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]

NRK zeigt Erfolgsgeschichten von Norwegens neuer Job-Matching-Plattform

JANZZ.technology ist der Anbieter der Technologie hinter der semantischen Such- und Matching-Engine der neuen Job-Plattform der norwegischen Arbeits- und Sozialverwaltung (NAV).
Die von NAV gelaunchte digitale Job-Matching-Plattform, Arbeidsplassen.no, wird nun sowohl von Arbeitssuchenden als auch von Arbeitgebern benutzt und gelobt. NAV hofft, dass es Arbeitssuchenden jetzt leichter fällt, eine neue Stelle zu finden.
Yusuf wurde innerhalb einer Woche ein Call-Center-Agent. Für ihn bedeutete ein Zwischenjahr nach dem Abitur eine Lücke im Lebenslauf, was sich als problematisch herausstellte,  » Lesen Sie mehr über: NRK zeigt Erfolgsgeschichten von Norwegens neuer Job-Matching-Plattform  »

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  »

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.

Feature-Software, die es einfacher macht, den richtigen Job zu finden

Die von JANZZ entwickelte Software der Künstlichen Intelligenz, die an diesem Mittwoch vorgestellt wurde, wird auf den aktuellen Arbeitskräftebedarf reagieren und die Zeit bis zum Eintritt in ein Unternehmen verkürzen.

Die Schlussfolgerungen von JANZZ.technology verdeutlichen die Beschleunigung der Zeitspanne, denn im Laufe von sechs Arbeitstagen können die Bürger einen Arbeitsplatz finden. Die Berechnungen wurden auf der Grundlage von 1.000, 2.000 und 3.000 Curricula entwickelt.

Das Technologie- und Beratungsunternehmen widmet sich dem semantischen Matching von Kompetenzen und Beschäftigung, der Schaffung von Lösungen und Anwendungen zur Nutzung komplexer beruflicher Daten sowie der Entwicklung und Vermarktung von wirtschaftlich nachhaltigen Projekten.

Das 2008 gegründete Schweizer Unternehmen wurde von Anfang an von erfahrenen und qualifizierten Investoren und Persönlichkeiten aus den Bereichen ICT, HR, Rechtswissenschaft, Marketing und Business Development geführt.

 

Artikel im ADN Paraguayo vom 6.09.2018: http://www.adndigital.com.py/presentan-software-hara-mas-facil-encontrar-trabajo-adecuado/

Einfach zu bedienende Technologie zur Erleichterung des Zugangs zur Arbeitswelt…

…erhöht die Möglichkeiten für gute Arbeitsplätze, insbesondere für die am stärksten gefährdeten Sektoren, unter Einsatz der fortschrittlichsten Technologien in der Region. In der weiten Welt der Technologie für die Arbeitssuche zeichnet sich Paraguay dadurch aus, dass es in Kürze ein Programm auf der Grundlage der Künstlichen Intelligenz auf den Weg bringen wird, das in der Lage ist, Profile von Arbeitssuchenden mit Unternehmen, die sie benötigen, abzugleichen.

Im Gegensatz zu anderen Programmen ist „JANZZon!“ jedoch eine Software, die mehr über die benötigten Jobs und Fähigkeiten lernt, je mehr Informationen sie erhält.

Effektiv, effizient und mit allen Sicherheitsanforderungen ausgestattet, ist „JANZZon!“ das mächtige Tool, mit dem die öffentlichen Arbeitsverwaltungen Paraguays die Arbeitssuche erleichtern werden. Damit wies die Ministerin für Arbeit, Beschäftigung und soziale Sicherheit Carla Bacigalupo darauf hin: „Arbeitssuchende, insbesondere aus den schwächsten Gebieten und Sektoren, sowie Unternehmen und alle Akteure des Arbeitsmarktes werden davon profitieren“, im Rahmen des von der Interamerikanischen Entwicklungsbank (IDB) organisierten strategischen Dialogs über die Säulen der Entwicklung Paraguays.

