Wenn KI entscheidet, ob du zum Vorstellungsgespräch darfst - die neue Ära der Jobsuche

00:00:00: Eine große KI macht ja meistens eine Vorhersage für den nächsten Schritt basierend auf den Daten, mit der wir sie gefüttert haben.

00:00:06: Und wenn wir sie jetzt gefüttert haben mit den Daten des letzten zwanzig Jahren Recruitings, wo ein weißer alter Mann, ich übertreibe ein bisschen viele junge weiße Männer, die dann bald auch zu alten weißen Männern werden ausgesucht hat, dann haben wir da einfach ein Problem in den Trainingsdaten und somit kann dieses System gar nicht besser sein, als das, was wir in der Vergangenheit hatten.

00:00:36: Jeder, der schon mal eine Bewerbung geschrieben hat, weiß, wie lange man daran rumfremelt.

00:00:43: Man fällt da wirklich an jedem Satz, an jeder Formulierung, bis man das Gefühl hat, die Bewerbung sagt, dass man dynamisch ist, agil, sympathisch engagiert.

00:00:53: Man schickt dann die Bewerbung ab.

00:00:56: Und bis vor kurzem hat man dann gedacht, hoffentlich ist der Personaler oder die Personalerin gut gelaunt.

00:01:01: Ich schick das vielleicht nicht einen Montag ab, sondern erst an einem Donnerstag.

00:01:06: Man hat gehofft, dass die Bewerbung nicht als fünftzigste Bewerbung durchgelesen wird, sondern vielleicht erst... die erste, zweite, dass der Personal einfach noch konzentriert ist und noch nicht so überdrüssig.

00:01:18: Das heißt, eine Bewerbung abzuschicken an einen Menschen war immer so ein bisschen verbunden mit einer Portion Zufall, mit Sympathie, mit Tagesstimmung, mit auch mit unbewussten Vorurteilen.

00:01:31: Und wie fühlen wir uns denn jetzt, wo nicht ein Mensch, sondern eine Maschine Für uns entscheidet, also ein Algorithmus, der noch nicht mal eine Sekunde braucht, um unsere Daten zu analysieren, unser Bewerbungsschreiben, an dem wir nun stundenlang versucht haben, da Persönlichkeit reinzubringen.

00:01:50: KI soll ganz objektiv sein, messbar und theoretisch fair.

00:01:55: Bei fünftausend Bewerbungen bekommt da auch jede dann tatsächlich die gleiche Aufmerksamkeit.

00:01:59: Es gibt auch nicht dieses wochenlange Warten auf eine Antwort, so wie früher.

00:02:03: Meistens bekommt man ja schon wirklich schnell innerhalb von achtundvierzig Stunden eine Antwort.

00:02:09: Aber worauf basieren denn diese ganzen Entscheidungen?

00:02:11: KI lernt ja aus Trainingsdaten, also aus vergangenen Einstellungsdaten und das werden wir später so ein bisschen erklären.

00:02:18: Es ist auch schon in der Vergangenheit ordentlich schief gegangen, denn wenn diese Daten diskriminierende Muster enthalten, dann übernimmt die Maschine diese und reproduziert sie einfach und das dann eben schneller und effizienter als es ein Mensch je könnte.

00:02:32: Und was ist mit den QuereinsteigerInnen, also mit den Leuten, die nicht so richtig ins Schema passen?

00:02:38: die zum Beispiel Gründerinnen waren, aber gescheitert sind, aber deswegen super wertvolle Erfahrungen mitbringen, Lebensläufe die Brüche haben.

00:02:48: Ein ganz aufmerksamer Personaler kann das erkennen, kann zwischen den Zeilen lesen.

00:02:53: Aber was ist da mit einer Maschine, mit einem Algorithmus, sortiert er das aus, weil wir eben nicht enorm entsprechend oder nicht KI optimiert unsere Bewerbung geschrieben haben.

00:03:04: Wie sprechen also in dieser Folge mit Herz und KI, was künstliche Intelligenz mit unserer Arbeitswelt macht?

00:03:11: Diskutiert aber auch mehr als nur über KI im Recruiting, weil es ja darum geht, wie unsere Gesellschaft sich entwickelt, wenn Algorithmen zunehmend über Chancen und über Lebenswege von Menschen entscheiden.

00:03:23: Ich bin Fanny Rosenberg und unser Gast heute ist Dr.

00:03:26: Matthias Mauch, er ist der Geschäftsführer von Turn Deutschland.

00:03:31: Die Turn-Group, das ist ein Health-Text-Startup und hat einen HR-Tool entwickelt.

00:03:37: Das basiert auf dem Prinzip KI First, Human Second.

00:03:41: KI übernimmt da die erste Vorauswahl von Bewerbungen, während Menschen dann weiterhin die entscheidenden persönlichen Gespräche führen.

00:03:49: Matthias kann uns also super erklären, natürlich, wie das technisch funktioniert, aber viel spannender für uns eigentlich, welche Chancen, welche Risiken und auch welche ethischen Fragen sich dann daraus für Bewerberinnen ergeben und natürlich auch für uns als Gesellschaft.

00:04:03: Und deswegen freue ich mich sehr, dass er heute in dieser Folge dabei ist.

00:04:06: Hallo Matthias.

00:04:07: Liebe Fanny, grüße dich.

00:04:08: Danke für die Einladung.

00:04:09: Matthias, wenn ich mich jetzt bei einem großen Unternehmen heute bewerbe und Meine Bewerbung wird vorsortiert von einem KI-Tool.

00:04:19: Dann weiß ich ja überhaupt nicht, nach welchen Kriterien da gefiltert wird.

00:04:24: Wir hören natürlich immer wieder Menschen, haben so wahnsinnig viele unbewusste Vorurteile, Schubladendenken, dass sie dann teilweise selber gar nicht erklären können, dessen sie sich gar nicht bewusst sind.

00:04:35: Daher die Frage, wie ist es jetzt?

00:04:37: Also ist diese Black Box, diese KI Black Box am Ende durchschaubarer als die unbewussten Vorurteile eines Personalers oder einer Personalerin?

00:04:46: oder wie passiert das?

00:04:47: Wer kontrolliert diesen Algorithmus?

00:04:49: Steigst doch gleich richtig ein mit den Fragen.

00:04:54: Ich glaube das erste, ich fange mal mit menschlichen Dingen an, bevor wir jetzt in diese Black Box einsteigen.

00:04:59: Also ein Unternehmen und wahrscheinlich die meisten DAX Konzerne nutzen KI mittlerweile in irgendeiner Form dafür, wenn sich Bewerber sozusagen anstellen, um um ausgewählt zu werden.

00:05:10: Und da fing es sich schon an.

00:05:11: Als großes Unternehmen hoffentlich und vor allem als Start-up hast du irgendwelche Werte, du hast Values, auf die die dich besinnst und nach denen hoffentlich diese am Ende dieses Gesprächs nicht mehr ganz so dunkle Black Box ja auch hergeleitet und trainiert wird.

00:05:25: Das heißt vielleicht beim Daimler sind die Leute vielleicht tendenziell etwas konservativer, die haben vielleicht eine bisschen andere Werteansammlung, das was zu denen passt als bei Apple.

