Artikel 
Dank der semantischen Suche werden Recruiting-Neulinge zu Experten
Erinnern Sie sich noch an Matrix? Ja, das war dieser Film über eine postapokalyptische Zukunft, in der Maschinen die Menschheit versklavten. In jenem Sommer träumten Teenager, Kinder und Erwachsene davon, Kugeln auszuweichen und akrobatische Sprungtritte in Zeitlupe auszuführen. Aber ich nicht. Die Szene, die mich wirklich nachhaltig beschäftigte, ereignet sich, bevor die Action losgeht.
Als unser unerfahrener Held – mithilfe einer Diskette, eines Kabels und eines praktischen Steckers im Hinterkopf – innerhalb von zwei Sekunden vom Unwissenden zum Jiu-Jitsu-Meister wird. Das hat mich geprägt.
Was der Film zeigte, war eine faszinierende Idee. Ist es möglich, mithilfe der Technologie einen Anfänger einfach so in einen Profi zu verwandeln?
Heute weiß ich, dass das geht. So braucht es zum Beispiel jahrelange Berufserfahrung, bis Recruiter die Begriffe, die Positionsbezeichnungen, die Qualifikationen und die Eigenheiten einer Branche kennen. Und doch haben wir dieses Problem gelöst, indem wir die Kompetenzen neuer Recruiter durch eine intelligente Software erweitert haben, die sich nahtlos in ihren Arbeitsalltag integriert.
Wie machen wir das? Die erste Herausforderung besteht darin, dieses Wissen schnell, präzise und effizient aufzuschreiben. Nun könnte man meinen, dass es für einen menschlichen Programmierer und sogar für eine ganze Heerschar von Programmierern unmöglich ist, genau zu spezifizieren, was in verschiedenen Branchen, für verschiedene Rollen, in verschiedenen Ländern und Unternehmen wichtig ist. Und damit liegt man gewiss nicht falsch. Deshalb setzen wir auf Big Data. Anstatt zu versuchen, manuell zu definieren, was die relevanten Variablen sind, erstellen wir mithilfe von Data Analytics Ontologien, die uns dabei helfen, einzuschätzen, wie relevant die einzelnen Elemente im Verhältnis zueinander sind.
Die zweite Herausforderung ist die Übertragung dieses Wissens auf neue Recruiter – und das am besten, ohne ein Loch in den Hinterkopf bohren zu müssen! Stellen Sie sich zwei Recruiter vor, die die gleiche Aufgabe zu erfüllen versuchen: einen mit jahrelanger Berufserfahrung, den anderen ohne Vorkenntnisse in der Branche. Ihre Suchanfragen würden wahrscheinlich völlig unterschiedliche Ergebnisse liefern.
Hier geschieht die Magie! Wir sind vielleicht nicht in der Lage, das Wissen Ihrer Experten in das Gehirn des neuen Recruiters hochzuladen, aber wir können ihre Suchergebnisse so aussehen lassen, als hätten wir genau das getan.
Die semantische Suche wurde entwickelt, um zu verstehen, was die Benutzer zu finden beabsichtigen, und dann danach zu suchen, statt nur nach exakten Wortübereinstimmungen. Wenn ein Benutzer nach Kandidaten mit Erfahrung im „maschinellen Lernen“ sucht, berücksichtigt das System auch Personen mit Erfahrung in „künstlichen neuronalen Netzen“. Während unser unerfahrener Recruiter vielleicht nicht mit der Branche und dem Zusammenhang zwischen diesen beiden Konzepten vertraut ist, ist es unser System sehr wohl.
Doch auch diese Technologie ist nur so gut wie die Daten, auf denen sie basiert. Hier unterscheidet sich Avature Semantic Search von anderen Lösungen auf dem Markt. Die meisten anderen Anbieter verwenden einfach ein Standard-Tool, das entwickelt wurde, um zwischen banalen Alltagsgegenständen wie einem Motorrad und einem Fahrrad zu unterscheiden. Avature hat im Gegensatz dazu den steinigen Weg beschritten und eine völlig eigene Lösung mit dem ausdrücklichen Ziel entwickelt, die Chancen zu maximieren, vielversprechende Kandidaten in Ihrer Datenbank zu finden. Sie wurde unter Verwendung von Recruiting-Daten entwickelt, um Recruiting-Ziele zu erreichen.
In gewisser Weise ist dieses Konzept sogar besser als das, was die Matrix zu bieten hatte. Die Variante des Wissens im Film wird durch eine unveränderliche Diskette wiedergegeben und ist zeitlich festgelegt. Unser Konzept des Wissens ist dank unserer ständig weiterentwickelten Algorithmen dynamisch. Jedes Unternehmen ist anders, daher arbeiten wir häufig mit unseren Kunden zusammen, um maßgeschneiderte Ontologien zu entwickeln, die exakt ihren Bedürfnissen entsprechen. Und je leistungsfähiger unsere Software wird, desto besser kann sie Ihren Recruitern helfen.
Ein weiteres Problem beim Wissenstransfer nach Matrix-Art ist, dass Sie nicht sicher wissen, was in Ihr Gehirn hochgeladen wird. Was ist, wenn es verzerrt ist? Was ist, wenn es falsch ist? Weil es eine Blackbox ist, wissen wir es nicht. Das hat Auswirkungen auf die Realität. Amazon musste seine Recruiting-KI aufgeben, als entdeckt wurde, dass sie gegenüber Frauen voreingenommen war. Fünf Jahre lang bestrafte der Bewertungsalgorithmus Lebensläufe mit Sätzen wie „Damenschachclub“. Man stelle sich nur einmal vor, wie viele Talente Amazon verloren hat, weil sie nicht wussten, wie das System vorging.
Um das zu verhindern, verfolgen alle unsere Ansätze der künstlichen Intelligenz einen Whitebox-Ansatz. Anstatt die Benutzer – wie beim heute standardmäßigen Blackbox-Ansatz – im Dunkeln zu lassen, geben wir unseren Kunden Transparenz und Kontrolle darüber, welche Daten das System berücksichtigt. Sie können die zusätzlichen Begriffe sehen und einige oder alle entfernen. Mit Avature bleiben Fehler im System nicht unbemerkt. Transparenz ist eine unserer Schutzvorrichtungen gegen Verzerrungen und Fehler.
Dies ist ein faszinierendes Thema, das einen eigenen Artikel verdient, aber das Fazit ist folgendes: Bei Avature glauben wir an Technologien, die HR-Leiter, Hiring Manager und Recruiter unterstützen, nicht an Systeme, die versuchen, Entscheidungen für sie zu treffen. Avature Semantic Search verwendet Ontologien, die speziell für den HR-Bereich entwickelt wurden. Unser Ziel ist bereits bekannt: Die Macht in die Hände unserer Benutzer legen.
