Lassen Sie sich finden!
Sie haben von der FFG eine Förderung für die Entwicklung von künstlicher Intelligenz (KI) für Ihre Job-Matching-Software bekommen. Wie funktioniert KI in diesem Zusammenhang? Und warum ist das förderungswürdig
Zunächst setzen wir Machine Learning-Techniken zur automatisierten Klassifizierung von Stelleninseraten ein. Das erspart unseren Kunden bereits einigen manuellen Aufwand und garantiert ihnen darüber hinaus noch relevantere Aussagen zu einer Stelle. Später wollen wir dies auch auf andere Bereiche ausweiten, z.B. auf das Matching selbst. Man kann sich das vorstellen wie eine selbstlernende Jobbörse, die auf Basis unterschiedlicher Daten immer bessere Ergebnisse für unsere Kunden und deren User erreicht. Wenn man die Relevanz bei der Stellensuche erhöht, führt das auch nachhaltig zu verbesserten Einstellungsprozessen und zu mehr Zufriedenheit am Arbeitsplatz. Gleichzeitig reduzieren Unternehmen die Kosten für den Suchprozess und müssen später mit geringerer Wahrscheinlichkeit die Stelle wieder nachbesetzen. Damit schaffen wir also einerseits sehr spannende Monetarisierungsmöglichkeiten für unsere Kunden und gleichzeitig, durch den weltweiten Einsatz der Lösung, einen positiven Effekt auf den Arbeitsmarkt - und infolge auch für die Volkswirtschaft.
Auf welche Daten greift Ihr System zu? Wie wird zwischen relevanten Informationen und irrelevanten unterschieden?
Bisher haben wir auf „klassische“ Daten gesetzt, die man typischer Weise von der Interaktion mit Jobbörsen kennt: Ausbildung, Berufserfahrung, Skills, Branche, Job-Titel, etc. Zukünftig wollen wir noch stärker Kontextdaten einbeziehen. Welche das genau sein könnten, ist Teil unserer Forschungsfrage. Als Beispiel für solche „Kontextdaten“ können die Aufenthaltsorte einer Person dienen; oder auch ein Artikel, den ein Benutzer liest: Abhängig vom Thema kann man auf ein Interesse des Lesers rückschließen.
Wie sieht es mit dem Datenschutz aus? Was ändert sich mit der Datenschutzgrundverordnung im Mai? Wie kommen Sie an Daten von Alexa, Handy und Co?
Datenschutz und die herannahende DSGVO haben für uns höchste Priorität. Wir haben in den letzten 12 Monaten unsere aktuelle Lösung bereits auf die neuen Anforderungen umgestellt und arbeiten auch zukünftig nach dem Motto „Privacy by Design“. Über Alexa, Smartphone und Co. werden nur jene Daten berücksichtigt und im Kontext analysiert, die der Benutzer innerhalb des Systems verfügbar macht. Personenbezogene Daten werden aber nie ohne Wissen oder Zustimmung des Users weitergegeben. Wichtig ist zu verstehen, dass wir die Daten auch immer nur im Kontext des Users verwenden wollen. Etwa, wenn er sich aktiv über Handy oder Alexa auf der Plattform unserer Kunden bewegt. Das muss jetzt nicht zwingender Weise die Jobsuche sein, sondern könnte auch ein anderer Bereich, wie z.B. das Lesen im Wirtschaftsteil einer Online-Zeitung, sein. Dabei steht für uns das Erheben personenbezogener Daten auch gar nicht im Vordergrund, sondern wir versuchen, wann immer möglich, mit anonymisierten Daten zu arbeiten. Diese helfen dabei, das System „lernen“ zu lassen, und die konkreten Kontextdaten des Users ermöglichen die Ausspielung von möglichst relevanten Ergebnissen - z.B. eben für ihn relevante Stellenanzeigen.
Im beruflichen Zusammenhang will man nicht unbedingt mit seinen privaten „Profilen“ und Interessen wahrgenommen werden. Funktioniert die Selektion so, dass kein gruseliger „Big-brother-Effekt“ entsteht?
Natürlich, denn unser Geschäft basiert auf dem Vertrauen der User in die jeweilige Marke unserer Kunden und auf der größtmöglichen Transparenz, was die Verarbeitung von Daten und den Zweck ihrer Erhebung angeht. Grundsätzlich bewegen sich aktive oder passive Jobsuchende zunächst immer anonym auf der Plattform und können erst durch explizite Freigabe von anderen Teilnehmern (z.B. Unternehmen) gefunden werden. Man kann sich also zukünftig noch mehr zurücklehnen und warten, bis man von einem Arbeitgeber gefunden wird. Erst nach einer Kontaktanfrage entscheidet man im Einzelfall, ob man seine Identität preisgeben möchte.
Sie wollen User identifizieren, die noch nicht auf der Suche sind, aber offen für ein attraktives Job-Angebot wären. Woran erkennt man die?
Das ist Teil unserer Forschungsfrage, im ersten Schritt aber bereits jetzt möglich. Wenn Sie z.B. im Karriere- oder Wirtschaftsteil eines Online-Mediums lesen, könnte man Ihnen testweise einen Job anzeigen. Interagieren Sie dann mit dieser Anzeige, dann registriert unser System das Interesse und zeigt ihnen danach weitere ähnliche Jobs. Durch Ihren Kontext können wir bereits jetzt die Relevanz dieser Anzeigen erhöhen.
Zukünftig ist aber vorstellbar, dass wir auch Muster ableiten können, die auf Personen zutrifft, die unglücklich in ihrem Job sind, oder kurz davor sind, sich etwas anderes zu suchen. Diese Muster wollen wir, unter Berücksichtigung der datenschutzrechtlichen Vorgaben und einem möglichst hohen Grad an Anonymisierung, zukünftig besser automatisiert erkennen. Hier könnten wieder Machine Learning-Ansätze, also Künstliche Intelligenz, helfen.
Funktioniert der Algorithmus auch, wenn sehr spezielle Qualifikationen gefragt sind?
Ja, der Algorithmus funktioniert unabhängig von der Spezialität der Qualifikationen. Der Algorithmus ist in der Lage, automatisiert spezielle Anforderungen zu erkennen und diese im Matching besonders zu berücksichtigen. In manchen Fällen ist ein weiterer Zwischenschritt in der Interaktion zwischen User und Stellenanzeige denkbar, um vor einer Bewerbung schon festzustellen, ob der Benutzer für die Stelle passt. Dies geht aber schon mehr in die Richtung des Bewerbungsmanagements und nicht allein der Vermarktung von Stellenanzeigen.
