Prototyp Stellenmanager KI

Funktionalitäten

Der KI Stellenmanager ist darauf ausgerichtet, Prozesse rund um die Arbeitsplatzbeschreibung substantiell zu beschleunigen und qualitativ zu verbessern. Im Zentrum steht die Prüfung, wie KI in der Personalverwaltung eingesetzt werden kann, um gezielt zu transparenten, fairen und effizienten Prozessen beizutragen.

Die technische Umsetzung erfolgt durch einen Retrieval Augmented Generation (RAG) Ansatz, der bestehende, bereits bewertete Arbeitsplatzbeschreibungen als Referenzdatenbank integriert. Dies gewährleistet, dass die KI-gestützten Vorschläge und Bewertungen auf fundierten Vergleichsdaten basieren.

Die Integration fortschrittlicher Sprachmodelle ermöglicht:

1. Detaillierte und strukturierte Evaluierung der beschriebenen Aufgaben und deren Anforderungsniveau 

2. Automatisierte Generierung passender Schlüsselkompetenzen basierend auf der Stellenbeschreibung 

3. KI-basierte Orientierungshilfe und Vorschläge zur objektiven Eingruppierung der Entgeltstufe mit ausführlicher Begründung 

Kurze Prozessschritt-Beschreibung des Stellenmanager KI

Der KI-Stellenmanager nutzt einen mehrstufigen Prozess zur Erstellung und Analyse von Stellenbeschreibungen.

1. Datengrundlage: Für den Prototyp müssen bewertete Arbeitsplatzbeschreibungen vorliegen und Informationen wie Jobtitel, Arbeitsziel, Aufgabenbeschreibung, erforderliche Kompetenzen und Ausbildung enthalten. Diese Arbeitsplatzbeschreibungen wurden durch eine große Stadt in Baden-Württemberg zur Verfügung gestellt.
2. Vektor-Datenbank: Die Arbeitsplatzbeschreibungen werden in eine Vektor-Datenbank (Qdrant) eingebettet, um semantisch ähnliche Beschreibungen zu finden. Dieser Schritt nutzt lokale Embedding (Transformer)-Modelle.
3. Formular zur Arbeitsplatzbeschreibung (Frontend): Ein mehrstufiges Formular im Frontend führt Benutzer durch die Erstellung einer Arbeitsplatzbeschreibung. Es bietet Hilfestellungen und Beispiele die den Benutzer anleiten.
4. LLM-Unterstützte Anwendungsfälle: Große Sprachmodelle (LLMs) werden verwendet, um Aufgabenbeschreibungen zu analysieren und zu bewerten, Schlüsselkompetenzen zu generieren, sowie eine Entgelteinstufung zu empfehlen.
5. Retrieval-Augmented Generation (RAG): Bei Anfragen werden ähnliche Stellenbeschreibungen aus der Vektor-Datenbank abgerufen und als Kontext für die Anfrage verwendet.

Nutzen

• Die KI soll die Erstellung von Arbeitsplatzbeschreibungen begleiten und durchführen. Schritt für Schritt, mit Hinweisen zum jedem Erstellungsschritt.
• Die KI soll eine transparente und nachvollziehbare Darstellung der Entgelteinstufung ermöglichen (Eingruppierung, Vergütungsniveau).
• Der KI-Prototyp soll flexibel anpassbar sein, damit eine Weiterentwicklung und eine breite Anwendbarkeit in Kommunen ermöglicht wird.
• Die erstellten Profile orientieren sich an den tarifrechtlichen Vorgaben.

Generelle Prototyp-Anforderungen

• Das Projekt umfasst die Entwicklung einer KI-basierten Lösung unter Einsatz geeigneter Programmiersprachen, die auf der Grundlage vorhandener Arbeitsplatzbeschreibungen über den spezifischen Kontext verfügt und über standardisierte Schnittstellen verfügen.
• Eine intuitive Benutzeroberfläche mit nutzerzentrierter Benutzerführung, die es auch nicht-technischen Benutzern eine einfache Bedienung ermöglicht.
• Der Prototyp wird als Open-Source-Lösung konzipiert, um Flexibilität, Anpassbarkeit und kontinuierliche Weiterentwicklung für verschiedene kommunale Kontexte zu ermöglichen
• Die KI-gestützten Bewertungen und Einstufungen sollen transparent und für alle Beteiligten nachvollziehbar dargestellt werden, mit klaren Begründungen für Vergütungsvorschläge und Eingruppierungen.

Ausblick 2025

Bereitstellung des Prototyps als Open Source samt Dokumentation

Darstellungen von Konzeption und Entwicklung

Dieser Prototyp verwendet den Vector Store der Firma Qdrant. Qdrant ist eine Open-Source Vektor-Datenbank, geschrieben in Rust, und bietet eine performante und skalierbare Lösung für die Speicherung und Suche von Vektoren. Das Unternehmen hinter Qdrant ist ein deutsches Startup mit Sitz in Berlin.

Ein wichtiges Designprinzip dieser Anwendung ist die dynamische Nutzung und Austauschbarkeit von LLMs. Dies stellt sicher, dass die Anwendung zukunftssicher bleibt und neue Generationen von Sprachmodellen problemlos integrieren kann, sobald diese verfügbar sind. Durch die Ermöglichung der dynamischen Modellauswahl und die Bereitstellung einer Abstraktionsschicht ist die Anwendung zukunftssicher konzipiert. Wenn neue und verbesserte LLMs verfügbar werden, können diese einfach in die Anwendung integriert werden.

Die Integration erfolgt über das Framework LiteLLM. LiteLLM abstrahiert die Unterschiede zwischen verschiedenen LLM-Anbietern und bietet eine einheitliche API für den Zugriff auf Modelle wie OpenAI, Azure OpenAI, Cohere, Anthropic usw. Dies vereinfacht den Austausch und die Nutzung verschiedener Modelle erheblich, da keine spezifischen Client-Bibliotheken oder API-Schlüssel für jeden Anbieter benötigt werden. LiteLLM unterstützt auch Funktionen wie automatische Wiederholungsversuche, Protokollierung und Kostenverfolgung.

Hinzu kommt das Framework DSPy, das von der Stanford University veröffentlicht wurde. DSPy (Declarative Self-improving Language Programs) ist ein Framework, das die Entwicklung von Anwendungen mit LLMs vereinfacht, indem es eine deklarative Art der Programmierung mit LLMs ermöglicht. Anstatt LLMs direkt zu programmieren, beschreibt man in DSPy die gewünschte Funktionalität und überlässt es dem Framework, die optimale Konfiguration der LLMs zu finden. DSPy unterstützt Techniken wie Prompt Engineering, Chain-of-Thought Reasoning und Knowledge Retrieval.

Die Anwendung ist als RESTful API konzipiert. Dies ermöglicht eine einfache Integration mit verschiedenen Clients und Systemen. Durch die Einhaltung der REST-Prinzipien können neue Anwendungsfälle einfach hinzugefügt werden, ohne bestehende Funktionalitäten zu beeinträchtigen. Neue Endpunkte können hinzugefügt werden, um zusätzliche Funktionen bereitzustellen, ohne die bestehende API-Struktur zu verändern.

Kontaktieren Sie uns gerne für Ideen, Feedback und Einbindung in die Entwicklung.

Ihr KommHUB Team.