00:05:34: Das heißt vielleicht schon mal heranzugehen als Bewerber und sich zu denken, ah ja, passe ich denn eigentlich in erster Linie zu dem Unternehmen und pass das Unternehmen zu mir, basieren auf dem, wie die sich präsentieren, was die machen.

00:05:43: Das ist, glaube ich, schon mal ein guter erster Schritt, um das etwas zu vermenschlichen.

00:05:46: Man einfach mal zu gucken, pass ich da rein oder nicht.

00:05:50: Wenn wir dann sozusagen reingehen und sagen, ja, die haben aber alle Vorurteile gegenüber mir, dann kann das sein.

00:06:00: Das kann auch nicht sein, das ist von außen schwierig zu beurteilen.

00:06:03: Aber jetzt, und du hast es ja schon richtig angesprochen, kommt es eben vor allem darum, wie wir die KI betrachten.

00:06:09: Wenn wir die KI betrachten, das ist eine Bloodbots, die einfach sozusagen basierend auf alten Daten oder vielleicht auch basierend auf den Daten, die jetzt gerade, die Entscheider sind, dann hilft uns die KI am Ende des Tages mit ihrer eigentlichen Superpower relativ wenig.

00:06:22: Denn wenn man sich's vorstellt, für die Hörer, die jetzt vielleicht noch nicht so oft zugehört haben, eine LLM oder eine große KI macht ja meistens eine Vorhersage für den nächsten Schritt basierend auf den Daten, mit der wir sie gefüttert haben.

00:06:33: Und wenn wir sie jetzt gefüttert haben mit den Daten des letzten zwanzig Jahren Recruitings, wo ein weißer alter Mann, ich übertreibe ein bisschen viele junge weiße Männer, die dann bald auch zu alten weißen Männern werden ausgesucht hat, dann haben wir da einfach ein Problem in den Trainingsdaten und somit kann dieses System gar nicht besser sein als das, was wir in der Vergangenheit hatten.

00:06:52: Aber vielleicht auch da, ganz interessant ist ja auch, wenn wir die KI jetzt weniger als Blackbox betrachten, sondern sozusagen als soziökonomischen Spiegel unser... Gesellschaft, dann kommen wir auf einmal auch ganz andere Dinge rein.

00:07:03: Ich mache ein kurzes Beispiel.

00:07:05: Wir haben die Julia aus Starnberg, die bewirbt sich für einen Job bei Apple in Berlin.

00:07:12: Und wir haben den Machmut aus Nordindien, der bewirbt sich für die gleiche Position.

00:07:19: Die KI geht jetzt ja nicht nur hin und sagt, wo warst du auf der Schule?

00:07:24: Das alleine wäre ja schon wahrscheinlich in Bayerns.

00:07:26: Es gibt dann auch viele andere Dinge.

00:07:28: Was ist denn die Postleitzahl, wo der war?

00:07:30: Welche Grundschule war der denn?

00:07:32: Und vielleicht auch viele semantische Informationen, die vielleicht gar nicht primär etwas mit der Bewerbung zu tun haben.

00:07:38: Wie ist die Maschine aus?

00:07:39: Bewertet sie, je nachdem, wie sie den Prior gesetzt hat und gibt uns dann da einen Output.

00:07:44: Das heißt, ja, ein Bias ist möglich und der Bias kann vielleicht sogar schlimmer sein, als wir uns das gerade vorstellen.

00:07:51: Man hat auf einmal so Dinge wie Religionszugehörigkeit, wenn sie denn drin stehen oder PLZ oder oder oder einen Unterschied machen können.

00:07:59: So, bei uns zum Beispiel sehr wichtig die Sprachzertifikat.

00:08:02: Es ist so, dass die Sprachzertifikat im anderen Ausland für Deutsch nicht gleich sind.

00:08:06: Das Goethe und ÖSD sind da höher gerankt als dann andere, wie Telk.

00:08:11: Auch das würde einen Unterschied machen.

00:08:14: Jetzt hinzugehen und zu sagen,

00:08:15: vielleicht

00:08:15: ist es gar nicht so eine richtige Black Box, sondern vielleicht ist es ja sozusagen einfach ein Spiegel der socio-ökonomischen Kultur, in der wir leben, hilft uns vielleicht dabei auch als Bewerber in der Betrachtungsweise heranzugehen und zu sagen, wie muss ich mich denn aufstellen?

00:08:29: Was ist denn das, was von mir gefordert wird?

00:08:31: und natürlich noch viel krasser für mich als derjenigen, der sozusagen Unternehmen befähigen will oder die Unternehmen selbst?

00:08:36: Was wollen wir denn eigentlich haben?

00:08:38: Was sind die Informationen, mit denen wir füttern wollen?

00:08:40: Und Wie legen wir die dann aus, damit wir im Nachhinein aus diesem Landkarte an verschiedenen Priors, die die Maschine jetzt frisst sozusagen und auswertet, die finden die auch zu unserer Unternehmenskultur passen.

00:08:53: Es gab ja diesen Fall bei Amazon.

00:08:56: Das war ein relativ berühmtes Beispiel.

00:09:00: Ich glaube, es war ein Job aus der IT-Branche, der sehr Männer dominiert ist.

00:09:04: Und da hatte dann das System, das KI-Tool, tatsächlich die Frauen aussortiert, weil es gelernt hatte, Männer wurden historisch einfach häufiger genommen, muss heißen, es sind die besseren, die qualifizierteren Kandidaten.

00:09:22: Wenn ich jetzt eine Standardabsage bekomme, von einem KI-Tool, das da aussortiert hat, dann weiß man ja einfach nicht, nach welchen Kriterien wurde ich jetzt da aussortiert.

00:09:33: Also wie kann man denn sicherstellen, dass diese Vorurteile durch die KI-Algorithmen nicht einfach nur reproduziert werden?

00:09:41: Wie macht ihr das zum Beispiel bei euch?

00:09:43: Genau, spannende Frage.

00:09:44: Also es gibt einen rechtlichen Rahmen, die KI-Verordnung, die da ja auch genauer hinschaut, aber ja auch HR sozusagen als

00:09:49: hoch.

00:09:50: Risiko behaftet, gesehen wird.

00:09:53: Wie machen wir das bei uns?

00:09:55: Es gibt, glaube ich, zwei große Themen, wenn wir eben wieder weggehen und sagen, hey, KI ist eben keine Black Box.

00:10:03: Nachvollziehbarkeit und Transparenz.

00:10:05: So, wir müssen einfach sicher sein, dass wir Wissen und Verstanden haben, wie diese LLM oder wie dieses System sozusagen ausgewählt hat.

00:10:15: Das sozusagen ist, was ich gerade angeschnitten habe.

00:10:19: Mit dem Thema wir betrachten es nicht als Blackbox, sondern wir betrachten es als Organismus, dann zu sagen, okay, was ist es denn eigentlich, worauf hier gerade gepriert wird und was hier eigentlich wichtig ist und wie können wir zum Beispiel die Trainingsdaten beeinflussen?

00:10:35: Natürlich müssen wir eigentlich als Basis der Datensätze nicht den Zieldatensatz nehmen, den wir in den letzten zehn Jahren aufgebaut haben, sondern das, was in aktuelles Spiegelbild unserer Gesellschaft ist.

00:10:48: Und jetzt kannst du dir vorstellen, wir sind in fünfzehn Ländern unterwegs.

00:10:51: Wir sind in Afrika, in Nordafrika, in Zentralasien, in Indien unterwegs.

00:10:56: Das ist gar nicht so einfach.

00:10:58: Und da ist halt einfach wieder dieses Thema Zielfunktion.

00:11:02: Was wollen wir denn eigentlich erreichen?

00:11:04: Und wie soll denn unser AI aufgesetzt sein, damit es denn am Ende des Tages auch... passt, zum Beispiel für die deutschen Kliniken oder eben für den deutschen Arbeitgeber, der dort war, aber eben auch für den Bewerber.

00:11:15: Das ist ja das eigentlich Wichtige.

00:11:17: Wir sind auf das Recruiting im Ausland spezialisiert, wo dann auch noch ein paar, kann ich auch noch ein paar Geschichten dazu erzählen, paar andere soziokulturelle Effekte einfach reinspielen, wo wir einfach sagen müssen, wie schaffen wir Transparenz und eine korrekte Erwartungshaltung im Bewerberpool und auf Seiten des Arbeitgebers.

00:11:33: Das ist da am Ende des Tages die Aufgabe.

00:11:35: Ich wollte über den AI-Act auch noch mal später mit dir sprechen, weil ich das nämlich auch sehr interessant finde.

00:11:40: Wir hatten ja auch eben schon, bevor wir die Aufnahme gestartet haben, so ein bisschen darüber gesprochen und das finde ich mich sehr, sehr spannend.

00:11:47: Zuerst möchte ich dir auch noch mal erzählen.

00:11:48: Ich habe eine Freundin, die ist unterwegs im Bereich der Personalberatung und die war lange, das war so eine ganz lange und zähe Job-Suche.

00:11:58: Und die hatte immer das Gefühl, dass sie von der KI aussortiert wurde, weil sie eben nicht so KI optimiert geschrieben hat.

00:12:07: Und dann hat sie gesagt, sie hat jetzt versucht, in ihren Bewerbungen nicht mehr das, was man eigentlich versucht, einen Fließen zu lassen.

00:12:13: Dass es nicht alles so generisch wirkt.

00:12:16: Hat sie eben aufgegeben und meinte, ich mach das jetzt so KI generisch.

00:12:19: Ich schreib den Lebenslauf jetzt so.

00:12:22: dass ein KI-System das verstehen kann mit bestimmten Keywords, mit bestimmten Formulierungen.

00:12:28: Und das

00:12:29: fand ich irgendwie auch spannend, weil auf der einen Seite versuchen wir jetzt natürlich auch, wir machen ja auch selber so viele Folgen, so Pimp My Prompt, also wie lernen wir besser zu prompten, prompt engineering und wir versuchen... uns der Sprache von KI anzunieren, die zu lernen.

00:12:44: Aber auf der anderen Seite geht es ja gerade beim Job nicht nur um die Qualifikation an sich, also die nüchternen Qualifikationen, sondern es geht ja auch so etwas wie die individuelle Passung.

00:12:56: Also wie gut passt man in ein Unternehmen rein.

00:12:59: Das nennt man im Englischen auch so cultural fit.

00:13:01: Also wie gut kannst du da in die Unternehmenskultur dich sagen, die ergänzen.

00:13:08: Jetzt ist die Frage, wie siehst du das?

00:13:10: Also werden wir dadurch so ein bisschen zu Keyword-optimierten Einheitskandidaten, wenn wir jetzt versuchen, gerade das wieder zu reduzieren und nur noch die Sprache von KI zu sprechen, die Keywords, die Algorithmen?

00:13:24: Also vielleicht muss man auch mal kurz im Betrag ziehen, woher wir kommen.

00:13:28: Wir sind ja bereits in einer Welt, in der wir... nicht natürlich sprechen, wenn wir unsere anschreiben schreiben.

00:13:33: Wir schreiben sie ja so, dass sie im ersten Jahr mal dem gerantigen Recruiter, der die nicht am Montagmorgen erhalten hat, sondern irgendwie als zweite Bewerbung, nicht das Erste auch, nicht das Fünfzigste am besten auf den Tisch hat.

00:13:44: Also da kommen wir her.

00:13:46: Folgender Gedanken, das glaube ich, ist das Schöne an der Sache.

00:13:48: Du gehst hin und sagst dir, jeder kann sich jetzt auf diesen Job bewerben.

00:13:52: Ganz viele.

00:13:53: Fünftausend.

00:13:55: Und die KI wertet sie aus und schafft es sozusagen ein Abbild dessen, was wir als Hygienekandlestandards, der muss Englisch können, der muss Französisch können, der muss vielleicht auch coden können, eben so auszuwerten, dass sie auch jeder versteht.

00:14:07: Explainable AI ist da vielleicht auch zu dem, was ich gerade eben gesagt habe, das Stichwort kann die AID selbst erklären, was sie gerade ausgesucht hat.

00:14:14: Erstmal schön, jeder kann sich bewerten, jeder wird erst mal sozusagen wahrgenommen als individuelle Bewerbung und jetzt wird eben aussortiert.

00:14:21: Es wird gefiltert, dann bekommt ein Human Touch rein, es wird gefiltert, es kommt ein Human Touch rein.

00:14:26: Das heißt am Ende des Tages ist es ja so, die KI sollte das nicht alleine machen oder macht das ja auch nicht alleine.

00:14:33: Du brauchst immer den Human Touch.

00:14:34: Aber es ist doch eine ziemlich schöne Vorstellung zu sagen, ich habe jetzt hier lauter Kandidaten, die eigentlich erst mal nach den Hygienekriterien perfekt zu unserem Apple-Hauptquartier in Berlin passen.

00:14:44: Aber ich habe hier einfach, wir nennen das eine Personamench sitzen, also einen Typ Mensch, der halt einfach ein bisschen quirky ist, der halt einfach so und so lebt.

00:14:51: Und dazu hätte ich gerne auch als cultural fit, als menschlicher Betrachtungsweise jemanden, der einfach gut ins Team passt.

00:14:58: Und jetzt habe ich das große Privileg als HRler, als Personaler wirklich danach zu schauen, okay, ich weiß, die sind eigentlich alle ganz gut.

00:15:06: Ich gehe die E alle nochmal durch.

00:15:08: Aber wer kann denn jetzt für unseren Kochabend, ich weiß nicht, ich mache irgendwas, noch wirklich eine schöne Lasagne machen?

00:15:14: Oder wer passt auch sozusagen mit seiner Quirkiness perfekt ins Team?

00:15:18: Oder wer kann eben auch beim Coding?

00:15:20: Wir haben gerade das Problem, dass wir schneller delivern müssen.

00:15:22: Wir brauchen mehr im, keine Ahnung, J-Note, wo es einfach gerade hakt, ein bisschen mit seiner Extrapower da noch ein bisschen mehr Gas zu geben.

00:15:32: Also... Natürlich, man kann immer beide Seiten betrachten.

00:15:35: Ich hoffe, dass wir gerade sozusagen Talenden aus dem Ausland oder auch Talenden, die eher benachteiligt sind, auch vor allem Frauen im Ausland, die Möglichkeit geben, da wirklich in Erscheinung zu treten.

00:15:46: Und natürlich ist es immer cool, wenn du ein kleines Hobby hast.

