Wenn Sie AI Signals für das Screening von Bewerbenden einrichten, hängt die Qualität Ihrer Ergebnisse ausschließlich davon ab, wie klar Sie die Beschreibung eines individuellen Signals definieren.

Dieser Artikel behandelt die häufigsten Einrichtungsfehler, erklärt, warum sie zu unzuverlässigen Ergebnissen führen, und zeigt Möglichkeiten, sie umzuschreiben, um konsistente Ergebnisse zu erzielen.

1. Formulieren Sie jede Signalbeschreibung eindeutig

AI Signals nur so präzise sein wie die bereitgestellten Anweisungen. Wenn die Beschreibung eines individuellen Signals Interpretationsspielraum lässt (z. B. Nettogehalt/Bruttogehalt oder fehlende Ausweichstrategie), muss das Modell raten, und das führt zu inkonsistenten Evaluationen.

Beispiel: Mehrdeutige Gehaltsvorstellungen

Beschreibung des Signals:
„Die Gehaltsvorstellung der sich bewerbenden Person darf 4.000 nicht überschreiten.“

Das Problem: In der Anweisung fehlen die Währung, ein Zeitraum (monatlich oder jährlich) und die Angabe, ob das Brutto- oder Nettogehalt gemeint ist. Eine sich bewerbende Person, die 40.000 angibt, liegt im Budget, wenn ein Jahr gemeint ist, aber weit darüber, wenn sich der Betrag auf einen Monat bezieht.

Warum die KI zu diesem Schluss gekommen ist:

• Unklare Parameter: Das Modell kann nicht erkennen, ob sich die numerischen Werte im Lebenslauf auf Monate oder Jahre beziehen.
• Fehlende Daten: Das Modell hat im Profil der sich bewerbenden Person keine Gehaltsinformationen gefunden.

So beheben Sie das Problem:

• Seien Sie deutlich: Geben Sie Einheit, Währung, Zeitraum und Brutto/Netto ausdrücklich an (z. B. „über 4.000 € brutto pro Monat“).
• Erfassen Sie Eingaben bei der Bewerbung: Fügen Sie dem Bewerbungsformular eine Frage zur Vergütung hinzu, da Bewerbende in einem Standardlebenslauf nur selten strukturierte Gehaltsdaten angeben.
• Definieren Sie eine Ausweichstrategie: Geben Sie an, wie sich die KI verhalten soll, wenn keine Gehaltsdaten bereitgestellt werden (z. B. „Wenn keine Vergütung angegeben ist, als unbestimmt markieren“).

2. Mischen Sie nicht mehrere Kriterien in einem einzigen Signal

Das Hinzufügen mehrerer unabhängiger Kompetenzen oder Erfahrungsanforderungen zu einem einzigen Signal zwingt die KI zu einer willkürlichen Berechnung. Eine kleine Bearbeitung eines Kriteriums kann das gesamte Ergebnis verdrehen, sodass es schwierig wird, Ergebnissen zu vertrauen oder sie zu verstehen.

Beispiel: Mischen mehrerer Kompetenzen

Beschreibung des Signals:
„Bewerte die Erfahrung in den Bereichen BD, Finanzen, Marketing und Engineering sowie Teamfähigkeit und Anpassungsfähigkeit.“

Warum die KI zu diesem Schluss gekommen ist:

• Ursachen des Problems: Der Prompt fasst ungefähr zehn verschiedene Abteilungen und Soft Skills in einer Überprüfung zusammen, was Hinweise widersprüchlich macht (z. B. starke Erfahrung im Engineering, aber keine im Marketing).
• Auswirkung: Anhand eines einzigen zusammengesetzten Ergebnisses lässt sich unmöglich überprüfen, wie eine einzelne Kompetenz bewertet wurde.

So beheben Sie das Problem:

• Ein Signal pro Kriterium: Teilen Sie Überprüfungen mit mehreren Kriterien in separate Signale auf.
• Verwenden Sie Systemfelder: Verwenden Sie die in Personio integrierten Systemfelder (wie Ausbildung und Erfahrung) für harte, strukturierte Kriterien anstelle frei formulierter KI-Beschreibungen.

3. Nutzen Sie automatisches Screening für binäre oder nicht im Lebenslauf enthaltene Kriterien

AI Signals bewertet die im Lebenslauf oder Bewerbungsformular enthaltenen Hinweise. Es kann keine Kriterien überprüfen, die Bewerbende selten in einem Lebenslauf angeben, und es sollte auch nicht für strikte Pass/Fail-Regeln verwendet werden.

Beispiel: Informationen, die selten in einem Lebenslauf zu finden sind

• Beschreibung des Signals: „Die sich bewerbende Person muss im Besitz eines regulären Führerscheins sein.“
• Das Problem: Ein Führerschein oder eine Arbeitserlaubnis ist in Lebensläufen nur selten aufgeführt, sodass es für die KI keine Hinweise zu überprüfen gibt. Wenn die KI gebeten wird, fehlende Hinweise zu finden, führt das häufig zu einer unnötigen Markierung oder einer fehlgeschlagenen Bewertung.
• So beheben Sie das Problem: Fügen Sie dem Bewerbungsformular eine spezielle Frage hinzu, um die jeweiligen Informationen direkt von der sich bewerbenden Person zu erfassen, und richten Sie den Prompt dann auf diese Formularantwort aus anstatt auf den Lebenslauf.

Beispiel: Strikte binäre oder KO-Kriterien

• Beschreibung des Signals: „Die sich bewerbende Person muss bereit sein, mindestens 3 Tage die Woche vor Ort im Büro zu arbeiten.“
• Das Problem: Lebensläufe enthalten keine Informationen zu Hybrid- oder Präsenzpräferenzen, weshalb die KI diese Anforderung in der Regel standardmäßig als nicht erfüllt kennzeichnet. Binäre KO-Kriterien gehören in die Screening-Regeln, nicht in KI-Prompts.
• So beheben Sie das Problem: Verwenden Sie das automatische Screening von Personio (Dropdown- oder Ja/Nein-Regeln) für binäre KO-Kriterien. Nutzen Sie AI Signals nur für qualitative, erfahrungsbasierte Bewertungen, bei denen Nuancen einen Mehrwert bieten.

Kurzübersicht