Skill-Extraktion
Skill-Extraktion bezeichnet Software, die aus Texten wie Lebensläufen oder Stellenanzeigen automatisch die genannten Fähigkeiten herausliest und in einer einheitlichen Liste ablegt. Sie ist die Grundlage für Bewerbungssysteme, Jobportale und Arbeitsmarktstatistiken.
In einem Lebenslauf oder einer Stellenanzeige stecken Fähigkeiten, die eine Person hat oder haben soll. Ein Mensch erkennt sie beim Lesen sofort: „Python“, „Buchhaltung“, „verhandlungssicheres Englisch“. Ein Computer sieht dagegen zunächst nur eine lange Folge von Buchstaben. Skill-Extraktion ist der Vorgang, bei dem ein Programm diese Fähigkeiten selbstständig aus dem Text herausliest und sauber auflistet. Aus einem Fließtext wird so eine geordnete Tabelle, mit der sich rechnen, sortieren und vergleichen lässt. Der Begriff stammt aus der Personalbranche, wird inzwischen aber auch in der Arbeitsmarktforschung und in der Weiterbildung verwendet.
Was Personalabteilungen und Statistiker davon haben
Große Unternehmen erhalten pro Jahr zehntausende Bewerbungen. Niemand kann diese Menge von Hand mit offenen Stellen abgleichen. Werden die Fähigkeiten aber als Liste gespeichert, lässt sich in Sekunden filtern. Genau das machen Bewerbermanagementsysteme, die fast jeder Konzern einsetzt. Für Bewerber hat das eine unangenehme Kehrseite: Wer eine Fähigkeit ungewöhnlich formuliert, kann durch das Raster fallen.
Ein zweiter Anwendungsbereich ist die Beobachtung des Arbeitsmarktes. Behörden und Forschungsinstitute lesen Millionen Stellenanzeigen aus dem Netz ein. Aus den extrahierten Fähigkeiten sehen sie, welche Kenntnisse gerade gefragt sind und welche verschwinden. So lässt sich zum Beispiel messen, wie schnell KI-Kenntnisse in Ausschreibungen auftauchen. Solche Auswertungen sind deutlich aktueller als offizielle Statistiken, die oft ein Jahr hinterherhinken.
Auch Lernplattformen nutzen das Verfahren. Sie vergleichen die Fähigkeiten aus deinem Profil mit denen aus Stellenanzeigen und zeigen die Lücke an. Der Kurs, der diese Lücke schließt, wird dir dann direkt vorgeschlagen. Ob der Vorschlag sinnvoll ist, hängt allerdings vollständig von der Qualität der Extraktion ab.
Vom Rohtext zur normierten Fähigkeitenliste
Der erste Schritt heißt Erkennung: Das Programm markiert im Text die Stellen, die eine Fähigkeit benennen. Frühe Systeme arbeiteten dafür mit einer festen Stichwortliste. Sie suchten schlicht nach Treffern wie „Excel“ oder „SQL“. Das funktioniert, solange die Formulierung exakt passt, und scheitert bei allem anderen. Moderne Systeme nutzen stattdessen Sprachmodelle, also Programme, die aus riesigen Textmengen gelernt haben, wie Sprache üblicherweise aufgebaut ist. Diese erkennen auch Umschreibungen wie „Erfahrung im Aufbau von Datenbankabfragen“.
Der zweite Schritt ist die Normierung. „MS Excel“, „Excel-Kenntnisse“ und „Tabellenkalkulation“ meinen dasselbe und müssen auf einen einzigen Eintrag abgebildet werden. Dafür gibt es fertige Kataloge. Der bekannteste in Europa heißt ESCO und enthält mehrere tausend genormte Fähigkeitenbezeichnungen. Ohne diesen Schritt wäre keine Statistik möglich, weil dieselbe Fähigkeit dutzendfach gezählt würde.
Ein häufiger Irrtum ist, Skill-Extraktion sei einfaches Stichwortsuchen. Der schwierige Teil liegt im Zusammenhang. „Wir suchen jemanden, der Python lernen möchte“ beschreibt keine vorhandene Fähigkeit, sondern eine Bereitschaft. Auch weiche Fähigkeiten wie Teamfähigkeit sind schwer zu fassen, weil fast jede Anzeige sie nennt und der Begriff kaum etwas aussagt.
Von der Onlinebewerbung bis zur Übernahmemeldung
Am direktesten begegnet dir das Verfahren bei Jobportalen. Lädst du dort einen Lebenslauf hoch, sind die Felder anschließend oft schon ausgefüllt. Diese Vorbelegung stammt aus einer Skill-Extraktion. Auch die Passgenauigkeit, die manche Portale in Prozent anzeigen, beruht auf dem Vergleich zweier extrahierter Listen.
In Wirtschaftsnachrichten taucht der Begriff meist im Umfeld von HR-Tech auf, also Software für Personalarbeit. Anbieter wie LinkedIn, Workday oder SAP werben damit, Personal nach Fähigkeiten statt nach Berufsbezeichnungen zu vermitteln. Wenn ein solches Unternehmen zugekauft wird, geht es fast immer um dessen Fähigkeitenkatalog und die Daten dahinter.
Rechtlich steht das Thema unter Beobachtung. Die KI-Verordnung der EU stuft Software, die über Einstellungen mitentscheidet, als Hochrisiko-Anwendung ein. Für Skill-Extraktion bedeutet das strengere Prüf- und Dokumentationspflichten. Der Hintergrund ist die Sorge vor Benachteiligung, etwa wenn ein System Berufserfahrung aus dem Ausland systematisch schlechter erkennt.