Minister Bacigalupo betonte auch, dass die Berufsausbildung genauer auf die Bedürfnisse der Unternehmen abgestimmt werden müsse. Sie sagte: „Um dies zu erreichen, werden wir die Fähigkeit zur Kontrolle und Überwachung der Qualität der Kurse stärken“.

Sie sagte auch, dass moderne Methoden wie das MOPADUAL (Paraguayisches Modell des Dualen Lernens) gestärkt werden sollen, indem sie den Arbeitgebern Anreize bieten, gegebenenfalls sogar rechtliche, damit mehr Unternehmen aktiv an der Entwicklung dieser Strategien teilnehmen.

Darüber hinaus betonte sie die ersten Schritte zur Koordinierung der Bildungs- und Ausbildungspolitik mit den Projekten des Ministeriums für Industrie und Handel und die Entwicklung der vom Ministerium für öffentliche Arbeiten und Kommunikation geförderten Infrastruktur.

 

Pressemitteilung des Ministeriums für Arbeit, Beschäftigung und sozialer Sicherheit Paraguayhttp://www.mtess.gov.py/index.php/noticias/tecnologia-de-facil-uso-para-favorecer-el-acceso-al-empleo

Das paraguayische Arbeitsministerium nutzt ab 2018 JANZZ.technology’s Webplattform für die verbesserte Vermittlung von Arbeitssuchenden

Das Arbeitsministerium der Republik Paraguay hat die JANZZ.technology Plattform ParaEmpleo.gov.com.py ausgewählt, finanziert von der Interamerikanische Entwicklungsbank, zur Verbesserung der Arbeitsvermittlung in Paraguay unter Verwendung modernster Matching-Technologien, die auf der weltweit besten Berufsontologie basieren.

JANZZ.technology wurde ausgewählt, um den Arbeitsmarkt in Paraguay zu verbessern.

Das Ministerium für Arbeit, Beschäftigung und soziale Sicherheit (MTESS) der Republik Paraguay und das Unternehmen JANZZ.technology mit Sitz in der Schweiz haben das Kooperationsabkommen für den paraguayischen Arbeitsmarkt unterzeichnet. Dank dieser Vereinbarung startete das Schweizer Unternehmen sein erstes Projekt in Lateinamerika. Als Ergebnis wird JANZZ.technology ihre Plattform mit dem Namen ParaEmpleo.gov.com.py installieren, um die Vermittlung junger Arbeitssuchender zu verbessern. Der wirtschaftsgelehrte Guillermo Sosa, Arbeitsminister und Diego Rico, VP customer integration und stellvertretender CEO von JANZZ.technology, trafen sich, um die Details des Projekts abzuschließen und die verschiedenen Vorteile dieser innovativen Technologie zu besprechen, die neben Paraguay mehr als 150.000 Bewerber und Arbeitgeber in 40 verschiedenen Sprachen in 5 Ländern bedient.  Die Plattform durchbricht das Schema der Vermittlung durch Schlüsselwörter, indem sie Taxonomien, einen ontologischen Ansatz und Semantik, gekoppelt mit den besten Technologien, einbezieht. Dies ermöglicht, dass Arbeitssuchende und Arbeitgeber in mehreren Dimensionen, einschließlich Soft Skills, Training, Erfahrung, Verfügbarkeit und Geo-Location, zusammengebracht werden können. In die Plattform wurden mehr als 100000 Stunden manuelle Entwicklungszeit investiert, und die neue Version wird nun in Paraguay installiert.

Mit dieser neuen ParaEmpleo.gov.com.py Webplattform will MTESS die fortschrittlichste Technologie für das Job-Matching anbieten. Bis heute haben sich mehr als 25000 Bewerber in der PARAGUAY-Datenbank registriert. Sobald die Dienstleistung vollständig erstellt ist, werden diese jungen Menschen in der Lage sein, je nach ihren Kompetenzen und Fähigkeiten einen Arbeitsplatz zu finden. Diese Vereinbarung wird im Rahmen des „Program to Support Labor Insertion“ (PR-L1066) getroffen, das von der Interamerikanischen Entwicklungsbank im Rahmen eines Darlehensvertrags mit der Republik Paraguay finanziert wird.

