Es ist eine wahre Schwierigkeit, Person und Person technologisch zu matchen und sie auf ein Date zu schicken. Genug Erwartungen müssen berücksichtigt werden. Haben sie ähnliche Interessen? Wohnen sie am selben Ort? Was sind ihre Ziele? Und dann gibt es noch genügend versteckte Erwartungen, wie beispielsweise an das Aussehen. Matching ist und bleibt ein komplexes Problem.
Daran ändert sich nichts, wenn es darum geht, die richtige Person und den richtigen Job zusammenzubringen. Selbst für Spezialisten mit jahrelanger Erfahrung ist Job- und Skillsmatching eine riesige Herausforderung. Wer und was passt gut zusammen? Woran macht man das fest? Täglich müssen die Fragen gut reflektiert beantwortet werden, um erfolgreich matchen zu können. Das erfordert gutes Wissen und gute Informationen und ist wie gesagt schon schwierig genug, wenn Menschen diese Aufgaben qualitativ hoch erfüllen sollen. Die Erwartungen von Arbeitgeber und potenziellem Arbeitnehmer sind hoch. Könnte nun eine Maschine, ein Algorithmus diese Erwartungen mehr als zufriedenstellend erfüllen?
Wie matcht man so komplexe Daten? Quelle: Getty Images.
Ist gutes Matching möglich?
Klären wir zuerst, ob ein gutes Matching überhaupt möglich ist. Matching ist die Zuordnung von Attributen von zwei verschiedenen Einheiten, in unserem Fall sind es nun Job und Mensch. Allerdings kann das allein in unserem beleuchteten Bereich sehr unterschiedliche Dinge bedeuten. In manchen Jobs bedeutet die Analyse, ob man zum Job passt, nur die Frage, ob man arbeitsfähig ist. Sobald man beispielswiese körperlich gesund ist, sollte Erdbeeren sammeln möglich sein. Jedoch gibt es auch andere Jobs, die eine Fülle an Zertifikaten, Spezialisierungen und Erfahrungen erfordern. Versuchen Sie doch mal von jetzt auf gleich einen Neonatalchirurgen zu matchen?
Personal-Spezialisten kennen schon die kleinsten Feinheiten, die beachtet werden müssen und dennoch bleibt Matching auch für sie ein hochkomplexes Problem. Denn die Voraussetzungen ändern sich ständig. Anforderungen, die gestern galten, gelten heute nicht mehr und gleichwohl gelten die heutigen nicht mehr morgen. Job bleibt nicht Job, Mensch nicht Mensch und Arbeitsmarkt nicht Arbeitsmarkt. Wer hätte vor ein paar Jahren einen Director Digital Development gebraucht? Und wer hatte schon diese Spezialisierung in seinem Lebenslauf stehen?
Und nun wird es doch um Weiten komplexer, wenn eine Maschine so eine Aufgabe übernehmen soll. Sie muss nun all die Erfahrung und das Wissen des Spezialisten genauso anwenden können, auf Kleinigkeiten achten und sie muss ebenso immer wieder auf Veränderungen des Arbeitsmarktes reagieren. Anbieter von solchen Maschinen fokussieren sich auf unterschiedliche Daten, um das komplexe Problem zu überwinden, beispielsweise ehemalige Jobtitel von Bewerbern oder ihre Skills. Ein Algorithmus vergleicht nun Stellenanforderungen und Lebensläufe, und schon wird gematcht. Erfolgreich?
Maurer gleich Maurer – Sales Consultant gleich Sales Consultant?
Einige matchen wie gesagt aufgrund von ehemaligen Jobtiteln. Wenn der Kandidat Position X bei Firma A hatte, kann er doch auch Position X bei Firma B ausüben oder? Früher vielleicht ja. In früherer Zeit waren wir Hausärzte, Sekretäre, Anwälte, Maurer etc. pp. Heute sind wir Sales Consultants, Data Ninjas, Facility Manager, etc. Ist nun ein Sales Consultant jemand, der in einem Detailhandelsgeschäft steht und Kunden berät? Oder jemand, der im Vertrieb Offerten erstellt, Aufträge aufnimmt und mit Kunden Verträge verhandelt? Diese Fragen stellen sich schon Spezialisten, wenn sie Lebensläufe anschauen. Und nun soll eine Maschine das auch noch erfassen und verstehen können.
