E179 - Datennative Recruitingstrategie: Warum Statistik die KI schlägt (mit Michael Witt)
カートのアイテムが多すぎます
カートに追加できませんでした。
ウィッシュリストに追加できませんでした。
ほしい物リストの削除に失敗しました。
ポッドキャストのフォローに失敗しました
ポッドキャストのフォロー解除に失敗しました
-
ナレーター:
-
著者:
Viele Recruiting-Organisationen erheben Kennzahlen – aber kaum jemand weiß, welche davon wirklich auf das Ziel einzahlen. Michael Witt, Recruiting-Berater und Stratege, hat gemeinsam mit einem Statistiker ein Modell entwickelt, das genau diese Lücke schließt. In dieser Folge spricht er über den Unterschied zwischen dem Sammeln von Daten und dem Aufbau statistisch valider Zielsysteme – und erklärt, warum er dabei bewusst auf KI verzichtet. Ein Gespräch für alle, die Recruiting nicht nur messen, sondern wirklich steuern wollen.
Key Takeaways:
- Recruiting scheitert nicht an zu wenig Daten, sondern daran, dass niemand weiß, welche KPIs tatsächlich auf das Recruiting-Ziel einzahlen.
- Der entscheidende Unterschied: Kennzahlen sammeln ist nicht dasselbe wie ein statistisch valides Zielsystem aufbauen.
- LLMs sind für statistische Recruiting-Analysen ungeeignet – sie raten auf Basis von Plausibilität, anstatt mathematisch zu rechnen.
- Ein belastbares Modell braucht nachgewiesene statistische Signifikanz – Bauchgefühl, auch das erfahrenster Berater, reicht allein nicht aus.
- 52 Datenpunkte einer Recruiting-Organisation gegen 30.000 Referenzdatenpunkte zu matchen schafft eine Standortbestimmung, die konkrete Handlungshinweise liefert.
- Der Mehrwert guter Beratung liegt in der Kombination aus Erfahrungswissen und methodischer Substanz – ein statistisches Modell macht dieses Wissen schärfer, valider und wiederholbar.
Ressourcen & Links:
➡️ Michael Witt auf LinkedIn: https://www.linkedin.com/in/wittm/
📢 Präsentiert wird der Podcast von mana HR. Der Recruiting Software, die aufgeräumt im Alltag ist und leistungsstark, wo es zählt.
🔥 Highlights der Folge:
00:51 – KI-Hype im Recruiting: Was Michael bewusst nicht gemacht hat
09:35 – Der Unterschied zwischen Kennzahlen und Zielsystemen
16:32 – Warum LLMs für statistische Modelle ungeeignet sind
20:37 – Das Modell: 52 Datenpunkte, 30.000 Referenzdatensätze, ein Lehrstuhl
22:29 – Was das Modell konkret leistet – und was nicht
23:54 – Geplanter Launch und nächste Entwicklungsschritte
Lust auf Austausch mit anderen HR-Expert:innen? Werde Teil unserer HR-Community auf LinkedIn: https://www.linkedin.com/groups/8874783/
Alle Formulierungen im Podcast sind geschlechtsneutral zu verstehen.