The Adecco Group Deutschland
Zurück zur Übersicht

Robot Recruiting: Wie kann der Einsatz von KI bei der Talentsuche unterstützen?

Robot Recruiting

Obwohl sie noch in den Kinderschuhen steckt, hat KI das Potential den Bereich des Recruitings zu revolutionieren. Hays oder Deloitte sind nur einige der großen globalen Player, die die neuesten Technologien des maschinellen Lernens (ML) und der natürlichen Sprachverarbeitung (NLP) nutzen, um den Rekrutierungsprozess zu optimieren und zu unterstützen. Neun von zehn Unternehmen prognostizieren bis zum Jahr 2030 einen effektiven Einsatz von KI im Recruiting und HR. So verfügen laut Studien bereits 13 Prozent der Unternehmen über einen Empfehlungsdienst, der Jobangebote automatisiert oder dem Unternehmen neue Talente vorschlägt. 90% der Unternehmen sehen großes Zukunftspotenzial in der Chatbot-Technologie. 46% der Bewerber erhoffen sich von digitalen Auswahlsystemen eine schnellere Rückmeldung und 36% weniger Diskriminierung beim Recruiting.

Wann lohnt es sich, die „Person“ in der Personalabteilung zu lassen?

Analytisches, strategisches, kritisches Denken, kulturelles Bewusstsein, emotionale Intelligenz sind noch nicht vergleichbar mit maschinellem Denken. Der Mensch ist KI noch in Vielem voraus. Die Kunst der Überzeugung beispielsweise braucht einen kreativen Kopf. z.B um einem Kandidaten helfen, sich zwischen zwei Rollen zu entscheiden. Darüber hinaus muss ein Recruiter Trends erkennen, Verbesserungsvorschläge und Feedback geben. Die Emotionale Intelligenz bleibt menschlich: das natürliche Bauchgefühl spielt beim Roboter Recruiting keine Rolle, ist aber bei der Personalauswahl oft wichtig.

Vor- und Nachteile des Robot Recruiting

KI wird in vielen Recruiting-Prozessen bereits benutzt und hat die Art und Weise verändert, wie wir unsere Kandidaten erreichen und unterstützen:

Programmatic Job Adverts

Activ Sourcing und Social-Media-Recruiting gehören mittlerweile zu den wichtigsten Methoden, um qualifizierte Kandidaten zu finden. Denn im Gegensatz zu herkömmlichen Stellenanzeigen, die nicht immer ihre Zielgruppe oder die gewünschten Fachkräfte erreichen, spürt die Technologie hinter Programmatic Job Ads interessierte Kandidaten in der gewünschten Zielgruppe auf, die vielleicht gar nicht aktiv auf Jobsuche sind. Xing und LinkedIn haben diese Technologie auf ihren Seiten schon integriert. Der Recruiter bestimmt im Vorfeld nur die Voraussetzungen, die gesucht werden und durch den Einsatz von Big Data wird sichergestellt, dass die Stellenanzeigen von den richtigen Kandidaten auf den richtigen Websites zur richtigen Zeit gesehen werden.

Nachteil: Hier gibt es kaum Nachteile, allerdings ist zu beachten, dass Kandidaten von Stellenanzeigen in einer definierten Stoßzeit schnell übersättigt werden. Da KI-Lösungen nicht immer konform mit den EU-Datenschutzgesetzen sind, kann es außerdem zu einer Ablehnung von Drittanbieter-Cookies kommen.

Vorsortierung von Bewerbungen & Kandidatenscreening

Algorithmen erlauben Künstlicher Intelligenz Bewerberprofile so zu bewerten, dass Personalverantwortliche schnell zu den am besten qualifizierten Kandidaten kommen. Durch KI können 300 Millionen Online-Profile im Handumdrehen durchkämmt werden. Cookies und demografische Daten geben Aufschluss darüber, für welche Art von Stellen sich potenzielle Kandidaten beim Besuch von Karriere- und Stellenausschreibungsseiten am meisten interessieren. Häufig werden hier auch Applicant Tracking Systems (ATS) eingesetzt, um Bewerbungen durch Schlüsselbegriffe zu scannen. So wird erkannt, ob der Lebenslauf verworfen oder an den Recruiter weitergeleitet wird.

Nachteil: Algorithmen sind nicht perfekt und können auch gute Bewerber übersehen. Es ist schwierig zu erklären, wie selbstlernende Systeme bei einer Bewerberauswahl zu ihren Schlussfolgerungen kommen. Wenn selbst Programmierer nicht immer den Einblick in das Endergebnis haben, wie soll es dann ein Recruiter? Entscheidungen, die von KI getroffen werden, sollten somit immer mit einem gesunden Pragmatismus hinterfragt werden, besonders wenn sie sich auf Endergebnisse wie Mitarbeitereinstellungen auswirken. Wichtig bleibt es zu wissen, auf welchen Daten oder Kriterien eine KI-Entscheidung basiert.

Intelligente Chatbots

An Stellen, an denen der erste Kontakt oft über das Telefonat erfolgte, wird jetzt ein Chatbot implementiert, der uns durch Einstiegsprozesse führt. Als Messaging-Service auf Websites sind Chatbots beim Robot Recruiting am beliebtesten. Sie beantworten Bewerberfragen 24 Stunden am Tag, 365 Tage im Jahr und in jeder programmierten Sprache.

Nachteil: Während Chatbots die meisten Bewerberanfragen verwalten, können sie keine Konversation führen, die eine unvorhergesehene Wendung nimmt. Durch sich wiederholende Antworten wirken sie oft zu maschinenhaft. Zusätzlich erfordern KI-basierte Chatbots eine kontinuierliche Pflege, wobei die Optimierung und Analyse entscheidend für das Bewerbererlebnis ist.

Interview-Roboter

Während Chatbots das gängigste roboterbasierte Recruiting Tool sind, hat ein schwedisches HR-Startup in Konkurrenz dazu den weltweit ersten Interview-Roboter entwickelt, indem es KI mit einer neutralen Methodik kombinierte. Ausgestattet mit einer D&I-Software, die auf 15 Jahre Erfahrung in der objektiven Rekrutierung zurückgreifen kann, unterstützt Tengai Neueinstellungen. Sie trifft eine Vorhersage über die zukünftige Leistung eines Kandidaten mithilfe von Predictive Analytics. Maschinelles Lernen erlaubt es Tengai, Sprachfunktionen zu interpretieren; nicht nur zu verstehen, was ein Kandidat sagt, sondern auch wie er es sagt. Das Hören auf Schlüsselwörter, die mit der Position oder Rolle übereinstimmen, wird einen Kandidaten auf der Vorauswahlliste weiter nach oben bringen.

Nachteil: Obwohl behauptet wird, unvoreingenommen zu sein, können die zugrundeliegenden Algorithmen von KI-Technologien verzerrt sein. Wichtige Informationen können unbemerkt bleiben, da Roboter immer noch nicht einem typischen menschlichen Gespräch vollständig folgen können. Dabei könnten wertvolle Kandidaten durch unbeabsichtigte Ungenauigkeiten in ihren Antworten durch das Raster fallen. Zudem gibt es eine große Lernkurve, wie sich die Kandidaten gegenüber dieser Art von Technologie bei einem Interview fühlen.

Ein Blick in die Zukunft

KI hat einen entscheidenden Einfluss auf die Personalbeschaffungsbranche. Keine Frage, obwohl der menschliche Aspekt ein Vorteil ist und bleibt, unterstützt KI dabei, zeitaufwändige Aufgaben zu automatisieren. Mit der Adecco Group sind Sie am Puls des Wandels.

Sind Sie neugierig, wie unser Rekrutierungsprozess abläuft oder wie er für Sie aussehen könnte? Schauen Sie sich die Möglichkeiten hier an.

Suchen Sie für Ihr Unternehmen passendes Personal? Hier erfahren Sie mehr über unsere Dienstleistungen für Unternehmen.

Zurück zur Übersicht

Wichtige Fragen und Antworten zum Robot Recruiting


Recruiting 4.0 ist ein digital gestütztes Recruiting, das neue Möglichkeiten bietet, Bewerber zu finden, anzusprechen, für die Stelle zu gewinnen und langfristig zu binden. Recruitment 4.0 ist ein auf Automatisierung ausgerichteter Ansatz, um die langjährigen Herausforderungen bei der Suche nach den richtigen Talenten zu bewältigen.

Vorteile: Zeitersparnis, Kandidatenzufriedenheit durch schnelle Reaktionszeit Neutralität. Nachteile: Bedenken hinsichtlich Ethik und Datenschutz, verborgene Talente können unter den KI-Radar fallen, unvorhergesehene Situationen nicht einschätzbar.

Chatbots organisieren den Erstkontakt mit Kandidaten und sind in der Lage, selbstständig auf Kontaktversuche zu reagieren. Einfache und häufig auftretende Fragen kann der Chatbot selbstständig beantworten, andere Anfragen leitet er an relevante Kanäle weiter. Einige Chatbots bieten Bewerbern individuelle Tipps, z. B. welche Stellenausschreibungen interessant sein könnten.

Durch einer Analyse-Software werden wesentliche Daten automatisch aus dem Lebenslauf oder aus Online-Profilen extrahiert. So kann zum Beispiel eine Bewerberdatenbank aufgebaut werden, die auch automatisch nach Bewerbern mit bestimmten Eigenschaften oder Qualifikationen durchsucht werden kann.

KI-Systeme mit neuronalen Netzwerken nutzen „Deep Learning“, indem sie große Mengen an Daten analysieren und ihr Verhalten entsprechend anpassen. Dadurch wird es fast unmöglich nachzuvollziehen, warum einige Kandidaten akzeptiert werden und andere nicht, da das System keine Begründung für seine Entscheidung bietet. Dies wird als „Blackbox“ Problem bezeichnet.