungsprozessen von Bewerbern freiwillig zur Verfügung gestellt, ohne deren Auswahlprozess zu beeinflussen.

Ethik

Bisherige standardisierte Verwaltungsprozesse bei der Begutachtung von Unterlagen sowohl im öffentlichen als auch im privaten Sektor sollen mit diesem Projekt automatisiert werden. Sofern die trainierte künstliche Intelligenz nur Vorschläge für eine Vorselektion ermittelt und Personaler die Chance zu einer Verifizierung der Auswahl und die letztendliche Entscheidungshoheit für die Einladung zu einem Vorstellungsgespräch haben, liegt die dominante ethische Herausforderung des Projektes in der Beachtung einer diskriminierungsfreien Automatisierung in der Personalauswahl. Dazu wird gemäß der Diskussion der Ethik-Kommission der Technischen Hochschule Wildau nach dem Training der künstlichen Intelligenz auf Basis der menschlichen Urteile sichergestellt, dass der Bildungshintergrund, die Herkunft oder auch das Geschlecht im Mittel keinen signifikanten Einfluss auf die Vorschläge des Systems haben. Sollten systematische trainierte Diskriminierungen vorliegen, werden diese gemeinsam mit dem Unternehmen reflektiert und Wege zur Unterbindung sowohl bei der persönlichen als auch bei der maschinellen Auswahl beschritten.

Datenschutz

Sensible personenbezogene Daten dürfen nur unter besonderen Bedingungen verwendet werden (DSGVO Art. 9 Abs. 2). Für Forschung und Wissenschaft gelten dabei besondere Regelungen (BDSG neu § 27 Abs. 1-4). Erster wesentlicher Aspekt ist dabei die Einwilligung (DSGVO Art. 6, BDSG neu §3) zur spezifischen Nutzung der Daten. Im Rahmen des Projektes werden die für die Untersuchung relevanten Daten im Rahmen von realen Bewerbungsprozessen von Bewerbern und Bewerberinnen freiwillig zur Verfügung gestellt. Dazu stellt das beteiligte Unternehmen ifm electronic GmbH im elektronischen Bewerbungsprozess eine Auswahloption ein, die Daten Zweck-gebunden für die Forschung zur Nutzung von künstlicher Intelligenz im Rekruiting zur Verfügung zu stellen und weist darauf hin, dass dies den regulären Auswahlprozess nicht beeinflussen wird. Zweiter wesentlicher Aspekt ist die Auskunftspflicht (BDSG neu § 27 Abs. 2) in Bezug zu der Verwendung der Daten im Allgemeinen. Dieses wird über ein webbasiertes Informationsangebot Seitens der an der Forschung beteiligten Institutionen (http://www.th-wildau.de/marc-roedenbeck   ) sichergestellt und vom beteiligten Unternehmen ifm electronic GmbH an entsprechender Stelle verlinkt. Die darüberhinausgehende individuelle Auskunftspflicht ist eingeschränkt, da im Rahmen der Erforschung künstlicher Intelligenz der individuelle Dateneinfluss nur mit unverhältnismäßig hohem Aufwand erklärt werden kann. Dritter Aspekt ist die Anonymisierungspflicht (BDSG neu § 27 Abs. 3) sobald dies im Rahmen der Forschung möglich ist. Da im Rahmen von Rekruiting Prozessen nur personenbezogene Daten (Anschreiben, Lebenslauf, Zeugnisse; z.B. mit Namen, Anschriften, Namen von Organisationen & Bildungsinstitutionen, Bewerbungsfotos, Alter, Geschlecht) verwendet werden, ist eine Anonymisierung vor und während den Analysen nicht möglich. Da das Projekt den Einfluss verschiedener personenbezogener Daten untersucht, würde eine Anonymisierung das Projekt sogar unmöglich machen. Viertens gelten für den Umgang mit den personenbezogenen Daten zwei wesentliche Aspekte: A) Sind die personenbezogenen Daten während der Speicherung mit geeigneten technischen und organisatorischen Maßnahmen zu schützen (DSGVO Art. 32 Abs. 1). Dazu werden diese in einem passwortgeschützten Datenraum auf den Servern der beteiligten Hochschulen (Nextcloud der TH Wildau / HWR) aufbewahrt und verarbeitet. B) Nach Abschluss der Untersuchungen sind die personenbezogenen Daten unverzüglich zu löschen (DSGVO Art. 17). Da hier jedoch auch mittel bis langfristige Kennzahlen berücksichtigt werden sollen, ist eine Speicherung der personenbezogenen Daten mind. bis zum Ende der Probezeit resp. einer mind. 2 jährigen befristeten Tätigkeit unabdingbar.

Zum Seitenanfang