Arbeitnehmende 50 plus: Altes Eisen oder Gold wert?

Systematische Diskriminierung von Arbeitnehmenden 50+ bei der Jobvergabe – oder warum dies in den allermeisten Fällen nicht zutrifft.

Lesen Sie unbedingt weiter, der nachfolgende Artikel wird Ihnen zu diesem überaus wichtigen Thema nicht einfach die altbekannten, meist auf Annahmen und politisch festgefahrenen Positionen basierenden Argumente wiederholen. Wir liefern Ihnen neue, statistisch relevante und zahlenbasierte Argumente, welche Ihnen einen anderen Blick auf die Herausforderungen älterer Arbeitnehmender und in gleichem Masse auch auf unsere Bildungspolitik ermöglichen. Aber alles der Reihe nach.

Die Statistik macht’s….

Angenommen, wir möchten eine neue Stelle besetzen. Es sind bereits 80 geeignete Bewerbungen und Lebensläufe eingegangen, darunter solche von jungen Berufseinsteigern, erfahrenen Berufsleuten und auch von Bewerbern ab 50 Jahren. Die Selektion kann beginnen. Wir sortieren nach relevanten Skills und Kompetenzen, Berufserfahrungen, Aus- und Weiterbildungen, Sprachkenntnissen, Spezialisierungen und Branchenkenntnissen und so weiter. Wir reduzieren zuerst auf fünf, dann auf drei Bewerbende, die wir zum Interview einladen. Wichtig, bei der Selektion blenden wir alle personenbezogenen Daten aus, oder besser gesagt, wir treffen eine diskriminierungsfreie erste Auswahl mittels XAI.

Am Ende dieses nicht so fiktiven Beispiels und nach vielen längeren, persönlichen Interviews und Assessments entscheiden wir uns für eine 27-jährige, mehrsprachige Universitätsabsolventin mit knapp drei Jahren Erfahrung in der richtigen Branche und den besten Matching Scores in den Bereichen Hard Skills/Kompetenzen und Soft Skills, Kommunikationsfähigkeiten, Auftreten usw. Eine überraschende Wahl? Kaum. Es ist vielmehr das logische Ergebnis eines strukturierten, transparenten und vor allem fairen Auswahlverfahrens. Zur Erinnerung: Den einstellenden HR-Fachleuten waren Alter, Geschlecht und Gehaltsvorstellungen für die ersten Auswahlschritte nicht bekannt. Hätte einer oder eine der Ü50 Bewerbenden das Rennen gemacht, wäre es wohl eher eine Überraschung gewesen – allein aus statistischen Gründen: Bei den insgesamt 80 Bewerbungen gab es nur sieben mehr oder weniger geeignete Ü50 Bewerbende, also weniger als 10%. Stellen Sie sich vor, es wäre entgegen den belastbaren Erkenntnissen des strukturierten Auswahlverfahrens und den Ergebnissen der Interviews ein 54-jähriger, weniger qualifizierter Kandidat gewählt worden, primär wegen seines Alters. Dies wäre ebenso diskriminierend gewesen wie eine inhärente Präferenz von männlichen Bewerbern oder die Bevorzugung der Kandidatin mit dem nötigen Vitamin B.

Lassen Sie uns etwas genauer erläutern, warum diese Wahl also logisch und fair ist und alle anderen, ähnlichen Auswahlverfahren in der Regel genauso wenig mit Altersdiskriminierung zu tun haben, oder mit dem Argument, dass Unternehmen Ü50 Bewerbende nur aus finanziellen Überlegungen nicht einstellen.

Es gibt immer noch besser Qualifizierte. Egal wie gut Ihre Kandidaten sind.

Gut ausgebildeter, engagierter und erfahrener Ingenieur, 50 plus, sucht – ein Szenario, das für viele ältere Arbeitnehmenden in den letzten Jahren bittere Realität geworden ist. In unserem Beispiel lagen übrigens sechs der 80 Mitbewerbenden vor dem 50+ Kandidaten. Diese hatten noch bessere Qualifikationen, meist erst kürzlich erworben oder aufgefrischt, und höhere Abschlüsse. Lediglich beim Kriterium „relevante Erfahrung“ hätte der 50+ Kandidat als Viertplatzierter nur ganz knapp die Interviews für die Endauswahl verpasst. Kurz gesagt: Der Kandidat war nicht ungeeignet oder abgelehnt worden, nur weil er über 50 war, es gab einfach für die Stelle besser geeignete und objektiv besser qualifizierte Bewerbende.

Übrigens, gemäss den seriöseren Statistiken beginnen in der Schweiz die Probleme bei der Stellensuche in vielen Branchen bereits mit Mitte 40. In diesem Alter sinken in immer mehr Fällen die Chancen, eine geeignete Stelle zu finden, bereits massgeblich. Trotz überaus positiver Wirtschaftslage und eines stabilen Arbeitsmarktes mit sehr niedriger Arbeitslosenquote vor Covid-19, sorgten sich selbst hochqualifizierte, ältere Arbeitnehmende um eine mögliche, länger anhaltende Arbeitslosigkeit. Tatsächlich ist es für die ältere Generation sehr schwierig, wenn sie ihre Stelle erst mal verloren haben, eine neue, gleichwertige Stelle zu finden. Dies liegt vor allem daran, dass sie sich in der Regel nach vielen Jahren erstmals wieder der immer stärker werdenden, immer besser ausgebildeten, mehrsprachigen Konkurrenz stellen und mit jüngeren, hochmotivierten und ebenso ambitionierten Bewerbenden Schritt halten müssen.

Um es einmal auch in aller Deutlichkeit festgehalten zu haben: Es gibt sie, die traurigen Ausnahmen. Firmen, in denen tatsächlich eine «Anti-Ü50-Politik» vorherrscht. Eine solche Politik ergibt weder wirtschaftlich noch anderweitig Sinn, aber es gab schon immer Unternehmen, die weder rechnen konnten noch eine vernünftige und faire Personalstrategie hatten. Die wahren Gründe, warum Arbeitslosigkeit zunehmend über 50-Jährige trifft, sind jedoch vielschichtig und finden sich sowohl auf Arbeitgeber- als auch auf Arbeitnehmerseite.

Letzte relevante berufliche Ausbildung: Kaufmännische Lehre 1981

Der derzeitige Arbeitsmarkt spezialisiert sich immer weiter und ist in vielen Branchen einem immer rascheren technologischen Wandel ausgesetzt, nicht nur wegen der fortschreitenden Digitalisierung. Es gibt mehrere seriöse Erhebungen, welche übereinstimmend aufzeigen, dass bereits im Alter von 30 Jahren oft mehr als 60% der bis dahin erworbenen Kenntnisse bereits wieder veraltet oder für das berufliche Fortkommen nicht mehr relevant sind.

In den letzten Jahren drängen digitale Technologien, Kanäle und damit veränderte Prozesse in den Vordergrund, sodass Aufgaben insbesondere für ältere Arbeitnehmende anspruchsvoller und komplexer werden. Vergleichen Sie beispielsweise einmal die „Top 20 Required Skills“ aus den Jahren 2008 und 2018, z.B. auf LinkedIn oder in ähnlichen Erhebungen. Die fortschreitenden Veränderungen und die Digitalisierung der wettbewerbsrelevanten Skills sind einigermassen dramatisch.

Nicht nur darum wird heute überall und mehr denn je in Ausbildung investiert. Das ist gut so, wir alle haben lange für dieses Privileg gekämpft und immer wieder die Bedeutung einer guten und zeitgemässen Bildung für jede Volkswirtschaft betont. Zugang zu möglichst erschwinglicher Bildung für alle. Eine ganz Reihe massgeschneiderter Bildungsmodelle, duale Bildung, Berufsmaturität, Auslandssemester, MBA, CAS und vieles mehr. Vergleicht man die vielfältigen Möglichkeiten der heutigen Bildungslandschaft, nicht nur in der Schweiz, mit den Optionen, die noch zur Zeit unseres 50-jährigen Ingenieurs verfügbar waren, so kann unschwer eine riesige, mehrheitlich positive Entwicklung festgestellt werden – durchgängig und in allen Bereichen und Aspekten, die später für ein erfolgreiches Berufsleben entscheidend sind. Zudem sind junge, ambitionierte Menschen gerne bereit 60000 US-Dollar und ein paar Monate Lebenszeit für einen Master of Business Administration (MBA) zu bezahlen oder vielmehr investieren. Oder ein paar zehntausend Franken für anspruchsvolle Weiterbildungen, Zertifizierungen oder Nachdiplomstudien, um im auch für jüngere Arbeitnehmende immer härteren Wettbewerb noch bessere Karten zu haben. Zu eben solchen Investitionen, einschliesslich Zeitaufwand und Verzicht auf Familienleben und Freizeit, müsste man nun stets und immer wieder bereit sein. Lifelong Learning und kontinuierliche Weiterbildungen sind eben mehr als nur Schlagworte.

Um mit einem sich ständig weiterentwickelnden Arbeitsmarkt Schritt zu halten, ist es zwingend erforderlich, unsere Fähigkeiten und Kompetenzen im Durchschnitt alle 5 bis 7 Jahre stets auszubilden und zu erweitern. Berufserfahrung ist sicherlich wertvoll, aber dieser Wert nimmt in immer mehr Bereichen ab, weil die Geschäfte, auf denen sie beruhen, oft schon nach wenigen Jahren überholt oder ganz vom Markt verschwunden sind. Die immer schnelleren Erneuerungszyklen von grundlegenden Prozessen, Werkzeugen sowie Markt- und Produktionsmechanismen machen das mit Abstand grösste Asset erfahrener Arbeitnehmenden im Vergleich zu jüngeren, meist besser ausgebildeten Mitbewerbenden zunehmend obsolet.

