KI in der Lehrstellenrekrutierung: Einsatz von KI-, Gamification- und Nudging-Elementen zur Verbesserung der Datenqualität

Thema 

Die vorliegende Masterthesis untersucht den Einsatz von künstlicher Intelligenz, Nudging und Gamification-Elementen im Lehrstellenrekrutierungsprozess, um die Datenqualität der eingehenden Bewerbungsunterlagen zu steigern. Dafür wurden Designanforderungen aus der wissenschaftlichen Literatur und der Praxis abgeleitet und in einem Prototyp umgesetzt. In einem Feldexperiment wurde die Wirksamkeit gemessen und wichtige Erkenntnisse zu den Faktoren «wahrgenommene Benutzerfreundlichkeit», «Engagement und Motivation» sowie der «wahrgenommenen Attraktivität» abgeleitet.

Relevanz 

Die Lehrstellenrekrutierung befindet sich im Wandel. Trotz einer Zunahme der Bewerbungen verzeichnet die login Berufsbildung AG eine rückläufige Rekrutierungserfolgsquote. Die Qualität der Bewerbungsdossiers lässt nach und aufgrund einer unzureichenden Datenbasis ist ein optimaler Abgleich zwischen den Bewerberinnen und Bewerbern und der passenden Lehrstelle nicht möglich. Dies führt zu einer Zunahme von Lehrstellenabbrüchen und einem Mangel an Nachwuchskräften. Die vorliegende Arbeit präsentiert Möglichkeiten zur Steigerung der Effizienz in der Datenverarbeitung und zeigt auf, wie mittels Verhaltenspsychologie in Form von digitalen Nudges gezielte „Anstupser” gegeben werden können, um die Datenqualität zu verbessern.

Ergebnisse 

Der Einsatz von KI eignet sich für die Analyse grosser Datenmengen und macht einen Bewerbungsprozess durch die automatische Prüfung der Dossiervollständigkeit und Aufbereitung der Daten effizienter und fairer. Die Mitarbeitenden befürworten KI-Hilfestellungen, solange die Entscheidungsmacht beim Menschen bleibt.

Die Ergebnisse haben gezeigt, dass Nudging einen signifikant positiven Einfluss auf die wahrgenommene Benutzerfreundlichkeit des Bewerbungsprozesses, die Motivation, alle geforderten Angaben preiszugeben, sowie die wahrgenommene Attraktivität der Unternehmung hat. Diese drei Faktoren fördern die Nutzerakzeptanz und stellen eine wichtige Grundvoraussetzung für die angestrebte Steigerung der Datenqualität dar.

Implikationen für Praktiker:innen 

Künstliche Intelligenz im Rekrutierungsprozess: Der Einsatz von KI und Tools wie ChatGPT erhöht die Effizienz, Fairness und Datenqualität im Bewerbungsprozess unter strengen Datenschutzrichtlinien.

Benutzerfreundlichkeit: Eine benutzerfreundliche Oberfläche und Nudges steigern nachweislich die Akzeptanz des Bewerbungsprozesses, besonders durch eine vereinfachte Darstellung und visuelle Fortschrittsanzeigen.

Engagement und Motivation: Der gezielte Einsatz von Nudges und Gamification-Elementen steigert das Engagement und die Motivation der Zielgruppe, was zu einer verbesserten Datenvollständigkeit und -qualität führt.

Attraktivität: Die Umsetzung der Empfehlungen erhöht die Attraktivität des Bewerbungsprozesses und der Unternehmung als potenzielle Arbeitgeberin.

Methoden 

Im Rahmen dieser Arbeit wurde das Design Science Research (DSR) Framework als methodischer Ansatz gewählt, um einen praxisorientierten Forschungsbeitrag zu leisten, der sowohl theoretische als auch praktische Erkenntnisse liefert. In einem ersten Schritt wurde die Problemstellung mittels einer Analyse wissenschaftlicher Literatur und der Durchführung von fünf qualitativen Interviews analysiert und Anforderungen abgeleitet. Die ermittelten Anforderungen wurden auf Basis der theoretischen Grundlagen in einem Prototyp umgesetzt und mit der Zielgruppe im Rahmen eines Feldexperimentes getestet. Mittels Hypothesentest wurden die Erkenntnisse quantitativ ausgewertet und theoretische sowie praktische Erkenntnisse erarbeitet.