Skip to main content
SpringerLink
Log in

KI im Recruiting: Anwendungsfelder, Entwicklungsstand und Anwendungsbeispiele aus der Praxis

  • Chapter
  • First Online:
Künstliche Intelligenz in der Anwendung

Part of the book series: Angewandte Wirtschaftsinformatik ((ANWI))

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 39.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. 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

  2. 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

  3. 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

  4. Goodfellow I, Bengio Y, Courville A. (2016) Deep Learning (Adaptive Computation and Machine Learning). MIT Press, Cambridge

    Google Scholar 

  5. 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

  6. 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

  7. Du M, Liu N, Hu X (2019) Techniques for interpretable machine learning. Commun ACM 63(1):68–77. https://doi.org/10.1145/3359786

    Article  Google Scholar 

  8. ESCO (2020) Database for European skills, competences, qualifications and occupations. https://ec.europa.eu/esco/portal/home. Zugegriffen: 4. Mai 2020

  9. 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

  10. Mayson SG (2019) Bias in, bias out. Yale Law J 128(8):2218–2300

    Google Scholar 

  11. 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

  12. Wilke F (2018) Künstliche Intelligenz diskriminiert (noch). https://www.zeit.de/arbeit/2018-10/bewerbungsroboter-kuenstliche-intelligenz-amazon-frauen-diskriminierung. Zugegriffen: 2. Mai 2020

  13. 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

  14. 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

  15. Jobstairs (2020) Bewerber mit Erfolg erreichen, begeistern und binden. https://www.jobstairs.de/de/informationen/fuer-unternehmen. Zugegriffen: 4. Mai 2020

  16. 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

  17. 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

    Google Scholar 

  18. 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

  19. Straub R (2020) Richtlinien für den ethischen Einsatz von KI-Technologie in HR. Personalmagazin 22(4):54–57

    Google Scholar 

  20. 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

  21. 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

  22. Kersting M (2019) Wovon man nicht reden kann, darüber muss man schweigen. Reflexionen zur Eignungsdiagnostik mit Precire. Personalmagazin 21(11):62–65

    Google Scholar 

  23. Strohmeier S (2020) Künstliche Intelligenz in HR – Eine Gefahr? Personalmagazin 22(3):38–39

    Google Scholar 

  24. 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

    Google Scholar 

  25. Hall GS (1917) Practical relations between psychology and the war. J Appl Psychol 1(1):9–16. https://doi.org/10.1037/h0070238

    Article  Google Scholar 

  26. 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

    Article  Google Scholar 

  27. Hirschberg J, Manning CD (2015) Advances in natural language processing. Science 349(6245):261–266. https://doi.org/10.1126/science.aaa8685

    Article  MathSciNet  MATH  Google Scholar 

  28. 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

  29. Abadi M, Agarwal A, Barham P et al. (2016) TensorFlow: large-scale machine learning on heterogeneous distributed systems. https://arxiv.org/pdf/1603.04467v2

  30. Bojanowski P, Grave E, Joulin A et al. (2016) Enriching word vectors with subword information. https://arxiv.org/pdf/1607.04606v2

  31. Joulin A, Grave E, Bojanowski P et al. (2016) Bag of tricks for efficient text classification. https://arxiv.org/pdf/1607.01759v3

  32. Spacy (2020) Industrial-strength natural language processing. https://spacy.io/. Zugegriffen: 4. Mai 2020

  33. Fedus W, Goodfellow I, Dai AM (23.01.2018) MaskGAN: better text generation via filling in the______. https://arxiv.org/pdf/1801.07736v3

  34. Yu L, Zhang W, Wang J et al. (2016) SeqGAN: Sequence generative adversarial nets with policy gradient. https://arxiv.org/pdf/1609.05473v6

  35. 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

    Google Scholar 

  36. Vaswani A, Shazeer N, Parmar N et al. (2017) Attention is all you need. https://arxiv.org/pdf/1706.03762v5

  37. Böhm S, Jäger W (2019) Spurenelemente: Künstliche Intelligenz im Recruiting steckt (noch) in den Anfängen. Personal Manager o.Jg.(6):20–23

    Google Scholar 

  38. CATS Chatbots in Applicant Tracking Systems. https://www.hs-rm.de/de/fachbereiche/design-informatik-medien/forschungsprofil/cats. Zugegriffen: 2. Mai 2020

  39. Rasa (2020) Build contextual assistants that really help customers. https://rasa.com/. Zugegriffen: 2. Mai 2020

Download references

Author information

Authors and Affiliations

  1. Hochschule RheinMain, Wiesbaden, Deutschland

    Stephan Böhm

  2. milch & zucker AG, Gießen, Deutschland

    Olena Linnyk & Ingolf Teetz

  3. Dr. Jäger Management-Beratung, Königstein im Taunus, Deutschland

    Wolfgang Jäger

Authors
  1. Stephan Böhm
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Olena Linnyk
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Wolfgang Jäger
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Ingolf Teetz
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Stephan Böhm .

Editor information

Editors and Affiliations

  1. FB Informatik, Hochschule Worms, Worms, Germany

    Thomas Barton

  2. FB Wirtschaft, Informatik, Recht (WIR), Technische Hochschule Wildau, Wildau, Germany

    Christian Müller

Rights and permissions

Reprints 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

Check for updates. Verify currency and authenticity via CrossMark

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

Publish with us

Policies and ethics

Search

Navigation