Recruiting & Tücken. KI-Tools zur Kandidaten-Auswahl liefern oft bloß Rankings der „vermeintlich Besten“, so die Cornell University: Verbesserungen seien möglich.
Personalchefs, die Künstliche Intelligenz (KI) zur Auswertung von Bewerbungsunterlagen nutzen, entscheiden sich in vielen Fällen keineswegs für den besten Kandidaten, sondern für den, über den die KI am meisten weiß. Ein Bewerber, der qualifizierter ist, kann so abgewiesen werden, so die Cornell University. Ihre Forscher haben nun eine Methode entwickelt, die besser sein soll.
Das Verfahren von Cornell soll dazu dienen, um aus einem großen Bewerber-Pool KI-gestützt die besten Kandidaten zu identifizieren, wenn die Auswahl aufgrund unzureichender Infos schwierig ist.
Die Rangliste der „vermeintlich Besten“
Zunehmend werden von Arbeitgebern KI-Modelle eingesetzt, um Bewerber vorzusortieren und eine Rangliste der vermeintlich besten Köpfe zu erstellen. Dieses Ranking sei in vielen Fällen ungerecht und kontraproduktiv – dann nämlich, wenn das Modell über einige Kandidaten mehr Infos hat als über andere, sagen die Wissenschaftler des Cornell Ann S. Bowers College of Computing and Information Science. Vor allem Angehörige von Minderheiten würden so ausgegrenzt.
Herkömmliche Methoden führen oft dazu, dass bestimmte Kandidaten eine niedrige Einstufung erhalten, nicht weil der Algorithmus sicher ist, dass sie nicht qualifiziert sind, sondern nur, weil ihm Infos fehlen. Deshalb kommen weit weniger der tatsächlich qualifizierten Bewerber, über die es weniger Infos gibt, in die engere Auswahl für eine Überprüfung durch die Personalsachbearbeiter. „Dann bekommen qualifizierte Bewerber von vornherein keine Chance“, so Richa Rastogi von Cornell.
Zufallsauswahl kommt nicht infrage
Forschungsleiter Thorsten Joachims und seine Doktorandin Rastogi haben jetzt ein Verfahren vorgestellt, dass die KI-verursachte Ungerechtigkeit zumindest in einem gewissen Maße korrigieren soll. Eine Zufallsauswahl unter allen Bewerbern kam für sie nicht infrage. So lassen sich keine qualifizierten Bewerber finden.
Stattdessen entwickelten die Forscher den Ranking-Algorithmus „Equal-Opportunity Ranking“ (EOR). Dabei werden zwei Rankings erstellt: eine mit Bewerbern, über die viele Infos vorliegen, und einer mit jenen, von denen weniger bekannt ist. Die Spitzenreiter in beiden Gruppen kommen in die engere Auswahl, die klassisch von Menschen getroffen wird. Anhand von realen Beispielen lasse sich zeigen, dass EOR tatsächlich die Besten in die engere Auswahl bringt, heißt es. (pte/red)