Das Problem der 50+ Generation besteht nun also darin, dass ihre gute Ausbildung oft viele Jahre zurück liegt. Ihr Wissen, sollten sie erst einmal aus ihrem bisherigen, sehr vertrauten und bekannten Umfeld in ein neues Arbeitsgebiet wechseln müssen, ist daher nicht mehr auf dem neuesten Stand.

Zudem können viele Ü50 Bewerbende nur wenige aktuelle Weiterbildungen vorweisen, wenn überhaupt. So findet sich beispielsweise häufig im Bereich Sprachen und Kommunikation ein TOEFL-Test aus dem Jahr 1993 als letzter Eintrag und daneben eine Fülle firmeninterner Kurse und Schulungen mit üppigem Kurszertifikat von geringer Aussagekraft oder Relevanz für eine neue Stelle. Dies lässt sich auch statistisch eindeutig erhärten, wenn grosse Mengen (mehrere Millionen) anonymisierter Lebensläufe geparst und sorgfältig ausgewertet werden: Im Mittel liegt bei Ü50 Bewerbenden in der Schweiz die letzte relevante und qualifizierte formale Weiterbildung 11,2 Jahre zurück. Bei erfolgreicher beruflicher Neuorientierung oder Wiedereinstieg sind es einige Jahre weniger. Zur Erinnerung: das iPhone als erstes eigentliches „Smartphone“ wurde vor ziemlich genau 11 Jahren lanciert. Seitdem folgten etliche weitere, bedeutende digitale Prozesse und Tools in immer kürzeren Abständen.

Den Unternehmen kann in solchen Fällen kein Vorwurf für das Nichtberücksichtigen von über 50-Jährigen gemacht werden, aus dem einfachen Grund, dass die jüngeren Bewerbenden statistisch eben in der Überzahl sind und zudem schlichtweg meist besser qualifiziert sind oder über aktuellere Kompetenzprofile verfügen. Für ältere Arbeitsuchende wäre es daher besonders wichtig, ihre Stärken und Qualitäten fortlaufend dem technologischen Wandel anzupassen (ob man das nun gut findet, will oder nicht…) und eine kontinuierliche, zielführende Weiterbildung oder gar Neuorientierung in Betracht zu ziehen. Eigenengagement ist angesagt, und das ist nicht Aufgabe der Arbeitgeber.

Know-how und relevante Kompetenzprofile schlagen Erfahrung.

Ein weiterer Grund, warum die Dossiers älterer Bewerbender oft auf dem Ablehnungsstapel landen, liegt in der Anzahl der Dienstjahre. Bewerbende, die 20 Jahre lang in derselben Firma im selben Fachbereich und in der gleichen Industrie arbeiten, verfügen zwar über spezifische Arbeitserfahrung, verlieren aber oft den Kontakt mit der sich rasch wandelnden Arbeitswelt ausserhalb des Unternehmens. Solch langjährige, eindimensionale Erfahrung ist jedoch nicht das Haupthindernis an sich: Vielmehr liegt es oft daran, dass das Profil dieser Bewerbenden stark auf ihren früheren Arbeitgeber zugeschnitten ist und sie deshalb zu einseitig qualifiziert oder gar zu stark spezialisiert sind, da sie womöglich jahrelang in derselben Funktion mit ähnlichen Aufgaben verbracht haben. In der Folge werden Flexibilität und neue Einsatzmöglichkeiten häufig als eher schwierig bewertet. Neue Arbeitgeber müssten in sorgfältige Einarbeitung und gegebenenfalls Umschulungen investieren. Natürlich kann dies auch für jüngere Bewerbende notwendig sein. Dies kann jedoch die Bedeutung der erworbenen Berufserfahrung im Wettbewerb mit anderen Bewerbenden unter Umständen erheblich abwerten. Auch wenn einschlägige Arbeitserfahrung im Allgemeinen immer noch sehr wichtig ist, hat ihre Bedeutung in einer schnelllebigen und sich noch rasanter verändernden Wirtschaft abgenommen. Zehn Jahre Erfahrung sind nicht mehr doppelt so gut und aussagekräftig wie deren fünf. Oder eben nur dann, wenn das Kompetenzprofil stets parallel zur gewonnenen Erfahrung und nach den neusten Anforderungen weiterentwickelt wurde. Leider geschieht dies äusserst selten, wie die Daten aus den vielen geparsten Lebensläufen deutlich zeigen.

Fehlende Qualifikation schützen?

In jüngster Zeit wurde immer wieder über einen besonderen Kündigungsschutz oder spezielle Quoten für über 50-Jährige diskutiert, in der Hoffnung, dass dieses ständig wachsende Problem dadurch langfristig gemildert wird. Doch sind diese Ideen nicht äusserst unfair und diskriminierend gegenüber jüngeren und meist besser qualifizierten Arbeitnehmenden? Arbeitnehmende, die bereits bei wichtigen Themen wie der Altersvorsorge stark benachteiligt sind und damit schon mehr als genug Solidarität mit älteren Arbeitnehmenden beweisen.

Solche Ansätze führen daher zu einer inakzeptablen Diskriminierung jüngerer Generationen durch den Schutz weniger qualifizierter Bewerber. Nicht nur das, eine solche Regelung hätte auch zur Folge, dass derzeitig Arbeitsuchende 50+ möglicherweise nicht mehr eingestellt werden, weil Arbeitgeber befürchten, dass sie diese nicht mehr entlassen können. Solche Reaktionen lassen sich in Ländern mit strengen Arbeitnehmerschutzgesetzen wie Deutschland und Frankreich weithin beobachten, wo viele Arbeitgeber genau deshalb befristete Arbeitsverträge stark bevorzugen. Ein besonderer Kündigungsschutz ist also keine Lösung, sondern ein Trugschluss.

Eine weitere Idee, die in erster Linie darauf abzielt, die Folgen systematischer Altersdiskriminierung abzumildern, ist die Überbrückungsrente. Wenn dies jedoch nicht der treibende Faktor für die Langzeitarbeitslosigkeit älterer Arbeitnehmer ist, dann läuft auch dieser Ansatz auf die Diskriminierung jüngerer Arbeitsuchender hinaus. Stattdessen sollten ältere Arbeitsuchende geschult werden – viele wissen kaum noch, wie man sich bewirbt. Schaut man sich die Lebensläufe an, stösst man sofort auf das Schaufenstersyndrom: Anstatt relevante Skills aufzulisten, ist das Dokument mit Informationen geschmückt, die überhaupt keine Relevanz haben, wie veraltete Programmiersprachen, die vor 20 Jahren erlernt wurden. Infolgedessen wirken solche Bewerbende häufig verzweifelt und unsicher, und keineswegs wie stolze, vielversprechende neue Mitarbeitende, die eine Abteilung bestens unterstützen und aufwerten werden.

Warum also noch über 50-Jährige einstellen?

Zu teuer, zu wenig Fachkompetenz, zu unflexibel – mit diesen typischen Klischees werden ältere Bewerber abgestempelt. Tatsächlich ist die jüngere Generation meist flexibler und mobiler bezüglich Zeit und Arbeitsort. Das geliebte Haus nach zwanzig Jahren verkaufen und weit weg in eine andere Stadt oder einen anderen Kanton ziehen? Nein, danke. Dass die Löhne mit zunehmender Berufserfahrung und höherem Alter automatisch steigen, ist eine weiter Tatsache, die nicht hinterfragt und kaum öffentlich diskutiert wird. Dabei wäre auch bei diesem Punkt eher die Leistungsfähigkeit zu beurteilen als das Alter. Warum sollten wir nicht dann am meisten verdienen, wenn wir eben am leistungsstärksten sind und unsere Fachkompetenz am umfassendsten und aktuellsten ist?

Und nicht zuletzt verfügen junge Arbeitssuchende oft auch über umfangreichere Sprachkompetenzen und sind mehrheitlich wesentlich IT-affiner. Ein paar Argumente sprechen dennoch für die ältere Generation: Sie weisen ein hohes Pflicht- und Verantwortungsbewusstsein auf, haben sehr oft eine positive Einstellung zur Arbeit und gelten in der Regel als ausgeglichen und deutlich beständiger.

Wer nun denkt, diese Vorurteile könnten mit anonymisierten KI-basierten Bewerbungsverfahren vermindert werden, liegt leider völlig falsch. Diese Verfahren legen den Fokus nicht auf die Person. Sie rücken stattdessen relevante Skills, aktuelle Aus- und Weiterbildungen, Sprachkompetenzen, Branchenkenntnisse und Spezialisierungen ins Zentrum. Eine Auswertung unterschiedlicher Auswahlverfahren für Bewerbende in einer Vielzahl von Berufsgruppen und Branchen hat gezeigt, dass (mit Ausnahmen von ausgesuchten Kaderstellen) in der nächsten Runde meist ein signifikant geringerer Anteil an Ü50 Bewerbenden zu finden ist als bei herkömmlichen Auswahlverfahren. Dies wiederum beweist, dass es nicht am Alter der Bewerbenden liegen kann, da alle persönlichen Charakteristiken wie Alter, Geschlecht, Herkunft, usw. im Auswahlverfahren völlig ausgeblendet wurden und somit beim Matching und Ranking, welche die Grundlage für die Einladungen zu Interviews bildeten, absolut keine Rolle spielten.

Es gilt also andere Strategien zu finden. Der Schlüssel ist „gefunden werden“ anstatt „suchen“. Positionen, die auf über 50-Jährige zugeschnitten sind, finden sich häufig nicht in Stellenausschreibungen. Es gibt jedoch technologische Tools, die über die genannten Vorurteile gegenüber älteren Arbeitnehmenden hinwegsehen. Maschinen entscheiden aufgrund von matchenden Datenpunkten. Sie kennen keine Diskriminierung von Alter, Geschlecht, ethnischer Zugehörigkeit usw. Ältere Bewerbende sollten diese Gelegenheit nutzen, vor allem um herauszufinden, wo sie ansetzen können, um ihre Chancen zu erhöhen. Diese Tools geben zudem sehr sachliche und nüchterne Antworten auf viele Fragen: Wie viele Matches bekomme ich wirklich mit meinen aktuellen Qualifikationen? Wo sind meine persönlichen Skill-Gaps? In der Vorstellung der Maschine gibt es kein „Ich habe die Stelle nicht bekommen, war nicht einmal in der engeren Wahl, nur weil ich bereits über 50 bin. War ja klar…“

Mit diesen Tools können Arbeitsämter, Recruiting-Unternehmen, Jobportale und weitere Interessierte ansprechende Beschäftigungsvorschläge für Ü50 Talente entwickeln, ihnen aber auch individuelle Schwierigkeiten bei der Vermittlung aufzeigen. Für eine Gapanalyse können Sie gerne um Hilfe bitten unter info@janzz.technology

Wir begrüßen Jimena Renée Luna als unsere neue Vizepräsidentin für Kundenintegration, Emerging Markets

Wir sind stolz darauf, bekannt zu geben, dass Jimena Renée Luna als neue Vizepräsidentin für Kundenintegration, Emerging Markets, zu JANZZ.technology wechseln wird. Sie wird für alle Kunden in LATAM, EMEA und Südostasien zuständig sein.

Jimena ist gut etabliert und sehr erfahren in der Beratung von Regierungen und internationalen Organisationen in den Bereichen Technologie-Policy, Schaffung von Arbeitsplätzen und wirtschaftliche Entwicklung. Im Laufe ihrer Karriere hat sie mehr als 10 Jahre lang mit Teams in Lateinamerika, Europa und Afrika an der Entwicklung und Umsetzung entsprechender Projekte gearbeitet. Bei der World Bank führte sie Forschungen über Arbeitsmärkte durch und lancierte innovative Lösungen zur Schaffung von Arbeitsplätzen. Darüber hinaus arbeitete sie für den CIO der USA im Weißen Haus im Bereich der digitalen Politik, um die Interaktion von Bürgern und Unternehmen mit der Regierung zu verbessern und so dazu beizutragen, die Lücke zwischen dem öffentlichen und dem privaten Sektor im Bereich Technologie und Innovation zu schließen. In jüngerer Zeit hat sie an Projekten in Afrika zur Förderung der digitalen Wirtschaft und digitalen Entwicklung gearbeitet.

Jimena ist enthusiastisch über die Job-Matching-Produkte und digitalen Lösungen, die von der in der Schweiz niedergelassenen JANZZ.technology für Kunden auf der ganzen Welt angeboten werden. Sie ist zuversichtlich, dass digitale Plattformen, große Daten und KI die Wirtschaft der Zukunft antreiben werden. In einer Zeit, in der die Welt vor einem digitalen Wandel und Veränderungen auf dem Arbeitsmarkt steht, ist sie begeistert von der Möglichkeit, direkt mit globalen Kunden zusammenzuarbeiten und ihnen digitale Lösungen für die Schaffung von Arbeitsplätzen anzubieten.

Jimena schließt sich uns am 15. Mai an. Sie wird ihre Arbeit von Washington, DC, aus aufnehmen und zu einem späteren Zeitpunkt in unser Hauptquartier in Zürich versetzt. Wir freuen uns darauf zu sehen, wie Jimena ihre Erfahrung, ihren Enthusiasmus und ihre Professionalität für unsere Mission, unsere Kunden besser zu bedienen, einsetzt.

Sie können Jimena gerne per E-Mail unter j.luna@janzz.technology erreichen. Sie spricht fließend Englisch, Französisch und Spanisch und beantwortet gerne alle Fragen, die Sie haben.

Sind Umschulung und Weiterqualifizierung die wahren Heilmittel gegen den heutigen Fachkräftemangel?

Digitalisierung, Automatisierung und KI stellen eine große Bedrohung für den heutigen Arbeitsmarkt dar, der ständig wechselnde Fähigkeiten erfordert. Einige der Fähigkeiten fehlen jedoch nicht aufgrund der Entwicklung der Technologie, sondern eher aufgrund eines Attraktivitätsverlusts. Dies gilt insbesondere für Positionen mit einer ungewöhnlich hohen Anzahl an offenen Stellen oder für solche, die über eine längere Zeit unbesetzt bleiben.

 

Nach Angaben des Fachkräftemangel Indexes Schweiz, «besteht ein Qualifikationsdefizit, wenn es in einem Beruf mehr freie Stellen als Arbeitssuchende gibt.» Im vergangenen Jahr verglich die Adecco Group in ihrem Swiss Job Market Index die Anzahl der Stellenanzeigen mit der Anzahl der vom Informationssystem für die Arbeitsvermittlung und die Arbeitsmarktstatistik (AVAM) registrierten Arbeitssuchenden, woraus sich das Ranking des Schweizerischen Fachkräftemangels 2019 ergab.

Wie in den vergangenen Jahren sind im Jahr 2019 Ingenieurberufe wie Bau- und Elektronikingenieure von Schweizer Arbeitgebern am meisten gefragt. Technische Berufe, Treuhand- und IT-Berufe folgen. Die Rangliste zeigt zudem, dass im Vergleich zu 2016, als die Messung zum ersten Mal durchgeführt wurde, der Fachkräftemangel im Jahr 2019 in der ganzen Schweiz um 22% gestiegen ist. [1]

Es gibt viele verschiedene Gründe, welche den Fachkräftemangel erklären können. Es wird angenommen, dass die sich schnell verändernden Qualifikationsanforderungen, die durch die technologische Innovation hervorgerufen werden, den größten Einfluss auf die Risiken des Qualifikationsdefizits und -mangels haben. Auch der Hay’s Global Skills Index 2019/20 verzeichnete das höchste Talentdefizit seit der Einführung des Indexes im Jahr 2012, sie sind ausserdem der Ansicht, dass die technologische Entwicklung einer der Hauptursachen dafür ist [2].

Viele Unternehmen, denen ein Fachkräftemangel droht, der ihren geschäftlichen Erfolg beeinträchtigen könnte, bereiten sich auf neue Technologien vor, indem sie ihre vorhandenen Arbeitskräfte weiterqualifizieren, in Ausbildungen investieren, lebenslanges Lernen fördern und das Rentenalter erhöhen.

Es besteht kein Zweifel, dass eine kontinuierliche Weiterbildung während der gesamten Karriere die neue Norm werden wird. Ist dies aber wirklich der Schlüssel zur Überwindung des Fachkräftemangels? Wenn ja, wie kommt es, dass die Situation so aussieht, als ginge es in die andere Richtung?

Ein weiterer Bericht, der von einem Schweizer Online-Stellenportal und der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) veröffentlicht wurde, ermöglicht zusätzliche Einblicke in den Schweizer Stellenmarkt. Der Bericht vergleicht mehr als 100’000 Stellenanzeigen mit der Anzahl der Klicks auf Schweizer Stellenportalen und zeigt so das Interesse der Nutzer an bestimmten Stellen deutlicher auf.

In der Deutschschweiz erhielten Berufe in der Verwaltung, im Personalwesen, in der Beratung, im Verkauf und im Kundendienst, im Marketing, in der Kommunikation und in der Geschäftsleitung mehr Klicks als die ausgeschriebenen Stellenanzeigen. Stellen in Bereichen wie der Produktion, der Telekommunikation, dem Baugewerbe oder der Krankenpflege bekamen jedoch weniger Klicks im Vergleich zu den ausgeschriebenen Stellenanzeigen. [3] Dies deutet darauf hin, dass sowohl wirtschaftliche Anreize als auch gesellschaftliche Anerkennung bei der Berufswahl immer wichtiger werden.

Im vergangenen Jahr gab es in der Schweiz über 6000 freie Stellen in der professionellen Pflege. Diese Zahl hat sich in den letzten fünf Jahren verdoppelt.[4] Die Untersuchung des Angebots und der Nachfrage nach Arbeitskräften im Gesundheitswesen in der Schweiz zeigt, dass in naher Zukunft diplomierte Pflegekräfte bis 2025 nur 56% des Bedarfs decken werden.[5]

In dem oben genannten Fall hat das Problem nicht mit einer Weiterbildung oder Umschulung zu tun. Es geht vielmehr darum, wie mehr Menschen – insbesondere jüngere Menschen – ermutigt werden können, eine Karriere in Berufen zu machen, die als weniger attraktiv angesehen werden.

Umso bedenklicher ist die Tatsache, dass ein großer Teil der Jugendlichen aufgrund schlechter Arbeitsbedingungen (z.B. wenig Einkommen, lange Arbeitszeiten, zu viel Stress) entweder direkt nach der Lehre oder nach nur wenigen Jahren Berufserfahrung das Arbeitsfeld gewechselt hat. Dazu gehören Berufe der Kinderbetreuung, des Gastgewerbes, der Gastronomie und des Kunsthandwerks.

Heute spricht jeder über Automatisierung, Digitalisierung, KI, Weiterbildung und Umschulung. Wir dürfen nicht vergessen, dass es immer noch viele Jobs gibt, die für unser tägliches Leben unerlässlich sind und wahrscheinlich nicht automatisiert werden können. Genau diese Berufe verlieren an Popularität. Es ist wichtig, dass Regierungen und Bildungssysteme Maßnahmen zur Sensibilisierung und Förderung dieser Berufe ergreifen. Wie im OECD Employment Outlook 2019 geschrieben steht, „liegt die Zukunft der Arbeit in unseren Händen und wird weitgehend von den politischen Entscheidungen der Länder abhängen“.

Seit fast einem Jahrzehnt beobachtet und arbeitet JANZZ.technology mit vielen Arbeitsmärkten auf der ganzen Welt. Unser neuestes Produkt JANZZdashboard! erstellt transparente und leicht verständliche Gap-Analysen des Arbeitsmarktes. Dadurch erhalten die Regierungen eine klare Vorstellung davon, welche Fähigkeiten verfügbar sind und welche erweitert oder neu erarbeitet werden sollten. Um mehr über unsere Lösungen zu erfahren, schreiben Sie bitte jetzt an sales@janzz.technology

 

 

 

[1] Spring. 2019. Swiss skills shortage index 2019. URL: file://srvgiga-adart/JANZZ.technology/JANZZ.technology/JANZZ.technology%20Company/JANZZ%20Business%20Development/JANZZ%20Social%20Media&Blogs/JANZZ%20Posts/2020/Swiss%20skills%20shortage%20index%202019/adecco-study-data.pdf [21.01.2020]

[2] Rachel Muller-Heyndyk. 2019. New technology causing skills gaps and stagnant wages. URL : https://hrmagazine.co.uk/article-details/new-technology-causing-skills-gaps-and-stagnant-wages [21.01.2020]

[3] Robert Mayer. 2019. Die meisten Stelleninserate, die geringste Nachfrage. URL : https://www.tagesanzeiger.ch/wirtschaft/in-diesen-berufen-herrscht-ein-mangel-an-fachkraeften/story/18953945 [21.01.2020]

[4] Albert Steck. 2019. Offene Stellen auf Höchststand. URL: http://jobs.nzz.ch/news/6/arbeitswelt/artikel/421/offene-stellen-auf-hochststand [21.01.2020]

[5] Veronica DeVore. 2016. When caring for patients gets competitive. URL : https://www.swissinfo.ch/eng/showing-off-skills_when-caring-for-patients-gets-competitive/42524090 [21.01.2020]

 

 

 

 

 

 

Das Potential von KI fürs Personalmanagement

Künstliche Intelligenz (KI) ist zweifellos ein leistungsfähiges Hilfsmittel. Ihr ökonomischer Wert steigt stetig und transformiert zahlreiche Industrien, wie zum Beispiel die Herstellung, FinTech, das Gesundheitswesen und die Automobilbranche. Arbeitnehmer*innen im Finanzwesen und im Marketing können KI-Technologien bereits erfolgreich nutzen, während Personalmanager*innen bei deren Integration in ihre alltäglichen Praxen noch Schwierigkeiten haben.

Prasanna Tambe, Peter Cappelli und Valery Yakubovich legen in ihrer Recherche dar, dass «es in HR systemische und strukturelle Unterschiede gibt, welche die Konstruktion eines auf KI-basierenden Systems erschweren» [1]. Weil die Qualität und das Erklärungspotential von Big Data und KI begrenzt sind, werden sie im Personalmanagement und bei der Einstellung immer noch als eher unkonventionell betrachtet. Um ein besseres Verständnis hiervon zu erhalten, müssen wir KI-Probleme im Hinblick auf Data Science im Personalmanagement (HRM) betrachten.

In Bezug auf Data Science gibt es drei Hauptherausforderungen für die HR-Praxis. Die erste Angelegenheit betrifft den Mangel an Konstanz in der Messung des HR-Prozesses während eines Mitarbeiterlebenszyklus. Wenn zum Beispiel zu bestimmen ist, welche*r Kandidat*in angestellt oder befördert werden soll, ist es wichtig, dabei fortlaufend die Kriterien und Fähigkeiten, welche bei der Entscheidung ausschlaggebend waren, zu dokumentieren und zu analysieren.

Das zweite Problem der HR-Praxis ist, dass im HRM produzierte Datensets beschränkt sind. Ferner sind solche Daten oftmals unstrukturiert (auf dem Papier, in Excel oder PDF) und, konsequenterweise, für den Computer schwierig zu prozessieren.

Die dritte Schwierigkeit ergibt sich aus den ethischen Bedenken im Hinblick auf die Datenverarbeitung. Resultate von HR-Entscheidungen können einen starken Einfluss auf die Karriere haben. Deshalb ist es unerlässlich, sich Gedanken darüber zu machen, wie Fairness und Transparenz erreicht werden können. Darüber hinaus ist es ebenfalls wichtig zu wissen, wie Angestellte auf Resultate die nur durch datengestützte Algorithmen erzeugt werden, reagieren. Wie Morgan Hampton von Tesla findet, «sollte Rekrutierung so viel wie möglich automatisiert werden, nicht aber die Einstellung, welche möglichst persönlich bleiben soll».

Nebst dem Miteinbezug dieser drei Probleme sollten Personalmanager*innen sich bei der Suche nach KI-Lösungen auf die folgenden Aspekte konzentrieren, um KI effektiver zu nutzen. Erstens müssen Personalmanager*innen den richtigen HR-Prozess entwickeln, also einen der dem digitalen Zeitalter und der KI-Technologie entspricht.

Gegenwärtig laufen die KI-Technologien separat, zum Beispiel in der Rekrutierung und Talentgewinnung, in der Lohnverwaltung und in der SB-Transaktion. Jedoch fehlt dabei ein Mechanismus, der Daten generiert, welche dem gesamten KI-Prozess in den HR-Praxen zuträglich sind.

Personalmanager*innen behalten oftmals nur die Bewerbungen die sie auch interessieren. Die Bewerbungen, welche herausgefiltert werden, führen zu eindimensionalen Schlussfolgerungen [1]. Eigentlich sollten alle Kriterien bei der Datensammlung erfasst und zu Schluss evaluiert werden, um die Entwicklung von Big-Data-Modellen und KI-Prozessen zu optimieren.

Des Weiteren ist es wesentlich, dass die Daten auf nachhaltige Art und Weise erhoben werden.  Beispielsweise gibt es KI-Applikationen, die voraussagen können, welche Angestellten ihren Job kündigen werden und solche, die sogar die Datenpunkte von den Social-Media-Accounts und E-Mail-Adressen der Angestellten verfolgen können [2]. Wenn Angestellte sich solch einem System bewusst wären, würden sie möglicherweise ihr Verhalten ändern und bewusst irreführende Daten produzieren.

Letztes Jahr machte die Geschichte über ein KI-Tool von Amazon, welches einen Bias gegenüber Frauen hatte, Schlagzeilen. Es wurde als Beweis dafür, dass Machinelles Lernen menschliche Haltungen nachahmen kann erachtet. Das Geschlecht einer Person ist aber lange nicht der einzige Aspekt, der zur Grundlage für Diskriminierung dienen kann. Alter, Nationalität oder Ethnie können ebenfalls einen negative Einfluss darauf haben, wie integrativ und divers eine Firma anstellt.

Personalmanager*innen sollten nur wichtige Daten sammeln und für erklärbare-KI-Lösungen suchen. Die komplexen neuralen Netzwerke im Deep Learning sind bei weitem nicht selbsterklärend.

Bis heute gibt es keine einheitliche Liste von Kriterien, die Personalmanager*innen in der HR-Praxis beachten sollten. Dies bedeutet, dass Personalmanager*innen mit der firmeninternen IT-Abteilung oder externen KI-Anbietern zusammenspannen müssen, um die besten Analyseverfahren zu etablieren. Diese Praktiken können dazu verwendet werden, Daten mittels KI zu tracken und zu messen.

Bei JANZZ.technology sind wir davon überzeugt, dass das Sammeln und Strukturieren von Daten essentiell ist. Unser Parser-Tool extrahiert die richtigen Einheiten von Papier, Excel oder PDF und stellt sicher, dass ein durchgehend fairer End-to-End Prozess gewährleistet wird. Möchten Sie mehr über unseren Parser und seine Fähigkeiten, Ihnen bei Ihrer KI-Transformierung zu helfen, erfahren? Dann schreiben Sie bitte an sales@janzz.technology

 

 

[1]Prasanna Tambe, Peter Cappellli and Valery Yakubovich. 2019. Artificial intelligence in human resources management: Challenges and a path forward. URL:https://www.researchgate.net/profile/Peter_Cappelli/publication/328798021_Artificial_Intelligence_in_Human_Resources_Management_Challenges_and_a_Path_Forward/links/5c5edc7f299bf1d14cb7dc5f/Artificial-Intelligence-in-Human-Resources-Management-Challenges-and-a-Path-Forward.pdf [2019.10.20]

[2] Samantha Mclaren. 2019. Here’s how IBM predicts 95% of its turnover using data. URL:https://business.linkedin.com/talent-solutions/blog/artificial-intelligence/2019/IBM-predicts-95-percent-of-turnover-using-AI-and-data[2019.10.20]

JANZZ.technology bietet erklärbare künstliche Intelligenz (XAI)

Im Verlaufe des letzten Jahrzehntes haben maschinelles Lernen (ML) und insbesondere Deep-Learning-Systeme dank dem Vorhandensein grösserer Datensätzen und fortschrittlicher Rechenleistungen signifikante Optimierung erfahren. Der dramatische Erfolg von ML forciert uns aber auch dazu, von künstlicher Intelligenz (KI) geleitete Applikationsprozesse zu tolerieren. Aufgrund deren immer autonomeren Systeme sind aktuelle Maschinen nicht in der Lage, Benutzer*innen über ihre Prozesse zu informieren.

Heutzutage sind die meisten KI-Technologien von privaten Herstellern entwickelt, welche sicherstellen, dass ihre Datenprozessierung geheim bleibt.  » Lesen Sie mehr über: JANZZ.technology bietet erklärbare künstliche Intelligenz (XAI)  »

Beispiele für CL-Applikationen bei der Talentakquise

Die JANZZ-Ontologie JANZZon! ist eine computerlinguistische Applikation (CL-Applikation) für die Talentakquise und kann zu Produkten wie Google Cloud Jobs API gezählt werden. Ein Artikel von Gartner mit dem Titel Impacts of Artificial Intelligence and Machine Learning on Human Capital Management fasst zusammen, dass Applikationen mit künstlicher Intelligenz (KI) und mit maschinellem Lernen die heutige Art und Weise, wie HR-Prozesse geschehen, aktiv verändern. Um den gesamten Bericht zu lesen besuchen Sie bitte: https://www.gartner.com/en/documents/3778864/impacts-of-artificial-intelligence-and-machine-learning  » Lesen Sie mehr über: Beispiele für CL-Applikationen bei der Talentakquise  »

Was Sie wissen sollten bei der Wahl Ihrer AI-Recruiting-Software

In einem Bericht präsentiert Deloitte die Entwicklung der HR-Technologie in vier Schritten. Der erste Schritt beschreibt die Zeitspanne zwischen den 1970ern und 1980ern, als der Hauptfokus der Software-Anbieter den Systemen galt, die den HR-Managern helfen konnten, Protokoll zu führen. In einem zweiten Schritt zwischen den 1990ern und den frühen 2000ern wurden HR-Fähigkeiten entwickelt, welche Rekrutierung, Schulung und Leistungskontrolle unterstützen konnten. Um 2010, im dritten Schritt, fingen Anbieter an Cloud-Services und benutzerfreundliche Systeme anzubieten, um Employee-Self-Services einzusetzen.

Der Deloitte-Bericht behauptet, dass wir heute im vierten Stadium der HR-Technologie stehen. Um auf die Mikrotrends des Arbeitsumfeldes reagieren zu können, mussten Anbieter Instrumente entwickeln, welche auf Teams, Individuen und Netzwerke abzielen und welche die menschliche Produktivität erhöhen. Bei JANZZ.technology denken wir auch, dass HR-Technologie Personalleiter darin unterstützen soll, die Produktivität und den Fokus auf wertschöpfende Arbeiten zu lenken. Zum Beispiel sollte der benötigte Aufwand für banale Aufgaben reduziert, das effiziente Sieben von tausenden von Kandidat*innen und deren ausführliche Bewerbungsgespräche ermöglicht werden. Wir glauben, dass dies durch Künstliche Intelligenz (KI) erreicht wird.

KI für die Rekrutierung

Talentgewinnung ist zweifellos einer der wichtigsten Teile der Unternehmensführung. Das macht den Recruiting-Software-Markt zum kompetitivsten und interessantesten Markt zum Beobachten. Staatliche Organisationen, wie der Arbeitsmarktservice, suchen aktiv Lösungen, um mit diesem Thema umzugehen. Gemäss Crunchbase haben Recruiting-Software-Startups in 2018 mehr als 600 Millionen Dollar VC-Finanzierung erhalten. Im letzten Market-Map von HR Tech China wurde festgestellt, dass Recruiting-Software-Anbieter den grössten Anteil der HR-Technologie-Anbieter ausmachen.

Die diversen Rekrutierungsplattformen der Anbieter beinhalten das Prüfen und Beurteilen der Kandidat*innen und deren Hintergrundsüberprüfungen und Video-Interviews. Erstmals Anfang 2017 ist KI im Rekrutierungsprozess aufgetaucht. Die darauffolgende Zunahme an KI-Fähigkeiten von Recruiting-Softwares könnte jeden HR-Manager überfordern.

KI für die Rekrutierung ist eine aufkommende Technologie im HR-Rekrutierungsprozess. Es braucht KI-Technologie hauptsächlich, um eine Reduktion von repetitiven, banalen und zeitaufwendigen Aufgaben zu ermöglichen, was Rekrutierern und Personalverantwortlichen hilft, sich auf wertschöpfende Aktivitäten zu konzentrieren. 52 Prozent der Talentgewinnungsführer geben an, dass der schwierigste Teil der Rekrutierung das Filtern der Kandidat*innen aus einem grossen Bewerberpool sei. [1] AI-Recruiting-Softwares können tausende von Bewerbungen filtern und im Nu die Top-5 Kandidat*innen vorschlagen. Somit werden HR-Manger mehr Ressourcen für den Rekrutierungsprozess haben und nur die Topkandidat*innen bewerten können, was ihre Chancen erhöht, die passendsten Kandidat*innen zu finden.

Hingegen benutzt die breite Öffentlichkeit den Begriff ‘KI’ in unklarer oder sogar unkorrekter Weise. Viele Firmen verwenden das Label KI um ihre Produkte zu beschreiben, damit diese aufgewertet erscheinen. In den meisten Fällen verspricht diese Art von Produktwerbung zu viel. Deswegen ist es äusserst wichtig, diese Art von Produkt und seine Anbieter beurteilen zu können. Dieser Prozess ist ähnlich wie der Rekrutierungsprozess: Nur wenn man verschiedene Möglichkeiten hat, die Optionen zu evaluieren, wird man die beste finden.

KI-Rekrutierungstechnologie beurteilen

Wie können HR-Manager den falschen Versprechen von AI-Recruiting-Softwares entgegenhalten? Wir haben drei Richtlinien, welche man einhalten sollte beim Aussuchen einer AI-Recruiting-Software.

Erste Richtlinie: Sich des Bias der AI-Recruiting-Software bewusst sein

Letztes Jahr war die Geschichte des Amazon Recruiting-Tools, welches voreingenommen gegenüber Frauen war, für uns alle ein Alarmsignal: Maschinelles Lernen kann genau so voreingenommen sein wie Menschen. Deswegen ist es sehr wichtig, auf die algorithmische Fairness und Transparenz zu achten.

Man muss sich bewusst sein, wie die Software persönliche Informationsdaten wie Geburtstag, Geschlecht und Nationalität verarbeitet. Welche Faktoren berücksichtigt die Software beim Matching? Und, ignoriert sie irrelevante Faktoren?

Abgesehen von Algorithmen muss man sicherstellen, dass die Software repräsentative Trainingsdaten prozessiert. Im Falle von Amazon hat sich das Instrument gegen weibliche Bewerberinnen gewandt, weil die Firma über zehn Jahre hinweg die Computermodelle nur mit CVs von männlichen Bewerbern trainiert hat. Deshalb, fragen Sie Ihren Software-Anbieter, wie er mit Ihrer Datenquelle umgeht.

Zweite Richtlinie: Vor dem Kauf wird getestet

Bevor man ein Auto kauft, macht man sicherlich eine Probefahrt. Diese Regel gilt auch bezüglich Recruiting-Softwares. Weil ein Recruiting-Software-System eine teure und langfristige Investition ist, macht es Sinn, ein POC (Proof of Concept) durchzuführen. In einem Probelauf werden Sie herausfinden, ob die Softwares wirklich Ihre priorisierten Probleme lösen, die versprochenen Funktionen bieten und mit Ihren Daten umgehen können.

JANZZ.technology hat eine POC mit einer internationalen Organisation durchgeführt, um herauszufinden, ob unsere Lösung Ihnen helfen könnte, bei der Kandidat*innensuche Zeit zu sparen. Unsere KI-Software ist im Matching von Kandidat*innen weltweit mit einer offenen Praktikumsstelle der Organisation gegen die HR-Abteilung der Organisation angetreten. Nach dem Filtern von tausenden von Bewerbungen waren sie beeindruckt von unseren Resultaten.

Die meisten guten Software-Anbieter bieten Gratis-Probeläufe an. Es ist wichtig, Ihre Testdaten vor dem Probelauf gut vorzubereiten, damit Sie ihn bestmöglich nutzen und im darauffolgenden Prozess optimieren können. Einer der oft ignorierten Aspekte ist die Wartung und Unterstützung, welche nach dem Kauf einer Rekrutierungs-Software benötigt werden. Nur mit konstanter Aktualisierung ist die Software fähig, sich parallel zum schnellentwickelnden Markt, zu den Kundenanforderungen und zu der kontinuierlichen Digitalisierung zu entwickeln. Vertrauen Sie nicht einfach Werbeslogans wie «50 andere führende Firmen aus Ihrer Industrie benützen unsere Software» oder «auch die Top 100 aus den Top 500 Firmen verwenden unsere Software».

Dritte Richtlinie: Die Soft Skills einer AI-Recruiting-Software in Betracht ziehen

Genau so wie man Jobkandidat*innen entsprechend ihrer Fähigkeiten und Soft Skills beurteilt, muss man das auch mit AI-Recruiting-Softwares machen. Wir bezeichnen die Hard Skills einer Software als Funktionalität, Genauigkeit, Datensicherheit, Schnelligkeit und Sprachfähigkeiten.

Jedoch übersehen viele die Soft Skills einer AI-Recruiting-Software. Diese beinhalten die Fähigkeit, die Sprachen, Ausbildungen, Arbeits- und Sozialsysteme etc. aus Ihrer Region tiefgründig zu verstehen und die Fähigkeit, spezifische Regionen und Länder zu lokalisieren.

Zum Beispiel hat ein Land wie Spanien mehrere Sprachen: Kastilisch, Katalanisch (oder Valenzianisch), Galizisch und Baskisch. Eine gute AI-Recruiting-Software sollte in der Lage sein, diese vier verschiedenen Sprachen zu verstehen und sollte wissen, wie geläufige Terminologien in denselbigen verwendet werden.

Job-Matching in Europa ist keine einfache Aufgabe. Zum Beispiel, weil jedes der 44 Länder sein eigenes Bildungssystem besitzt (sogar unter dem Bolognasystem). Es ist ein enormer Aufwand, die verschiedenen Bildungsniveaus zu vergleichen und Bewerber*innen mit Stellen zu matchen. Hat Ihr Anbieter die richtigen Kenntnisse um solche Probleme in Ihrer Region zu lösen?

Nebst Sprachen und Bildung gibt es viele gleichwichtige Kategorien, die ernst genommen werden müssen. Als eine internationale Korporation, welche in verschiedenen Ländern agiert, möchten Sie eine Software besitzen, welche alle für Sie relevanten Märkte versteht.

Limitierungen von KI

Sie haben vielleicht schon von all den versprochenen Vorteilen, die aus der Verwendung von AI-Recruiting-Softwares hervorgehen, gehört. Bevor die KI seine Magie entfalten kann, haben wir ein Wort der Warnung: Erwarten Sie nicht, dass KI-Softwares die Rekrutierungsentscheide von alleine fällen. Viele der vorhergehenden Anwendungsfälle haben gezeigt, dass die Technologie noch nicht ganz bereit ist. ‘’Wie man sicherstellen kann, dass der Algorithmus wirklich interpretierbar und erklärbar ist, das liegt weit in der Zukunft.’’  [2]

Falls Sie erwarten, dass KI und der Algorithmus ihre Arbeit gut machen, ist es genauso wichtig, sicherzustellen, dass die Firma oder Organisation bereit für KI ist, um seine Kraft zu maximieren. Wir alle wissen, dass Musteridentifikation und Vorhersage eine grosse Menge an Daten erfordern. Bei den weitverbreiteten Open-Source-Algorithmen sind die Daten, mit welchen sie trainiert werden ausschlaggebend. Jede Firma oder Organisation sollte einen klaren Plan haben, wie die qualitativen und quantitativen Daten generiert werden sollten, um der AI-Recruiting-Software zu helfen, genaue Resultate zu erzielen, welche für ihr Geschäft ökonomisch rentabel sind.

JANZZ.technology bietet KI-Lösungen für Ihr Rekrutierungssystem an und hilft Ihnen, die richtigen Fähigkeiten und Talente zu finden. Die Ontologie von JANZZon! und die clevere Matching-Engine JANZZsme! machen komplexe Probleme sowie Job- und Skill-Matching errechenbar und verändern die Art und Weise, wie wir Skill- und Talentsuche angehen, komplett. Die Applikationen von JANZZ.technology sind semantisch strukturiert, was heisst, dass Berufe, Spezialisierungen, Funktionen, Fähigkeiten, Qualifikationen, etc. logisch vernetzt werden. Die Applikationen von JANZZ.technology können sinnvolle Resultate aus komplexen Suchen in Echtzeit und in verschiedenen Sprachen hervorbringen. Unsere Applikationen werden konstant mit neuen Daten aktualisiert, welche von unseren Nutzern generiert werden. Deswegen werden sie im Laufe der Zeit immer genauer. Lassen Sie die Instrumente von JANZZ.technology Ihnen in der Suche nach den besten Kandidat*innen assistieren. Für eine Demonstration schreiben Sie bitte an sales@janzz.technology

[1] ideal. 2019. AI for recruiting: A definitive guide for HR professionals. URL: https://ideal.com/ai-recruiting/ [2019.05.28]

[2] Jeffrey Dastin. 2018. Amazon scraps secret AI recruiting tool that showed bias against women. URL: https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G [2019.05.28]
[/av_textblock]

Realistische Einblicke in die Zukunft der Arbeit

Ideenreiche Diskussionen ergaben sich bei der zweitägigen Tagung zur Zukunft der Arbeit in Washington. Die Tagung am 27. und 28. November 2018 präsentierte viele verschiedene Möglichkeiten, moderne Technologien im Umfeld von Arbeitsmärkten zu nutzen, wie Blockchain, Künstliche Intelligenz und Machine Learning. An der von der Inter-American Development Bank und dem MIT media lab organisierten Veranstaltung nahmen hochrangige Spezialisten von Privatunternehmen, öffentlicher Organisationen und Universitäten aus aller Welt teil. Stefan Winzenried, CEO und Gründer, und Diego Rico, Vizepräsident und Projektmanager LATAM, freuten sich, JANZZ.technology bei der Tagung zu vertreten.

Das Ziel der Teilveranstaltung zum Thema «Künstliche Intelligenz und Matching Algorithmen für Arbeitsvermittlung» war es, verschiedene Systeme des intelligenten Matchings mit AI zwischen Jobsuchenden und Jobs vorzustellen. Cristina Pombo, Senior Beraterin in der Abteilung zum Sozialen Sektor bei der IDB, moderierte die Veranstaltung, in welcher, neben einem Vertreter von WCC, Stefan Winzenried Fragen aus dem Plenum beantwortete und Anregungen über die praktische Umsetzung sowie die Herausforderungen und Möglichkeiten von semantischem, transparentem und weitgehend diskriminierungsfreien Matching zu erläuterte. Insbesondere wurde verdeutlicht, wie potenzielle Vorurteile und/oder ungleiche Behandlung beim technologischen Recruiting frühzeitig verhindert werden können und welches die wichtigsten Möglichkeiten sind, welche sich durch solche Technologien für die Zukunft eröffnet.

Diego Rico präsentierte neue Tools für die Arbeitsmarktanalyse mit Hilfe der JANZZ White-Label-Plattform für Paraguay, „ParaEmpleo“. Ziel der Veranstaltung war es, fortschrittliche, sinnvolle und einfach zu nutzende Wege aufzuzeigen, wie Akteure auf dem Arbeitsmarkt besser informiert werden können.

Das JANZZ-Team konzentrierte sich darauf, die Tech- und Forschungsgespräche zu praktischen Anwendungsfällen aus dem aktuellen Projekt in Paraguay zu verknüpfen. Im Mittelpunkt der Diskussion standen die verschiedenen Strategien, Massnahmen und Einblicke, die aus der LATAM-Region in strukturierter und reichhaltiger Form erlangt werden konnten. Die Teilnahme des JANZZ-Teams endete mit einer aussagekräftigen Analyse der vergangenen und aktuellen Herausforderungen innerhalb des Projekts, sowie der Möglichkeit, es in verschiedenen LATAM-Ländern zu reproduzieren.

Schützt die jungen Menschen: Wie Arbeitsunfälle und Krankheiten weltweit Leben und Geld kosten

Junge Menschen sind wesentlich häufiger von Arbeitsunfällen und gesundheitliche Problemen durch ihre Arbeit betroffen als ältere Mitarbeitende. Nach Angaben der Europäischen Agentur für Sicherheit und Gesundheitsschutz sind sie sogar bis zu 40 % anfälliger für arbeitsbedingte Verletzungen. Junge Mitarbeiter müssen vom Arbeitgeber also wesentlich besser geschützt und geschult werden.

Die Vereinten Nationen definieren junge Arbeiter als Arbeitskräfte zwischen 15 und 24 Jahren. Hierbei ist es gleich, was für einer Arbeit sie nachgehen, ob sie festangestellt sind, sich in einem Lehrverhältnis oder Praktikum befinden oder das Familiengeschäft unterstützen. Es gibt weltweit 541 Millionen junge Mitarbeitende, welche 15 % der Erwerbsbevölkerung ausmachen.

Viele Menschen arbeiten unter gefährlichen Bedingungen. Insbesondere in Bereichen wie der Landwirtschaft, im Bau oder in der Produktion werden viele Arbeitsunfälle gemeldet. Laut der Internationalen Arbeitsorganisation (ILO) erlitten in einem Jahr 374 Millionen Mitarbeitende weltweit Arbeitsunfälle. In Europa wurden allein 2015 knapp 3900 sog. fatale Arbeitsunfälle verzeichnet. So werden Unfälle mit Todesfolge bezeichnet.

Mitarbeiter müssen umfangreich geschult werden.