JANZZ.technology ist der beste Partner für MTESS, da das Unternehmen über jahrelange Berufserfahrung verfügt, die es JANZZ.technology ermöglicht hat, umfangreiche Erfahrungen im Bereich der Berufsdaten mit effektiven Lösungen in Spanisch und für ihr umfassendes und mehrsprachiges Angebot an Standardklassifikationen zu sammeln. Das Unternehmen freut sich sehr über die Möglichkeit, an der Stärkung des Arbeitsmarktes in Paraguay teilzunehmen und hofft auf eine Zusammenarbeit mit MTESS.

Die Interamerikanische Entwicklungsbank (IDB)

Die Interamerikanische Entwicklungsbank ist eine der wichtigsten Hilfsquellen für langfristige Finanzierungen wirtschaftlicher, sozialer und institutioneller Projekte in Lateinamerika und der Karibik. Neben Krediten, Zuschüssen und Bürgschaften führt die IDB modernste Forschungsprojekte durch, um innovative und nachhaltige Lösungen für die dringlichsten Probleme in diesen Regionen zu finden. Die IDB wurde 1959 gegründet, um den Fortschritt in den Entwicklungsländern zu beschleunigen, und arbeitet täglich daran, das Leben zu verbessern.

Das Ministerium für Arbeit, Beschäftigung und soziale Sicherheit (MTESS)

Das Ministerium für Arbeit, Beschäftigung und soziale Sicherheit Paraguays hat die Aufgabe, die Arbeits-, Beschäftigungs- und Sozialversicherungspolitik zu bestimmen, die Arbeitsbedingungen und die Achtung der Grundrechte der Arbeitnehmer in einem demokratischen Rahmen zu verbessern und den sozialen Dialog zu überwachen. Herr Guillermo Sosa hat seit April 2014 das Amt des Ministers für Arbeit, Beschäftigung und soziale Sicherheit inne und war zuvor Büroleiter des Ministeriums.

JANZZ.technology

JANZZ.technology ist ein Technologie- und Beratungsunternehmen, das sich dem semantischen Skills- und Job-Matching sowie der Nutzung komplexer Daten zu Kompetenzen und Beschäftigung widmet. Es bietet White-Label-Produkte und SaaS-Lösungen für die Modellierung, Analyse und Nutzung von Big Data auf Jobportalen, in öffentlichen Organisationen wie Arbeitsämtern sowie Jobbörsen von Unternehmen. JANZZ.technology’s Produkte ermöglichen dank neuester semantischer Technologien ein präzises, mehrsprachiges Matching von Qualifikationen, Skills und Kompetenzen. Auf diese Weise werden Matching-Probleme auf den Arbeitsmärkten deutlich reduziert und große Datenmengen in intelligente Daten umgewandelt.

NAV wählt die Ontologie-basierte Technologie von JANZZ für die Modernisierung seiner Arbeitsmarkt Plattform.

Das Norwegische Arbeits- und Sozialamt (NAV) hat das Schweizer Technologie Unternehmen JANZZ in einem öffentlichen Ausschreibungsverfahren ausgewählt, Komponenten für seine neue Arbeitsmarktplattform zu liefern. JANZZ hat sich im Ausschreibungsverfahren gegen internationale Konkurrenz durchgesetzt und wird NAV mit seiner Expertise in Berufs- und Kompetenzdaten unterstützen.

Im Rahmen seiner Agenda zur Verbesserung des Übergangs von Arbeitssuchenden in Beschäftigung erfindet NAV seine Self-Service Job Plattform neu. NAV beabsichtigt, einen transparenten Service für alle Stakeholder des Arbeitsmarktes anzubieten, den alle unter den gleichen Voraussetzungen nutzen können. Dies soll den norwegischen Arbeitsmarkt noch transparenter machen und eine schnellere Rückkehr in eine Beschäftigung für alle Arbeitssuchenden ermöglichen.

