Goodbye CV – vom Relikt aus dem 15. Jahrhundert hin zu digitalen Kompetenzprofilen

Wenn man sich vorstellt, dass die Wettervorhersage heute durch einen Blick in den Himmel erstellt würde – völlig manuell und auf Basis rudimentärer Daten ohne Verknüpfung und der Anwendung von Wettermodellen, würden sich alle stark wundern. Ungefähr so ist es aber, wenn man sich überlegt, wie in den meisten Unternehmen noch mit der ursprünglichen Struktur und Inhalt eines Lebenslaufs gearbeitet wird, um Kandidaten für eine zu besetzende Stelle auszuwählen. Der „Lebenslauf“ oder wie der Lateiner sagt „Curriculum vitae“ (CV) stellt eine Auflistung von Rohdaten dar, die Tätigkeiten, Zertifikate und private Vorlieben, wie z.B. Hobbies umfasst und keinerlei objektive Bewertung der Erfahrung, keine Kompetenzanalyse oder gar Benchmarks enthält.
Die Digitalisierung versucht seit einigen Jahren mit einer Anzahl von Effizienzmaßnahmen im Recruiting Abhilfe zu schaffen, indem sie den Auswahlprozess digitalisiert und standardisiert und in Form von Applicant Tracking Systems (ATS) unterstützt. Dies erleichtert die einzelnen Prozessschritte und löst veraltete Excel-Tabellen ab. Um die Suche nach dem richtigen Kandidaten zu verbessern, wurden CV-Datenbanken mit einer Verschlagwortung ausgestattet, um durch „Keyword Searches“ nach dem Boolean Search Verfahren („UND“ oder „ODER“ Suchwortverbindungen) die vermeintlich passenden Kandidaten für ein Stellenprofil zu finden. Das Problem der ungenügenden Aussagekraft eines CVs aufgrund von fehlenden entscheidungsrelevanten Daten, mangelnder Datenverknüpfung und Interpretation wird aber nicht gelöst.

In den letzten Jahren werden immer häufiger neue Technologien wie Big Data Analytics, Machine Learning oder Artificial Intelligence in der Industrie genutzt. Bei dem Einsatz neuer Technologien wird allerdings häufig übersehen, dass entscheidungsrelevante Daten im CV fehlen oder nur vermutet werden. Ob ein Kandidat Erfahrung in Linienfunktionen oder eher im Projektumfeld gesammelt hat, ob er verschiedene Disziplinen eines Funktionsbereichs kennengelernt hat und in einer Branche strategisch und operativ tätig war – all diese relevanten Informationen bleiben versteckt hinter isolierten Schlagwörtern und Kurzbeschreibungen der Stationen im Lebenslauf. So bleibt das Kandidatenprofil lückenhaft und die Qualität der Vorauswahlergebnisse fraglich. Die derzeit eingesetzten HR Analyseinstrumente ermöglichen dem Recruiter trotz neuer Technologien nicht, die fachlichen Qualifikationen eines Bewerbers schnell und objektiv zu bewerten und mit den Anforderungen eines Stellenprofils zu vergleichen.

Statt die Kompetenzen des Kandidaten zwischen den Zeilen und mühsam einzeln aus CVs herauszulesen, muss es in der Zukunft auch für den Recruiting und Talent Management Bereich Data Analytics Tools geben, welche fachliche und teilweise überfachliche Qualifikationen aus CV Daten auslesen, verknüpfen, analysieren und in Form eines Kompetenzprofils in messbarer Form darstellen. Nur so kann ein objektiver Abgleich der Anforderungen des Stellenprofils mit den Analysewerten des Kandidaten effektiv und effizient erfolgen.

Ausgehend von den, aus Recruiting-Sicht, lückenhaften LinkedIn- und XING-Profilen, die Ihrem Ursprung nach eigentlich der beruflichen Vernetzung dienen, kann man diese Profilstruktur nutzen und um Daten anreichern, die es erlauben, ein vollständiges Kompetenzprofil eines Kandidaten zu erstellen. Dazu braucht man z.B. Informationen über die Charakteristika der Positionen und Unternehmen, in denen der Kandidat tätig war. Es ist wichtig zu wissen, ob der Kandidat Teams geführt oder Projekte geleitet hat. Hat er sich vielleicht in einem bestimmten Job spezielles Fachwissen angeeignet und falls ja, in welchen Unternehmen und Funktionen hat er dieses angewendet? All diese Informationen bilden das Fundament für die Erstellung eines aussagekräftigen Kompetenzprofils und können aus bestehenden Profilen ausgelesen und über eine strukturierte Datenmaske angereichert werden. Sobald die richtigen Daten der Kandidaten aufgenommen und strukturiert wurden, kommt es jetzt auf die intelligente Verknüpfung dieser Rohdaten an. Zu Einflussfaktoren verdichtet, erzeugen Sie die relevanten Kompetenzwerte im digitalen Kandidatenprofil der Zukunft.
Diese intelligente Verknüpfung der Rohdaten stellt den wesentlichen Unterschied zu Jobportalen, CV Datenbanken oder Online Netzwerken dar, die lediglich Keyword Searches auf Rohdaten anwenden. Kompetenzprofilbasierte Job-Plattformen dagegen könnten unter Anwendung von intelligenten Algorithmen eine messbare Aussage über die Qualifikationen und Skills des Kandidaten treffen und nicht nur die binäre „Kann/Kann nicht“ Information ausgeben, die sich aus der Schlagwortsuche ergibt. Die meist gefragten fachlichen Qualifikationen sowie entscheidungsrelevante überfachlichen Qualifikationen können so objektiv bewertet werden, z.B. Industriewissen und Branchenerfahrung, Fachwissen, Themenspezialisierung, Projektmanagementkompetenz, Führungserfahrung, Implementierungskompetenz, Erfahrung in Linienmanagement, Fokus auf analytische Tätigkeiten, kulturelle Kompetenz in spezifischen Ländern.
Durch die Anwendung eines Algorithmus werden alle Kandidaten gleichbehandelt und die objektive Bewertung verhindert, dass der „Human Bias“ einen Einfluss auf die Vorauswahl hat. Da die einzelnen Kompetenzwerte des Kandidaten aus vielen Einflussfaktoren gebildet werden, haben auch Bewerber eine Chance, eine hohe Bewertung zu erzielen, die nicht den Formalkriterien entsprechen und die durch die heutigen Verfahren direkt aussortiert werden.

