1. ANALOG

So sah das Recruiting vor dem digitalen Zeitalter aus: Stellenanzeigen wurden in Zeitungen oder Fachzeitschriften veröffentlicht und Bewerbungen konnten nur per Post papier-basiert in Form einer klassischer Bewerbungsmappe eingereicht und bearbeitet werden. Alle Prozessschritte wurden manuell ausgeführt und es gab keine digitalen Helfer für die Personalgewinnung. 

2. DIGITAL

Recruitingprozesse werden nun ins Digitale übertragen. Um diese Form der Bewerbung technisch zu unterstützen, wurden Bewerbermanagementsysteme (BMS) entwickelt. Sie ermöglichen die Organisation und Verarbeitung digitaler Bewerbungen und bieten eine digitale Benutzeroberfläche für die Kommunikation mit Bewerbenden. Dieser Digitalisierungsschritt bringt deutliche unmittelbare Vorteile: Für Recruiting-Mitarbeitende erhöhen sich einerseits Datenqualität, andererseits verbessern sich die Durchlaufzeiten als auch die Kosten pro Bewerbung. Bewerbende sparen Zeit dadurch, dass die Bewerbung umgehend beim Unternehmen ankommt. Sie sparen aber auch Geld für teure Mappen, ausgedruckte Fotos und Frankierung. Zudem ist das BMS Dreh- und Angelpunkt für die Integration vieler weiterer Softwarelösungen und Standardisierungen und schafft so die praktischen Grundlagen für erste Automatisierungen. Häufig ist auch die Rede von eRecruiting, wenn die Personalbeschaffung in der Verwaltung durch elektronische Medien und ein BMS unterstützt wird. 2017 nutzten bereits neun von zehn Unternehmen ein BMS. Unter dem Stichwort „Mobile Recruiting“ lässt sich der zunehmende Einfluss mobiler Bewerbungen zusammenfassen. Die steigende Nutzung von mobilen Endgeräten führt dazu, dass Bewerbende sich immer häufiger über ihr Smartphone zu Unternehmen und Stellenangeboten informieren. Arbeitgebende müssen sich auf diesen Wandel einstellen und ihre Inhalte für Bewerbende möglichst nicht nur digital, sondern mobil optimiert zugänglich machen, um keine potenziellen Bewerbenden zu verlieren.

3. EINFACHE AUTOMATISIERUNG/DATENQUALITÄT

Robotic Process Automation (RPA) bezeichnet im Kern die automatisierte Bedienung grafischer Benutzungsoberflächen vorhandener Software durch eine RPA-Software. Prozessschritte von Recruiting-Mitarbeitenden können dabei nachgeahmt werden. RPA agiert klassischer Weise nicht auf der Daten- und Logikschicht, d. h. es werden keine Datenabfragen gemacht oder Methoden zur Berechnung implementiert, sondern alles spielt sich auf der grafischen Oberfläche ab. Aus diesem Grund ist diese Art von Anwendungen auch noch nicht wirklich „intelligent“. Im Recruiting gibt es eine Vielzahl von administrativen Routineaufgaben, die nach mehr oder weniger einfachen Mustern ablaufen, aber viel Zeit rauben, wie z. B.  Vollständigkeitsprüfungen, Reminder verschicken, interne Formulare versenden, Genehmigungsprozesse starten oder einpflegen von Bewerbendenunterlagen. Für diese Art von Aufgaben benötigt man keine künstliche Intelligenz, sondern hier ist RPA völlig ausreichend. In dieser Stufe ergeben sich zwangsläufig auch Potenziale zur Verbesserung der Datenqualität, denn eine Automatisierung kann nicht gelingen, wenn sich keine klaren Regeln formulieren lassen, nach denen der Prozess abläuft. Gute Ergebnisse können zudem nur dann erreicht werden, wenn diese Regeln auf korrekten und vollständigen Daten angewandt werden können. Diese Technologiestufe ist zwar noch nicht flächendeckend verbreitet, aber branchenübergreifende ist die kritische Masse so groß, dass diese Art von Tools zum Standard von Unternehmen gehören sollte, die modern und vorausschauend im Recruiting aufgestellt sein möchten.

