Wie KI HR-Abläufe vereinfachen kann: Von Bewerbungsgespräch bis Skill Management

Das Potenzial von künstlicher Intelligenz wird zwar von vielen Unternehmen erkannt, in manchen Bereichen stockt jedoch die Umsetzung entsprechender Projekte - so auch im Personalwesen. Dabei kann die Technologie viele Abläufe vereinfachen, z.B. Workflows automatisieren und sogar Bewerbungsgespräche führen.

Young people hiding faces behind paper sheets with question marks while waiting for job interview indoors (Bild: ©Pixel-Shot/stock.adobe.com)

(Bild: ©Pixel-Shot/stock.adobe.com)

Nur wenige Unternehmen setzen derzeit KI-Lösungen im Personalwesen ein. Eine Untersuchung der Deutschen Gesellschaft für Personalführung (DGFP) kommt in diesem Zusammenhang zu dem Ergebnis, dass 93 Prozent der befragten Unternehmen dem KI-Einsatz im HR-Bereich positiv gegenüberstehen. Allerdings haben nur drei Prozent der Umfrageteilnehmer derartige Anwendungen bereits implementiert. Dabei könnten entsprechende Technologien für verbesserte HR-Abläufe sorgen, da sich damit beispielsweise Basiskennzahlen zu Mitarbeitern schnell und einfach bereitstellen und auswerten lassen. Beispiele in Bereichen wie Recruiting oder Skill Management zeigen schon heute, wie KI- und Machine Learning (ML)-basierte Tools das Personalwesen unterstützen können.

Workflows automatisieren

Im HR-Bereich geht es hinsichtlich KI vor allem um die Automatisierung von Workflows und darum, Daten aus verschiedenen Quellen zueinander in Korrelation zu setzen. Ziel ist es z.B., regelmäßige Reportings zu Themen wie Gehaltsentwicklung und -prognosen zu erstellen, die sich nicht nur auf interne Daten stützen, sondern auch externe Quellen integrieren. Auf diese Weise lassen sich strategisch wichtige Erkenntnisse gewinnen, etwa zu der Frage, ob das Unternehmen branchengerechte Löhne zahlt, die auch aktuellen Benchmarks entsprechen. Dies ist für die Attraktivität des Betriebs als Arbeitgeber ein entscheidender Faktor. Mit Hilfe von KI lassen sich aber auch unternehmensintern Daten unterschiedlicher Abteilungen und Funktionen automatisiert konsolidieren und Schlüsse aus den Informationen ziehen. Verantwortliche können mit Hilfe entsprechender KI-basierter Reportings etwa überprüfen, ob die Löhne in einem profitablen Verhältnis zum Umsatz des Unternehmens stehen.

Auf dem Gebiet präskriptiver Datenanalysen kann KI auch bei der Erstellung verlässlicher Prognosen unterstützen. HR-Verantwortliche können so Auswertungen über alle Ebenen und Geschäftsbereiche hinweg fahren, um konkrete Rückschlüsse etwa für künftige Mitarbeiterbedarfe abzuleiten. Auch externe Daten wie demografische Analysen oder Wetterinformationen lassen sich diesbezüglich nutzen, um zu erwartende konjunkturelle oder jahreszeitbedingte Veränderungen im Vorfeld zu erkennen – beispielsweise saisonale Peak-Zeiten, in denen mehr Arbeitskräfte im Unternehmen benötigt werden. In den Bereichen Skill Management und Business Development wird es durch KI-basierte Anwendungen zudem möglich, Fähigkeiten von Mitarbeitern, die systemseitig bereits strukturiert erfasst sind, automatisiert mit den Anforderungen abzugleichen, die sich aus künftigen Projekten ergeben. Auf diese Weise können sich Personalverantwortliche schnell einen Überblick verschaffen, ob und wenn ja, wie viele Ressourcen in-house gegebenenfalls zur Verfügung stehen, um neue Aufgaben zu bewältigen. Ein weiteres Beispiel für IT-gestützte Personalprognosen sind Analysen zum Renteneintrittsalter. Auch hieraus lassen sich weitere Schlüsse für künftige Mitarbeiterbedarfe ziehen. Durch Auswertungen hinsichtlich der Frauenquote im Unternehmen und der Abbildung des entsprechenden Soll-Ist-Zustands gewinnen Personalverantwortliche zudem wichtige Erkenntnisse zur Steuerung von künftigen Recruiting-Prozessen.

Informationen abgleichen

Bei Bewerbungsabläufen ermöglichen KI-basierte Anwendungen beispielsweise den automatisierten Abgleich von Informationen im Lebenslauf und im Anschreiben mit den tatsächlich in der Stellenausschreibung geforderten Skills. Auf dieser Basis können HR-Verantwortliche dann eine erste Vorauswahl treffen. Hinzu kommen Chatbots, die immer mehr Verwaltungsvorgänge und Arbeitsprozesse in Unternehmen automatisieren. Dabei geht es in erster Linie darum, häufig wiederkehrende und stets gleich ablaufende Prozesse, die in Dialogform mit einer begrenzten Zahl von Frage- und Antwortmöglichkeiten auskommen, effizient mit Hilfe von sprachbasierten Benutzerschnittstellen zu erledigen. In der Phase der Erstinterviews lassen sich Chatbots beispielsweise einsetzen, um Basisinformationen abzufragen – etwa zu Kriterien, die die neu zu besetzende Stelle erfordert, wie Programmierkenntnisse, Fremdsprachen oder ein adäquater Studienabschluss. In der erwähnten DGFP-Studie befürworten 70 Prozent der Befragten einen derartigen Einsatz von KI bei Chatbots und in der Vorauswahl von Bewerbern.

Seiten: 1 2Auf einer Seite lesen

www.sagecrm.com

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige