Zum Hauptinhalt springen
Erste Schritte
Avature

Bekenntnis zu KI-Exzellenz

Die KI von Avature basiert auf mehr als einem Jahrzehnt an Erfahrung mit mehrsprachiger Textverarbeitung, Semantik und maschinellem Lernen. Seit der Einführung unseres Lebenslauf-Parsers im Jahr 2013 haben wir unsere KI-Strategie kontinuierlich weiterentwickelt, indem wir diese Technologie zu einem grundlegenden Bestandteil der Avature-Plattform gemacht haben. So unterstützt unsere KI immer mehr Funktionen mit dem Potenzial, das Nutzererlebnis während des gesamten Talent-Lebenszyklus zu transformieren.

Durch unsere kontinuierlichen Investitionen in Forschung und Entwicklung stellen wir sicher, dass die Plattform auch weiterhin an der Spitze intelligenter Unternehmenssoftware steht. Gleichzeitig haben wir durch unsere jahrelange Zusammenarbeit mit internationalen Unternehmen und Regierungsbehörden wichtige Kenntnisse und Erfahrungen gesammelt. Dies ermöglicht es uns, Algorithmen zu entwickeln, die präzise Vorhersagen treffen und das Nutzererlebnis für Unternehmen verbessern, die nach herausragenden HR-Leistungen streben.

Avatures Vorgehensweise bei der KI-Entwicklung

Künstliche Intelligenz ist in aller Munde. Um die Chancen der KI zu nutzen, ist es jedoch strategisch wichtig, sich auf das Wesentliche zu konzentrieren. Deshalb liegt unser Entwicklungsschwerpunkt darauf, der Personalabteilung einen konkreten Mehrwert zu liefern. Wir stützen uns dabei auf vier Grundsätze:

Organische Entwicklung

Wir erstellen unsere Algorithmen intern und trainieren sie mit hochwertigen, HR-spezifischen Daten, um so besser auf die Anforderungen unserer Kunden ausgerichtet zu sein.

Plattformübergreifende KI

Die Architektur der Avature-Plattform ist so gestaltet, dass die KI-Engine zur Optimierung eines jeden Anwendungsfalls eingesetzt werden kann, wenn hierdurch ein Mehrwert entsteht.

Konfigurierbare KI

Wir gewähren den Benutzern vollständige Transparenz und Kontrolle über die internen Systemabläufe, um so die Entscheidungsfindung zu unterstützen.

Vorurteilsfreie KI

Wir fördern vorurteilsfreie Prozesse, indem wir persönliche Merkmale oder menschliche Entscheidungen aus der Vergangenheit nicht in die Daten einbeziehen, mit denen wir unsere Modelle trainieren.

Organische Entwicklung

Wir erstellen unsere Algorithmen intern und trainieren sie mit hochwertigen, HR-spezifischen Daten, um so besser auf die Anforderungen unserer Kunden ausgerichtet zu sein.

Plattformübergreifende KI

Die Architektur der Avature-Plattform ist so gestaltet, dass die KI-Engine zur Optimierung eines jeden Anwendungsfalls eingesetzt werden kann, wenn hierdurch ein Mehrwert entsteht.

Konfigurierbare KI

Wir gewähren den Benutzern vollständige Transparenz und Kontrolle über die internen Systemabläufe, um so die Entscheidungsfindung zu unterstützen.

Vorurteilsfreie KI

Wir fördern vorurteilsfreie Prozesse, indem wir persönliche Merkmale oder menschliche Entscheidungen aus der Vergangenheit nicht in die Daten einbeziehen, mit denen wir unsere Modelle trainieren.

Entdecken Sie unsere KI-gestützten Funktionen

Unser Ansatz bei der KI-Entwicklung führt zu einem robusten Satz von Funktionen, mit denen die Recruiting- und Talentmanagementprozesse verbessert werden können.

Mehr erfahren

Die Köpfe hinter der KI von Avature

Das Machine Learning (ML)-Team ist bei unseren KI-Innovationen federführend und für die kontinuierliche Verbesserung unserer Modelle durch Spitzenforschung und -entwicklung verantwortlich. Dass KI zu einem zentralen Element der Avature-Plattform geworden ist, verdanken wir jedoch nicht nur einem Team. Die Arbeit des ML-Teams wird von zwei weiteren Teams ergänzt, die sich auf die Integration von KI in die Benutzeroberfläche in Form von benutzerfreundlichen Funktionen spezialisieren.

Eines dieser Teams ist das Natural Language Processing (NLP)-Team, das unter anderem für die Verbesserung unserer Matching-Engine, des Skill-Frameworks und des Lebenslauf-Parsers zuständig ist.

Das zweite Team ist das Chatbots-Team, das sich auf die Entwicklung und Wartung unseres dialogorientierten KI-Chatbots und die Erstellung einer Datenbank zur weiteren Verbesserung unserer Sprachverarbeitungs- und Sprachgenerierungsfunktionen konzentriert.

Den Weg für KI bahnen: Die Forschung unseres Teams

Wir folgen nicht einfach den Trends. Wir setzen die Trends. Das NLP-Team bringt sich aktiv in die KI-Community ein, indem es seine Ergebnisse zur Avature KI in Peer-Review-Journalen veröffentlicht und seine Fortschritte auf Fachkonferenzen vorstellt.

2023

Normalisierung von Ausbildungsangaben in digitalisierten Recruiting-Prozessen

In diesem Fachartikel normalisiert unser Team die aus Lebensläufen extrahierten Angaben zur Ausbildung und überführt diese in Ausbildungsniveaus/Studienrichtungen. Zudem definiert das Team eine neue Taxonomie für Studienrichtungen und zeigt auf, wie der Prozess auf eine Zuordnung von Kandidat zu Stelle angewendet werden kann.

PDF-Datei aufrufen
2023

Lebenslauf-Parsing als hierarchisches Sequenz-Labeling: Eine empirische Studie

Das Extrahieren von Informationen aus einem Lebenslauf wird in der Regel in zwei Phasen ausgeführt. Unser ML-Team schlägt die Verwendung einer neuralen Netzwerkarchitektur vor, damit beide Phasen gleichzeitig ablaufen können. Das Modell verbessert die Systemeffizienz und die Genauigkeit des Lebenslauf-Parsings in sieben Sprachen.

PDF-Datei aufrufen
2022

Ermittlung der Ähnlichkeit von Stellenbezeichnungen aus verrauschten Skill-Labels

Die semantische Ähnlichkeit von Stellenbezeichnungen wird von anderen ML-Modellen mithilfe von Techniken des überwachten Lernens gemessen, die mit riesigen manuell beschrifteten Datenmengen trainiert wurden. Wir stellen eine nicht überwachte Methode des Repräsentationslernen vor, die genauso effektiv und weniger kostspielig ist.

PDF-Datei aufrufen

Brücke zwischen Wirtschaft und Wissenschaft

Avature wurde kürzlich vom spanischen Ministerium für digitale Transformation ausgewählt, den ersten „Lehrstuhl für Künstliche Intelligenz und Sprachtechnologie“ in Zusammenarbeit mit dem renommierten HiTZ-Zentrum für Sprachtechnologie der Universität des Baskenlandes (UPV/EHU) einzurichten.

Dieser Lehrstuhl bringt akademische und unternehmerische Perspektiven in der sich schnell entwickelnden KI-Landschaft zusammen, um die Forschung voranzutreiben, die Entwicklung von KI sicherzustellen und ihre Auswirkungen zu maximieren.

Mehr erfahren
" aria-hidden="true

Die sichere Wahl

Avatures KI-Ansatz orientiert sich am Artificial Intelligence Risk Management Framework (AI RMF 1.0) der KI-Verordnung 100-1 des US-amerikanischen National Institute of Standards and Technology (NIST). Wir legen großen Wert auf die Einhaltung der neuesten gesetzlichen Bestimmungen, was sich auch in der kürzlich durchgeführten Prüfung von Automated Employment Decision Tools (AED; Audit der automatisierten Tools für Beschäftigungsentscheidungen) gemäß dem New York City Bias Audit Law zeigt.

Unsere KI soll ein System zur Entscheidungsunterstützung sein, dessen Ergebnisse stets erklärbar, zugänglich und anpassbar sind. Damit ist Avature die optimale Wahl für Unternehmen, die KI auf sichere Weise bereitstellen möchten, um das Recruiting, das Talentmanagement, Mitarbeiterschulungen und Umschulungen in großem Maßstab zu optimieren.

Produktvorführung vereinbaren

Zusätzliche Ressourcen

" aria-hidden="true

Schaffen Sie digitale Erlebnisse mit KI-gestützter Recruiting-Automatisierung

Erfahren Sie, in welchen Anwendungsfällen KI-gestützte Recruiting-Automatisierung den größten Nutzen bringen kann, welche Eigenschaften eine erfolgreiche Plattform aufweisen sollte und wie Sie die richtigen Erwartungen an Ihren Technologiepartner stellen.

Kostenloses Ebook
" aria-hidden="true

Kompetenzen verstehen: Neuronale Netzwerkmodelle für die Semantik von Kompetenzen

Rabih Zbib, KI-Experte bei Avature, gibt uns einen detaillierten Einblick in die Semantik und Einbettung von Kompetenzen mithilfe von KI und Machine Learning.

Sicht
" aria-hidden="true

Ein detaillierter Überblick über das Ähnlichkeitsmodell für Berufsbezeichnungen von Avature

Unser Forschungsteam für maschinelles Lernen hat einen innovativen Ansatz zur Bestimmung der semantischen Ähnlichkeit von Berufsbezeichnungen entwickelt. Wir haben die wichtigsten Punkte dieser Arbeit in diesem Blogbeitrag für Sie zusammengefasst.

Sicht