Das nimmst du mit
- Starte bei einem konkreten Problem in HR und such dann den passenden KI-Anwendungsfall.
- Nutz generative KI für Stellenbeschreibungen, kombiniert mit einer objektiven Stellenbewertung.
- Miss KI im Recruiting an Time-to-Hire und Cost per Hire, nicht an der reinen Zahl der Bewerbungen.
- Prüf deine Datenbasis: Vorhersagen wie bei der Fluktuation brauchen Daten aus mehreren Systemen.
Lade dir die Folien herunter, mit den Übersichten zu KI-Anwendungsfeldern und allen Zahlen der Recruiting-Case-Study. Kostenlos für Mitglieder.
Kostenlos beitretenKI-Anwendungsfälle im HR: erst das Problem, dann das Tool
Die Folien starten mit dem großen Bild: den Effekten von KI auf die Produktivität, mit Bezug auf den Report Jobs of Tomorrow (2023) von WEF und Accenture. Danach geht es um die Voraussetzungen für datenbasierte Produkte und um KI-Use-Cases, die konkrete Probleme besser lösen, gestützt auf Gartner HR Leaders Monthly aus Nov/Dec 2023. Diese Übersichten sind als Grafiken angelegt und stehen in den Folien.
Der Titel setzt den Maßstab: KI soll in HR konkret Wert schaffen. Die Folien ordnen die Anwendungsfelder deshalb nach den Problemen, die HR lösen will, und zeigen dann Beispiele aus dem HRTech-Markt.
Beispiel Stellenbeschreibung: KI plus Stellenbewertung
Das erste Beispiel verbindet das Stellenbewertungssystem von gradar mit generativer KI. Die KI erstellt daraus automatisch umfassende Stellenbeschreibungen mit Anforderungen, Kernaufgaben und Verantwortlichkeiten. Dazu kommen technische Fähigkeiten, Kommunikationsanforderungen und stellenspezifische Kompetenzen, die im Talent Management und im Recruiting nutzbar sind.
Die Qualifikations- und Erfahrungsanforderungen leiten sich aus den Ergebnissen der Stellenbewertung ab. Laut Folien sinkt so der Aufwand für Stellenbeschreibungen in HR erheblich.
KI im Recruiting: Case Study aus der Wirtschaftsprüfung
Eine Tabelle vergleicht die manuelle Suche mit dem Einsatz von Empion. Die Reichweite steigt von 10k auf 5 MM, laut Tabelle das 500-Fache. Statt 300 Bewerbungen gehen nur noch 10 ein (-97 %), statt 16 Interviews sind es 5 (-69 %). Am Ende steht in beiden Fällen 1 Einstellung.
Der Unterschied liegt in der Effizienz: Die Time-to-Hire sinkt von 22 auf 9 (-59 %), die Cost per Hire von 8100 auf 3100 (-62 %). Für dich heißt das: Weniger, aber passendere Bewerbungen sparen Zeit im Prozess. Die Einheiten der Tabelle nennen die Folien nicht.
Fluktuation vorhersagen und Future Readiness stärken
Ein weiteres Beispiel berechnet die Wahrscheinlichkeit von Fluktuation mit Machine Learning. Laut Folien sagt das Modell Kündigungen mit über 80 % Genauigkeit voraus. Es nutzt Echtzeitdaten aus 4 Systemen, nämlich HRIS, ATS, Performance & Engagement und Finance, und wurde mit über 700.000 Ereignissen aus dem Mitarbeitenden-Lebenszyklus trainiert.
Zum Schluss steht ein Appell: Future Readiness stärken. Ein erster Schritt für dein HR-Team: Sammle die drängendsten Probleme, prüf, welche Daten dafür in euren Systemen liegen, und such erst dann nach dem passenden Tool.
Häufige Fragen
Wo hilft KI im HR konkret?
Die Folien zeigen unter anderem KI-generierte Stellenbeschreibungen, KI im Recruiting mit kürzerer Time-to-Hire und ein Modell, das Fluktuation mit über 80 % Genauigkeit vorhersagt.
