Zusammenfassung
Im Recruiting sind oftmals große Datenmengen aufzubereiten und zu analysieren. Das Ziel dabei: Die Informationsverarbeitung und Entscheidungsfindung vor, während und nach der Bewerbung zu optimieren sowie die Kommunikation zwischen Recruitingverantwortlichen, Fachabteilungen und Bewerbern zu unterstützen. Für den Einsatz von Verfahren der Künstlichen Intelligenz eröffnen sich in diesem Bereich vielfältige Anwendungsmöglichkeiten entlang des gesamten Recruitingprozesses bzw. der sogenannten „Candidate Journey“. Diese Anwendungsfelder und zugehörigen Potenziale für den KI-Einsatz werden im Beitrag zunächst systematisch beschrieben. Danach werden Erkenntnisse aus konkreten Pilotanwendungen vorgestellt. Hierzu gehören eine KI-Anwendung zur Unterstützung der Recruiter bei der Formulierung von Stellenanzeigen sowie die Einsatzmöglichkeiten von Chatbots im Bewerbersupport.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Malin L, Jansen A, Seyda S et al. (2019) KOFA-STUDIE 2/2019, Fachkräfteengpässe in Unternehmen. Fachkräftesicherung in Deutschland – diese Potenziale gibt es noch. https://www.kofa.de/fileadmin/Dateiliste/Publikationen/Studien/Fachkraefteengpaesse_2019_2.pdf. Zugegriffen: 4. Mai 2020
Anger C, Koppel O, Plünnecke A et al. (2019) MINT-Frühjahrsreport 2019: MINT und Innovationen – Erfolge und Handlungsbedarfe. https://www.iwkoeln.de/fileadmin/user_upload/Studien/Gutachten/PDF/2019/MINT-Fr%C3%BChjahrsreport_2019.pdf. Zugegriffen: 4. Mai 2020
Bitkom/DFKI (2017) Künstliche Intelligenz: Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung. https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf. Zugegriffen: 4. Mai 2020
Goodfellow I, Bengio Y, Courville A. (2016) Deep Learning (Adaptive Computation and Machine Learning). MIT Press, Cambridge
Escalante HJ, Guyon I, Escalera S, Jacques J, Madadi M, Baro X, Ayache S, Viegas E, Gucluturk Y, Guclu U, van Gerven MAJ, van Lier R (2017) Design of an explainable machine learning challenge for video interviews. In: 2017 International Joint Conference on Neural Networks (IJCNN). IEEE, S 3688–3695. https://doi.org/10.1109/IJCNN.2017.7966320
Liem CCS, Langer M, Demetriou A, Hiemstra AMF, Sukma Wicaksana A, Born MP, König CJ (2018) Psychology meets machine learning: interdisciplinary perspectives on algorithmic job candidate screening. In: Escalante HJ, Escalera S, Guyon I, Baró X, Güçlütürk Y, Güçlü U, van Gerven M (Hrsg) Explainable and interpretable models in computer vision and machine learning. Cham, Springer, S 197–253. https://doi.org/10.1007/978-3-319-98131-4
Du M, Liu N, Hu X (2019) Techniques for interpretable machine learning. Commun ACM 63(1):68–77. https://doi.org/10.1145/3359786
ESCO (2020) Database for European skills, competences, qualifications and occupations. https://ec.europa.eu/esco/portal/home. Zugegriffen: 4. Mai 2020
DSGVO (2018) Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung) in der aktuellen Version des ABl. L 119, 04.05.2016; ber. ABl. L 127, 23.05.2018. https://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32016R0679. Zugegriffen: 4. Mai 2020
Mayson SG (2019) Bias in, bias out. Yale Law J 128(8):2218–2300
Dobson S (2018) Is AI biased in recruitment? Amazon’s misstep highlights challenges for employers. https://www.hrreporter.com/focus-areas/hr-technology/is-ai-biased-in-recruitment/299161. Zugegriffen: 4. Mai 2020
Wilke F (2018) Künstliche Intelligenz diskriminiert (noch). https://www.zeit.de/arbeit/2018-10/bewerbungsroboter-kuenstliche-intelligenz-amazon-frauen-diskriminierung. Zugegriffen: 2. Mai 2020
EU (2019) Eine Definition der KI: Wichtigste Fähigkeiten und Wissenschaftsgebiete. https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=60664. Zugegriffen: 4. Mai 2020
Jentzsch S, Schramowski P, Rothkopf C, Kersting K (2019) Semantics derived automatically from language corpora contain human-like moral choices. In: Conitzer V, Hadfield G, Vallor S (Hrsg.) Proceedings of the 2019 AAAI/ACM Conference on AI, Ethics, and Society. ACM, New York, NY, USA, S 37–44. https://doi.org/10.1145/3306618.3314267
Jobstairs (2020) Bewerber mit Erfolg erreichen, begeistern und binden. https://www.jobstairs.de/de/informationen/fuer-unternehmen. Zugegriffen: 4. Mai 2020
Kirste M (2019) Augmented Intelligence – Wie Menschen mit KI zusammen arbeiten. In: Wittpahl V (Hrsg) Künstliche Intelligenz. Springer, Berlin, S 58–71. https://doi.org/10.1007/978-3-662-58042-4