00:15:50: Wir haben hier einen, der besonders herausgestochen hat, weil er Pralinenbecker ist.

00:15:56: War nicht, war nicht am Ende des Tages der Grund, aber er ist trotzdem hier.

00:15:59: Ich sag's ja nicht.

00:16:02: Aber im Ernst, so vielleicht ist es ja das, was auch dann, und früher hätten wir die vielleicht einfach gar nicht alle anschauen können.

00:16:09: Es wären einfach zu viele gewesen, jetzt die ersten zweihundert genommen, mit deiner Menschchen-Arbeitskraft eben so viel durchgearbeitet, wie du kannst, und die anderen viertausend achthundert wären einfach verschwunden.

00:16:16: Jetzt haben alle eine Möglichkeit bekommen, alle konnten sich bewerben, alle wurden auch mal gesehen, wenn noch nur digital, und jetzt kann wir wirklich reingehen und da graben, was passt denn wirklich zu unserem Team?

00:16:26: Wir sehen das auch in den Taten und ich glaube, das können fast alle großen HR Departments bestätigen, dass nicht nur die Zeit für das eigentliche Bewerbungsscanning deutlich reduziert wurde, sondern dass auch der Fit über die Dauer, d.h.

00:16:37: die Retention deutlich höher ist.

00:16:39: Da sehen wir in unseren eigenen Daten auch schon, die Leute passen einfach besser zu den Teams.

00:16:43: Und natürlich ist es manchmal ernüchternd, zwar an der Bewerbung zu schreiben und dann keine Antwort zu erhalten, aber vielleicht, maybe that's not the job, you are... Looking for at this Point.

00:16:53: Das kann halt auch einfach sein und das ist dann halt die brutale Ehrlichkeit, die da Markt, die da gibt.

00:16:57: Also das schon das Gefühl, das ist schon mehr, dass durch KI vermehrt eine Gleichbehandlung der Menschen, die vielleicht ansonsten ja diskriminiert werden könnten, durch eine menschliche Beurteilung, dass das schon gegeben ist.

00:17:10: Das zweite wäre aber, was dann zum Beispiel mit den Leuten ist, die jetzt objektiv gesehen nicht vielleicht richtig gut passen.

00:17:19: Also zum Beispiel Quereinsteiger.

00:17:21: Das hatte ich ja von auch angesprochen.

00:17:23: Talente, die vielleicht etwas unkonventionell wirken, weil sie einen Lebenslauf haben, der vielleicht Brüche aufweist, irgendwelche Lücken, die nicht gut erkennbar sind.

00:17:33: Es ist ja zum Beispiel so Steve Jobs, da habe ich mich gefragt.

00:17:35: Er hat ja auch so einen ganz unkonventionellen Lebenslauf gehabt.

00:17:38: Er hat keinen Uni-Abschluss.

00:17:40: Er hat auch am Anfang so ein bisschen ohne Erfolg Start-ups gegründet.

00:17:44: Wer der nach KI-Algorithmus nicht Durchgerasselt bei Apple?

00:17:49: Am Ende des Tages muss da Menschlichkeit sitzen, Punktende aus.

00:17:53: Da muss ein Mensch sitzen, der das entscheidet.

00:17:55: Wir müssen eine Governance in dem Ding verankert haben und wir müssen eine ethische Richtlinie verankert haben.

00:18:01: Wir müssen zusehen, dass wir die Datensätze, ich sag mal, entgiftet haben von dem alten Bias, den wir schon drin haben und dass wir auditierbare Modelle haben, die wir auch erklären lassen können von der AI selbst.

00:18:14: Und zuletzt müssen wir halt Regeln und Schwellwerte.

00:18:17: bewusst einbauen und aufsetzen.

00:18:20: Jetzt habe ich ein paar wichtige Dinge gesagt, um jetzt sozusagen das Fundament zu bauen, wie ein Steve Jobs bei uns jetzt nicht rausfliegen würde.

00:18:28: Basierend auf dem, was ich gerade gesagt habe, können wir zum Beispiel Softfaktoren einbauen, die ich persönlich jetzt in meinem Leben als sehr wichtig sehe.

00:18:36: oder mit das Wichtigste, um bei uns arbeiten zu können, ist Lernfähigkeit.

00:18:40: Lernfähigkeit und intrinsische Motivation sind zwei Dinge, die wenn du bei Törn Deutschland einen Job haben willst, ohne die kannst du hier nicht anfangen.

00:18:48: Es sind bei uns, wir nennen immer alle Überzeugungstäter, viele haben selbstmigrationshintergrund, viele sind sehr, sehr, sehr.

00:18:55: aktiv bei so ziemlich jeder Feminismus oder Palästina oder Ukraine Diskussion, die wir haben, weil eben viele Selbstmigrationshintergrund haben.

00:19:04: Und natürlich diese Motivation mitbringen für den Job, den wir dann machen, wie schaffen wir es, dass jemand aus Bengaluru genauso einfach einen Job kriegt wie jemand aus Brandenburg.

00:19:13: So, das ist immer das, dass wir uns so oben drauf schreiben.

00:19:15: So, und wenn wir jetzt aber als, wir bleiben jetzt mal bei Apple, wir wollen uns den zukünftigen Stift-Tops einstellen.

00:19:22: Wenn wir jetzt dabei bleiben, dann müssen wir einfach auch berücksichtigen, dass eben diese KI, ja natürlich können wir die einfach nur darauf trainieren, ob der Harvard-Abschluss hat und ob die PLZ aus Starnberg kommt.

00:19:35: Aber wie bringe ich eine AI bei, dass es eben auch Verhaltens- und Fähigkeitsindikatoren gibt, die für unser Unternehmen als Apple wichtig sind?

00:19:45: Wie lernfähig war denn der Steve Jobs?

00:19:47: Da wird der wahrscheinlich eine ganz schön hohe Score gehabt haben.

00:19:50: Wie intrinsisch motiviert war der denn?

00:19:52: Ja, der war ja sozusagen selbst der selbst ernannte Guru.

00:19:55: Wie viel Integrationspotenzial hatte der?

00:19:57: Nicht nur um sich selbst zu sagen, sondern auch andere mitzunehmen.

00:20:01: So, und auf einmal kommt der Steve Jobs, der ja da in irgendeinem Aschramm, da in Rishikek, in Indien da gewohnt hat, doch nicht so ein schlechter Kandidat für die KI, die wir jetzt für Apple benutzen, weil er halt einfach diese Softfaktoren, die wir jetzt eben als Arbeit Ansetzen einfach mitgebracht hat.

00:20:18: Wichtig an der Stelle ist vielleicht auch anzuerkennen, dass wir dadurch, dass wir unser System für ausländische Kolleginnen öffnen und jetzt ja jemand aus Indien sich eben auch bei uns bewerben kann, weil wir dann eben nicht nur die KI haben zur Auswahl, sondern eben auch die KI haben zur Relocation, Integration und zum Grenz übergreifenden Bewegung von Fachkräften.

00:20:37: Auf einmal, und das ist ja auch wichtig, immer genügend Bewerber haben, nach denen wir dann auch wirklich unsere relativ strengen Raster erfüllen können.

00:20:43: Auch das ist vielleicht was, was im deutschen Arbeitsmarkt gar nicht so gegeben ist.

