© unsplash/@brucemars

© unsplash/@brucemars
Home › 
Use Cases › 
Automatische Fragen­beantwortung zu Lebens­läufen von Bewerbern

Automatische Fragen­beantwortung zu Lebens­läufen von Bewerbern

Use Case
Back Office

Hintergrund

Besonders in großen Unternehmen ist die Zahl der eingehenden Bewerbungen sehr hoch. Da nicht alle Bewerber geeignet sind, kann es sehr zeitaufwendig sein, die am besten geeigneten Kandidaten über die Rekrutierungsdatenbank zu suchen. Dies führt zu langsamen Antwortzeiten für Kandidaten, die den Kriterien der Unternehmen entsprechen.

Herausforderungen

Es wird ein Machine-Learning-Modell benötigt, das in der Lage ist, vordefinierte Fragen auf der Basis von Lebenslaufdokumenten oder -anhängen automatisch zu beantworten. Das können zum Beispiel Fragen nach dem Schulabschluss, Studienfach oder Berufserfahrung sein. Die große Herausforderung für ein solches Modell besteht darin, die Fragen und Informationen aus dem Lebenslauf zu abstrahieren und semantische Beziehungen und Abhängigkeiten zu erkennen, um die entsprechenden Kandidaten zu finden. Dazu wird ein Trainingsdatensatz benötigt, das aus einer Vielzahl an Bewerbungen besteht, in denen die relevanten Informationen markiert ('gelabelt') wurden.

Lösungsansatz

Die automatische Auswertung eingehender Lebensläufen von Kandidaten benötigt ein leistungsstarkes ML-Modell. Beispielsweise ein Modell, das auf der von Google entwickelten BERT-Methode (Bidirectional Encoder Representations from Transformers) basiert. Der Hauptvorteil eines BERT-Modells besteht darin, dass es in der Lage ist, semantisch ähnliche Wörter und Ausdrücke unter Berücksichtigung ihres Kontexts zu erkennen. So weiß es zum Beispiel, dass 'Lehre' und 'Ausbildung' im Kontext einer Bewerbung prinzipiell das Gleiche bedeuten. Das vortrainierte BERT-Basismodell, das ein Grundverständnis der jeweiligen Sprache (z.B. Deutsch) hat, benötigt eine Anpassung auf das spezielle Problem. Dafür wird das Modell auf dem Trainingsdatensatz mit den markierten Bewerbungen trainiert.

KI-News jedes Quartal

Erhalten Sie Nachrichten über Machine Learning und Neuigkeiten rund um dida.

Erfolgreich angemeldet.

Gültige Email-Adresse benötigt.

Email-Adresse bereits registriert.

Etwas ist schiefgelaufen. Bitte versuchen Sie es nochmal.

Mit dem Klick auf "Anmelden" erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

dida Logo