Künstliche Intelligenz im Recruiting

Deep Learning basiertes CV-Parsing

Was im 20. Jahrhundert nach Zukunftsmusik klang, wird Realität: Künstliche Intelligenz revolutioniert alltägliche Bereiche des menschlichen Lebens. Das selbstfahrende Auto ist längst keine Science Fiction mehr: 2014 präsentierte Google sein erstes autonomes Elektroauto mit einer Höchstgeschwindigkeit von 40 km/h. 2012 gelang es einem neuronalen Netz von Google Brain mittels maschinellem Lernen Katzen aus 10 Millionen YouTube-Videos zu identifizieren. Anhand von großen Datensätzen erkennt das System Muster und nimmt Clusterungen vor.
Jetzt hat die Deep Learning Technologie Einzug in das Recruitment gehalten: CV-Parsing Anbieter wie Textkernel nutzen mit Extract! 4.0 künstlich intelligente Algorithmen für das Textverstehen. Die Deep Learning Methode basiert auf neuronalen Netzen, die gehirnähnliche Strukturen nachahmen. CV-Parsing dürfte den meisten Recruitern ein Begriff sein: Ein CV-Parser liest Daten aus Bewerberdokumenten aus und überträgt sie automatisch in vorgegebene Datenfelder – z. B. in die Online-Bewerbung oder in ein Bewerberprofil im Recruiting-System. Bewerber und Recruiter müssen die Daten also nicht abtippen. Um die automatische Übertragung zu ermöglichen, sichtet der Algorithmus große Datenmengen und erkennt Datenmuster, Konzepte und strukturelle Beziehungen in einem Text. Unstrukturierte Informationen werden geordnet. Die Software nimmt eine semantische Analyse einzelner Textbausteine vor und erfasst anhand typischer Strukturen, welche Textabschnitte in welche Datenfelder transferiert werden sollen. So registriert das Tool beispielsweise, dass die Anschrift im Lebenslauf i. d. R. oben steht oder auf den Vornamen der Nachname folgt, um die Daten in die entsprechenden Felder im System zu übertragen. Dadurch gelingt es dem Parser, vorstrukturierte Datenfelder mit den richtigen Informationen auszufüllen. Der Einsatz von Künstlicher Intelligenz optimiert diesen Prozess und erhöht die Extraktionsgenauigkeit: Bewerberdaten werden präziser ausgelesen und die Fehlerquote wird reduziert.

Wie funktioniert die Parsing Technologie?

Die beschriebene Parsing Technologie basiert auf der Deep Learning Methode. Die künstlich intelligenten Algorithmen sind in der Lage, die Bedeutung von Begriffen zu erfassen: Indem sie ähnliche Wörter in ähnlichen Zusammenhängen erkennen, können sie neue Wörter identifizieren. Der Algorithmus erfasst die Wörter in ihrem Kontext und kann sie anschließend klassifizieren.
Das funktioniert anhand von Trainingsdaten: Das System wird mit einer großen Menge von Rohdaten (Übungsdatensätzen) trainiert. Dadurch lernt es bestimmte Muster und Merkmale kennen. Erkennt es die erlernten Merkmale in einem Dokument (z. B. Lebenslauf), kann es die Daten korrekt deuten und in die Datenfelder der Bewerbung übertragen.
Eine ähnliche Form des maschinellen Lernens ist unter anderem aus Spamfiltern bekannt: Spam-E-Mails zeichnen sich durch bestimmte Kriterien aus, zum Beispiel eine lange Empfängerliste und spezifische Schlagwörter (Gewinn, Viagra…). Eine Kombination der Kriterien deutet darauf hin, dass es sich um eine Spam-Mail handelt. Der Spamfilter lernt Muster und relevante Eigenschaften anhand von Trainingsdaten zu erkennen, um Spam-E-Mail auszuselektieren.
Das maschinelle Lernen lässt sich weiter unterteilen:
Supervised Learning (überwachtes Lernen): Das künstliche neuronale Netz wird anhand von Übungsdaten trainiert. Die Daten werden gelabelt oder markiert (z. B. als Spam/Nicht-Spam).
Unsupervised Learning (unüberwachtes Lernen): Das künstliche neuronale Netz erfasst Ähnlichkeiten von Inputwerten und lernt, häufig auftretende Merkmalskombinationen zu erkennen. Dabei werden die Daten im Unterschied zum überwachten Lernen nicht markiert.
Reinforcement Learning (bestärkendes Lernen): Das System erhält Belohnungen bzw. Feedback über den Erfolg oder Misserfolg bestimmter Aktionen. Dadurch erlernt es eine Strategie selbstständig.
Natural Language Processing (NLP): Durch NLP wird natürliche Sprache maschinell verarbeitet, um eine Kommunikation zwischen Mensch und Computer zu ermöglichen (z. B. Sprachsteuerung von Maschinen). Anhand von großen Datenmengen erfasst der Computer Muster zur Sinnanalyse, um Wörter, Sätze und Textzusammenhänge zu verarbeiten.

CV-Parsing im Bewerbermanagement

Die CV-Parsing Technologie kommt u.a. in Bewerbermanagement-Systemen zum Einsatz: Der Parser liest Lebenslauf- und Dokumentdaten aus und überträgt sie in die Datenfelder der Online-Bewerbung und in Kandidatenprofile. Das Feature baut Barrieren im Bewerbungsprozess ab und trägt zur positiven Candidate Experience bei. Recruiter sparen sich Tipparbeit, indem sie die Bewerberprofile per Mausklick anlegen und Daten nicht mehr manuell einpflegen müssen. Die Bewerbermanagement-Software von prosoft (prosoftrecruiting©) arbeitet mit dem CV-Parser von Textkernel Extract! 4.0. Der multilinguale Parser liest komplette Bewerbungsmappen und abfotografierte Lebensläufe in mehreren Sprachen aus. Um Bewerberdaten aktuell zu halten, ist auch ein nachträgliches Auslesen von Lebensläufen möglich. Die Parsing-Genauigkeit ist durch die Deep Learning Technologie besonders hoch. Sollten Nachkorrekturen erforderlich sein, lassen sich diese schnell anhand einer Gegenüberstellung von CV und geparsten Daten vornehmen.
Hier finden Sie mehr Informationen zur CV-Technologie.

Fazit

Maschinelles Lernen revolutioniert bereits mehrere Lebensbereiche – vom selbstfahrenden Auto bis zum persönlichen Sprachassistenten. Mit Deep Learning basierten Parsing-Technologien dringen künstliche Algorithmen in den Bereich Recruitment vor: Anhand von Trainingsdatensätzen erkennt das System Datenmuster, Konzepte und Beziehungen in einem Text und ist der Lage, unstrukturierte Informationen zu ordnen. Die 4.0-Technologie ermöglicht eine höhere Extraktionsgenauigkeit beim Auslesen von Bewerberdaten und reduziert die Fehlerquote.

Quelle Foto: Fotolia © Drobot Dean


prosoft-Team

prosoft-Team

Personalwesen und IT: eine unschlagbare Kombination. Als Anbieter hochspezialisierter Branchensoftware für das HR-Management und den Zeitarbeitsmarkt verfolgen wir diese Liaison seit über 30 Jahren. Was uns daran fasziniert? Dass sich selbst komplexe Prozesse mit dem richtigen Werkzeug einfach intelligent gestalten lassen. Unseren Erfahrungsschatz aus Branchen-Know-how, Prozessexpertise und Praxiswissen teilen wir mit HR-Interessierten in unseren Praxisseminaren:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>