TeamSketcher

Das beste Team für den Job ist irgendwo da draußen.
- Lassen Sie Machine Learning Ihnen helfen, es zu finden! -

Bei der Zusammenarbeit mit unseren Kunden haben wir festgestellt, dass in vielen Unternehmen der gleiche Bedarf besteht, unabhängig davon, in welchem Bereich sie tätig sind.  Früher oder später stößt eine zunehmende Zahl von ihnen auf das Problem, die richtige Person für ein bestimmtes (Teil-)Projekt zu finden. Ob es sich um eine Geschäftsexpansion in ein neues Land oder um eine neue, spezifische Expertise für ein Projekt handelt, die schnelllebige Geschäftswelt erfordert oft neue Verbindungen in weniger bekannten Bereichen, und zwar schnell! Auch wenn alle wichtigen Akteure bereits da sind, stellt sich oft noch die Frage, wie man sie unter Berücksichtigung von Zeit- und Kostenvorgaben am besten nutzen kann. Wir sehen die Anzahl der Variablen und ihre möglichen Kombinationen werden einfach zu groß, um sie bei der Entscheidungsfindung zu berücksichtigen. Die Fähigkeit, ein Team zu entwickeln, das mit hoher Effektivität und minimalem Ressourcenverschleiß arbeitet, kann ein Unternehmen verändern oder zerstören. Wenn dir das bekannt vorkommt, ist dieser Beitrag für dich. Genau hier kann Ihnen das maschinelle Lernen helfen!

Innerhalb von Kentivo haben wir ein Tool, TeamSketcher, mit mehreren Funktionalitäten entwickelt. Von der Auswahl der Personen bis hin zum Aufbau ganzer Teams, basierend auf den verfügbaren Informationen, entweder intern (Unternehmensquellen) oder extern (Online-Quellen). Lassen Sie uns zwei Beispiele nennen:

Verwaltung der Workflow-Kapazität

Für wissensbasierte Unternehmen sind die Kernressourcen die Menschen und ihre Fähigkeiten. Machine Learning kann Ihnen bei der richtigen Auswahl von Personen und Teams für interdisziplinäre Projekte helfen. Nicht nur mit der Beratung über die Ressourcen, die für die Zuweisung neuer Projekte zur Verfügung stehen, sondern auch mit dem Einblick in mögliche Auswirkungen auf andere Projekte, was bei der Planung neuer Projekte sicherlich hilfreich sein wird.

 

 

Aufbau eines internationalen Teams

Es bietet eine schnelle, interaktive und intelligente Möglichkeit, das Unternehmen und seine Mitarbeiter zu präsentieren, einem potenziellen Kunden die ihm zur Verfügung stehenden Talente zu zeigen, aber auch vor Ort einen umfassenden Überblick über die Möglichkeiten bei der Aushandlung zukünftiger Kooperationen zu geben.

 

 

Wie funktioniert es?

Ein Algorithmus beginnt mit dem Sammeln wichtiger Informationen, die berücksichtigt werden müssen – wie z.B. geographische Lage, Fachwissen, Berufs- und frühere Erfahrungen. Der Benutzer entscheidet, welche Variablen von Bedeutung sind. Sobald der Algorithmus diese Eventualitäten erhalten hat, durchsucht er die Datenbank und stellt sicher, dass er alle Übereinstimmungen findet. Die erste Ausgabe ist eine Liste potenzieller Kandidaten, die dann beschnitten und verfeinert wird. In dieser Phase lässt der Algorithmus einen sehr breiten Spielraum, begrenzt die Suchergebnisse nicht zu sehr und gibt dem Benutzer so Freiraum für Raffinesse, um die Suche vor der Endauswahl an spezifische Bedürfnisse anzupassen. Dies gibt auch die Möglichkeit, herumzuspielen und die Ergebnisänderung zu sehen, wenn ein Suchbegriff hinzugefügt oder entfernt wird oder wenn ein Wert pro Maßeinheit geändert wird. Unsere Kunden berichten, dass dies ein sehr wertvoller Aspekt des Prozesses ist. Das Ergebnis ihrer eigenen, mentalen Suche, die von persönlichem Wissen und Erfahrung abhängt, wird verglichen und dann mit dem unparteiischen Wissen über den Algorithmus kombiniert. Normalerweise gibt es einen „oh wow, ich habe nicht an diesen Moment gedacht“.

Im zweiten Schritt bietet der TeamSketcher die Möglichkeit, die Einzelpersonen zu kombinieren und Teams nach relevanten Kriterien aufzubauen. Eine unbegrenzte Anzahl von Fähigkeiten kann ausgewählt werden, und der Algorithmus wird immer sicherstellen, dass das Hauptkriterium – die Einfallsreichtum – eingehalten wird. Während Menschen bei der Entscheidungsfindung dazu neigen, bestimmten kognitiven Missverständnissen zum Opfer zu fallen – Vertrautheit, Primatseffekt oder Verankerung, um nur einige zu nennen -, sorgt die Zusammenarbeit mit Machine Learning für den effizienten Aufbau eines Teams und minimiert die Verschwendung von Talenten, Zeit, Geld und Mühe.

Wie eingangs erwähnt, sind die Variablen manchmal einfach zu groß. Der Vorteil des maschinellen Lernens besteht darin, dass es die Fähigkeit hat, über nur ein einzelnes Projekt hinauszuschauen, für das das Team aufgebaut wird. Der Algorithmus kann mit einer großen Menge von Daten und Variablen umgehen und kann bei der Entscheidungsfindung helfen, indem er potenziell Über- oder Unterbesetzung vermeidet und, falls vorhanden, sogar die Informationen über die Soft Skills, persönlichen Karrierepläne und Motivationen für ein gut eingespieltes Team nutzt, das zusammenarbeiten kann.