Experten im eigenen Unternehmen finden

Der Fachkräftemangel ist ein ernstes Problem. Stetig suchen Unternehmen nach den besten Mitarbeitern und generieren große Aufwände für das Recruiting. Möglicherweise lässt sich das Problem auch intern lösen, wie Gastautor Daniel Fallmann in seinem Beitrag beschreibt.

Daniel Fallmann schreibt über die größten Experten, die Unternehmen haben – und wie man sie findet… Die eigenen Mitarbeiter.

Mitarbeiter zählen zu den größten Wissensträgern im Unternehmen, doch meist sind die Kompetenzen und Erfahrungen nur den Kollegen oder Vorgesetzten im engeren Umfeld bekannt. Durch den anhaltenden Fachkräftemangel gilt es aber die Experten zu einem Thema im gesamten Unternehmen ausfindig zu machen, um das Know-how zu bündeln und Best Practices zu teilen. Denn kurzfristig extern Personal mit der gerade benötigten Expertise zu finden, gestaltet sich immer schwieriger. Es ist daher für Unternehmen umso wichtiger, die bereits vorhandenen Ressourcen optimal einzusetzen.

Das KfW-ifo-Fachkräftebarometer vom Juni 2021 zeigt, dass in Deutschland gerade in wichtigen Dienstleistungsbereichen wie Architektur- und Ingenieurbüros, Rechts- und Steuerberatung und Dienstleistungen der Informationstechnik zwischen 30 und 50 % der Unternehmen vom Fachkräftemangel betroffen sind. Daher wird ein koordinierter Umgang mit den Kompetenzen der eigenen Mitarbeiter sowohl bei der Personalauswahl als auch bei der Personalentwicklung und im Personaleinsatz zum kritischen Erfolgsfaktor. Die Informationen über Kenntnisse der Mitarbeiter sind aber nicht für jeden zugänglich. Erfahrungen aus früheren Arbeitsverhältnissen, zusätzliche Qualifikationen oder Fähigkeiten, die nicht direkt mit dem derzeitigen Beruf zu tun haben, sind lediglich in Lebensläufen oder den Personaldokumenten erfasst.

Genau hier bringt der Einsatz von intelligenten Wissensmanagementlösungen, sogenannte Insight Engines, einen großen Vorteil. Sie analysieren und verknüpfen die im Unternehmen vorhandenen Daten und stellen mittels Methoden künstlicher Intelligenz Zusammenhänge – beispielweise zwischen Personen und Sachverhalten – her. Mit einer einfachen Suchabfrage lassen sich so die bereits im Unternehmen vorhandenen Experten zu einem bestimmten Thema rasch finden und in umfassenden 360-Grad-Sichten darstellen.

Insight Engines einsetzen

Die Einführung von Insight Engines ist ohne ein aufwendiges IT-Projekt möglich und wird erfahrungsgemäß von Fachabteilungen angestoßen. Mittels sogenannter Konnektoren werden sämtliche Unternehmensdatenquellen wie beispielsweise HR-Systeme, Cloud-Services, Intranet, Datenbanken, Archive oder Fachanwendungen angebunden.

Die Insight Engine analysiert, im Rahmen der individuellen Berechtigungen der Anwender, die Daten aus den unterschiedlichen Datenquellen und interpretiert etwaige Zusammenhänge. Bei einer Recherche nach einer bestimmten Qualifikation ist sie in der Lage genau jene Personen zu extrahieren, die die konkreten Anforderungen erfüllen. Das kann jemand sein der bereits an einem bestimmten Projekt beteiligt war, ein Mitarbeiter, der durch seinen Werdegang Hintergrundwissen mitbringt, oder Experten, die durch Fortbildungen entsprechende Kompetenzen erlangt haben. Oder ganz naheliegend auch einfach jene Kollegen die laufendend zu den gefragten Qualifikationen Dokumente erfassen oder anpassen. Zusätzlich stellt die Lösung kontextrelevante Zusatzinformationen wie Auslandsaufenthalte und Publikationen zur Verfügung. Alle Ergebnisse stehen den Anwendern im Rahmen der Zugriffsrechte in einem personalisierten Dashboard bereit.

Abbildung 1: Expertensuche

Anfragen der Anwender mit künstlicher Intelligenz verstehen

Um sowohl die Anfragen der Anwender als auch die Inhalte der Dokumente zu verstehen und die benötigten Informationen aus der Datenmenge zu extrahieren, nutzen Insight Engines Technologien aus dem Bereich der Spracherkennung. Durch Natural Language Processing (NLP) und Natural Language Understanding (NLU) ist die Lösung in der Lage Anfragen in natürlicher Sprache zu verstehen, richtig zu interpretieren und korrekt auf Fragen mit „wer“, „wie“, „wo“, „was“ zu antworten.

Die Frage „Welcher meiner Mitarbeiter spricht Spanisch?“ liefert somit auch direkt die Antwort „Erika Mustermann“. Das System erkennt dabei automatisch das Fragewort, wonach konkret gesucht wird – in diesem Fall eine Person und kein Gegenstand – und extrahiert nur jene Information, die tatsächlich angefragt wurde, anstatt einer Trefferliste.

Neuronale Netze (Deep Learning) sorgen dafür, dass die Insight Engine von ihren Anwendern lernt, um dem Informationsbedarf noch exakter nachkommen zu können. Auf Basis der individuellen Arbeitsweise, dem Such- und Klickverhalten sowie vorangegangener Suchabfragen sind sie in der Lage, die Relevanz der einzelnen Treffer zu errechnen. Anhand bestimmter Parameter – zum Beispiel wie oft eine Information aufgerufen und bearbeitet wurde – berechnen sie die Relevanz der Treffer bezogen auf die Fragestellung. Bei nachfolgenden Suchabfragen stellen sie den Anwendern, die „relevanter“ eingestuften Informationen vorrangig zur Verfügung.

Abbildung 2: KI-basiertes Relevanzmodell

Fazit

Insight Engines unterstützen sowohl die HR-Abteilung als auch die Fachabteilungen bei der Suche nach den benötigten Experten. Dadurch verringern sie den Druck für jede Leistung externes Know-how zuzukaufen, da sich in vielen Fällen die Wissensträger bereits im Unternehmen befinden.

Autor:

Daniel Fallmann gründete 2005 Mindbreeze und lebt täglich als CEO den Qualitäts- und Innovationsanspruch vor. Zusammen mit seinem Team legte er bereits in den ersten Jahren den Grundstein für die hoch skalierbare und intelligente Mindbreeze InSpire Appliance. Seine Leidenschaft für Enterprise Search und Machine Learning in einem Big Data Umfeld fasziniert nicht nur die Mitarbeiter, sondern auch die Mindbreeze Kunden.

Weitere Informationen unter:
www.mindbreeze.com