Junge Menschen sind insbesondere von den hohen Gefahren betroffen, weil sie noch nicht über die gleichen Kompetenzen und die Erfahrung verfügen wie ältere Angestellte. Sie können also die Gefahren schlechter einschätzen und haben noch nicht das Wissen erhalten, wie sie den Gefahren vorbeugen können, bzw. diese vermindern. Gleichzeitig sind ihre Körper und Gehirne noch nicht vollentwickelt. Ein Beispiel hierfür ist der Frontalkortex, in welchem Vernunft und Urteilsfähigkeit ihren Sitz haben, und der sich erst ganz am Schluss, meist erst nach 20 vollständig entwickelt. Viele Geräte und Werkzeuge sind für die Handhabung von Erwachsenen gebaut, und somit verletzen sich die jungen Menschen daran leichter. Ebenso sind Reaktionen des Körpers auf Schadstoffe stärker. Letztendlich sind junge Mitarbeitende auch häufig nicht in der Lage dazu, auf Missstände hinzuweisen, da sie sie weder erkennen, noch dass sie sich trauen, etwas gegen ihren Arbeitgeber zu verbreiten.

Allgemein ist die Wahrscheinlichkeit für einen Arbeitsunfall vier Mal so hoch im ersten Monat eines Jobs als im gesamten folgenden Jahr. Diese Wahrscheinlichkeit steigt nun noch einmal enorm bei jungen Arbeitenden, da diese im ersten Monat fünf Mal so hoch ist wie bei älteren Arbeitenden. So nennt die Europäische Agentur für Sicherheit und Gesundheitsschutz am Arbeitsplatz als Beispiel einen Fall eines 18-Jährigen, der nach vier Tagen Ausbildung an Verbrennungen starb, die er sich bei der Entsorgung von Benzin und Diesel zuzog. Sein Arbeitgeber hatte weder mit ihm noch anderen Mitarbeitenden grundlegende Sicherheitsschulungen durchgeführt.

Aufgrund von dieser und vielen weiteren Erfahrungen weist die Agentur auf die Wichtigkeit von Sicherheits- und Gesundheitsschulungen insbesondere für junge Mitarbeitende hin. So rät sie dazu, unter anderem umfassend über häufige und spezielle Gefahren, Möglichkeiten des Selbstschutzes, Ansprechpartner bei Gefährdungen, sowie Handlungen im Notfall zu informieren und zu beraten. Ebenso empfiehlt sie, Aufsichtspersonen spezifisch auf dem Umgang mit jungen Mitarbeitenden zu schulen, da bei diesen u.a. nicht die gleiche Umsicht zu erwarten ist wie bei älteren Mitarbeitenden. Gesetzlich ist ebenfalls in vielen Ländern festgelegt, dass der Arbeitgeber Gefahren ermitteln, Risiken beurteilen und diesen mit Massnahmen vorbeugen muss.

Schliesslich geht durch mangelhafte Arbeitssicherheit viel verloren. Die Internationale Arbeitsorganisation (ILO) geht davon aus, dass mangelhafte Arbeitsschutzverhältnisse rund 4 % des globalen BIP pro Jahr kosten. Unternehmen und Wirtschaft sind stark von Arbeitsunfällen betroffen, da mögliche Gefahren bereits die Produktivität verringern können, und von Unfall und Krankheit betroffene Mitarbeitende arbeitsunfähig sind. Ebenso fallen möglicherweise Investitionen in die Arbeitsplatzanpassung nach einer möglichen Behinderung der betroffenen Mitarbeitenden an. Nicht zuletzt sollte nicht vergessen werden, dass Arbeitsunfälle ein Leben lang Karrierechancen, die soziale Sicherheit und das grundsätzliche Wohlbefinden von (jungen) Menschen zerstören können. Schulungen und Investitionen lohnen sich demnach lang- und kurzfristig für Arbeitgeber und Arbeitnehmer.

Jedoch sollten bereits in einer Jobanzeige die wichtigsten Sicherheitshinweise aufgezeigt werden. Dies stellt den neuen jungen Mitarbeitenden bereits auf die Verhältnisse vor Ort ein und sorgt somit von Anfang an für eine erhöhte Umsicht. Mit dem Knowledge Graph JANZZon! und den weitentwickelten, mehrsprachigen Typeahead API’s können bereits Jobanzeigen von Berufen mit einem besonders hohen Risikopotenzial oder einem überdurchschnittlichen Anteil von jungen Arbeitnehmenden bei der Erfassung mit erforderlichen Sicherheitsskills semantisch sinnvoll angereichert werden bzw. die nötigen Informationen und Fähigkeiten in die Einstellungs- und Einarbeitungsprozesse integriert werden.

Immer noch mehr Lärm um nichts… oder warum der Hype um Big Data und AI meist mehr mit Selbstvermarktung als mit Fakten und Fortschritt zu tun hat.

Wir produzieren alle zwei Tage die Menge an Daten, die vorher insgesamt bis zum Jahr 2003 produziert wurde. Mit diesem Faktum schockierte der ehemalige CEO Googles, Eric Schmidt, schon 2010. Seitdem hat sich die Datenproduktion natürlich noch beschleunigt. Obwohl «Massendatenverarbeitung» zwar nichts Neues ist, ist erst in den letzten Jahren der Hype um den bekannteren Begriff «Big Data» richtig entfacht [1]. Doch viel zu schnell verlieren sich viele in diesem immer grösseren Daten-Dschungel und abstrusen Methoden.

 

Zufälle können nicht errechnet werden

Denn «Mehr Daten bedeutet eben nicht mehr Wissen», proklamiert Gerd Antes prägnant im Interview mit dem Tagesanzeiger. Der Mathematiker kritisiert den Rummel um Big Data Nutzung scharf, denn durch die Masse an Daten würden zufällige Korrelationen wahrscheinlicher. So zeigen der Pro-Kopf-Käsekonsum und die Anzahl Toter durch Verheddern im Bettlaken in den USA eine identische Kurve auf. Während eine maschinelle Analyse möglicherweise Rückschlüsse daraus gezogen hätte, erkennt ein menschlicher Wissenschaftler sofort, dass dies ein Zufall ist. [2]

Zufälle gibt es jedoch laut vielen Big Data Anhängern nicht mehr. Wenn genügend grosse Datenmengen verfügbar sind, meinen diese Anhänger nun, dass damit auch sämtliche Zusammenhänge vorausberechnet werden können.  Und zwar mithilfe von Machine oder Deep Learning sowie den richtigen Analysen. Die Erfahrung und verfügbaren Trainingssets (aus der Vergangenheit) würden dafür vollends ausreichen, und Fehlerbereiche aufgrund fehlender oder irrelevanter Daten gebe es kaum oder keine. Dieser Rückschluss ist doch überaus fatal. Natürlich können gewisse Bereiche, Zeiträume und Zusammenhänge, etc. für die etwas eher oder weniger wahrscheinlich eintritt, leichter erschlossen werden. Jedoch bedeutet dies noch lange nicht, dass deshalb keine Zufälle bzw. wesentliche Abweichungen möglich sind. Wie soll beispielsweise eine Analyse gesammelter Daten aus der Vergangenheit Verkehrsunfälle in der Zukunft präzise voraussagen?  Oder auch Krankheiten? Schliesslich sind Krankheitsverläufe – und damit digitale Daten von Patienten – längst nicht immer vollständig, einheitlich und aussagekräftig genug. [2]

Big, bigger, big data? Übertreibe nicht bei deinen Erfolgen.

Datenanalyse kann also lebensbedrohlich sein…

Gerade in der Medizin warnt nicht nur Gerd Antes vor dem Big Data und AI Hype. Wird eine falsche Behandlungsmethode aufgrund von Ergebnissen von Big Data Analysen und Machine Learning angewendet, können die Auswirkungen sehr gefährlich sein – für den Menschen, für das Portemonnaie und für die Reputation. Denn vielleicht werden bei dieser Riesenmenge an Daten die wahren Korrelationen und Ungereimtheiten gar nicht erst entdeckt. Korrelationen und Ungereimtheiten, die Leben bedrohen oder retten können. [2]

Erst kürzlich geriet IBM erneut in die Negativ-Schlagzeilen, als das Medienunternehmen STAT für einen Bericht IBM-interne Dokumente analysierte, welche konkludierten, dass Watson for Oncology wiederholt «unsichere und inkorrekte» Krebsbehandlungen empfohlen hatte. Ebenso besagten diese, dass IBM-Mitarbeiter und -Vorgesetzte davon in Kenntnis waren. Immerhin sei aufgrund dieser Empfehlungen noch kein nachgewiesener Todesfall aufgetreten, jedoch haben viele renommierte Spitäler beschlossen, die mehrere millionenteure Technologie nicht mehr einzusetzen. [3]

Insofern sind in diesem Bereich erste Anzeichen eines Umdenkens sowie eines wieder etwas rationaleren Vorgehens zu erkennen. Schliesslich ist auch der noch vor 2-3 Jahren scheinbar grenzenlose Hype um IBM‘s Wundercomputer Watson im Bereich Medizin wieder am Abklingen. Viele weitere, ähnliche Anwendungsgebiete werden folgen. Spätestens, wenn es wieder mehr um Fakten, belastbare Ergebnisse und Relevanz geht, und weniger um grossspurige Selbstvermarktung sowie vollmundige Versprechungen der bekannten globalen Tech-Konzerne und deren oft noch sehr experimentellen Produkte. Sicher ist, dass die vorgängig beschriebenen Erkenntnisse und Learnings aus der Medizin nahezu 1:1 auf den digitalen HR-Markt zu übertragen sind, wo diese beispielsweise beim Matching von Jobs und Talenten Anwendung finden.