Eine detaillierte Datenaufnahme ermöglicht es den Plattformen, auf einen umfangreichen Datensatz pro Kandidat zurückzugreifen, und diesen individuell und nutzerorientiert aufzubereiten. Dies bedeutet, dass durch die Aufnahme der richtigen Daten und die intelligente Verknüpfung nicht nur ein aussagekräftiges und objektiv bewertetes Kandidatenprofil entsteht, sondern der Recruiter auf eine große Auswahl an Kriterien zurückgreifen und individuell auswählen kann, welche er zur Entscheidung im Recruitingprozess nutzen will.
Das Nutzungspotential solch strukturierter Bewerberdatensätze wurde von dem Startup cherryfish erkannt und wird aktuell in Form von verschiedenen Services umgesetzt. Die cherryfish® Plattform nutzt einen entsprechenden Algorithmus und bietet Unternehmen, die mehr über ihre Bewerber erfahren und ihren Auswahlprozess effizient, effektiv und objektiv gestalten wollen, die Erstellung von Kompetenzprofilen und den Abgleich mit den Anforderungen aus dem Stellenprofil an. Wächst der Bewerberpool eines Unternehmens schnell an, kann der Algorithmus auch genutzt werden, Kandidatenprofile mit noch nicht publizierten Stellen abzugleichen. Dies bietet Recruitern die Möglichkeit, eine Bewerberpipeline mit bereits bewerteten Profilen aufzubauen und so mit interessanten Kandidaten in Kontakt zu bleiben. Vernetzt man darüber hinaus die Bewerberpools der Unternehmen bzw. geben die Kandidaten ihre Daten für die cherryfish® Plattform frei, entsteht ein attraktiver Kandidatenpool von aktiv suchenden Bewerbern, der für viele Recruitingverantwortliche interessant ist. Das Unternehmen muss nur noch ihr Anforderungsprofil erstellen und erhält automatisch Kandidatenvorschläge, die am besten auf das Profil passen.

Bislang sind die Prozesse für das Recruiting von permanenten Angestellten und temporären, oft projektbasierten Ressourcen, komplett entkoppelt. Während für die permanenten Angestellten eine ganze Armada von HR Experten zum Einsatz kommt, verfügt der für die Beschaffung von externen temporären Ressourcen zuständige Bereich, in den meisten Fällen ist das der Einkauf, nur über rudimentäre Entscheidungshilfen und Expertisen in der Auswahl der richtigen Ressource. Bislang rechtfertigt das temporäre Geschäft den Einsatz von kostenintensiveren Sourcingmaßnahmen nicht. Temporäre Ressourcen werden als Sachkosten gewertet und auch als solche, nämlich Dienstleistungen, eingekauft. Dass der Erfolg eines internen Projektes maßgeblich von den agierenden Projektmanagern abhängt wird hier sehr häufig unterschätzt, gar außer Acht gelassen. Der Beschaffungsprozess für Projektressourcen fußt häufig auf einem generischen „Beraterprofil“, das sich maßgeblich an Seniorität orientiert und weniger an Kompetenzen, so dass die Passgenauigkeit der benötigten Ressourcen häufig nicht gegeben ist. cherryfish hat dieses Kundenbedürfnis erkannt und nutzt ihren Algorithmus auch für die Bewertung von Freelancer-Profilen und so schnell und unkompliziert, den richtigen Experten für ein Projekt findet.

Die Marktbedürfnisse und der technologische Fortschritt zeigen, dass der Entwicklungsschritt vom tabellarischen Lebenslauf hin zum digitalen Kompetenzprofil überfällig ist und der Einsatz von Algorithmen basierten Data Analytics auch im Recruiting und Talent Management genutzt werden kann. Erstmalig ist ein homogener und objektiver Ansatz in der Auswahl von internen als auch externen Ressourcen ermöglicht.