Im Rahmen einer Zusammenarbeit von ONTEC und der FH Heidelberg arbeiten Studierende an Lösungen für reale KI-Probleme. Das Ziel ist es, die wertvollen Ideen von Studierenden direkt in die Praxis zu überführen. Eines der Projekte ist die der Recruiting-Assistent RABE. Dieses KI-basierte Tool analysiert Daten aus Jobbörsen und hilft nicht-technischen Recruitern, notwendige Fähigkeiten für technische Jobs zu erkennen.
Über die FH Heidelberg
Die SRH Hochschule Heidelberg ist eine private Hochschule, die sich durch ihre praxisorientierte Lehre und moderne Forschungsansätze auszeichnet. Mit Studiengängen in Bereichen wie Data Science und Künstlicher Intelligenz bietet sie eine fundierte Ausbildung für zukünftige Fachkräfte.
Die Hochschule legt Wert auf die Verbindung von Theorie und Praxis, was den Studierenden praktische Erfahrungen ermöglicht. Ihre internationale Ausrichtung und der Fokus auf angewandte Forschung machen sie zu einem geeigneten Partner für Unternehmen der KI-Softwarebranche.
Die FH Heidelberg und ONTEC entschlossen sich daher zusammenzuarbeiten, um akademisches Wissen und industrielle Praxis zu vereinen. Diese Kooperation ermöglicht es ONTEC, von der wissenschaftlichen Expertise der Hochschule zu profitieren, während die Studierenden praxisnahe Erfahrungen in der Entwicklung von KI-Lösungen sammeln können.
Die Herausforderung: Die Vielzahl technischer Kompetenzen
Die Rekrutierung technischer Talente ist oft nicht leicht: HR-Profis und Recruiter kennen vielfach nicht alle technischen Begriffe und Konzepte, welche bei der Beschreibung und Bewertung von Jobprofilen und Lebensläufen nötig sind. Dies führt zu Problemen bei der Auswahl geeigneter Kandidaten.
Das Projekt zielte daher darauf ab, Recruitern zu helfen, die notwendigen Fähigkeiten für technische Stellen zu identifizieren und schließlich besser danach zu suchen und auszuwählen.
Die Lösung: Der Recruiting-Assistent RABE
Basierend auf einem Briefing von ONTEC hatten die Studierendengruppe mehrere Monate Zeit, um sich eine KI-basierte Lösung für das vorliegende Problem zu überlegen.
Hieraus entstand am Ende der Recruitment Assisting Buddy Engine, auch RABE genannt.
RABE automatisiert die Analyse von Stellenbeschreibungen aus Online-Jobbörsen. Es zeigt, welche Fähigkeiten für bestimmte Jobtitel nötig sind. Auch häufig in Kombination geforderte Fähigkeiten werden erfasst.
Das Tool erleichtert es somit Recruitern, Kandidaten mit den Jobanforderungen abzugleichen und die beste Auswahl zu treffen.
Dafür werden Stellenbeschreibungen aus österreichischen Jobbörsen analysiert. RABE nutzt Named Entity Recognition (NER), um relevante Fähigkeiten zu extrahieren. Anschließend wird eine Korrelationsanalyse durchgeführt, um häufig gemeinsam vorkommende Fähigkeiten zu identifizieren.
RABE sammelt für seine Analyse Daten aus den gängigsten Jobbörsen wie metajob.at, karriere.at und itstellen.at.
Projektphasen und Implementierung
Das Projekt ist in zwei Phasen unterteilt:
- In der ersten Phase, dem Proof of Concept, wurde ein Jupyter-Notebook erstellt. Es demonstriert die Extraktion relevanter Fähigkeiten für bestimmte Jobtitel. Zudem wurden häufig zusammen auftretende Fähigkeiten identifiziert. Dies half Recruitern, ihre Suchkriterien zu erweitern.
- In der zweiten Phase wurde ein voll funktionsfähiger Prototyp entwickelt. Dieser wird in einem Docker-Container gehostet und verfügt über eine browserbasierte Benutzeroberfläche. Zu den Funktionen gehören die Anpassung der zu durchsuchenden Jobs, automatisierte nächtliche Updates und Benachrichtigungen bei Systemproblemen.
Die Implementierung erfolgt in Python. Es werden Bibliotheken wie Numpy, Pandas, Spacy, Tensorflow, FastAPI und Uvicorn verwendet. Das System nutzt Docker zur Containerisierung, basierend auf dem Red Hat ubi8 Image.
Das System besteht aus einem Backend, das Daten abruft und analysiert, sowie einem Frontend. Das Frontend ermöglicht den Zugriff auf das Tool. Das Backend umfasst NER zur Extraktion von Fähigkeiten und eine Korrelationsanalyse. Das Frontend ist einfach zu bedienen und liefert nützliche Einblicke.
Ergebnisse: KI-gestütztes Recruiting
RABE erhöht die Effizienz des Recruitingprozesses, indem es die Zeit verkürzt, die Recruiter für die Recherche von Jobanforderungen aufwenden müssen.
Das Tool liefert eine umfassende Liste der erforderlichen und häufig zusammen auftretenden Fähigkeiten. Dies verbessert die Genauigkeit der Kandidatensuche, denn Recruiter können sie sich stärker auf die Bewertung von Kandidaten konzentrieren und eine gezieltere Auswahl treffen.
Die Lösung ist skalierbar und kann an zusätzliche Jobbörsen und Jobkategorien angepasst werden.
Folgeprojekt „Personalisierte Job-Suche“ mit KI
Ein weiteres Folgeprojekt der Zusammenarbeit zwischen der HS Heidelberg und ONTEC war die „Personalisierte Jobsuche“. Dieses Projekt fokussierte sich aus der Perspektive von Recruitern darauf, passende Jobangebote für Kandidaten zu identifizieren.
Die Idee war, dass wenn ein Bewerber bereits Erfahrungen in den Bereichen A und B gesammelt hat, er auch für eine Stelle in Bereich C geeignet sein könnte.
Um diese Zusammenhänge zu analysieren, nutzte das Projekt Daten aus Kaggle, einer Plattform, auf der Data Scientists an verschiedenen Herausforderungen arbeiten. Es wurden anonymisierte Lebensläufe verwendet, um die Fähigkeiten und Erfahrungen der Kandidaten zu analysieren, ohne auf reale Personen zurückgreifen zu müssen.
Dies ermöglichte es, datenschutzkonforme und dennoch aussagekräftige Analysen zu erstellen, die Recruitern helfen, geeignete Kandidaten für offene Positionen zu identifizieren.
Zusammenfassung und Fazit
Das RABE-Projekt bietet nicht nur wertvolle Werkzeuge für die Personalbeschaffung. Es bietet auch Studierenden praktische Erfahrungen bei der Lösung realer Probleme.
Die Zusammenarbeit zwischen ONTEC und FH Heidelberg zeigt, wie wertvoll Partnerschaften zwischen Industrie und Hochschule sein können.
Klingt spannend?
Gerne sprechen wir mit Ihnen über die Möglichkeiten, die KI für Ihr Unternehmen bereit hält!