Zudem soll die neue Arbeitsmarkt Plattform als Wissensquelle über den norwegischen Arbeitsmarkt dienen. Das Sammeln, Anreichern und Analysieren von Daten und Informationen zu Berufen und Kompetenzen ist der Kern von NAV’s strategischer Vision und wird ein integraler Bestandteil der zukünftigen Plattform sein. Durch die Datenanalysen soll ein nachhaltiges und dynamisches Wissenssystem geschaffen werden, das dem Arbeitsmarkt zu Gute kommt.

Mit seiner Ontologie-basierten Matching Technology, JANZZ bietet die ideale Grundlage für NAV um eine innovative und nachhaltige neue Plattform zu bauen. Die Berufs- und Kompetenzontologie von JANZZ ist eine umfassende semantische Datenbank von Job Titeln, Kompetenzen und Ausbildungen. Sie versteht die Nuancen von Lebensläufen und Stellenanzeigen und kann helfen zwischen diesen zu übersetzen. In Kombination mit der semantischen Job Matching Engine, wird sie NAV helfen, relevantere und transparentere Suchresultate und Jobvorschläge zu liefern und genauere Einblicke in den Arbeitsmarkt zu erlangen.

Über NAV

Das Norwegische Arbeits- und Sozialamt (NAV) beschäftigt ungefähr 19 000 Mitarbeitende (ungefähr 14 000 Staatsangestellte und 5 000 Gemeindeangestellte).

NAV wurde am 1. Juli 2006 gegründet. Gemeinden und die Regierung kooperieren um der Gesellschaft durch 456 Dienststellen in allen 19 Verwaltungsprovinzen Norwegens gute Lösungen im Bereich der Sozialdienste und Arbeitsvermittlung anzubieten.

NAV ist verantwortlich für einen Drittel des norwegischen Staatshaushalts. Das Amt verwaltet verschiedene Vorsorge- und Beschäftigungsprogramme (nämlich Arbeitslosengeld, Invalidenversicherung, Krankengeld, Kinderzulage, Zulage für pflegende Angehörige und Pension).

Hauptziele in Bezug auf den Arbeitsmarkt:

  • Mehr Menschen aktiv und in Beschäftigung, weniger Leistungsempfänger
  • Ein gut funktionierender Arbeitsmarkt mit hoher Erwerbsbeteiligung
  • Eine inklusive Gesellschaft die allen die Möglichkeit zur Teilnahme versichert
  • Umfassende und effiziente Sozialdienste und Arbeitsvermittlung

Sekundäre Ziele in Bezug auf den Arbeitsmarkt:

  • Inklusive Arbeitsplätze
  • Unternehmen und Vermittlungen können Stellen mit qualifizierten Mitarbeitenden füllen
  • Menschen mit Beeinträchtigung können aktiv am Arbeitsleben teilnehmen
  • Dienstleistungen und Informationen zugeschnitten auf die Bedürfnisse und Umstände der Benutzer

Mehr Informationen unter www.nav.no

Über JANZZ.technology

JANZZ.technology ist ein Technologie- und Beratungsunternehmen, das im semantischen Skills- und Job-Matching und der Nutzung komplexer Berufs- und Kompetenzdaten tätig ist. Es bietet Standard-, White Label-Produkte und SaaS-Lösungen für die Modellierung, Analyse und Nutzung von Big Data auf Jobportalen, staatlichen Arbeitsmarkt-Plattformen sowie firmeneigenen Karriere-Seiten. Anhand der neusten semantischen Technologien wird ein sprachübergreifendes, präzises Matching von Qualifikationen, Fähigkeiten und Kompetenzen ermöglicht. Dadurch können Matching-Probleme in Arbeitsmärkten massgeblich verringert werden.

