简体中文
繁體中文
English
Pусский
日本語
ภาษาไทย
Tiếng Việt
Bahasa Indonesia
Español
हिन्दी
Filippiiniläinen
Français
Deutsch
Português
Türkçe
한국어
العربية
Zusammenfassung:Eine künstliche Intelligenz kann anhand der Stellenanzeigen voraussagen, wie hoch das Gehalt wird. (
Eine künstliche Intelligenz kann anhand der Stellenanzeigen voraussagen, wie hoch das Gehalt wird. (Symbolbild)
getty images
Eine Forscherin der Stanford University hat eine Künstliche Intelligenz (KI) so angelernt, dass sie anhand der Stellenausschreibungen voraussagen kann, wie hoch das Gehalt bei der jeweiligen Stelle wird.
Bei der KI handelt es sich um ein sogenanntes NLP-Programm, das Texte analysiert und verarbeitet, um dadurch zu lernen, wie Menschen kommunizieren.
Bei fast 90 Prozent der Stellenanzeigen konnte die KI richtig voraussagen, wie viel man in der jeweiligen Position verdient.
In vielen Stellenanzeigen kommunizieren die Arbeitgeber nicht eindeutig, was ihr in der offenen Position verdienen könnt – schließlich ist das Gehalt häufig nicht in Stein gemeißelt, Arbeitgeber und Arbeitnehmer verhandeln den Lohn oft frei. Die Abteilung für Künstliche Intelligenz an der Stanford University in Kalifornien hat jedoch ein Programm entwickelt, das dabei hilft, das Gehalt anhand der Stellenanzeige vorauszusagen.
Sarah Bana, Forscherin am Stanford Institute for Human Centered Artificial Inntelligence, wertete in einem Experiment anhand eines Programms zur Verarbeitung natürlicher Sprache aus, was die Wörter in Stellenausschreibungen über das spätere Gehalt aussagen. Dafür analysierte das Programm „BERT den Text aus einer Million Stellenanzeigen von der Jobplattform Greenwich.HR.
Lest auch
Fachkräftemangel in Deutschland: Zahlen zeigen, in welchen Branchen und Städten er besonders spürbar ist
Mit fast 90 prozentiger Sicherheit
BERT ist ein sogenanntes NLP-Modell (steht für „Natural Language Processing) und wurde 2018 von Google vorgestellt. Der Algorithmus analysiert und verarbeitet Texte, um dadurch zu lernen, wie Menschen kommunizieren. Stanford-Forscherin Bana gab BERT den Text aus 800.000 Stellenanzeigen und die dazugehörigen Gehälter, damit er Zusammenhänge zwischen der Sprache und dem Lohn finden konnte.
Im Anschluss ließ sie BERT bei den restlichen 200.000 Stellen voraussagen, wie hoch die Gehälter sein werden. Das Ergebnis: BERT lag bei 87 Prozent der Fälle richtig. „Es stellte sich heraus, dass wir den Text von Stellenangeboten nutzen können, um die gehaltsrelevanten Merkmale von Stellen nahezu in Echtzeit zu bewerten“, sagt Bana in einer Pressemitteilung der Universität. „Diese Informationen könnten die Bewerbung um eine Stelle transparenter machen und unseren Ansatz für die Aus- und Weiterbildung von Arbeitskräften verbessern.”
Lest auch
Automatisierte Bewerbungsgespräche werden immer beliebter: Wie ihr euch auf ein Interview mit einem Roboter vorbereiten könnt
Noch weitere Forschung nötig für mehr Klarheit
Welche Wörter genau darüber Auskunft geben, wie hoch das Gehalt wird, ist noch nicht klar. Das wird Banas nächster Forschungsschritt sein, wie sie erzählt. Ihr Ziel ist es, eine Liste von Wörtern zusammenzustellen, die eher für ein niedriges oder hohes Gehalt sprechen könnten.
Aktuell gebe es wenig Klarheit darüber, wie man an höhere Gehälter kommt, sagt Bana. Tools wie BERT könnten Arbeitssuchenden helfen, ihre Jobaussichten zu verbessern. Arbeitgebern wiederum könnten die Analysen dabei helfen, ihre Belegschaft bei der Weiterentwicklung zu helfen. Und politische Entscheidungsträger können damit besser auf wirtschaftliche Veränderungen reagieren, so die Autorin.
Lest auch
„Ein Algorithmus wird nie die Entscheidung für einen Job treffen: Stepstone-CEO Sebastian Dettmers über Recruiting, Mitarbeiterbindung und welche Rolle das Matching spielt
Haftungsausschluss:
Die Ansichten in diesem Artikel stellen nur die persönlichen Ansichten des Autors dar und stellen keine Anlageberatung der Plattform dar. Diese Plattform übernimmt keine Garantie für die Richtigkeit, Vollständigkeit und Aktualität der Artikelinformationen und haftet auch nicht für Verluste, die durch die Nutzung oder das Vertrauen der Artikelinformationen verursacht werden.