 

Vertrauenswürdiges Wissen kommt von Experten

Schon vor über fünf Jahren provozierte Cornel Brücher mit seinem Werk «Rethink Big Data» und bezeichnete die Big Data Anhänger als Narren. [2] Wir bei JANZZ haben schon von Anfang an dies sehr ähnlich gesehen. So ist es schlichtweg nicht möglich, Wissen im Umfeld von Jobs und CV’s, komplexerer Occupation Data etc. mit Machine Learning allein zu erlangen. Alle, die etwas anderes behaupten, liegen nachweislich falsch. Und diese Behauptungen bleiben falsch und nutzlos, egal, wie oft man die gleichen Ideen und Produkte wieder neu anpreist und vermarktet. Und selbst dann noch, wenn noch viel mehr Geld als bereits bis anhin in diese Technologien investiert wird.

Deswegen und trotz der vielen Investitionen sind die Ergebnisse, die auf dieser immer gleichen Herangehensweise basieren, immer noch weitgehend unzureichend, und haben sich darüber hinaus während der letzten Jahre kaum noch weiter verbessert. Und zwar unabhängig davon, wie gross die dafür verwendeten Datensätze z.B. bei LinkedIn, IBM & Co. auch sein mögen. Die Ergebnisse aus Machine Learning werden nicht nur immer fehlerbehafteter je mehr Faktoren und Variablen und damit komplizierte Regeln und Relationen hinzukommen, es resultieren daraus auch diese falschen Korrelationen oder zeitweise sogar vermeintliche Kausalität. Knowledge Graphs, bzw. Ontologien dagegen schaffen die Möglichkeit, Wissen in einer sehr tiefgehenden und strukturierten Art und Weise abzubilden und zu nutzen. Dadurch, dass das Wissen von Experten in ihrem Bereich strukturiert abgelegt und verbunden ist – und nicht durch Informatiker berechnet, die nun mal Experten im Programmieren sind, aber beispielsweise nicht in der Medizin oder in unterschiedlichen Ingenieurberufen oder Investmentbanking-Bereichen etc.,  – ist das Wissen von Knowledge Graphs sehr gut überprüfbar und vertrauenswürdig. Eine wichtige Eigenschaft, die beim Errechnen aus Machine Learning fehlt. Da Knowledge Graphs die Zusammenhänge zwischen vielen verschiedenen Bereichen verstehen, können nur diese relevante und präzise Suchergebnisse und Empfehlungen liefern. So zum Beispiel im Bereich Occupation Data: Weil ein Knowledge Graph den Unterschied und die Zusammenhänge zwischen Kompetenzen, Erfahrungen, Funktionen, Spezialisierungen und Ausbildung erkennt, weiss dieser, dass für Jobtitel «J» mit Ausbildung «A», Kompetenz «K» wichtig ist. Nehmen wir als Beispiel einen «Senior Cloud Architect»: Ein Knowledge Graph erkennt diesen Jobtitel und weiss, dass beispielweise das Masterstudium «Computer Science» eines Tages zu diesem Titel führen könnte, wenn der Bewerber gleichzeitig beispielsweise die Kompetenz «Cloud Solution Development», sowie einige Jahre Berufserfahrung nachweisen kann.

 

Auch Google vertraut bei Occupation Data auf Experten bzw. auf einen Knowledge Graph

Dies proklamierte schliesslich auch Google, als das Unternehmen ihren Knowledge Graph «Google Cloud Jobs API» lancierte, worauf ihre Google for Jobs Suche aufbaut (Siehe „Google Launches its Ontology-powered Jobs Search Engine. What Now?“). Google erkannte damals, dass ein Ontologie-basierter Ansatz bessere Suchergebnisse liefert. Bei einer semantischen Suche, die sich auf das Wissen eines Knowledge Graphs stützt, kämen bei einer Suche eines «Admin Assistant» keine Ergebnisse hinzu, die nur dem Suchwort ähnlich sind, wie «HR Admin» oder «Software Admin». Gleichermassen könnte eine Big Data Analyse womöglich zufällige Korrelationen ermitteln und somit ganz andere, dritte Jobs vorschlagen, die lediglich ähnliche Kompetenz-Anforderungen aufweisen (so benötigen sicherlich sowohl Ingenieure als auch Büroangestellte Wissen über Microsoft Office).

Den Unterschied und damit wahrlich die Jobsuche und das allgemeine Verständnis für Berufe und ihre Zusammenhänge zu kennen, geht also meist nur mit einem Knowledge Graph. So erläuterte Matt Moore, Produktmanager der Google Cloud, den Sinn und Grund für die Google Cloud Jobs API: «Wir wollen allen Arbeitgebern und Bewerbern bessere Erfahrungen bei der Jobsuche ermöglichen. Denn seien wir ehrlich: Die richtigen Personen einzustellen, ist das Wichtigste, was Unternehmen tun müssen.« [4]

 

Nur Menschen verfügen über die nötigen Menschenkenntnisse…

Und da stellt sich die Frage, wem man wirklich vertrauen kann, wenn es um die wohl wichtigste Aufgabe geht: die Auswahl des Personals. Eine unendliche Geschichte: Nach dem Lebenslauf beurteilt, war der Bewerbende der perfekte Kandidat/die perfekte Kandidatin, doch menschlich passte es dann leider überhaupt nicht. Solche Schlussfolgerungen zu ziehen, die die verfügbaren (digitalen) Daten nicht suggerieren, bewegt sich auf einer Ebene, auf der HR-Spezialisten, sprich Menschen am Zug sind. Technologische Tools können Lebensläufe nach offensichtlichen Erkenntnissen wie Ausbildung, Skills, Erfahrung, etc. verwalten und ranken, falls die Datenflut beherrschbar ist und vor allem korrekt ausgewertet wird. Auch der beste Kandidat auf dem Papier kann durch die grossen Mengen an falsch interpretierten oder unverstandenen Kriterien plötzlich in der Menge verschwinden. Und CV Nr. 1 gehört eben nicht immer dem besten Kandidaten, bzw. der besten Kandidatin. Im festen Glauben daran, auch diesen letzten Rest Faktor Mensch endgültig aus den Prozessen zu verbannen, versuchen immer mehr Techfirmen und Start-ups diese Dimension noch zu digitalisieren und dank künstlicher Intelligenz zu beherrschen. Wiederum mit meist untauglichen Methoden und noch bevor die eigentlich prozessfähigen, bestehenden, digitalen Daten richtig verwendet und ausgewertet worden wären. Eine Tatsache, worüber sich die Spezialisten und führenden Anbieter von Technologien, die sich schon seit einigen Jahren mit seriösen und belastbaren Prozessen und Produkten im digitalen HR befassen, grundsätzlich einig sind. Und nicht erst seit Google auch in dieses Marktsegement eingetreten ist. [5]

 

Big Data begrenzt Wissensentwicklung

Mehr Daten bedeuten meist also wirklich nicht mehr Wissen. Wissen muss strukturiert, abgelegt und validiert werden. Und fachkundige Menschen müssen dafür involviert sein. Es ist somit Vorsicht geboten, bei der Bekämpfung der Datenflut, welche sich am Ende nicht mehr strukturieren lässt und zufällige Korrelationen ergibt. Alexander Wissner-Gross, Wissenschaftler an der Harvard University und am Massachusetts Institute of Technology (MIT), hat es interessant zusammengefasst: «Die vielleicht wichtigste Nachricht unserer Zeit ist, dass Datensätze – nicht Algorithmen – der entscheidende begrenzende Faktor für die Entwicklung der künstlichen Intelligenz auf menschlicher Ebene sein könnten.» [6]

Vielversprechend ist also vor allem der Inhalt des Wissens, nicht die Menge an Daten, woraus dieses Wissen entzogen werden soll. Und vielversprechend bzw. beruhigend ist, dass letztendlich in vielen wichtigen Bereichen wie der Medizin oder der Personalauswahl nur Experten oder auf echter Expertise basierende Tools zuverlässig und richtig urteilen können. All das macht den ganzen Hype um Big Data und AI im HR bereits etwas erträglicher. Und unsere Mission bei JANZZ.technology „We turn Big Data into Smart Data“ aktueller denn je.

 

[1] Brücher, Cornel. 2013. Rethink Big Data. Frechen: MITP-Verlag.

[2] Straumann, Felix. «Vieles ist blankes Marketing». Big Data. In: Tagesanzeiger (2018), Nr. 168, S. 32.

[3] Spitzer, Julie. 2018. IBM’s Watson recommended “unsafe and incorrect” cancer treatments, STAT report finds. URL: https://www.beckershospitalreview.com/artificial-intelligence/ibm-s-watson-recommended-unsafe-and-incorrect-cancer-treatments-stat-report-finds.html [2018.08.01].

[4] Aus Video: Google Cloud Platform. 2017. Google Cloud Jobs API: How to power your search for the best talent (Google Cloud Next ’17). URL: https://www.youtube.com/watch?v=Fr_8oNKtB98 [2018.08.03].

[5] Watson, Christine. 2018. RecTech is creating more – not less – need for the human touch. URL: http://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/?utm_content=75449136&utm_medium=social&utm_source=twitter [2018.08.09].

[6] Alexander Wissner-Gross. 2016. Datasets Over Algorithms. URL: https://www.edge.org/response-detail/26587 [2018.07.27].