Mehr Informationen unter www.janzz.technology

JANZZ Highlights: Wie wir erfolgreich ins 2016 gestartet sind

2015 war ein spannendes und arbeitsreiches Jahr für uns, mit Projekten in Europa, Südostasien und dem mittleren Osten. Die Komplexität durch die vielen verschiedenen Sprachen, Kulturen und Arbeitsmärkte hat viel von unserem Datenbank Management Team abverlangt. Darum sind wir umso stolzer, diese Projekte gemeistert zu haben und so viel Knowhow rundum berufsbezogenen Daten mitgenommen zu haben. Unser Team aber auch unser zentrales Asset, unsere Ontologie JANZZon! haben viel dazugelernt.

Berufsklassifikationen

  • Wir haben einen Grossteil der Indischen Berufsklassifikation NCO-2004 integriert. Das beinhaltet viele Berufe in Englisch, aber auch in Hindi.
  • Die Erfassung von JSOC 2011 (Japan) und NOC 2011 (Kanada) ist ebenfalls bald abgeschlossen.
  • Im Holländischen sind wir daran, über 14‘000 Berufe aus der nationalen Klassifikation BO&C zu erfassen. Diese Daten werden angereichert mit Informationen aus echten Stellenanzeigen.

LinkedIn Skills

Dadurch, dass das präzise Auffinden von passenden Talenten und Jobs in LinkedIn immer wichtiger wird, nimmt die Bedeutung der Kenntnisse oder Skills, die immer mehr Mitglieder erfassen, immens zu. LinkedIn wirbt sogar damit, dass das Erfassen von Kenntnissen die Besucherzahl auf dem Profil vervierfacht. Die Skills, die Mitglieder auf ihren Profilen erfassen ermöglichen es LinkedIn Jobvorschläge, Werbung und Suchresultate genauer zu personalisieren. Umgekehrt können Firmen passende Kandidaten gemäss Jobbezeichnung oder Kenntnissen suchen.
linkedinskills
Unsere Ontologie enthielt bereits ca. 70% dieser auf LinkedIn erfasster Kenntnisse. Um unserem Ziel „Mastering Occupation Data“ noch näher zu kommen, haben wir begonnen, die verbliebenen 30% auch noch in unsere Wissensdatenbank zu integrieren. Denn wir wollen wirklich alle Skills der Welt kennen (das Gleiche gilt natürlich für Berufe).

Semantische Technologie

Warum ist es so wichtig, diese Klassifikationen und Kenntnisse in unserer Ontologie zu erfassen? Warum reicht es zum Beispiel nicht, dass einfach LinkedIn die Kenntnisse seiner Nutzer erfasst hat? Unsere Ontologie erfasst diese Begriffe nicht nur, sie verknüpft sie auch logisch miteinander. Im Fall von LinkedIn heisst das, dass alle Skills automatisch in durchschnittlich 10 Sprachen erfasst werden, was die Daten auf globaler Ebene vergleichbar macht. Damit bietet JANZZon! unentbehrlicher Kontext und intelligente Auswertungs-, Anreicherungs- und Nutzungsmöglichkeiten für Anwendungen wie z.B. Informationssysteme, Matching Engines, Jobportale, CV-Parser, statistischen Analyse- und Modellierungswerkzeuge und viele mehr. Die Ontologie wird zum Mittel, eine grosse Menge an Daten intelligent Nutzen zu können. Big Data wird zu Smart Data.

Ontologisches Matching: whatchado verkündet strategische Zusammenarbeit mit JANZZ. Aber was macht denn JANZZ eigentlich?

Von Jo Diercks, Recrutainment Blog. Im Grunde genommen dreht sich im Recrutainment Blog alles um die Frage, wie A (Arbeitgeber) und B (Arbeitnehmer) möglichst gut zueinander finden. Und mit „gut“ ist hierbei gemeint „möglichst gut passend“. Das kann durch die Hinzunahme von eignungsdiagnostischen Test sein – also dem Thema, mit dem wir bei CYQUEST unser Geld verdienen -, das umfasst aber auch alles, was sich um „gutes“ (also die Passgenauigkeit erhöhendes) Personalmarketing dreht.

Will sagen: Hier dreht sich im Endeffekt alles irgendwie um den „Fit“, oder um das Megabuzzword zu bemühen, um „Matching„.

Hierzu hatte ich am Jahresanfang eine Artikelreihe gestartet, die nicht nur dem Zweck dient, sukzessive einige der zahlreichen Startups vorzustellen, die aktuell die HR-Szene wachküsssen bereichern, sondern auch dem Thema Matching so etwas wie eine definitorische Struktur zu geben: Was ist alles Matching? Welche Formen des Matchings lassen sich unterscheiden? usw.

In diesem Kontext ist etwa auch der Gastartikel „Matcher als neue Facette des E-Recruitings: Implikationen für die Candidate Experience“ zu sehen, den Prof. Lars Jansen, Leiter des Masterstudiengangs „Wirtschaftspsychologie Leadership & Management“ an der SRH Fernhochschule, hierzu im Juli im Recrutainment Blog veröffentlichte.

Ich sehe aktuell drei Stoßrichtungen, entlang derer sich das Thema Matching entwickelt:

  • auf Basis eignungsdiagnostischer Befunde,
  • auf Basis von „Kennenlernen und Einblicken“

und

  • auf Basis von Big Data bzw. big data-basierten semantischen und ontologischen Algorithmen
    Arten_von_Matching

Vor ein paar Wochen hatte ich mich ja schon mit Sandra Petschar von Textkernel hierzu unterhalten und auch heute soll es um den drittgenannten Bereich gehen: Das für viele Personaler immer noch etwas mysteriöse Matching auf Basis von – ja man kann es so nennen – künstlicher Intelligenz… Es geht um sog. Ontologien

Ein sehr spannender Anbieter in diesem Bereich ist das Schweizer Unternehmen Janzz. Ich hatte bereits im Frühjahr Gelegenheit, mich im Rahmen eines Skypecalls sehr intensiv mit Janzz-CEO Stefan Winzenried auszutauschen. Seitdem steht eine Vorstellung von Janzz auf meiner Agenda.

Als nun vor ein paar Wochen offiziell wurde, dass whatchado eine strategische Kooperation mit Janzz geschlossen hat, dachte ich mir, dass doch nun spätestens das ein wunderbarer Anlass ist, einmal vorzustellen, was Janzz eigentlich macht…

Dazu hole ich ein wenig aus…

Damit A (Kandidat) und B (Unternehmen) zusammenfinden können, braucht es entweder Glück oder es bedarf gewisser Marktplätze, wo sich Angebot und Nachfrage treffen können. Früher war das die FAZ am Samstag, später waren es dann die zahllosen Jobboards im Web. Deren Problem ist aber zunehmend, dass dort so viele Jobs stehen, dass man sich diese als Nutzer natürlich unmöglich alle ansehen kann, um zu entscheiden, welcher denn für einen in Frage kommt. Je mehr Angebot, desto mehr „Noise“. Es bedarf zunehmend guter Such- und Filtermechanismen, um darin das Passende, das „Signal“ zu finden.

Ein erster Aufschlag ist dabei eine Art Kategorisierung und Suchfunktionen auf Basis von Keywords. Das Problem mit Keywords: Diese sind statisch und vorgegeben.

Ein einfaches Beispiel: Wenn eine Stellenanzeige für einen Job als Tischler mit dem Keyword „Tischler“ versehen ist, dann findet man diesen eben auch nur unter dem Suchbegriff „Tischler“. Was ist aber, wenn der Suchende unter den Schlagwort „Schreiner“ nach einem neuen Job sucht? Genau: Er findet das „Signal“ nicht.

Das ist jetzt natürlich ein sehr einfaches Beispiel, aber wenn man sich einmal überlegt, wie viele mehr oder weniger synonyme Begriffe es allein für Geschäftsführer gibt (Geschäftsleiter, CEO, Managing Director, Generaldirektor usw. usf.), wird deutlich, dass es hier eines Systems bedarf, das diese Synonymität oder zumindest Verwandtschaft (er)kennt.