00:20:47: Viele würden sich das gar nicht trauen, einfach zu sagen, hey, mir ist es aber wichtig, dass der auch intrinsisch motiviert ist und die Lernfähigkeit mitbringt, die ich da gerade habe.

00:20:55: Nicht nur, dass der einfach coden soll, sondern übrigens viele Mittelständler machen einen richtig guten Job drin, dass sie eben sagen, hey, okay, das ist vielleicht jetzt nicht der super.

00:21:03: Kandidat.

00:21:04: Aber wenn ich meine KI bauen würde oder baue, dann sind mir ja eigentlich auch viel wichtiger, dass der in fünf Jahren noch mal dreimal besser ist als das, was er gerade kann, weil er eben unser Values lebt, weil er eben damit okay ist, dass er in Oberfranken auf dem Land wohnt und aber so begeistert ist von dem allen, dass er das mitbringt.

00:21:19: Also, was ich da sagen will, ist... Die KI ist ja nur ein Spiegel dessen, was wir als Gesellschaft und als Arbeitgeber eigentlich wollen.

00:21:27: Und wir haben natürlich mehr als zuvor die Möglichkeit, auch weiche Faktoren oder auch Zielfaktoren, die für uns wichtig sind, einzubauen und dann eben auch die Leute darauf zu prüfen.

00:21:37: Wenn ich fünftausend Bewerbungen habe und als alleine als Recruiter da sitze, ich kann es nur im Gespräch rausfinden und ich, wie gesagt, ich schaffe zweihundert und davon lade ich zehn ein und bei fünf passt mir die Nase nicht.

00:21:49: Ja, genau.

00:21:50: Aber das wäre die Frage, dass ihr schon auch guckt, dass... nicht einfach Kandidaten durchrasseln können, weil letztendlich werden ja auch nur die ins Gespräch eingeladen, die in dieser Vorauswahl nicht ausgesiebt wurden.

00:22:02: Das heißt, es ist schon deiner Meinung nach möglich, dass auch ein Algorithmus dieses, was man vielleicht als menschliche Intuition nennen könnte, dass der so eine Art Intuition haben kann für diese unkonventionellen Kandidaten, die aber genau diese Prise reinbringen ins Unternehmen, die gut ist.

00:22:21: Genau, wir nennen das dann Human in the Loop Mechanismus.

00:22:25: Zum Beispiel, ich sage dir mal so eine einfache Regel.

00:22:29: Wenn dein Scoring unterhalb deines Schwellwärts und der Kandidat artypisch ist, zum Beispiel durch einen Branchenwechsel, dann brauchen wir eine Human Review.

00:22:38: Das ist

00:22:38: so ein relativ einfacher Prompt, den du halt mitgeben kannst, wo du einen sagen kannst, hey, Scoring ist nicht da, wo wir es haben wollen, aber vielleicht nah.

00:22:46: Ist kleiner als der Schwellwert, aber Kandidat ist A-typisch, Branchenwechsel etc.

00:22:51: Bitte einen Recruiter weitergeben und der schaut sich nochmal an.

00:22:54: Es muss... Ein Mensch am Ende des Tages die Entscheidung treffen und es muss auch die KI, so wie wir sie gerade nutzen dürfen und auch das auch gut so übrigens und auch nutzen wollen, ist ja sozusagen ein Facilitator für den Recruitered am Ende des Tages ja die Entscheidung treffen muss.

00:23:11: Genau und da das sind so kleine einfache Ploms, die ich jetzt mal als Beispiel geben kann, wie wir zum Beispiel da das berücksichtigen können und was ich sozusagen mitgeben will immer an dieser Stelle ist, es ist eben keine Black Box.

00:23:22: und auch wenn wir alle gar kein Verständnis haben, Dafür gibt es ja dann unsere Techies, aber wenn wir als recruiter gar kein Verständnis haben, wie diese Blackbox funktioniert, dann kann ich immer nur einen Appell haben, hey, tut einfach so als wertes ein Mensch mit all euren Values, mit allen Softfaktoren, mit all den Dingen, die wir eben gerne sehen würden, sagt die uns oder sagt die euren Techies und die können das tatsächlich auch umsetzen.

00:23:42: Sogar Nuancen, vielleicht ich greife ein bisschen vor, sogar Nuancen, wir haben das Problem, das ist ein sehr für uns typisches Problem, dass man in Indien für die, die es jetzt zusehen, so ja sagt.

00:23:56: Das heißt, man nickt ja nicht, sondern man schüttelt den Kopf von links nach rechts.

00:24:01: Ein spannendes Problem, wenn wir jetzt anfangen mit unseren Prototypen zur Videowerkennung bei Bewerbungen, das Test zu analysieren, dann ist dieses Kopfschütteln für die AI nicht mehr notwendigerweise ein Zeichen der Zustimmung wie in Indien üblich, sondern bei uns ist eher eine Negation, also vielleicht als entweder abwägend oder nein.

00:24:19: Auch... die eher feine deutsche Zurückhaltung oder auch britische Zurückhaltung in Gesprächen, wo wir einfach nur antworten, über was gefragt werden, möglichst portiert zu sein, ist oft in anderen Kulturen ganz anders dort.

00:24:28: Möchte man zeigen, dass man begeistert ist, man hebt die Stimme deutlich mehr, man senkt die Stimme deutlich mehr, man ist viel interaktiver, würden wir jetzt vielleicht eher als zu laut interpretieren, macht aber einem anderen Kulturkreis einfach was ganz anderes her.

00:24:40: Und da ist jetzt eben das Wichtige, ich als Recruiter, um mich geht es ja, wie schaffe ich es jetzt, die Interpretation der AI mitzugeben?

00:24:49: Und dann merkt man auf einmal, dass dieses ganze XAI, also explainable AI, voll viel Arbeit ist.

00:24:55: da echt sehr, sehr, sehr viel an menschlicher Dekodierung auch funktionieren muss, bis wir die so weit haben, dass sie eben zu unserem Apple-Unternehmen in Berlin

00:25:03: passt.

00:25:03: Ja, also ich hatte gestern gerade so ein ganz interessantes Interview auch mit einer Dame, die hatte erzählt, dass sie KI-Tools einsetzen, um bei

00:25:12: Messen

00:25:14: so Performance zu messen, auf den Messen das zu messen sozusagen.

00:25:20: Die haben die Gesichter ausgewertet, der Zuschauer innen und dann geguckt, ja, wo ist da die Aufmerksamkeit, Spanne?

00:25:28: Wann flaut das ab, das Interesse?

00:25:31: Und dann gab es zum Beispiel einen Punkt, dass ein Talk, der subjektiv bei denen total gut performt hatte, laut KI-Analyse nach zwanzig Minuten irgendwie so ein Punkt kam, wo alle keine Interesse mehr hatten.

00:25:46: Und dann haben sie das ... nochmal auswerten lassen.

00:25:48: Und dann kam heraus, dass in diesem Augenblick jemand aus dem Publikum eine Frage gestellt hat.

00:25:53: Die ganzen Gesichter gingen natürlich von der Bühne nach hinten, also da, wo die Person saß.

00:25:59: Und das KI-System hat es bewertet.

00:26:01: Aha, die Leute haben nicht mehr hingeguckt.

00:26:03: Die waren anscheinend alle gelangweilt, hatten kein Interesse mehr.