4. KOMPLEXE AUTOMATISIERUNG/DATENANALYSE

In den nächsten Stufen steigert sich die Komplexität der Aufgaben, die die Technik übernimmt. Innovative Software- und Automatisierungslösungen greifen nun nicht nur auf die grafische Oberfläche zu, sondern nutzen auch Integrationen mit der Daten- und Logikschicht. So können Daten mit bestimmten Aktionen in Verbindung gebracht werden und diese Verbindungen analysiert werden. Datenabfragen können nicht nur unternehmensintern, sondern auch extern stattfinden und ganzheitliche Prozessketten automatisiert werden. Die Mehrwerte, die daraus entstehen sind bereits tiefergehend, bleiben jedoch im Rahmen der Möglichkeiten der Imitation menschlicher Arbeit in Form von Regeln bzw. Programmen, besitzen daher keine intelligenten Eigenschaften und betreffen nur sehr spezifische Fragestellungen. Ab dieser Technologiestufe gibt es bereits erste Piloten und Anwendungsfälle bei Unternehmen im Einsatz, die Potenziale ausloten, aber erst wenige Unternehmen nutzen diese Tools im Recruiting.

5. „SPEZIALISIERTE KI“

Um ab diesem Punkt der Technologisierung noch weitere Optimierungen zu bewerkstelligen, benötigt man einen gänzlich neuen Ansatz. Wie können einerseits Daten noch besser ausgewertet werden, komplexere Fragestellung automatisiert beantwortet werden und andererseits Verbesserungen in Bereichen der Wissensarbeit erzielt werden? Hier kommen Methoden der Künstlichen Intelligenz zum Einsatz. Sie werden nicht wie zuvor darauf trainiert wiederkehrende Prozesse zu digitalisieren, sondern sie werden auf Basis von Modellen und Datensätzen häufig gezielt darauf trainiert, selbstständig optimale Lösungswege für spezifische Aufgaben zu finden. Die der Verarbeitung zugrundeliegenden Regeln sind dabei explizit nicht durch den Menschen vorgegeben. Die KI übernimmt und lernt anhand von Daten Aufträge und Arbeitsabläufe besser zu erledigen und kann sich auch neuen Rahmenbedingungen anpassen. KI-Systeme besitzen eine vergrößerte Rechenleistung und gewinnen Erkenntnisse aus sehr großen Datenmengen (Big Data). Gleichzeitig werden durch den Einsatz von KI auch neue Erkenntnisse in Form von Daten generiert, die weiter genutzt werden können. Bei KI handelt es sich nicht um eine einzige Technologie, sondern um ein ganzes Konsortium aus miteinander verknüpften Methoden, verbunden durch die Kapazität, auf große Datenmengen zuzugreifen und sie zu verarbeiten. Die Entwicklung einer großen und guten Datenbasis ist das A und O, um neue Wege im Recruiting einschlagen zu können und sich für den Einsatz von Methoden der Künstlicher Intelligenz vorzubereiten.

5. ROUTINEAUFGABEN

Um  Routineaufgaben noch schneller oder besser zu bewältigen, kommen meist klassische Algorithmen und Modelle wie z. B. Regressionsanalysen zum Tragen, die auf statistische Analysen trainiert werden.

Geht es um Wissensaufgaben, also zum Beispiel darum, Einschätzungen zur Eignung von Bewerbenden zu treffen, werden die zugrundeliegenden Algorithmen immer ausgereifter. Maschinelles Lernen (ML), ein Teilgebiet der künstlichen Intelligenz, das auf selbstständiger Datenverarbeitung basiert und dabei Muster erkennt und spezifischen Ergebnissen zuordnet, kommt dabei zum Einsatz. Ein Anwendungsbereich des ML ist das Natural Language Processing, die Erkennung menschlicher Sprachmuster, mit Einsatzmöglichkeiten in der Eignungsdiagnose von Bewerbenden. Aber auch Robotics sind interessant, da HR-Bots die Kommunikation mit Bewerbenden unterstützen können. Eine weitere Methode sind Prädiktive Analytics. Sie nutzt historische Daten zur Vorhersage zukünftiger Ereignisse und Trends.

WISSENSAUFGABEN

Wenn Methoden der Künstlichen Intelligenz zum Einsatz kommen, können unterschiedliche Ansätze von Arbeitsteilung angewandt werden: Bei der augmentierten Intelligenz lernt Technik vom Menschen und Menschen von Technik in einer Art Symbiose. Die maschinelle Unterstützung bzw. Augmentierung ist darauf ausgerichtet, den Menschen optimal in der Entscheidungsfindung und -umsetzung zu unterstützen, indem sie vom Menschen getriggert die Aufgaben übernimmt, die sie schneller oder besser lösen kann als der Mensch. Der Mensch behält dabei seine Rolle als Entscheidungsträger und steuert die Aktivitäten der Technik. Die Technik agiert also niemals autonom, sondern handelt als perfekter Assistent des Menschen. Die höchste Stufe der künstlichen Intelligenz, die autonome Intelligenz, zeichnet sich dadurch aus, dass die Technik weitestgehend selbstständig agiert und Menschen diese Form der KI nur noch überwachen. Der Anwendende solcher KI-Systeme greift in solchen Fällen nur noch bei Fehlern ein.