Überlegt mal, in wie vielen Berufsbezeichnungen heutzutage der Begriff „Manager“ auftaucht. Ich habe mal nach einem „Manager“-Job bei Stepstone gesucht und das ganze auf mein Postleitzahlengebiet +10 km Radius begrenzt. Und? Genau, natürlich helfen einem die gefundenen 2108 Jobangebote genau Null weiter…

Manager_Stepstone

Man braucht also im Prinzip so etwas wie ein lernendes System, das Zusammenhänge, Beziehungen und Verwandtschaften von Begriffen erkennt, die beispielsweise beurteilen können, dass „Tischler“ und „Schreiner“ im Prinzip das gleiche ist, aber möglicherweise regional unterschiedlich häufig verwendet wird. Man braucht eine Art

Thesaurus für Keywords…

Und genau hier kommen sog. Ontologien ins Spiel.

Ontologien in der Informatik sind meist sprachlich gefasste und formal geordnete Darstellungen einer Menge von Begrifflichkeiten und der zwischen ihnen bestehenden Beziehungen in einem bestimmten Gegenstandsbereich.

Soweit die offizielle Definition, wie man sie auf Wikipedia findet. Und Wikipedia liefert dann auch gleich eine Grafik mit, die das ein wenig präzisiert:

ontologien

Auf unseren Fall übertragen heißt dass, dass viele verschiedene Begriffe wie Jobbezeichnungen und Skills so miteinander verknüpft werden, dass deren Beziehungen zueinander abgebildet werden. Das Ganze datenbankbasiert und vor allem lernend.

Es liegt auf der Hand, dass die Komplexität solcher Ontologien für Jobmatching-Zwecke beträchtlich ist, insbesondere dann wenn das auch noch über verschiedene Sprachen hinweg passen und funktionieren soll.

Und genau solche Ontologien entwickelt Janzz.

Janzz

Der Semantic Matching Engine („Janzz.sme“) liegen unheimlich große Ontologien zugrunde, die über Jahre mittels sog. Onotologieeditoren aufgebaut wurden und denen buchstäblich von Menschen das Denken beigebracht wurde. Diese Engine erkennt verschiedene Begrifflichkeiten über verschiedene Sprachen hinweg und gleicht verschiedenste Ausbildungen miteinander ab.

Wenn also – das Beispiel erzählte whatchado CEO Jubin Honarfar zur allgemeinen Erheiterung auf der HR-Edge im September – ein Unternehmen einen „Wildlife Operator“ sucht und sich wundert, dass sich auf diese Stelle keine passenden Kandidaten bewerben, dann war hier im Hintergrund offenbar keine Ontologie am Werk, die erkennt, dass es sich bei einem „Wildlife Operator“ schlicht um einen „Förster“ handelt.

Das könnte am Ende dann auch die Logik hinter der Zusammenarbeit von whatchado und Janzz sein. Der Erfolg von whatchado – Stand heute finden sich exakt 4247 Videos auf der Plattform – dürfte nämlich sukzessive auch zu einem Problem der Plattform werden. Denn viele Video und Lebensgeschichten sind toller Content, aber nur dann für den Nutzer hilfreich, wenn er möglichst zielgenau auch zu den für ihn bestpassenden gelangt, also in zunehmendem „Noise“ auch das „Signal“ findet. Hier könnte es durchaus sein, dass über kurz oder lang das bestehende Matching, welches letztlich momentan vor allem auf Ähnlichkeit bei den Antworten auf die 14 Fragen des whatchado-Matching-Fragebogens basiert, nicht mehr ausreicht.

whatchado_Matching

Algorithmen, die hier Passung erkennen, obwohl diese sich möglicherweise nicht so vordergründig zeigt, können hier sicherlich perspektivisch sehr hilfreich sein…