00:26:06: Also das sind halt schon so Momente, wo man merkt, da gibt es einfach noch so ein paar unvorhergesehene Weichen, die gesetzt werden müssen.

00:26:15: Und das gibt es natürlich dann im Recruiting.

00:26:17: sicher auch, was du eben beschrieben hast.

00:26:19: Diese Beobachtung über die Zeit, die ist bei uns leider ein bisschen komplexer, aber auch das ist bei uns volles Thema.

00:26:26: Denn die meisten Systeme lernen ja, was irgendwie eingestellt wurde, das, was ich gerade erzählt hat, aber nicht notwendigerweise, wer erfolgreich wurde.

00:26:35: Das ist halt eigentlich ein Kernfehler, wenn wir Dinge über die Zeit betrachten.

00:26:40: sozusagen als Panel-Daten, wir haben Bewerber XYZ und jetzt zur Zeitpunkt XYI, XYII, Bewerber XI, XII, XIII und über Zeitpunkt XYI, XYII, XYIII, Entschuldigung.

00:26:52: Jetzt ist es für uns und

00:26:53: das ist

00:26:54: bei uns auch meistens eine ganz monetäre Frage, weil wir oft auch haften für einen gewissen Dauer, wo die Kandidaten dann zum Beispiel im Klinikum oder bei einem Technikunternehmen sind, die Frage, wir nennen das Talent Success oder Talent Retention.

00:27:09: Das heißt, es ist jetzt die Frage, also erst mal, wie definieren wir erfolgreich?

00:27:13: Im solches Minimum ist der immer noch beim gleichen Arbeitgeber nach sechs, zwölf, vier und zwanzig Monaten.

00:27:17: Und dann, wie happy ist der beim Arbeitgeber?

00:27:21: Das ist sozusagen das, woran wir gerade arbeiten und das ist auch das, was jetzt gerade bei uns in der nächste Schritt ist.

00:27:28: Das heißt, es geht um die Erfolgsdaten nach der Einstellung.

00:27:30: Also jetzt so ein bisschen, wenn die Leute wegschauen, die eigentlich immer noch gut incentiviert ist, reicht es, dass der immer noch angestellt ist.

00:27:37: bei uns.

00:27:38: Oder ist es vielleicht schon so, dass er eigentlich schon so Silent Quitting oder Inner Quitting betrieben hat und eigentlich schon still und leise heimlich nach dem nächsten Job.

00:27:45: Die KI weiß das nicht.

00:27:45: Die KI sagt erstmal, super, er folgt, er ist noch da.

00:27:48: Dass er aber halt einfach nur vielleicht jetzt in seiner neuen Zielstadt noch nicht den Job gefunden hat, aber eigentlich schon auf dem Weg nach draußen ist, das weiß sie nicht.

00:27:58: und das ist dann eben wieder an uns, unserem Partner, an den Recruitern eben das zu bemessen und zu schauen, wie geht es den Leuten wirklich?

00:28:04: Gerade in der Krankenpflege, da habe ich gerade gestern eine hammerharte Statistik gelesen, einundzwanzigkommasiven Prozent der Pflegenden haben in der Coronazeitsuizidgedanken gehabt in den letzten vier Wochen.

00:28:16: Das sind so Dinge, die wir eben hoffentlich auch durch smarte Massenerfassung, keine kann ich dazu zwingendes zu machen, aber jeder kann sozusagen mit der KI sozusagen Dinge rückmelden, Feedbacken und in den Loop geben.

00:28:29: ob der Suizid Gedanken hat oder nicht werde ich nicht wissen, aber ich werde wissen oder ich werde auslesen können, wie geht es dem denn wirklich und was können wir tun, auch als Arbeitgeber tun, um jetzt hier auch das Ganze zum Erfolg zu

00:28:40: führen.

00:28:40: Ich habe auch noch die Frage, wie das ist mit den Unternehmen, die bereits solche Technologien anwenden und man hat wegen den mittelständischen Unternehmen, die vielleicht sogar ausschließlich händisch Bewerbungen annehmen.

00:28:56: Das heißt, ne, so eine... KI-Lösung, die ist ja auch mit einem gewissen Kosten verbunden.

00:29:00: Das ist ja nicht nur die Software selbst, sondern die Implementierung, die Anpassung, Wartung, Optimierung.

00:29:07: Wenn sich das jetzt vielleicht eher die großen Konzerne leisten können, was macht denn das mit dem Arbeitsmarkt?

00:29:13: Also entstehen hier tatsächlich Marktvorteile und Nachteile, weil die großen Konzerne jetzt noch schneller, noch effizienter Talente abgreifen können und kommen dann die anderen nicht mehr mit.

00:29:24: Ich bin leider auch bei den ersten Teil sozusagen, dessen schon immer nur so teilweise am Board.

00:29:30: Ich würde da gerne ein Fächer aufspannen zwischen nationalen Talenten, die wir rekotieren können und internationalen.

00:29:35: Wenn wir die Nationalen beobachten, dann kann man ja sagen, okay, die Großen haben die besseren Tools, die haben vielleicht den Namen, die können sich da schneller sozusagen die Talente greifen, vielleicht auch.

00:29:46: Wobei, wie das gar nicht so sehen, das bessere Gehalt.

00:29:49: Was die aber nicht so gut können und was gerade, sage ich mal, in diesen Jobs, wo wir sagen, okay, da ist jemand, der sich wirklich alles aussuchen kann, weil er eben jetzt gerade in Security Analytics sein PhD gemacht hat und so ziemlich alles coden kann.

00:30:04: Wovon schaut der denn?

00:30:05: Und ich glaube, das ist generell ein Missstand, den ich vorwegschicken will, wo wir, glaube ich, gerade die Mittelstimme, das ich manchmal ein bisschen zu klein machen, als sie eigentlich sind.

00:30:12: Gerade da haben wir doch agile Strukturen, die wir schnell nutzen können.

00:30:15: Gerade da kann man doch als guter Manager, als guter Experte in seinem Fachgebiet wirklich schnell Unterschiede machen.

00:30:22: Den meisten geht es doch nicht wirklich jetzt darum, den Job zu optimieren.

00:30:26: Viele von denen, von denen wir da reden.

00:30:28: Die können sich sehr ehe und ein bisschen aussuchen.

00:30:30: Es geht doch wirklich darum, einen Mehrwert zu schaffen, wo wir als Talent oder als Experte in irgendeinem Fachgebiet als jemand, der gesucht wird und jetzt vielleicht auch durch diese Talimentmaschine läuft und hinten auch quasi ausgespuckt wird.

00:30:43: Was können wir denn da bieten?

00:30:45: Und ich glaube, generell sagen wir, dass die Mittelständler da eigentlich ganz gute Karten haben.

00:30:51: Vielleicht noch zum Thema Kostenpunkt.

00:30:52: Du hast ihn gerade angesprochen.

00:30:55: Natürlich kann man die Super-Profi-Extrem-Variante von KI und zehn Recruitern auswählen oder man kann eben einfach eine KI haben und ein Recruiter und das eine Ergebnis ist besser als das andere, aber es geht am Ende des Tages ja um Nuancen.

00:31:09: Was ich sagen kann als generelles Feedback, die Kosten für Recruiting durch KI und jetzt einfach wirklich nur sozusagen das Recruiting, nicht dann die Integration ins Unternehmen und alles was danach folgt, ist bei ungefähr dreißig bis vierzig Prozent der Kosten.

