Data Mining & HR – Background Check potenzieller Mitarbeiter durch Data Mining

bei

 / 21. June. 2019

Beim Data Mining werden durch die Auswertung von Datensätzen Informationen abgeleitet. Human Resources meint die Ressourcen, die ein Unternehmen in Bezug auf Fähigkeiten, Wissen und Motivation der Mitarbeiter verfügt. Zur Beschaffung, Planung und dem Einsatz dient das Human Resource Management. Data Mining und Human Ressources eröffnen gemeinsam auch im Bezug auf einen Background Check potenzieller Mitarbeiter neue Möglichkeiten.

Ein Interesse daran besteht schon seit mehreren Jahren. Im Jahr 2010 gaben 22 % der befragten Personalentscheider bei einer Umfrage der Computerwoche an, dass sie über Bewerber im Internet und insbesondere in sozialen Medien recherchierten. Doch über jeden einzelnen potenziellen Mitarbeiter zu recherchieren, ist äußerst aufwändig. Hier könnte ein Data Mining & HR – Background Check eine effiziente Lösung darstellen.

Bildquelle: loufre – Pixabay.com

Was ist Data Mining?

Eine Data Mining-Analyse bezweckt gewünschte Informationen aus einer großen, unüberschaubare Menge an Daten zu ermitteln. Dabei wird ein bestimmtes Muster erkannt. Für das Data Mining gibt es viele verschiedene ergebnisorientierte mathematische und statistische Methoden. Ein klassisches Beispiel für Data Mining ist das Schufa-Scoring. Die Schufa verwendet selbst bestimmte Kriterien, wertet diese aus und ermittelt über ein mathematisch-statistisches Verfahren einen Score zwischen 0 und 100, der ausschlaggebend für die Kreditwürdigkeit eines deutschen Staatsbürgers ist.

Unterhaltungs-Anbieter wie Netflix nutzen Data Mining, um dem Nutzer anhand seines Verhaltens und seiner Vorlieben bestimmte Serien und Filme vorzuschlagen. Doch auch im Bereich Mitarbeiter Recruiting könnte Data Mining in Zukunft eine wichtige Rolle spielen. Die Point Park University in Pennsylvania nutzte zum Beispiel Data Mining, um Bewerber zu finden, die gut zu dessen akademischen Programmen passten und darüber hinaus, um herauszufinden, was die guten Schüler so erfolgreich machte.

Damit Firmen mit Hilfe von Data Mining herausfinden können, welcher Bewerber erfolgreich sein wird, könnte kann man von der Point Park University lernen. Zunächst müsse ein Blick darauf geworfen werden, wer bereits erfolgreich ist. Dazu würden der Hintergrund und die Stärken analysiert. Ergäbe sich ein Muster, würden daraus Kriterien erfasst.

Data Mining & HR für Personalentscheidungen

Selbstverständlich benötigt ein Personalentscheider bei der Einstellung eines neuen Mitarbeiters oder zur Entscheidung, welcher Bewerber am besten für die Stelle geeignet ist, alle relevanten Informationen. Bewerber geben jedoch grundsätzlich nur Qualifikationen und positive Eigenschaften über sich preis. Einigen Bewerbern gelingt es sich dabei auch besser zu verkaufen, als anderen, die jedoch besser auf die zu besetzende Stelle passen würden. Lebensläufe, Bewerbungen und Arbeitszeugnisse liefern zwar wichtige Anhaltspunkte, jedoch keine ausreichenden Erfolgsmetriken.

Um so viel Informationen wie möglich zu erhalten, wird immer häufiger ein sogenannter Background Check durchgeführt. Da ein Background Check schon durch die Datenerhebung selbst Unmengen an Arbeit erfordern würde, nutzt man Big Data Technologien. Intelligente Datenanalysen und selbstlernende Algorithmen sollen dabei nicht nur den Background Check bei einer vorliegenden Bewerbung vereinfachen, sondern gemeinsam mit Predictive Analytics und künstlicher Intelligenz in Zukunft auch in der Lage sein, einen geeigneten Bewerber für ein Praktikum oder eine Arbeitsstelle z.B. über Jobportale intelligent selbstständig zu finden.

Ein solches System würde dem Unternehmen, das es nutzt, einen gewaltigen Wettbewerbsvorteil im Personalsektor verschaffen. Denn immerhin besteht hier auch unter den Unternehmen ein gewaltiger Konkurrenzdruck, einen guten Bewerber schnellstmöglich an Bord zu holen, bevor es ein anderes tut.

Der Ablauf des Process Data Mining & HR bei Bewerbungen

Die Sammlung und Auswertung der Daten könnte mittels einer KI bereits beim Sortieren der Lebensläufe beginnen. Diese Phase nennt man CV-Parsing [1] . Background Checking Agencies extrahieren Daten aus dem Internet und sozialen Netzwerken wie Facebook, Xing, LinkedIn, Suchmaschinen und anderen Websites, sowie anderen Quellen. Diese Daten werden erhoben, ausgewertet und direkt mit dem Bewerber verknüpft.

