Sind Maschinen die besseren Recruiter? Ein Einwurf…

In den letzten Tagen gingen verschiedene Artikel rum, die ein Thema aufgriffen, das das Recruiting im Allgemeinen und uns als Anbieter von Online-Assessments im Speziellen natürlich sehr interessiert:

Erst titelte Constantin Gillies in der Computerwoche „Vom Roboter eingestellt„, dann kam die die Wiwo mit „Roboter Recruiting – Wenn der Mensch von der Maschine eingestellt wird“ und Freitag legte dann die FAZ nach und schrieb „Vermessung des Menschen – Korrekturen ausgeschlossen„.

In allen Artikeln ging es darum, dass verschiedene Unternehmen damit begonnen haben, Technologien aus dem Bereich Big Data zu verwenden, um ihre Rekrutierungsentscheidungen damit zu unterfüttern oder perspektivisch sogar zu treffen.

D.h. in dem großen Berg an Daten und Erfahrungen, der über bestehende Mitarbeiter zur Verfügung stehen, wird nach Mustern gesucht, die wiederum als Vorhersage-Indikator für die Eignung oder Passung potentieller zukünftiger Mitarbeiter herangezogen werden.

Oder: Mit bestehenden Mitarbeitern wird ein Test gemacht. Innerhalb der Testergebnisse wird dann nach Mustern gesucht, die erfolgreiche / gute Mitarbeitern von weniger erfolgreichen / guten unterscheiden. Diese Erkenntnisse wiederum werden angewendet zur Prognose des Berufserfolgs von bis dato unbekannten Personen, nämlich Bewerbern. Je näher nämlich etwa ein Profil eines Kandidaten demjenigen Profil besonders erfolgreicher Mitarbeiter, desto größer die Wahrscheinlichkeit, dass auch der Kandidat ein erfolgreicher Mitarbeiter wird – und umgekehrt natürlich.

Beispiele gibt es inzwischen einige – Xerox, IBM, Bosch…

Das Personalmagazin stellte daraufhin vorgestern per Twitter die Frage, was denn eigentlich die Zunft der Eignungsdiagnostiker davon hält.

Personalmagazin

Bidde, here we go: Zuallererst einmal – alle wieder beruhigen! Natürlich klingt das im ersten Moment ganz schön spooky.

Was? Da wählt jetzt eine Maschine aus? Und die menschliche Intuition zählt gar nichts mehr?

Oder:

Nur weil ich mit jemanden bei XING über zwei Ecken „bekannt“ bin, der mal straffällig geworden ist, bekomme ich jetzt den Job in der Bank nicht mehr?

Oder:

Na toll. Ich heiße Lieschen Mueller. Nur weil eine andere Lieschen Müller woanders mal einen Betriebsrat gegründet hat, stellt mich dieses Unternehmen jetzt nicht ein. Schuld ist ein Buchstabendreher…

Oder:

Wenn jetzt der Algorithmus entscheidet, dann endet das in Gleichmacherei. Alle sind dann uniform. Wo aber bleiben das Verblüffende und Kreative, was neue Mitarbeiter oftmals mitbringen?

Hmm. Ja. Ein ungutes Gefühl schwingt immer mit, wenn man das Gefühl hat, Entscheidungen fänden innerhalb einer Blackbox statt. Und gibt es schwärzere Boxen als Maschinen, in denen irgendwelche komplexen Algorithmen ablaufen?

Und Beispiele wie der jüngst durch die Presse gegangene Fall, bei dem einer Frau aus Hessen der Autokredit (aufgrund fehlerhafter Datenlage der Schufa) zunächst (und wie sich dann herausstellte ungerechtfertigt) verweigert wurde, steigern dieses Vertrauen auch nicht unbedingt. Dieser Fall ging immerhin bis vor den BGH, was die Dimension der Thematik verdeutlicht… Die Angst: Irgendein intransparenter Prozess (eine Maschine) macht einen Fehler und diesen bekommt man nicht mehr aus der Welt.

Einmal schlechter Schufa-Score, immer schlechter Schufa-Score…

Aber man muss bei der Übertragung dieses unguten Gefühls auf die Rekrutierungsthematik immer ein wenig aufpassen, hier nicht Äpfel und Birnen zu vergleichen und vor allem – wie immer im Leben – einen differenzierten Blick auf die Sache zu werfen. Thematiken wie Big Data, Bewerber-Background-Checking (z.B. in Social Media oder über spezialisierte Dienstleister), AGG, Scoring-Techniken und Eignungsdiagnostik gehören nun einmal nicht in den Mixer…

Schlagzeilen wie meine hier gewählte „Sind Maschinen die besseren Recruiter?“ sind reißerisch und aktivieren (sonst wärst du lieber Leser wohl kaum bis hierhin gekommen… ;-)). Aber sie sollten einer differenzierten Diskussion dienen und nicht der Stimmungsmache!

Meine Einschätzung hierzu:

Ein zweischneidiges Schwert.

Richtig ist, dass computergestützte Verfahren in dem Sinne fairer sind, als dass sie „keinen Nasenfaktor“ kennen. Ein Bewertungsalgorithmus mag falsch sein, aber er ist nicht davon abhängig, welche Tagesform der jeweilige Recruiter gerade hatte, ob Recruiter A keine Frauen mag oder Recruiter B die Visage des Kandidaten nicht gepasst hat.