Jobtitel sind also viel zu häufig zu generisch. Oder wiederum viel zu spezifisch, wenn unternehmensinterne Begriffe in Jobtitel einfliessen und somit eher eine Funktion bezeichnen – so sind doch alle heutzutage irgendwelche Manager. Ohne nähere Beschreibung der Beschäftigungen wären wir häufig verloren und könnten nicht wissen, ob ein Bewerber nun wirklich für eine Stelle geeignet ist. Oder ob die Stelle für den Bewerber geeignet ist.
Schaut lieber auf die Kenntnisse
Ein Jobtitel reicht heute also nicht aus für gutes Matching. Also lösen andere Jobmatching Anbieter das Matching-Problem mit anderen Parametern – sie schauen auf die Skills und Kompetenzen, da diese ja Inhalt der Beschreibungen für die zu kryptischen Jobtitel sind. Skills-based oder Competence-based Matching ist aussagekräftiger und vielversprechender, weil es nicht nur einen Titel berücksichtigt, den jemand einmal hatte, sondern auch sein Wissen, seine Talente, Einsichten und Bildung, könnte man sagen. Man betrachtet also die Fähigkeiten eines Kandidaten und die Fähigkeiten, die für einen Job benötigt werden, und matched diese.
Grundsätzlich klingt das logisch: Ich wünsche mir eine Führungskraft, die aufgeschlossen, kommunikativ, führungsstark und gut in der Problemlösung ist. Ich finde jemanden, der diese Begriffe in seinem Lebenslauf hat und mit denen übereinstimmt. Sind nun also Skills verlässliche Punkte, damit eine Maschine weiss, dass dies der perfekte Match zu meiner Vakanz ist?
Schauen wir mal genauer auf Skills. Skills, also Fähigkeiten, resultieren aus meinem Wissen. Aristoteles sagte, Wissen sei die absolute Wahrheit. Absolute Wahrheit kann nur erlangt werden, wenn man das Wissen selbst erlebt hat und somit erprüft. Wissen, dass ich durch Kommunikation und Studium von anderen gelernt habe, muss verifiziert werden und kann daher nicht die absolute Wahrheit sein. Denn wenn mir jemand etwas Neues erzählt – wie kann ich sicher sein, dass das eine wahre Geschichte ist?
Solange ich es also nicht erlebt – und entsprechend angewendet habe – bleibt das Wissen unvollständig. Sicherlich ist gute Bildung ein großer Wert, dies möchte ich nicht bestreiten. Aber bevor ich nicht weiss, wie jemand das erworbene Wissen genutzt hat, ist es nicht erprüft und gibt mir nicht die Möglichkeit, ein Nutzen daraus zu ziehen. Erst wenn es also erprüft ist, bringt es mir einen Vorteil, einen gewissen Handlungsspielraum, gewissermassen einen Teil der Macht.
Wenn wir zu meiner Führungskraft zurückkehren, die aufgeschlossen, kommunikativ, führungsstark und gut darin ist, Probleme zu lösen. Könnte es dann nicht sein, dass unsere potenziellen Kandidaten Manager in der Bau-, Finanz- oder Bekleidungsindustrie sein könnten? Ohne ihre Erfahrungen wäre die Vakanz wahrscheinlich zu allen drei Stellen gematcht worden, obwohl jede Stelle ihre eigene Branchenerfahrung voraussetzt. Es fehlt an relevanten Erfahrungen, um die Fähigkeiten in eine sinnvolle Beziehung zu setzen.
Wahres Wissen braucht Erfahrung
Dies erkannten wiederum andere Jobmatching-Anbieter. Skills reichen ebenfalls nicht aus. Wenn ich einen bestimmten Beruf matchen möchte, brauche ich nicht nur den Bereich Fähigkeiten – meine Kenntnisse laut Lebenslauf und Anschreiben. Ich brauche auch den Komponenten Erfahrung. Nur mit Erfahrung lassen sich eben Beziehungen wie Branchen erschliessen.
Darüber hinaus erwähnt niemand alle Fähigkeiten, die er besitzt – aber sehr oft andere relevante Informationen, die beim Matching helfen können. Ebenso wenig spezifiziert ein Unternehmen in der Stellenausschreibung alle Kompetenzen, die es braucht – und das erschwert das Matching. Denn wenn eine Stellenausschreibung für einen „Data Scientist“ verfasst wird, wird der Arbeitgeber wohl unter den Fähigkeiten „IT-Nutzung“ oder „Datenverarbeitung“ unerwähnt lassen, da er davon ausgeht, dass dies bereits aus der Berufsbezeichnung ersichtlich ist. Ebenso würde ein Data Scientist in seinem Lebenslauf wahrscheinlich eher spezifischere Fähigkeiten angeben als diejenigen, die sich aus seinen vorherigen Berufsbezeichnungen ergeben. Aber wenn eine Person nach Fähigkeiten gematcht werden soll, dann ist die Information für diesen Abgleich-Parameter ein wahrer fehlender Faktor.
Wenn wir nur auf der Grundlage von Fähigkeiten matchen, bin ich sicher, dass wir andere Ergebnisse erzielen werden, als wenn wir nur nach Berufsbezeichnungen suchen. Aber dieses Niveau reicht nicht aus, um die Menschen endlich an die Arbeitsplätze, die Bewerber an die Positionen und die Arbeitnehmer an die Arbeitgeber heranzuführen. Wir brauchen mehr.
Gute Ausbildung bedeutet nicht gute Manieren
Denn Skills und Erfahrungen können weiterhin nicht sagen, ob der neue Texter gut ins Team passt. Sie können nicht beantworten, ob der neue Pfleger pünktlich im Spital erscheint oder der neue Einkäufer gut verhandeln kann. Wer ist schon heute kein Teamplayer mehr oder gibt einfach mal im Lebenslauf an, unzuverlässig zu sein? Aber gerade diese Soft Skills, die Persönlichkeit sind unglaublich wichtig für einen guten Match. Ein Berater muss pünktlich zum Kundentermin erscheinen, ein Programmierer kann auch mit Gleitzeit eingestellt werden. Ebenso könnte der Programmierer eigenbrötlerisch daherkommen. Wenn der Berater aber nicht offen auf die Kunden zugehen kann, hat seine Firma bald keine mehr. Dementsprechend wird ein Match erst wirklich gut, wenn ebenfalls die Persönlichkeit mit einbezogen wird. Mein Lebenslauf gibt sehr viele Erkenntnisse darüber, was ich alles gemacht habe. Aber wie ich es gemacht habe, muss ebenfalls eine Rolle spielen.
Gemeinsam an einem Strang?
Und wenn dieser eine CV nun allzu perfekt auf die Vakanz passt, dann ist noch lange nicht bedacht, dass dieser nur im Kontext wirklich perfekt sein kann. Denn die Skills und Persönlichkeit eines neuen Mitarbeiters ergänzen ja ein Netz mit Skills und Persönlichkeiten der Arbeitskollegen. Bin ich der einzige Software-Ingenieur in einem Betrieb, muss ich eher ein Allrounder sein und leicht die Eigeninitiative ergreifen. Werde ich in ein Team mit zwei anderen eingestellt, kennt sich einer im Feld X besser aus, der andere in Feld Y, Skills ergänzen sich gegenseitig und die Zusammenarbeit erschafft wieder etwas Neues. Ich kann häufiger um Hilfe bitten und bin gleichzeitig gefragt, mich gut in einem Team einfügen zu können. Die beteiligten Peers beeinflussen den perfekten Match also ebenfalls. Wenn man es also genau nimmt, müssten ebenso die CVs der Mitarbeiter gematcht werden.
