DAWIK | Innovatives Kompetenzmanagement mit KI

In einem gemeinsamen PACT-Projekt entwickelten Fraunhofer Austria und Fraunhofer IAO Methoden für datengetriebenes Kompetenzmanagement

Welche Kompetenzen benötigen meine Mitarbeitenden zukünftig durch technologische, arbeitsstrukturelle und organisationale Veränderungen? Und wie kann man dafür sorgen, dass die Mitarbeitenden rechtzeitig über diese Kompetenzen verfügen? Diese zwei Fragen versinnbildlichen die beiden Ebenen der Kompetenzplanung, die in jedem Unternehmen betrachtet werden müssen: die strategische Ebene auf der einen Seite und die operative Ebene auf der anderen.

Im Projekt „DaWiK“ – kurz für „Datenbasiertes Wissens- und Kompetenzmanagement“ unternahmen die Gruppe Digitalisierungs- und Kompetenzmanagement bei Fraunhofer Austria und das Forschungs- und Innovationszentrum Kognitive Dienstleistungssysteme KODIS sowie der Forschungsbereich Dienstleistungs- und Personalmanagement des Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO den Versuch, einen geschlossenen Prozess vom strategischen Management zur operativen Umsetzung zu erstellen. Darüber hinaus entwickelte das Forschungsteam eine KI-basierte Methode zur Analyse von Stellenanzeigen um damit Kompetenzlücken und Branchentrends zu analysieren. Die Verknüpfung der datengetriebenen Identifikation von Kompetenzlücken mit Handlungsmaßnahmen für das „On-the-Job“-Training stellte hierbei den innovativen Charakter des Projekts dar.

„Ziel unseres Forschungsvorhabens ist es, die Anlernzeit bei Neueinstellungen, Job-Rotationen, oder technologischen Neuerungen im Unternehmen signifikant zu verringern und somit mittelbar die Produktivität zu steigern“, erklärt Linus Kohl, der seitens Fraunhofer die Projektleitung innehatte.

Screening durch Machine Learning

Zur Erreichung dieses Ziels waren mehrere Schritte nötig. Ein Machine-Learning-Algorithmus wurde darauf trainiert, Stellenanzeigen zu durchsuchen und relevante Textpassagen via Natural Language Processing Methoden zu extrahieren. Als Datenbasis verwendete das Team Stelleninserate aus der reichhaltigen Datenbank der deutschen Bundesagentur für Arbeit, auf deren Jobplattform die Forscherinnen und Forscher über eine Schnittstelle mit ihrem Algorithmus zugriffen.

Einheitliche Standards

Doch die Inserate unterschiedlicher Unternehmen sind bei Weitem nicht einheitlich formuliert. Will man die Stellenanzeigen vergleichbar machen, muss man sie einem Standard zuordnen.

Als Mittel zur Standardisierung der Kompetenzen diente dem Forschungsteam die von der Europäischen Kommission veröffentlichte Taxonomie „European Skills, Competences, Qualifications and Occupations“, kurz: ESCO. Die frei verfügbare Datenbank enthält Referenzen auf die Internationale Standardklassifikation der Berufe und listet mehr als 3000 Berufe und knapp 14.000 Fähigkeiten, die den Berufen zugeordnet und in alle Sprachen der Mitgliedsstaaten übersetzt sind. Die semantische Pipeline des Projekts DaWiK zerlegte die relevanten Passagen der Stellenanzeigen somit zuerst in Textbausteine und ordnete diese dann der passenden Eintragung in ESCO zu. Es entsteht dadurch ein Modell der häufig gesuchten Qualifikationen und Arbeitsaufgaben, durch welches sich ein Kompetenzprofil modellieren lässt. Darauf folgte der Vergleich zwischen den anvisierten Kompetenzen (SOLL) und den aktuell vorhandenen Kompetenzen (IST). Als Validierungsgrundlage wurden Stellenbeschreibungen händisch auf die geforderten Kompetenzen untersucht und entsprechend mit Labels versehen. „Bisherige Versuche, die Trends am Arbeitsmarkt aus Stellenanzeigen abzuleiten, beruhten oft noch auf händischen Analysen. Bestrebungen, den Prozess zu automatisieren oder zumindest eine Teilautomatisierung umzusetzen gab es zwar schon, jedoch konnte in der Vergangenheit keine Zusammenführung in einer einheitlichen Kompetenztaxonomie erreicht werden. Das ist uns mit unserer Text-Analyse Pipeline gelungen“, erklärt Fraunhofer Austria-Mitarbeiter Malte Scheuvens, der maßgeblich an der Entwicklung beteiligt war. Diese „semantische Text-Analyse Pipeline“ – kurz STAP – ist das, was die Lösung des Konsortiums innovativer macht als bisherige Ansätze.

Diese KI-gestützte Identifikation der Kompetenzlücke ist ihrerseits Teil des Rahmenmodells, das im Zuge des Projektes in mehreren gemeinsamen Workshops entwickelt und in mehreren Iterationen verfeinert wurde. Dieses beinhaltet in seiner finalen Form zwölf Aktivitäten entlang des Kompetenzidentifikations- und Entwicklungsprozesses, wie zum Beispiel die Analyse der IST-Kompetenzen, die Identifikation der SOLL-Kompetenzen oder die Auswahl der Lernformate. Jede dieser zwölf Aktivitäten ist im Rahmenmodell durch weitere Detailbeschreibung inklusive Zielen, Stakeholdern, Ergebnissen, sowie unterstützenden Methoden und Werkzeugen genau beschrieben.

Zusätzlich wurden Leitfäden für Expertinnen- und Exper­ten­interviews entwickelt, um sowohl das strategische Management als auch Personen aus den Fachabteilungen, die operativ für das Kompetenzmanagement verant­wortlich sind, in den Transformationsprozess ein­zu­binden und deren Rückmeldungen zu berücksichtigen.

Use Case Automobilindustrie

Die Transformation der Automobilindustrie hin zur Elektromobilität stellt eine der Herausforderungen der Zukunft dar. Das Forschungskonsortium erprobte das Modell daher gemeinsam mit einem LOI-Partner aus dem Bereich der Herstellung von Industrieöfen zur Wärmebehandlung und erhielt wertvolles Feedback. Spannend war für das Projektteam auch die interdisziplinäre Zusammenarbeit: „Er war sehr interessant, die unterschiedlichen Blickwinkel von Sozialwissenschaftlern und Ingenieuren auf den Einsatz von KI im Kompetenzmanagement in einem Projekt zu vereinen und neue Denkansätze kennenzulernen“, beschreibt Benedikt Fuchs, Leiter der Gruppe Digitalisierungs- und Kompetenzmanagement bei Fraunhofer Austria, seine Erfahrung.