Recruiter beleuchten einen Bewerber bislang vor allen danach, ob er den fachlichen Anforderungen an das Stellenprofil gerecht wird und ob er in die Organisation und das Team passt. Neben HR kommt auch der suchende Fachbereich zum Zug. Gerade bei der Prüfung der Kriterien Fachkompetenz und Teamfähigkeit sprechen Verantwortliche eines Bereichs entscheidend mit. Doch auch in dieser Konstellation kann Robot-Recruiting die Arbeit der Entscheider im Unternehmen erleichtern. Immer unter der Prämisse, dass der Bewerber bereit ist mitzumachen.
Unterschiedlich sind bislang die Verfahrensansätze bei Matching-Software. Hier lassen sich drei Niveaus unterscheiden:
- Level-based Matching
- Matching auf der Basis von Schlüsselwörtern
- Typisierung
- psychologisch unterlegtes Matching
Softwareprogramme für ein Level-based Matching kommen ohne umfangreiche Algorithmen aus. Die Bewerber füllen Felder auf Bewerbungsseiten im Internet aus, wobei die Angaben überwiegend in der Beantwortung von Ja-Nein-Fragen oder im Einfügen von Zahlen – etwa innerhalb einer Skala – bestehen. Die Recruiter haben zuvor Wunschwerte in das System eingegeben, so dass sie Auswertung der einzelnen Bewerber in einem automatischen Abgleich erfolgt und zu einem individuell verschiedenen Match für jeden Bewerber führt.
Aktuelle Matching-Software-Programme arbeiten vor allem mit der Suche nach Schlüsselwörtern. Um einen Match zu erzielen, sucht ein Programm etwa Lebensläufe nach zuvor eingegebenen Stichwörtern ab, die für das Stellenprofil relevant sind. Allerdings ist die Analysefunktion dieser Programme starr in dem Sinne, dass sie nur feste Begriffe sucht und ähnlich lautende Wörter, die womöglich die gleiche Bedeutung haben, nicht erkennt.
Um solche Übereinstimmungen zu erkennen, müssen die Programme in der Lage sein, die Bedeutung von Schlüsselwörtern zu verstehen und miteinander abzugleichen. Im Unterschied zur einfachen Analyse rein nach Schlüsselwörtern sind Programme mit semantischen Funktionen in der Lage, auch ähnlich lautende Begriffe sowie Wörter mit einer ähnlichen Bedeutung zu identifizieren. Solche Software arbeitet mit Suchalgorithmen und ist für erfolgreiche semantische Analysen auf Fachwissen über Jobprofile etc. angewiesen.
Lernende Systeme erwerben umso größere Mengen an Wissen und verbessern ihre Analysequalität, je länger sie in den definierten Aufgaben zum Einsatz kommen. Natürlich können auch die Bewerber die Analysen einer Matching-Software zu ihren eigenen Gunsten beeinflussen, indem sie bestimmte Wörter in Anlehnung an die ausgeschriebenen Stellen in ihren Bewerbungsunterlagen bzw. in einem Onlinebewerbungsverfahren benutzen. Ein Problem für viele Unternehmen hierzulande besteht darin, dass sie gar nicht über die Datenmenge verfügen, auf deren Basis ein selbstlernender Algorithmus die Ergebnisse für eine vernünftige Mitarbeitersuche ermitteln könnte. Mit Hilfe großer Datenmengen können Softwareprogramme Musterprofile der Wunschkandidaten kreieren. Anders sieht es in den USA aus, wo schon heute fast alle Konzerne die Bewerbungsunterlagen von Software analysieren und aussortieren lassen.