Der Bewerbungsprozess analog
Meine erste Bewerbung schrieb ich in den 80er Jahren. Anschreiben, tabellarischer Lebenslauf und ein Zeugnis tat ich in eine schöne Mappe und schickte das per Post an die Personalabteilung des Unternehmens. Dort sichtete ein Personalmensch dann all die schönen Mappen und ordnete sie irgendwie.
Der Prozess hat sich bis heute nicht wesentlich verändert. Anschreiben, Lebenslauf und Zeugnisse hat man nun als pdf. Statt einer schönen Mappe schreibt man eine schöne eMail oder lädt alles auf einer Karriere Webseite hoch.
Der Bewerbungsprozess digital
Doch der Prozess in der Personalabteilung, heute natürlich „HR“, ist digitaler geworden. Mittels Recrutingsoftware, genauer „Applicant Tracking Systems“ (ATS) werden eingehende Bewerbungen elektronisch erfasst. Die gelesenen Daten werden in eine Datenbank geschrieben und HR Menschen können sich dann leichter all jene Datensätze, also Bewerber:innen filtern, die eine bestimmte Qualifikation und Erfahrung haben.
Die Erkennung der CVs ist oft fehlerhaft
Der Prozess des elektronischen Lesens der Bewerbungen, besonders des Lebenslaufs (CV), wird „CV-Parsing“ genannt. Bei dieser Erkennung wird nach typischen Bezeichnern im Text gesucht, also beispielsweise folgen nach dem Stichwort „Berufsausbildung“ üblicherweise Informationen darüber.
Wichtig ist dabei u.a. die Dauer. Die geben manche Bewerber:innen so an: „06.1976 bis 07.1977“ oder „06-1976 bis 07-1977“ oder „1976.06. bis 1977.07.“ oder „1976-1977“ oder, oder, oder.
Auch die Position von Bezeichner und Inhalt variiert stark. Mal steht der Inhalt unter dem Datum, mal rechts davon, mal gleich im Anschluss oder, oder, oder.
Wie schwer die Erkennung anderer Teile des CVs ist, kann man sich leicht vorstellen oder erfährt es, wenn man selbst seinen CV auf einer der Jobseiten hochlädt und dann doch viel nachträglich eintragen soll.
Mittels KI kann man die Erkennung natürlich steigern, so wie KI viele Probleme mindern kann, die mit etwas Überlegung gar nicht erst auftreten würden.
Überweisungsformularen für den Zahlungsverkehr sind ein gutes Beispiel für solche Überlegungen. Sie sehen gleich aus und haben dieselben Datenfelder an bestimmten Stellen. Jede Software kann diese Formulare leicht auslesen und in eine Datenbank der Bank übertragen.
Ein Format für den Datenaustausch ist der Schlüssel
Der Datenaustausch mit anderen Banken findet jedoch nicht über Formulare statt, sondern über ein festgelegtes Austauschformat statt. Wie das Überweisungsformular stehen dort die Inhalte der Datenfelder in einer bestimmten Reihenfolge und sind mit bestimmten Zeichen voneinander getrennt. So können riesige Datenmengen wesentlich schneller und dennoch präziser verarbeitet werden, als das jede KI-Formularerkennungssoftware könnte.
Wenn wir an die CVs denken, mit denen wir uns selbst beworben haben, wird schnell klar, dass es keinen Standard gibt. Es gibt eben kein standardisiertes CV-Formular, keine festgelegten Bezeichner für die Datenfelder, nicht einmal für die Reihenfolge der Daten. Es gibt Empfehlungen, aber letztendlich ist alles variabel. Man stelle sich solche eine Datenqualität bei Überweisungen vor – das könnte auch keine KI schaffen.
Aber muss KI denn überhaupt alle Problem lösen, die mittels klügerer Prozesse gar nicht erst entstehen?
Statt künstlicher, fragte ich eine menschliche Intelligenz, die als Entwickler bei einer großen Jobplattform arbeitet, ob es nicht irgendeinen Standard gibt, in dem ich meine Daten einem Portal zur Verfügung stellen kann. Nein, die gibt es nicht.
Bei meiner Recherche stieß ich auf „JSON Resume“: https://jsonresume.org/ „The open source initiative to create a JSON-based standard for resumes. For developers, by developers.“
Guter Ansatz, aber für Nicht-Developer aus dem deutschen Sprachraum ungeeignet.
So begann ich mir selbst Gedanken zu machen.
Die Idee ist, ein Austauschformat für CVs zu entwickeln
Zur Erstellung eines CV als Code käme eine simple Web-App zum Einsatz. Eine Muster-App dafür schrieb eine KI. Die Web-App funktioniert praktisch jedem Webserver und sogar lokal im Browser. Seinen CV muss man dort nur einmal eintragen. Der CV wird im Format YAML gespeichert.
YAML eignet sich dafür besonders gut, weil es leicht lesbar ist.
Einmal erstellt, lässt sich eine CV-Vorname-Nachname.yaml wieder einlesen und in der Web-App oder sogar manuell verändern. Eine YAML Datei ist reiner Text entsprechend klein. Statt mehrerer Megabyte bei einem .pdf sind es wenige Kilobyte. Falls ein Unternehmen kein YAML CV-as-Code Upload anbietet, kann die Bewerbung auch als .pdf gespeichert werden.
Aufgrund standardisierter Bezeichner könnten die entsprechenden Daten von einer Recrutingsoftware 1:1 übertragen werden. Die Erkennungsqualität stiege auf 100 %. Ein Wert, von dem CV-Parser auch mit KI noch weit entfernt sind.
Alle gewinnen
Alle würden profitieren: Bewerber:innen müssten einen CV nur an einer Stelle pflegen. Sie müssten ihr Daten keiner Jobplattform mehr anvertrauen. Es wäre leicht, den CV zu anonymisieren, wovon Menschen mit scheinbar nicht-deutschem Namen profitieren würden.
Personalmenschen könnten sich auf die Datenqualität verlassen, statt ihrerseits nacharbeiten zu müssen.
Unternehmen würden Speicherplatz und Bandbreite sparen.
Cyberangriffe über Bewerbungen mit verseuchten .doc Dateien gehörten der Vergangenheit an, denn in einer blanken Textdatei ist Schadcode sinnlos.
Die Coder von CV-Parsern könnten sich endlich wichtigeren Dingen zuwenden, als stetig der Erkennungsquote steigern zu müssen.
Und weiter? Weiter geht’s nur gemeinsam – wer hat Lust mitzumachen?