12. Künstliche Intelligenz im Recruiting: Performancevergleiche des (un-)supervised Learnings bei Bewerbungsdokumenten

Künstliche Intelligenz, soweit besteht Einigkeit, hat das Potenzial, auch administrative Jobs zu verändern. Während in vielen Bereichen der Forschung die Arbeiten zur Künstlichen Intelligenz eine relativ lange Tradition aufweisen, ist das Personalmanagement ein Gebiet, in dem sich erst seit wenigen Jahren mit dem Thema beschäftigt wird. Es gibt viele Vorschläge zum Einsatz von Künstlicher Intelligenz im Personalmanagement, aber es mangelt an konkreten empirischen Beispielen. Dieser Beitrag versucht, im Rahmen einer Pilotstudie mit drei kleinen Datensätzen einen konkreten Anwendungsfall zu exemplifizieren. Mittels der einfachen Clusteranalyse aus der Gruppe des unsupervised Learnings sowie eines neuronalen Netzes aus der Gruppe des supervised Learnings werden Bewerbungsanschreiben analysiert. Dabei kann in Abhängigkeit der Qualität und Größe des Datensatzes gezeigt werden, dass die Clusteranalyse über Dokument-Wort-Matrizen menschliche Urteilsgruppen signifikant replizieren und darüber hinaus die Menge der optimalen Urteilsgruppen bestimmen kann. So müssten Recruiter nur noch exemplarische Bewerbungen je ermittelter Urteilsgruppe ansehen, um die Güte der Gruppe festzulegen. Mit Hinzunahme des neuronalen Netzes konnte eine Performancesteigerung sowohl bei der Replikation der menschlichen Urteile als auch im Falle der optimalen Menge der Urteilsgruppen in Abhängigkeit der Anzahl der verwendeten versteckten Neuronen erreicht werden. Dies beschränkt sich allerdings auf das Trainingsdatenset. Insofern kann abschließend festgehalten werden, dass die Verwendung beider Methoden ein erfolgversprechender Ansatz zur Einführung von Künstlicher Intelligenz im Recruiting darstellt.