Personalauswahlalgorithmen

unter dem Brennglas

Autor: L. Preußer, erstellt: 28-Okt-2024

Erstmals vorgetragen im Engineering Forum der IG Metall.

Was ist Personalauswahl?

Finde die bestmögliche Besetzung für eine Stelle.

Bewertung und Abgleich

Fähigkeiten

Fertigkeiten

Kenntnisse

Habitus / Werte / Kultur

Persönlichkeit

Was ist ein Algorithmus?

Eine eindeutige Handlungsvorschrift zur Lösung eines Problems [...] [1]

Problem

Bilde die Fakultät einer beliebigen, positiven ganzen Zahl kleiner 256.

Handlungsvorschrift


						uint64_t fakultaet(uint8_t wert) {
							if (wert > 0) {
								return wert*fakultaet(wert-1);
							} else {
								return 1;
							}
						}

Findet jemand einen Programmierfehler? 😉

Künstliche Intelligenz

| Stellen Sie sich vor, Personen werden auf Robotersein geprüft. |

| Dafür wird ihnen ein Bild angezeigt. |

| Sie sollen die Wahrscheinlichkeit angeben, darauf eine "Ampel" zu sehen. |

| Person "A" tut dies anhand der Farbanteile im Bild. |

| Person "B" bewertet die Formen im Bild. |

| Person "C" analysiert Bildkontraste. |

| Person "D" versucht, sich wiederholende Winkel zu erkennen. |

| Person "E" zählt Kreise im Bild usw. |

| Alle Aussagen werden gewichtet und man erhält einen Wahrheitswert. |

Neural Network

Kontext (gesprochenes Wort)

Nichts hinkt wie dieser Vergleich. Der Punkt ist, dass bei "neuronalen Netzen" ein mathematisches Modell zum Einsatz kommt, welches als Geflecht aus gewichteten Übertragungsfunktionen abgebildet wird. Es ermittelt die wahrscheinlichste Lösung der eingegebenen Aufgabe. All dies basiert auf der Übertragungsfunktion samt Gewichtung, deren Parameter mittels "Training" festgelegt werden. [2]

Training

| Stellen Sie sich das Wurzelgeflecht eines Baumes vor. |

| Der Sommer ist besonders trocken. |

| Der Baum ist auf der Suche nach Grundwasser. |

| Mit den Kräften muss hausgehaltet werden. |

| Daher wird der Baum Wurzeln mit Kontakt zu Wasser stärker ausprägen. |

| Wurzeln, die bei der Suche nicht erfolgreich waren, verkümmern. |

Reinforcement Learning

Slide 2

Ein Beispiel für "Pre-AI-hiring"

    Die Stelle wird ausgeschrieben. Erst Intern, dann extern, zumeist online.

    Ein Filter wird auf die Flut von Bewerbungen angewandt.

    Es erfolgt ein Einstellungstest für die verbleibenden Personen.

    Nun wird eine Reihenfolge gebildet.

    Die besten KandidatInnen erhalten ein strukturiertes Interview.

    Schließlich wird die Person mit der höchsten Punktzahl eingestellt.

Und was hat

"Künstliche Intelligenz"

damit zu tun?

Annahmen

Am Begriff "KI" kommt keiner mehr vorbei. [2] [3]

Großen Investitionen stehen derzeit geringe Einnahmen gegenüber. [4] [5]

Wir haben Fachkräftemangel. [6]

Personalabteilungen werden auf Effizienz und Schlankheit getrimmt. [7] [8]

Motivation aus Unternehmenssicht

"Wir wollen HR bei Routinetätigkeiten entlasten." [#nr]

"Das Angebot von KI-Produkten ist groß." [#nr]

"Personalauswahl ist teuer und zeitaufwändig." [#nr]

"Wir haben im Moment nicht das richtige Talent an Bord." [#nr]

Schlussfolgerungen

Für allgemeine Fragen rund um die Bewerbung nehmen wir den Chatbot.

Das "Matching" auf die Stellen machen wir regelbasiert.

Mittels KI-Werkzeugen lassen wir Umgebungsparameter einfließen.

Wir optimieren unsere Stellenausschreibungen durch LLMs.

Was die Firma eigentlich möchte

Besseres Personal! 🥳

Geringere Verwaltungskosten 🤑

Schärfere Anforderungsprofile für offene Stellen 🧐

Was die Firma stattdessen bekommt

| Szenario |

| Ein Unternehmen möchte "KI" im Personalwesen einsetzen. |

| Es abonniert eine "KI-Lösung" und lässt sie in ihr Software-Ökosystem einbinden. |

| Weil es die Technologie dahinter weder beherrscht noch entwickeln möchte. |

| Ab jetzt fließen Anschreiben, Lebensläufe, Zeugnisse |

| durch Softwarekomponenten von Drittanbietern. |

| Auch das Erstellen von Ausschreibungen wird ausgelagert. |

Dadurch verliert das Unternehmen mehrere seiner Kernkompetenzen.

Vorteile für Drittanbieter

Abofalle! 😈

Kostenlose Trainingsdaten 💎

Persönliche Daten von BewerberInnen 🐙

Einblicke in Betriebsinterna der Auftraggeber 🔍

Was tun die Gesetzgeber?

📖

DSGVO / GDPR

Schutzziele:

    Vertraulichkeit

    Verfügbarkeit

    Integrität

Kontext (gesprochenes Wort)

    Personenbezogene Daten = Daten, die einer natürlichen Person (auch mittelbar) zugeordnet sind

    Vertraulichkeit = Schutz vor unbefugter Preisgabe der Information

    Verfügbarkeit = Schutz vor ungefugter Vorenthaltung der Information

    Integrität = Schutz vor unbefugter Veränderung der Information

Ansprüche:

    Datenminimierung

    Nichtverkettung

    Transparenz

    Intervenierbarkeit

Kontext (gesprochenes Wort)

    Datenminimierung: Menge, Umfang, Speicherdauer, Zugänglichkeit

    Nichtverkettung: Keine Zusammenführung, Zweckbindung

    Transparenz: Welche Daten werden von wem, wo und für welchen Zweck gespeichert?

    Intervenierbarkeit: Benachrichtigung, Auskunft, Berichtigung, Beschränkung, Löschung, Übertragung, Widerspruch, Eingriff

EU AI Act

Inhalt folgt!

Selbstverpflichtungen

Inhalt folgt: "Responsible AI", "AI Ethics"

Blickwinkel betroffener Personen

    "Was wird denn für mich besser?"

    "Ich optimiere meine Bewerbung mit AI-Tools auf AI-Tools."

    "Der Bewerbungsprozess darf nicht so lange dauern."

    "Ich möchte lieber mit echten Menschen sprechen."

    "Mir kommen da direkt Datenschutzbedenken."

    "Das Unternehmen muss auch zu mir passen."

Mein Fazit

Scrum kann zu erheblich schneller verfügbaren und besser auf die Kundenwünsche zugeschnittenen Produkten führen.

Scrum unterstützt flache Hierarchien und kann zu mehr Eigenverantwortung beitragen.

Es ist eine große Herausforderung, die agile mit der klassischen Welt zu vereinen.

Scrum ist im Alltag mit Blick auf die Zwiebel schwach.

Daher benötigt Scrum eine auf Dauer angelegte Anstrengung aller Beteiligten.

Kreativbereich

Vorurteile und Bias [#nr] KI als Produkt seiner Zeit Welche Risiken bergen KI-Produkte im Personalwesen darüberhinaus?