In den USA haben Background Checking Agencies dabei wesentlich mehr Handhabe, als es in Europa der Fall ist. Dort ist es z.B. auch erlaubt, medizinische Daten, Kreditkarteninformationen und eventuelle Angaben aus dem Strafregister abzufragen, zu erheben und zu speichern. In Deutschland ist das Rechtssystem deutlich strenger und schützt den Bewerber. Das beginnt bereits mit Einschränkungen bei der Erhebung von Stammdaten des Bewerbers.

Vorteile von Data Mining & HR beim Background Check

“Für ein Unternehmen hat ein automatisierter Data Mining & HR-Prozess ausschließlich Vorteile. Es spart viel Zeit, Arbeitsaufwand und erspart sicherlich die ein oder andere Fehlentscheidung bei der Einstellung eines Mitarbeiters”., so die Experten von Officelux. Insbesondere die Anwendung von KI soll außerdem einen Entscheidungsprozess bei Bewerbern gewährleisten, der frei von Vorurteilen und Emotionen ist. Hier würde jeder Bewerber gleich behandelt werden und erhielte dieselbe Chance.

Kritik am Data Mining & HR beim Background Check

Am Data Mining wird nach wie vor reichlich Kritik geübt. So wird von den Kritikern immer wieder darauf hingewiesen, dass ein automatisiertes Programm ja lediglich Informationen aus der Vergangenheit erheben würde. Bei einem Berufswechsel könne man keine zuverlässige Prognose darüber erstellen, welche Leistungen der potenzielle Bewerber am Arbeitsplatz erbringen könnte. Dies würde auch passieren, wenn sich ein langjähriger Mitarbeiter auf eine Führungsposition bewerben würde. Einen automatisierten Prozess könnte das überfordern.

Auch die individuelle Entwicklung kann durch Data Mining & HR nicht erfasst werden. Die Daten aus der Vergangenheit führten außerdem bei der automatisierten Erstellung von Kriterien schon zu Fehlern. So benachteiligte die KI von Amazon Frauen, da sich in den letzten zehn Jahren dort deutlich mehr Männer beworben hatten. Auf diese Daten war die KI jedoch trainiert worden. Ein weiterer Kritikpunkt ist die nicht nachgewiesene Relevanz der Daten.

Wenn man Daten erhebt, welche die Hobbys und privaten Beziehungen eines Bewerbers beinhalten, dann ist dessen Relevanz zumindest fraglich. Gewöhnlich hatte man sich beim Bewerbungsprozess auf fundierte wissenschaftliche Methoden verlassen wie Intelligenztests, Einstellungstests und die multimodale Diagnostik (Erfahrungen, Eigenschaften, Verhaltenspotential). Data Mining & HR sind keine wissenschaftlich fundierten Methoden für ein Bewerbungsverfahren.

Rechtliche Aspekte

Data Mining & HR-Analysen sind mit derzeitigem EU-Recht und nationalem Recht nicht zu vereinbaren. Auch das deutsche Arbeitsrecht schützt den Bewerber. So muss ein Bewerber bei Fragen nach einer Schwangerschaft, dem Familienstand, seiner Religion, seiner politischen Überzeugung, seinen Gesundheitszustand, dem Vorliegen einer Behinderung Vermögensverhältnissen, Vorstrafen, Lohnpfändungen der Vergangenheit, Alter und Herkunft in der Regel keine Auskunft geben und darf sogar lügen. Ausnahmen gibt es in diversen Fällen, insbesondere wenn sich etwas auf das Arbeitsverhältnis auswirkt.

Nur Wettbewerbsverbote, eine drohende Haftstrafe oder eine schwere Krankheit unterliegen der Offenbarungspflicht eines Bewerbers. Daten, die nicht abgefragt werden dürfen, darf man nach EU-Recht auch nicht erheben. Die Internet-Recherche ist dabei momentan noch umstritten. Eine Erhebung von Daten aus beruflichen Netzwerken wie Xing oder LinkedIn ist vermutlich zulässig, Daten von privaten Social Media Seiten zu speichern, hingegen eher unzulässig.

Fazit

Data Mining & HR – Background Checks bieten viel Potenzial und werden auch in Zukunft noch an Bedeutung gewinnen. Allerdings haben sie zur Zeit noch einige Schwächen. Die Weiterentwicklung der Big Data-Technologien steht also noch vor einigen Herausforderungen. Ob ein Data Mining & HR – Background Check den jetzigen Bewerbungsprozess komplett ersetzen kann, ist eher fragwürdig. Als unterstützendes Element könnte ein automatisierter Prozess allerdings Bewerbungen in einem Vorverfahren sortieren und geeignete Bewerber eingrenzen. Die größte Schwierigkeit für die Anwendung eines

Data Mining & HR – Background Checks stellt momentan die europäische und nationale Rechtslage dar. Die Gesetzgebung muss jedoch in Zukunft die Anwendung neuer Technologien, insbesondere im Hinblick auf den Einsatz von KI Regelungen schaffen. Diese werden Einfluss darauf haben, in welchem Maß Data Mining & HR – Background Checks zur Anwendung kommen.

Quellen und Referenzen

[1] https://www.he-roes.de/glossary/cv-parsing/

 

Alexander Eser gründete nach seinem Studium in Berlin, Oslo und Rotterdam das digitale Verbraucher-Magazin Kaufberater.io. Neben digitalen Geschäftsmodellen und Statistik, interessiert er sich vor allem für Fitness, Snowboarden und Reisen.