Branchenerfahrung
trifft KI-Kompetenz

Auf Basis unserer jahrelangen Marktaktivitäten rund um Beraterkarrieren haben wir ein Hypothesenmodell für die Karriereentwicklung aufgebaut. Dabei standen unsere historischen Kandidatenprozesse und -projekte im Mittelpunkt. Im Jahr 2017 haben wir auf dieser Basis die ersten Schritte zu einer KI-Analytik gemacht. Nach Datenvorbereitung und -veredelung wurden neuronale Netze im Framework TensorFlow/tf.Keras definiert und deren Layer, Nodes und Activation-Functions bestimmt. Nach Kompilierung wurde ein Teil der Daten für das Fitting und ein anderer für die Evaluation verwendet.

Mittels Methoden des Natural Language Processings (NLP) wurden standardisierte Konzepte für Berufsbilder, Karrierestufen und Arbeitgeber erarbeitet. Die nächste Stufe ergab sich über „unsupervised learning“ (clustering), um relevante Karrierepfade zu erkennen. Schließlich wurde „supervised learning“ verwendet, um die Dauer von Karrierestufen bzw. die Wechselwahrscheinlichkeit von Kandidaten vorherzusagen.

Gemeinsam mit unseren Beratern und Researchern wurden die Modelle und deren Ergebnisse marktnah verifiziert. So entstanden erste KI-Modelle und Korrelationen, die in den Folgejahren immer weiter validiert und optimiert wurden. Es entstand ein Werkzeug für das prädiktive Analysieren von Karrierepfaden und -entwicklungen: unsere iMAP.

Unsere aufgebauten Hypothesenmodelle wurden intern über weitere 2 Jahre mit Datenpunkten aus Netzwerken wie LinkedIn und XING abgeglichen. Diese wurden im Rahmen von Projektsuchen zu Kandidaten manuell erfasst. Ergänzt um kontinuierlich neu in der Bearbeitung befindliche Kandidaten- und Karriereprozesse. Die Analytik erfolgte dabei immer DSGVO-konform ohne Verwertung der persönlichen Daten der jeweiligen Personen. Durch die Datenpunkte konnten die Karriereentwicklungen transparent strukturiert werden.

Das „Analytics-Team“ screente auf diesem Wege 220.000 Profile und erfasste die wichtigsten Datenpunkte aus den Beobachtungen, um entsprechende Sprungmodelle abzuleiten. Dies war die Basis für den Datenraum von iMAP. Dabei wurden exemplarisch folgende Daten gesammelt:

• Universität, Studiengang, Stadt, Schwerpunkte
• Zusatzaktivitäten, Praktika, außeruniversitäres Engagement
• Erste berufliche Station (Dauer, Unternehmen, Jobrolle, Stadt, Branche, …)
• Weiterführende Stationen (Dauer, Unternehmen, …)

30 Datenpunkte pro Profil im Durchschnitt. Dies spannt bei 220.000 Profilen einen Datenraum von mehr als 6 Mio. Punkten auf. Ergänzt um die jahrelange Markterfahrung in der Begleitung von Beraterkarrieren eine wunderbare Basis für ein schlagkräftiges, prädiktives Modell.

Jedes Profil wurde mit mehr als 30 Datenpunkten detailliert. Daraus ist ein multidimensionales Datenmodell mit 6,6 Mio. Datenpunkten entstanden, welches mit Hilfe von KI-Modellen und Tools verfeinert wurde.

In Kombination mit den Erfahrungen aus den jahrelangen Beratungsprozessen wurden mittels Machine-Learning neue Beratungsverfahren /-methoden entwickelt. So entstanden die Beratungs- und Simulationsalgorithmen, mit denen rarecompany heute in der Beratung von Beraterpersönlichkeiten arbeitet. Die Modelle werden in der täglichen Arbeit marktnah weiterentwickelt und optimiert.

iMAP versteht sich dabei als Landkarte für die Gestaltung und Ausrichtung der Karriereplanung. Ein beratungsunterstützendes KI-Tool, welches jahrelanges Wissen und marktrelevante Muster integriert und die Karrieresprünge von Beratern ableitet, verdichtet und transparent macht.

Für Kandidaten bietet iMAP ein unglaubliches Tool für die Gestaltung einer passenden Karrierestrategie. Der Kandidat bekommt durch seine bisherigen Erfahrungen und Profildetails maßgeschneiderte Handlungsoptionen aufgebaut. Diese schärfen den Blick für die eigene Richtung. Dabei stehen neben der allgemeinen Karriereberatung auch konkrete Unternehmen und Spezialisierungsbereiche im Mittelpunkt. Eine echte Simulation. Als Basis für das persönliche Beratungsgespräch mit dem rarecompany Berater ein fundamentaler Baustein. Gerne ergänzen wir das iMAP-Modell noch mit diagnostischen Profilanalysen, um eine kandidatenspezifische Typologisierung abzuleiten.

Unternehmen bietet iMAP eine gute Basis, um genauer zu verstehen, welche Kandidaten aus welchen Profilrichtungen und Schwerpunkten zum Unternehmen wechseln und wie sich diese intern entwickeln. Ebenso erhalten Unternehmen Einblicke in das Abwanderungsverhalten von Mitarbeitern. Ergänzt um konkrete Muster, wohin die Mitarbeiter wechseln. Dies lässt Rückschlüsse für das Talent-Management und die Retention zu. Ebenso erhält das „Recruiting“ Zusatzimpulse und Informationen für die eigene Arbeit. Eine echte „People-Analytics“, die in einem individuellen Projekt auch auf die eigenen internen Daten erweitert werden kann.