Jäger W, Teetz I (2019) Der ganz große Ansatz ist noch nicht in Sicht – Status quo und Entwicklungen von KI im Recruiting. Personalführung 52(6):16–22
Eißer J, Torrini M, Böhm S (2020) Automation anxiety as barrier to workplace automation: an empirical analysis of the example of recruiting chatbots in Germany. In: Proceedings of the 2020 Computers and People Research Conference (SIGMISCPR). ACM, New York. https://doi.org/10.1145/3378539.3393866
Straub R (2020) Richtlinien für den ethischen Einsatz von KI-Technologie in HR. Personalmagazin 22(4):54–57
Lewinski Kv, Barros Fritz R de, Biermeier K (2019) Bestehende und künftige Regelungen des Einsatzes von Algorithmen im HR-Bereich. https://algorithmwatch.org/wp-content/uploads/2019/10/Gutachten-Algorithmen-im-HR-Bereich-von-Lewinski-2019.pdf. Zugegriffen: 4. Mai 2020
Orwat C (2020) Diskriminierungsrisiken durch Verwendung von Algorithmen. https://www.antidiskriminierungsstelle.de/SharedDocs/Downloads/DE/publikationen/Expertisen/Studie_Diskriminierungsrisiken_durch_Verwendung_von_Algorithmen.pdf?__blob=publicationFile&v=4. Zugegriffen: 4. Mai 2020
Kersting M (2019) Wovon man nicht reden kann, darüber muss man schweigen. Reflexionen zur Eignungsdiagnostik mit Precire. Personalmagazin 21(11):62–65
Strohmeier S (2020) Künstliche Intelligenz in HR – Eine Gefahr? Personalmagazin 22(3):38–39
Böhm S, Meurer S (2018) Potenziale mobiler Technologien für HR (Mobile HR). In: Petry T, Jäger W (Hrsg) Digital HR. Haufe Group, Freiburg, S 137–168
Hall GS (1917) Practical relations between psychology and the war. J Appl Psychol 1(1):9–16. https://doi.org/10.1037/h0070238
Ployhart RE, Schmitt N, Tippins NT (2017) Solving the supreme problem: 100 years of selection and recruitment at the Journal of Applied Psychology. J Appl Psychol 102(3):291–304. https://doi.org/10.1037/apl0000081
Hirschberg J, Manning CD (2015) Advances in natural language processing. Science 349(6245):261–266. https://doi.org/10.1126/science.aaa8685
Böhm S, Linnyk O, Kohl J, Weber T, Teetz I, Bandurka K, Kersting M (2020) Analysing gender bias in IT job postings: a pre-study based on samples from the German Job Market. In: Proceedings of the 2020 Computers and People Research Conference (SIGMISCPR). ACM, New York. https://doi.org/10.1145/3378539.3393862
Abadi M, Agarwal A, Barham P et al. (2016) TensorFlow: large-scale machine learning on heterogeneous distributed systems. https://arxiv.org/pdf/1603.04467v2
Bojanowski P, Grave E, Joulin A et al. (2016) Enriching word vectors with subword information. https://arxiv.org/pdf/1607.04606v2
Joulin A, Grave E, Bojanowski P et al. (2016) Bag of tricks for efficient text classification. https://arxiv.org/pdf/1607.01759v3
Spacy (2020) Industrial-strength natural language processing. https://spacy.io/. Zugegriffen: 4. Mai 2020
Fedus W, Goodfellow I, Dai AM (23.01.2018) MaskGAN: better text generation via filling in the______. https://arxiv.org/pdf/1801.07736v3
Yu L, Zhang W, Wang J et al. (2016) SeqGAN: Sequence generative adversarial nets with policy gradient. https://arxiv.org/pdf/1609.05473v6
Goodfellow IJ, Pouget-Abadie J, Mirza M, Xu B, Warde-Farley D, Ozair S, Courville A, Bengio Y (2014) Generative adversarial nets. In: Proceedings of the 27th International Conference on Neural Information Processing Systems – Volume 2. MIT Press, Cambridge, S 2672–2680
Vaswani A, Shazeer N, Parmar N et al. (2017) Attention is all you need. https://arxiv.org/pdf/1706.03762v5
Böhm S, Jäger W (2019) Spurenelemente: Künstliche Intelligenz im Recruiting steckt (noch) in den Anfängen. Personal Manager o.Jg.(6):20–23
CATS Chatbots in Applicant Tracking Systems. https://www.hs-rm.de/de/fachbereiche/design-informatik-medien/forschungsprofil/cats. Zugegriffen: 2. Mai 2020
Rasa (2020) Build contextual assistants that really help customers. https://rasa.com/. Zugegriffen: 2. Mai 2020
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Böhm, S., Linnyk, O., Jäger, W., Teetz, I. (2021). KI im Recruiting: Anwendungsfelder, Entwicklungsstand und Anwendungsbeispiele aus der Praxis. In: Barton, T., Müller, C. (eds) Künstliche Intelligenz in der Anwendung. Angewandte Wirtschaftsinformatik. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-30936-7_11
Download citation
DOI: https://doi.org/10.1007/978-3-658-30936-7_11
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-30935-0
Online ISBN: 978-3-658-30936-7
eBook Packages: Computer Science and Engineering (German Language)