00:31:23: dessen, was wir heute im traditionellen Recruiting sehen.

00:31:25: Das wissen wir schon.

00:31:26: Das zeigen auch die meisten Daten von Economist bis zur FAZ, die darüber auch schon berichtet hat.

00:31:32: Ich glaube, am Ende des Tages ist es weiterhin und vielleicht ist auch genau das der Schüsse zur KI.

00:31:37: Wir haben ein kleines Department, da sitzen nur zwei oder drei Leute, die Recruiting können.

00:31:41: Ich befähige sie durch meine KI, viel mehr zu screenen, viel mehr diese Hygienekriterien herauszuhaben und viel mehr sozusagen zu sehen, wer sind denn die?

00:31:49: Oberflächlich passenden Profile und jetzt wirklich hinzugehen mit vielleicht einer kleineren Workforce und dreimal so viel Scham, die Leute wirklich auch für den Mittelständler in, bleiben wir bei Oberfranken zu gewinnen.

00:32:01: Wissen die meisten Leute eigentlich, wenn ihre Bewerbung von einem KI-Algorithmus bewertet wurden?

00:32:07: Ist das momentan so, dass das dann gekennzeichnet wird.

00:32:10: oder ist das, kann man es nicht wissen?

00:32:12: Ich glaube, die meisten Kennzeichnens.

00:32:14: Ich bin mir dann nicht sicher, ich würde jetzt keine brancheübergreifende Aussage treffen wollen, wir Kennzeichnens.

00:32:20: Aber ich weiß auch gar nicht, es ist vielleicht im Rahmen des AI Acts wichtig, aber ich weiß auch gar nicht, wie ich das sozusagen wirklich einen Unterschied machen würde.

00:32:28: Wenn wir das sozioeconomische System wieder betrachten, das wir vorhin genommen haben und wir wirklich sagen, die KI ist ein Abbild unserer Firma, in einem Abbild unserer Gesellschaft und gegeben dem, dass das eben richtig ist, wie vorhin gesprochen.

00:32:40: Ich weiß nicht, ob das wirklich einen Unterschied machen würde.

00:32:42: Und ehrlich gesagt, ich glaube persönlich, Bad News must be delivered immediately.

00:32:47: Ich habe zehnmal lieber meine Absage sozusagen nach zwei, nach achtundvierzig Stunden als vier Wochen noch zu hoffen und zu warten und dann gegebenenfalls aufs Amt gehen zu müssen.

00:32:57: oder die Leute haben halt oft eine imperfekte Sicht auf die Zukunft und hoffen zu sehr und sind zu wenig kritisch mit sich, als dass wir da zwei Monate bei acht Bewerbungen im Loop hängen.

00:33:08: Wie das ja?

00:33:08: ... als ich mich noch um meine Jobs ... ... es war gerade Eurokrise oder ... ... ich war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade Eurokrise oder ... ... es war gerade

00:33:38: Eurokrise oder Ja, ich kenne das ja auch von früher.

00:33:40: Wenn man sich beworben hat, ist man teilweise, je nachdem, was für eine Einrichtung das war, monatelang gewartet hat.

00:33:48: Man hatte schon vergessen, dass man sich irgendwo beworben hat und dann kam noch irgendeine Reaktion.

00:33:54: Ja, aber ich wollte so ein bisschen darauf hinaus, wie es ist, wenn man sich diskriminiert fühlt durch eine Absage.

00:34:02: Und man glaubt, das war durch ein KI-Algorithmus.

00:34:05: Da gehen wir ein bisschen an den AI-Akt heran, denn der AI-Akt oder die EU verlangt, dass KI-Systeme als ein Hochrisiko eingestuft werden.

00:34:16: Und es müssen bestimmte Transparenzpflichten eingehalten werden.

00:34:21: Wie ist es dann aber?

00:34:22: Also angenommen eine Bewerberin oder eine Bewerberin, sagen wir es mal als Beispiel, klagt wegen Diskriminierung.

00:34:28: Wie ist das dann?

00:34:30: Müsstet ihr offenlegen, wie der Algorithmus entschieden hat?

00:34:34: Muss man das nicht?

00:34:35: Wer haftet?

00:34:36: Was passiert dann eigentlich?

00:34:37: Das ist jetzt eine gute Frage.

00:34:39: Der AI-Act ist ja ein Monstrum sozusagen und das Monstrum ist, wie das ja oft ist, bei der EU an gewissen Stellen auch bewusst schwammig gehalten.

00:34:50: Das heißt, am Ende des Tages kann man das eigentlich, ist es jedes Mal eine Einzelentscheidung und man kann es im Vorhinein gar nicht sagen.

00:34:56: Generell muss ich da sagen, es sind... Bestimmt die Juristinnen da draußen besser gefragt als ich.

00:35:03: Denn auch ich kann dir das an der Stelle nicht ehrlich sagen.

00:35:06: Ich kann nur sagen,

00:35:07: es ist

00:35:07: gut und richtig und auch wichtig, dass das als hohes Risiko eingestuft wurde.

00:35:12: Denn am Ende des Tages möchten wir eben alle nicht in einer Welt leben, wo sich ein Personal an JetGPT gesetzt hat und gesagt hat, hier sind die Scans von zehn Bewerbern, suchen wir den besten aus.

00:35:22: Das ist nicht das, was wir mit unseren heiligen Gral hüten wollen, dass wir es eben genau mit viel Liebe betrachten als Ökosystem.

00:35:29: Unsere KI hat eine Name, die heißt Zufia.

00:35:32: Und alle arbeiten mit der Zufia und wir setzen uns danach zusammen und sagen, was hätte sie denn besser machen können und wie könnten wir das besser lenken, dass wir eben genau... dass nicht erleben, dass wir in all das, was wir bisher diskutiert haben, ein einheitsfrei an Bewerbern haben, eben nicht mehr der Pralinebecker bei uns den Weg zu uns findet, sondern irgendwer, der halt einfach verstanden hat, wie die AI sozusagen funktioniert.

00:35:53: Genau das wollen wir ja verhindern und deswegen ist es auch gut, dass den gibt.

00:35:55: Das hört sich jetzt vielleicht ein bisschen konterintuitiv an, dass ich das sage, aber genau dieses Schützen von Qualität, von auch Charaktermerkmalen von Firmen und Bewerbern, dass man auch weiterhin der sein kann und darf, der man ist und eben nicht sozusagen.

00:36:10: dem Computer zum Opfer fällt, das ist ja total wichtig und das ist auch gut, dass es da eine Reglementierung gibt und es ist auch, wie sagt, Human in the Loop und so weiter, all diese Themen sind das Kernthema unserer Firma und sind, glaube ich, auch das Kernthema der Kolleginnen und Kollegen, die im Thema Connection menschlicher Geist mit KI-optimierten Prozessen arbeiten.

00:36:34: In Großbritannien wird ja auch schon ganz viel KI-Technologien eingesetzt, werden eingesetzt, wo nicht nur die schriftliche Bewerbung eben ausgewertet wird, sondern auch die ersten, dass das früher das persönliche Bewerbungsgespräch war, tatsächlich auch per Video mit KI-Tools gemacht wird.