Auch reduzieren bspw. Online-Assessments die Gefahr der sog. False-Negative-Selektion, also die Gefahr, einen eigentlich passenden Kandidaten fälschlicherweise auszusortieren / abzulehnen. Menschliche Heuristiken neigen zu diesem Fehler: Ein Beispiel: Azubi-Bewerber werden aufgrund einer „5 in Mathe“ aussortiert. Statistisch gesehen ist eine 5 in Mathe ja auch ein guter Indikator für mangelndes zahlengebundenes Denken. Statistisch heißt: „Bezogen auf die große Zahl“. Im Einzelfall aber kann die 5 in Mathe ganz andere Ursachen gehabt haben als mangelnde „zahlengebundene schlussfolgernde Denkfähigkeit“, etwa familiäre Probleme oder schlichtweg schlechte Chemie mit dem Lehrer. Folgte man der Logik der oben skizzierte Angstszenarien, dann würden zukünftig nur noch mechanistische Entscheidungsheuristiken wie „5 in Mathe = Ablehnen“ zur Anwendung kommen. Das Gegenteil aber ist der Fall!

Viele Unternehmen erkennen zunehmend, dass ein solcher Weg eben nicht zum Ziel führt und setzen stattdessen – welch Ironie – auf computergestützte Verfahren. Wird nämlich der Mathe-5-Kandidat nicht einfach aussortiert, obwohl die Statistik gegen ihn spricht, sondern wie alle anderen auch in einen entsprechenden Test geschickt, sind die Chancen wieder für alle gleich. Hier zeigt sich dann, dass es sehr wohl Kandidaten mit einer schlechten Schulnote gibt, die sich im Test sehr gut schlagen. Der Einsatz automatisierter Bewertungsprozesse – wie es etwa Online-Assessments sind -, steigert die Fairness und steigert die Chance für Kandidaten mit Brüchen im Lebenslauf oder in den Zeugnissen, statt diese zu senken! Der Einsatz maschinell unterstützter Beurteilungsinstrumente macht nämlich gerade nicht „alles gleich“, sondern ermöglicht die Entdeckung von Potentialen, die früher verborgen geblieben werden. Sie helfen, „Brüche zu neuen Geraden zu machen„. Zu meinen, der Einsatz automatisierter Prozesse macht alles schlechter, unpersönlicher oder unfairer ist wie der Spruch „Früher war mehr Lametta“. Es ist ja nicht so, als wenn Menschen keine vereinfachenden Heuristiken in der Personalauswahl anwenden würden nach dem Motto „5 in Mathe, der kann nix“. Nur eben basieren die allzu oft nur auf Meinung statt auf Fakt…

Insofern ist hier ein algorithmisch unterstützes Verfahren fairer und steigert die Verfahrensvalidität (damit die Trefferquote). Unter anderem aus diesem Grund rücken immer mehr Unternehmen bspw. bei der Azubi-Auswahl von Schulnoten als Auswahlkriterium ab (wie etwa die Deutsche Bahn). Wir konnten in einer Studie für einen Kunden ebenfalls nachweisen, dass nach Einführung eines Online-Assessments auf einmal Kandidaten letztlich einen Ausbildungsplatz bekamen, die früher noch nicht einmal die erste Sichtung ihrer Unterlagen überstanden hätten – wegen der vermaledeiten 5 in Mathe… Es waren nicht viele, aber ein paar eben doch. Und die Angst, eigentlich gut geeignete Kandidaten fälschlicherweise abzulehnen, die steigt in Zeiten des sich verschärfenden Wettbewerbs um Nachwuchs…

Also, alles gut? Maschinen an die Front? Personalauswahl zu einer rein quantitativen Methode machen?

Nein. Wir kommen zum Aber:

Algorithmen eignen sich eigentlich nur für die sog. Negativselektion, also den Auswahlschritten, die dem Zweck dienen, diejenigen Kandidaten zu identifizieren, die mit hoher Wahrscheinlichkeit NICHT passen. Das sind die Auswahlschritte zu Beginn des Selektionsprozesses – die VORAUSWAHL.

Die Positivselektion hingegen, also letztlich die Frage, wer genommen wird, hängt oft von wenig bis gar nicht veralgorithmierbaren Kriterien ab, z.B. „Sympathie“. Diese Entscheidung sollte durch Menschen vorgenommen werden, weil am Ende des Tages ja auch mit einem Menschen zusammengearbeitet wird, nicht mit einem Algorithmus.

Also Fazit:

Computer- und Testunterstützung zu Beginn des Auswahlprozesses? Absolut! Damit wird sichergestellt, dass nur noch Kandidaten auf die Shortlist kommen, die sich entlang gewisser Kriterien „bewiesen“ haben – möglicherweise auch entgegen aller Statistik.

Computerunterstützung am Ende des Auswahlprozesses iSv: „Der Computer hält Sie für geeignet, dann drucken Sie sich mal Ihren Arbeitsvertrag aus“? Nein! Hier spielen – und zwar absolut zurecht – subjektive Kriterien eine entscheidende Rolle. Nämlich bei der Entscheidung: Welchen der allesamt guten Kandidaten WOLLEN wir denn nun hier im Unternehmen haben…

Maschinen können Schuhe produzieren, aber Schnürsenkel binden können sie nicht.

Maschinen sind NICHT die besseren Recruiter!

Äpfel sind NICHT die besseren Birnen.

The following two tabs change content below.

Jo Diercks

Geschäftsführer bei CYQUEST GmbH
Ich bin Gründer und Geschäftsführer der CYQUEST GmbH und der Mi4 GmbH. CYQUEST beschäftigt sich mit dem Thema Recrutainment, also dem Einsatz spielerisch-simulativer Methoden im Online-Assessment, Employer Branding und Recruiting. Im Recrutainment Blog berichte ich regelmäßig hierüber. Mi4 ist als Unternehmensberatung auf Themen des Online-Marketings und eCommerce spezialisiert.

6 Gedanken zu „Sind Maschinen die besseren Recruiter? Ein Einwurf…

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *