Skip to content

GCRI · Zukunft der Arbeit und Kompetenzen

KI für die Arbeitsmarktanalyse

Künstliche Intelligenz und maschinelles Lernen sind zugleich ein Treiber des Wandels der Arbeit und ein Werkzeug, ihn zu untersuchen. In diesem Feld helfen sie, Stellenanzeigen und Kompetenzen zu analysieren, Arbeitsuchende mit offenen Stellen zusammenzubringen, und werfen Fragen zu algorithmischer Personalauswahl und Personalführung auf.

01Registrieren

AI for labour market analysis on the record.

MethodennachweisMINT-Methode
  1. MethodeKünstliche Intelligenz und maschinelles Lernen
  2. Angewandt inZukunft der Arbeit und Kompetenzen
  3. Kanonische SeiteMINT-Commons
02Antrag

Was künstliche Intelligenz und maschinelles Lernen hier leisten.

Künstliche Intelligenz und maschinelles Lernen entwickeln Algorithmen, die aus Daten Muster lernen, um Ergebnisse zu klassifizieren, vorherzusagen oder zu erzeugen. Sie werden zunehmend für die Gefahrenerkennung, die Vorhersage und die Entscheidungsunterstützung eingesetzt und sind selbst eine Risikoquelle. In den Bereichen Arbeit und Kompetenzen, Gesellschaft und menschliche Entwicklung sowie künstliche Intelligenz kann maschinelles Lernen Erkennung und Vorhersage über vernetzte Systemehinweg skalieren. Seine eigenen Fehlermodi müssen berücksichtigt werden, wenn automatisierte Ergebnisse folgenreiche Entscheidungen stützen. Die maßgebliche Beschreibung findet sich im die STEM Commons.

Extraktion von Kompetenzen aus Stellenanzeigen

Natural language processing extracts skills from job ads and maps them to taxonomies such as ESCO, tracking how demand for skills changes over time.

Arbeitsvermittlung in Beschäftigungsdiensten

Matching-Werkzeuge schlagen Arbeitsuchenden offene Stellen vor, mit Evaluierung von Genauigkeit und Fairness über Gruppen hinweg vor dem Einsatz.

Prüfung algorithmischer Personalauswahl

Hiring and screening algorithms are audited for disparate impact on protected groups using test data and outcome monitoring.

03Methoden und Evidenz

Wie KI für die Arbeitsmarktanalyse modelliert, gemessen und getestet wird.

Das Modell, seine Annahmen, seine Daten und seine Unsicherheit in der Form, in der eine Wissenschaftlerin oder ein Ingenieur sie prüfen würde. Die Strukturen folgen veröffentlichten Methoden. Die dargestellten Werte sind illustrativ, keine Befunde.

Systemmodell

Die Kopplungen zwischen den Systemen bei KI für die Arbeitsmarktanalyse: Einflussvorzeichen, eine verstärkende und eine ausgleichende Schleife sowie Querverbindungen, an denen die Belastung sprunghaft ansteigt.

++−++ArbeitGesellschaftKünstliche IntelligenzGemeinschaftenWirtschaftR verstärkendB ausgleichend
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
04Daten

Was die Methode verwendet.

Datensätze und Aufzeichnungen, die künstliche Intelligenz und maschinelles Lernen auf dieser Plattform nutzen, mit der Rolle, die jeder spielt, und der Kennzeichnung, die seine Werte tragen. Die Quellen sind in dem Quellenregister.

DatenRolleKennzeichnung
Online-StellenanzeigenSkills demandBEOBACHTET
ESCO- und O*NET-TaxonomienKompetenzerfassungVeröffentlichte Statistiken
Unterlagen der ArbeitsvermittlungAbgleich der ErgebnisseVeröffentlichte Statistiken
05Verfahren

Wie der Prozess abläuft.

Process explorer · Process

AI for labour market analysis: AI risk management (NIST)

9 steps5 stages1 gate

Verfahren

AI for labour market analysis: AI risk management (NIST)

Der AI RMF Core hat vier Funktionen, GOVERN, MAP, MEASURE und MANAGE, wobei GOVERN übergreifend wirkt; die dargestellte Reihenfolge ist eine gängige Lesart, keine Checkliste.

  1. 01 Steuern

    1. 01GOVERN: Richtlinien, Rollen und VerantwortlichkeitSchritt · GewerkschaftGOVERN ist eine Querschnittsfunktion. Sie durchzieht das gesamte KI-Risikomanagement und ermöglicht die anderen Funktionen.
  2. 02 Map

    1. 02MAP: Kontext und beabsichtigte VerwendungDatensatzDie Funktion MAP schafft den Kontext, um Risiken im Zusammenhang mit einem KI-System einzuordnen, einschließlich der beabsichtigten Zwecke und der Auswirkungen auf Menschen.
  3. 03 Messen

    1. 03MEASURE: vertrauenswürdige Merkmale bewertenModellAI Systeme werden auf Merkmale der Vertrauenswürdigkeit hin bewertet. Sie sollten vor dem Einsatz und regelmäßig im Betrieb getestet werden.
    2. 04MEASURE: identifizierte Risiken im Zeitverlauf verfolgenModellEs bestehen Mechanismen, um erkannte KI-Risiken im Zeitverlauf zu verfolgen, einschließlich unvorhergesehener und neu entstehender Risiken.
  4. 04 Steuern

    1. 05STEUERN: Risiken behandelnSchrittRisikobehandlung umfassen Reaktion auf Vorfälle, Wiederherstellung nach Vorfällen und Kommunikation darüber. Ressourcen fließen in kartierte und gemessene Risiken.
    2. 06Fortfahren oder nicht (MANAGE 1.1)Gate · GewerkschaftEs wird festgestellt, ob das System seine Zwecke und Ziele erfüllt und ob fortgefahren werden soll. Das Rahmenwerk legt keine Schwellenwerte fest.
    3. 07EinsatzentscheidungEntscheidung · GewerkschaftDie Organisation, der das System gehört, entscheidet, ob und unter welchen Bedingungen es eingesetzt wird.
    4. 08Überwachung nach dem Einsatz und VorfälleModellPläne zur Überwachung nach dem Einsatz werden umgesetzt. Vorfälle und Fehler werden mit den relevanten KI-Akteuren geteilt, einschließlich betroffener Gemeinschaften.
  5. 05 Aufzeichnung

    1. 09Verzeichnis der KI-SystemeDatensatzGOVERN 1.6 verlangt Mechanismen zur Inventarisierung von KI-Systemen. Eine Modellkarte (Model Card) ist gängige Praxis und wird im Rahmenwerk nicht genannt.

Neutrale Übersicht über einen veröffentlichten externen Standard oder eine veröffentlichte Methode, wiedergegeben von der herausgebenden Stelle. Kein Betriebsnachweis. Nexus führt keinen der dargestellten Schritte durch, zertifiziert oder genehmigt ihn. Ein Gate oder eine Entscheidung liegt bei der Partei, die die Quelle nennt. Die Maßnahmen bilden nicht zwingend eine geordnete Abfolge von Schritten. Der EU AI Act ist in diesem Ablauf nicht abgebildet.

06Validierung

Wie Ergebnisse geprüft werden.

Modelle werden an zurückgehaltenen Daten evaluiert, die räumliche, zeitliche und Gruppenstrukturen berücksichtigen. Robustheit, Kalibrierung und Fairness werden neben der Genauigkeit getestet.

PrüfenWie es gemacht wird
ExtraktionsgenauigkeitDie Kompetenzextraktion wird anhand von manuell kodierten Stichproben geprüft
FairnesstestsWerkzeuge werden auf ungleiche Auswirkungen zwischen Gruppen geprüft
RepräsentativitätPosting data are compared with published vacancy statistics

Die Leistung verschlechtert sich, wenn die Einsatzbedingungen von den Trainingsdaten abweichen. Modelle können Verzerrungen kodieren und bei seltenen Ereignissen ohne klare Warnung versagen.

08Treuhänderschaft

Wer die Methode pflegt.

Künstliche Intelligenz und autonome Systeme ist Sachwalter von künstlicher Intelligenz und maschinellem Lernen für das Consortium und prüft, wie sie plattformübergreifend angewandt werden.

10Fragen

Fragen und Antworten.

Wo liegen die Grenzen von künstlicher Intelligenz und maschinellem Lernen in diesem Fachgebiet?
Die Leistung verschlechtert sich, wenn die Einsatzbedingungen von den Trainingsdaten abweichen. Modelle können Verzerrungen kodieren und bei seltenen Ereignissen ohne klare Warnung versagen.
Wie werden Ergebnisse geprüft?
Modelle werden an zurückgehaltenen Daten evaluiert, die räumliche, zeitliche und Gruppenstrukturen berücksichtigen. Robustheit, Kalibrierung und Fairness werden neben der Genauigkeit getestet.
Sind die Werte auf dieser Seite echt?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Wo wird diese Methode sonst angewandt?
Das kanonische Methodenseite listet jede Plattform auf, die sie anwendet.
BerichteBeitragen

Evidenz von dieser Seite aus beitragen.

Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.

GCRIZukunft der Arbeit und KompetenzenForesight-AusblickEvidenzpapier
Zukunft der Arbeit und Kompetenzen

Bringen Sie eine Methode, einen Datensatz oder eine Frage mit.

Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.