Die automatische CV-Analyse  wird immer besser

Die gewissenhafte Durchsicht und Auswertung eines Lebenslaufs ist zeitintensiv. Noch gehört dies zum Alltag vieler Recruiter. Doch das Prozedere lässt sich zunehmend mit technischen Hilfsmitteln automatisieren. Meist sind diese Lösungen effizienter und besser als Menschen.

HR Tech Club – Meet the future. (Bild: HR Today)

Seit rund 15 Jahren gibt es Softwares, die versprechen, Lebensläufe zu analysieren und passende Kandidaten herauszufiltern. Erfolgte die Auswertung dieser Daten anfänglich aufgrund von Stichwörtern, kommen heute moderne Technologien zur Anwendung. Mit Artificial Intelligence (AI), Machine Learning (ML) und Natural Language Processing (NLP, zu Deutsch: Computerlinguistik) verbessert sich die Analyse-qualität ständig.

Lebensläufe sind vergleichbar aufgebaut. Deshalb eignen sie sich besonders für die Datenanalyse. Mit sogenannten Parsern werden dazu bestimmte Stichwörter im Text ausgewertet, die mit ihnen zusammenhängende Informationen identifizieren und die Eckdaten eines Kandidaten bestimmen. Beispielsweise wird das Alter mit dem Wort «Alter» in Verbindung gebracht und mit dem Wort «Zivilstand» der aktuelle Partnerschaftsstatus. Die Analyse der Ausbildung und der Berufserfahrung ist dagegen anspruchsvoller. Parser zeigen hier ihre Schwächen.

Eine spezielle Datenbank, eine Ontologie, die mögliche Begriffe und Klassifikationen enthält und diese miteinander in Verbindung bringt, ergänzt den Parser, indem sie diesem hilft, die Bedeutung eines Skills zu identifizieren. Mit Machine Learning wird der Parser weiterentwickelt. Dazu werden grosse Mengen an Daten verarbeitet, was sehr aufwendig ist und einen grossen Arbeitseinsatz erfordert. Je länger der Prozess dauert, desto besser werden die Resultate. Bringt die Software das Wort «Universität» anfänglich nur mit einer Ausbildungsinstitution in Verbindung, kann dieser beigebracht werden, dass es sich in einem konkreten Fall auch um einen Arbeitgeber handeln kann.

Sprachanalyse durch Algorithmen

Jede Art von Kommunikation sendet Signale, die aufgrund ihrer Besonderheiten bewertbar sind. Die angewandte Technologie durchleuchtet Sprache und gibt Auskunft über die verborgene Psychologie einer Kommunikation, während Algorithmen die Äusserungen in eine Vielzahl sprachlicher Bausteine zerlegen und diese mit den Messwerten einer grossen, repräsentativen Referenzgruppe abgleichen. Das Ergebnis ist die zuverlässige Vorhersage von Texten und Aussagen, welche Rückschlüsse auf Verhalten und Einstellungen eines Individuums zulassen. Mit der Unterstützung künstlicher Intelligenz zeigt sich beispielsweise, ob ein Text «motivierend», «positiv» oder «empathisch» geschrieben ist. Der vergleichbare Inhalt, «fünf Jahre», «Universität», spielen bei einer solchen Bewertung eines Textes dagegen eine untergeordnete Rolle.

Positive Sprache wird besser bewertet

Mit PRECIRE ausgewertete Sätze belegen die Bedeutung verschiedener Aussagen exemplarisch. Beispielsweise im Kontext von Leadership Development: Nur fünf von insgesamt 29 Eigenschaften zeigen auf, ob eine Person «kooperativ», «motivierend», «optimistisch», «positiv» oder «strukturiert» wirkt.

Dies verdeutlicht, dass mit einfachen und positiv formulierten Aussagen eine weitaus bessere Bewertung durch die Software resultiert. So können mit dem Kurzbeschrieb einer Person Rückschlüsse auf ihre Skills und Persönlichkeitszüge gemacht werden. Beteiligen sich Drittpersonen an den Formulierungen des Lebenslaufs, verändert sich die ursprüngliche Aussage des Urhebers nur unwesentlich.