Wer jetzt noch meint, man könnte aufgrund nur einem Parameter (Jobtitel, Skills, Erfahrungen oder Persönlichkeit) matchen, mag erkennen, dass das nur im Glücksfall wirklich gut funktioniert. Gerade wenn ein Algorithmus so ein komplexes Problem lösen soll, erscheint ein gutes Matching wie die gefundene Nadel im Heuhaufen.
Also, sind wir am Ende der Strasse?
Noch nicht. Konfuzius traf die Aussage: „Erfahrung ist wie eine Laterne im Hintergrund; sie erhellt immer nur das Stück Strasse, das wir bereits hinter uns haben.“
Wir haben unser Wissen getestet, uns und andere Vorteile gebracht, wir sind vielleicht pünktlich und zuverlässig. Wir folgen den geforderten Soft Skills. Das lässt uns sicher gut den laufenden Betrieb sichern. Alle Deadlines werden eingehalten, alle Kunden gut behandelt und die Mitarbeiter sitzen stets pünktlich an ihrem Platz. Jetzt müsste doch eigentlich alles geklärt sein.
Was stärkt den Betrieb wirklich?
Aber wenn alle stets dem entsprechen, was verlangt wird, dann bleibt der Betrieb doch eher „nur“ gesichert. Wir haben nichts Neues geschaffen. Neues zu schaffen, erfordert gute Kenntnisse und oft viel Erfahrung. Vor allem aber braucht man buchstäblich und semantisch Kreativität.
Das Cambridge Wörterbuch beschreibt Kreativität als „die Fähigkeit, originelle und ungewöhnliche Ideen zu produzieren oder etwas Neues oder Phantasievolles zu schaffen“¹. Im Grunde genommen gibt sie uns den dritten Blick auf etwas, das über unser Wissen und unsere Erfahrung hinausgeht, man könnte es vielleicht auch als „Think out of the box“ bezeichnen. Mit Kreativität ist also nicht der künstlerische Ansatz gemeint, sondern das Rule-breaking. Das sich Auflehnen. Auf den Tisch hauen und somit festgefahrene Verhältnisse auflösen. Neu und anders, vielleicht gar ein wenig angsteinflössend.
Albert Einstein sagte: „Kreativität ist Intelligenz, die Spass hat.“² Der Kreative ist also der, der Spass daran hat, den Betrieb aufzurollen und nicht der, der klassisch den Anforderungskatalog erfüllt, er schaut anders auf den Betrieb. Kreativität ist das höchste Gut in einer Zeit, in der sich so viel wendet. Denn wer sich während der Digitalisierung einfach anpasst, kommt nicht mit und schon gar nicht weiter. Wir brauchen die Mitarbeiter, die den Überblick halten. Wir brauchen die Mitarbeiter, die den Betrieb sichern. Und wir brauchen genauso die Mitarbeiter, die uns Neues aufzeigen, ganz besonders in diesen Zeiten. Kreativität ist die heute wohl wichtigste Fähigkeit.
Kreativität, Intuition, Emotionen und alle Gegensätze zu logischem, analytischem, vernünftigem Denken (welches als unser Wissen und unsere Erfahrung betrachtet werden könnte) werden oft auf der rechten Gehirnhälfte beschrieben. Sie haben vielleicht von der Theorie gehört, dass man ein „Rechts-“ oder „Links-Denker“ sein kann. Doch Forscher fanden heraus, dass es sich hierbei um einen Mythos handelt. Auch wenn einige Funktionen mehr auf einer Seite des Gehirns platziert sind, sind die Ergebnisse am besten, wenn beide Gehirnseiten in komplexen Netzwerken zusammenarbeiten.³
Wenn ich ein neues Produkt erschaffen will, hilft mir das Wissen über die Produktionsprozesse und das benötigte Material. Meine Erfahrung in der Planung eines neuen Produktes hilft mir ebenfalls. Mein Organisationstalent unterstützt den Prozess. Aber die Idee, ein neues Produkt zu erschaffen, entspringt meiner Kreativität. Wenn man also gut in etwas ist, dann kommt das beste Ergebnis von allen Beteiligten: Wissen, Erfahrung, Persönlichkeit und Kreativität.
Abschied vom perfekten Match
Sagen wir es doch mit klaren Worten: Es kann kein competence-based, skills-based, etc. pp-based matching geben, denn das Problem ist zu komplex. Matching ist getrieben von Erwartungen und Erwartungen wechseln ständig.
Dementsprechend gibt es schlichtweg keinen perfekten Match, denn es ist unmöglich Erwartungen zu überkommen. Erwartungen können nie für alle gleich gut erfüllt werden, den sie sind sehr subjektiv. Also gibt es nur die Möglichkeit, weitestgehend alle Dimensionen mit einzubeziehen, um eine grösstmögliche Annäherung an den perfekten Match zu erzielen.
Die Ergebnisse der heutigen Kultur des Matchings mit Datenfetzen wie ein paar Skills oder kryptischen Jobtiteln werden immer und immer wieder die Qualität der Maschine zerschlagen. Matching mit Datenfetzen ist ein Tapsen im Dunkeln. Wer glaubt mit Datenbruchstücken, mit willkürlichen Keywords matchen zu können, nähert sich kein Stück dem Perfect Match. Denn wie bereits aufgezeigt, fehlen einfach weitere relevante Parameter für die qualitativ hohe Zuordnung.
Man kann mit komplexen Algorithmen nur eine grösstmögliche Annäherung schaffen, wenn man Abstand von Datenbruchstücken nimmt und versucht alle Dimensionen einzubeziehen, wie auch das Gehirn beim Erschaffen von Neuem: Skills, Erfahrung, Persönlichkeit und ja, vorsichtigerweise auch ehemalige Jobtitel. Die Maschine zieht alle Dimensionen ein, bewertet sie einzeln und gibt ihnen eine Gewichtung. Wenn diese Dimensionen mit einer adäquaten Gewichtung abgebildet sind, ist erst einmal ein guter Startpunkt erreicht, um technologisch Mensch und Job zusammenbringen, alle Dimensionen und damit Erwartungen sind angepasst und versuchen somit die grösstmögliche Annäherung an den perfect Match zu erzielen.
Auch mit den gut durchdachten und jahrelang entwickelt und verbesserten Matchingprozessen von JANZZ.technology ist es schwierig alle Dimensionen im richtigen Masse einzubeziehen. Denn Erwartungen können grossteilig abgebildet werden, ein Teil bleibt jedoch immer verschlossen. Sollen beispielweise Arbeitslose vermittelt werden, ist ein Grossteil der Erwartung, dass sie vermittelt werden. Sollen Ingenieure gematcht werden, gibt es die Erwartung, dass das Salärband zu früheren Beschäftigungen passt. Weitere Erwartungen können abgebildet werden, wenn denn klar ist, dass sie bestehen. Entsprechend können auch wir uns auch nur dem Perfect Match annähern. Doch ein reines Wankeln im Dunkeln mit Datenbruchstücken ist ausgeschlossen. Am Ende wird es wahrscheinlich nicht das perfekte Date sein. Aber vielleicht eine neue Einladung zu einem weiteren.
Quellen:
¹ Cambridge Dictionary (2017). Creativity. Abgerufen von: http://dictionary.cambridge.org/dictionary/english/creativity [2017.11.02].
² Einstein, Albert (1930). Mein Weltbild. Wie ich die Welt sehe.
³ Nielsen JA, Zielinski BA, Ferguson MA, Lainhart JE, Anderson JS (2013). An Evaluation of the Left-Brain vs. Right-Brain Hypothesis with Resting State Functional Connectivity Magnetic Resonance Imaging. PLoS ONE8(8): e71275. https://doi.org/10.1371/journal.pone.0071275
Sahoo, Anadi (2017). Knowledge, Experience & Creativity. Abgerufen von: https://www.linkedin.com/pulse/knowledge-experience-creativity-dr-anadi-sahoo/ [2017.11.03.].