00:36:53: Also die scannen deinen Gesicht, analysieren deine Mimik, deine Gestik, ob du glaubwürdig bist, ob du kompetent wirkst.

00:37:01: Und da hatte jetzt, glaube ich, auch eine Frau geklagt, weil sie das Gefühl hatte, diskriminiert worden zu sein, weil sie der Meinung war, sehr gut eigentlich zu passen, aber sie wurde in diesem Video Bewerbungsgespräch abgelehnt.

00:37:14: Das geht natürlich noch ein bisschen weiter, weil ich glaube, in Deutschland wird ja größtenteils jetzt eher so gehandhabt, dass die schriftlichen Bewerbungen erst einmal durchkaisortiert werden und kuratiert werden, aber die... persönlichen Gespräche, die werden ja größtenteils noch von Menschen geführt.

00:37:31: TikTok in China, glaube ich, macht es auch komplett schon per KI.

00:37:34: In Korea ist es auch schon lange.

00:37:37: Also das ist da schon gar nicht mehr neu, dass man da vor so einem roten Punkt sitzt und von dem interviewt wird.

00:37:41: Das ist da, glaube ich, auch schon ein Thema, das da kam.

00:37:44: Das ist schon seit Corona dort.

00:37:46: Und da gibt es das einfach auch alles nicht.

00:37:48: Und genau, also... wie vorhin besprochen oder wie auch vorhin angedeutet, wir haben eben jemanden, der vielleicht eine arabische Herkunft hat oder indische Herkunft, aber vielleicht ein deutschen Pass, das spielt ja eigentlich am Ende des Tages gar keine Rolle und jetzt eben anders sozialisiert ist, anders kulturell sozusagen unterwegs ist und jetzt eben eine andere Gestikmimik, Augenkontakt, sehr, sehr, sehr anders in vielen Kulturen, pflegt und gleichzeitig fachlich total top ist und auf die Stelle passt.

00:38:14: Wie bringe ich das einer KI bei, dass die es richtig macht?

00:38:19: Und an der Stelle, jetzt im Sinne des AI Acts, wo greift er und wo nicht, das wird eine spannende Frage sein für die Lawmaker in der UK, wie sie das bewerten.

00:38:29: Ich persönlich bin der Meinung, ohne, und es ist ja auch Quatsch, ohne den Menschen am Ende des Tages, der sagt, der passt wirklich gut zu uns.

00:38:37: Der passt gut zu Turn, weil wir eben Fly Fast ist eine unserer Mission Values, wo wir eben haben und... Wenn man sagt, der ist jemand, der passt dazu, der ist jemand, der schnell exekutiert.

00:38:49: Mission Love ist ein ganz, ganz großes Thema bei uns.

00:38:52: Das ist auch so eine Core Value, die wir jeden Tag lieben.

00:38:54: Das müssen wir auch.

00:38:55: Wir sind in sechs Zeitzonen unterwegs.

00:38:57: Wir haben hundertsechzig Mitarbeiter, die in zehn oder elf Ländern sitzen, wenn wir nicht wirklich uns darauf berufen, was sind unsere Values als Firma?

00:39:06: Wie wollen wir in Zukunft aussehen?

00:39:08: Wo wollen wir hin als Firma?

00:39:09: Und danach eben auch die Priorisierung nehmen.

00:39:13: dann hat das alles einfach keinen Sinn und das alles komplett im Maschine zu überlassen ist, glaube ich, da ein Fehlgriff.

00:39:19: Genau.

00:39:19: Und das führt mich auch zu unserer letzten Frage.

00:39:22: Du arbeitest ja für Turn.

00:39:25: Das heißt, du bist ein absoluter Vertreter und Befürworter von KI im Recruiting.

00:39:31: Aber wie geht es dir eigentlich persönlich bei dem Gedanken, dass wir in einer Welt leben, in der es ja über Bewerbung hinaus gibt.

00:39:37: Kredite, Versicherung, viele, viele.

00:39:39: Entscheidungen werden zukünftig oder werden jetzt schon und zunehmend von Algorithmen getroffen.

00:39:45: Wie siehst du das?

00:39:45: Hast du das Gefühl, wir ... Wir stehen einer Welt oder vor einer Welt, die dadurch fairer wird und gerechter und besser oder irgendwie auch kälter und durchsichtiger technokratischer.

00:40:00: Ich klar, also in Bezug auf mich selbst freue ich mich darauf, dass wir eigentlich bunter werden, dass wir vielleicht auch alle ein bisschen smarter werden, dass wir uns alle viel weniger kümmern müssen, um die Die Vorabprüfungen von Dingen, wie ist der eigentlich drauf und kann der das eigentlich?

00:40:15: und so weiter und viel mehr unseren Individualismus leben dürfen und können, weil wir eben sozusagen eine Baseline eingebaut haben, wo wir gesagt haben, okay, okay, das passt schon, ja, der kann koden und was weiß ich, aber jetzt haben wir eben den Pralinenbecker oder die Seiltänzerin, die eben mit ihren flippigen Skills unser Unternehmen ein bisschen bunter machen.

00:40:35: Das ist das, was ich als positiv sehe.

00:40:38: Und ich glaube, jedes empathische Unternehmen und vor allem da wieder die Mittelständler, yay, I'm rooting for you, vor allem die Mittelständler, die da eben wirklich das mitnehmen, die, glaube ich, werden auch in Zukunft und in Wahrheit immer den Unterschied machen und auch da die richtigen Talente anziehen.

00:40:54: Als Outlook auf die Zukunft, wie glaube ich, werden wir kälter, werden wir technokratischer, ja und nein, ein klassisches Thema bei uns ist.

00:41:03: Das ist auch die böse Seite der Menschheit.

00:41:05: Scamming, ganz, ganz dramatische Szenen, die sich da abspielen.

00:41:09: Da werden Haus und Hof des Vaters verkauft, damit man nach England ziehen kann.

00:41:12: Und da ist der versprochene Job entweder nicht der Job, für den man sich beworben hat oder gar keinen Job.

00:41:17: Also... Es ist da immer so ein Wechselspiel der Emotionen.

00:41:20: Ich würde mich freuen, wenn ich Teil der Lösung sein kann oder Teil des Pades sein kann, der uns erlaubt, mehr Sicherheit zu schaffen, mehr Transparenz zu schaffen und dann wirklich so den Wind in die Unternehmen zu bringen und vielleicht auch für mehr Kultur und mehr Vielfalt einzustehen zu können.

00:41:34: Matthias, dann danke ich dir ganz herzlich für das Gespräch mit dir.

00:41:38: Ich fand das super interessant.

00:41:39: Danke für deine Zeit und für deine Gedanken.

00:41:41: Lieber Fanny, es war mir ein inneres Bummenkücken.

00:41:43: Vielen Dank.

00:41:45: Super.

00:41:46: Liebe Hörerinnen, wenn euch die Folge gefallen hat, dann abonniert gerne unseren Podcast, teilt auch die Episode gerne mit Freunden, mit Freundinnen, mit Kolleginnen.

00:41:56: Ich hoffe, dass ihr dann in der nächsten Folge auch wieder mit dabei seid.

00:41:59: Ich wünsche euch bis dann eine schöne Zeit und dann vielleicht bis bald.

00:42:02: Tschüss.