Berufsangaben der ESCO-Systematik zuordnen.

Berufsbezeichnungen werden häufig als Freitext erfasst.

Das können eindeutige Angaben wie „Bäcker“ oder „Zahnärztin“ sein, aber auch Bezeichnungen wie:

• Senior Software Engineer
• Küchenhilfe im Seniorenheim
• Mitarbeiter im technischen Kundenservice
• Selbstständiger Berater
• Kaufmännische Angestellte
• Head of Operations

Diese Angaben sind für Menschen meistens verständlich, lassen sich aber nicht ohne Weiteres statistisch auswerten oder mit anderen Daten vergleichen – erst recht nicht über Ländergrenzen und Sprachen hinweg.

Dafür gibt es ESCO, die European Skills, Competences, Qualifications and Occupations. Die mehrsprachige Klassifikation der Europäischen Kommission ordnet Berufe einer einheitlichen, EU-weiten Systematik zu und wird unter anderem in der europäischen Arbeitsvermittlung, bei internationalen Jobportalen und in der Arbeitsmarktforschung eingesetzt.

Sie arbeiten ausschließlich mit deutschen Berufs- und Arbeitsmarktdaten? Dann ist möglicherweise derKldB-2010-Classifier die passendere Lösung für Sie.

Das Problem: Die Berufsbezeichnungen müssen zunächst dem richtigen ESCO-Beruf zugeordnet werden.

Bei einigen wenigen Angaben kann das noch manuell gemacht werden. Bei tausenden oder hunderttausenden Berufsbezeichnungen – insbesondere wenn sie in mehreren Sprachen vorliegen – wird daraus jedoch schnell eine sehr repetitive, zeitaufwendige und teure Aufgabe.

Warum eine einfache Stichwortsuche nicht ausreicht

Bei ESCO kommt zur normalen Uneinheitlichkeit von Jobtiteln noch eine zweite Dimension hinzu: die Sprache.

Ein „Software Developer“ heißt auf Deutsch „Softwareentwickler“, wird aber ebenso oft „Software Engineer“, „Anwendungsentwickler“ oder schlicht „Programmierer“ genannt – auf Englisch kommen weitere Varianten wie „Backend Developer“ oder „Full Stack Engineer“ hinzu.

Eine Stichwortliste, die für den deutschen Sprachraum gepflegt wird, hilft bei einer englischsprachigen Stellenausschreibung entsprechend wenig, und umgekehrt. Wer Berufsdaten aus mehreren Ländern oder Quellsystemen zusammenführen will, kann sich nicht auf eine einzige, sprachabhängige Begriffsliste verlassen.

Gleichzeitig können einzelne Wörter in vollkommen unterschiedlichen Berufen vorkommen. Ein Modell darf sich deshalb nicht nur an einzelnen Begriffen orientieren, sondern muss die Bedeutung der gesamten Berufsbezeichnung berücksichtigen – unabhängig davon, in welcher Sprache sie formuliert ist.

Auch ein allgemeines LLM wie ChatGPT kann solche Zuordnungen grundsätzlich versuchen. Bei einer Klassifikation mit tausenden ESCO-Berufen sind die Ergebnisse jedoch nicht immer zuverlässig und konsistent. Zudem können Codes ausgegeben werden, die plausibel klingen, aber gar nicht existieren.

Für einen Prozess, der immer wieder gleich ablaufen und größere Datenmengen verarbeiten soll, ist das keine gute Grundlage.

Ein speziell trainierter ESCO-Classifier

Ich habe deshalb einen KI-Classifier entwickelt, der für freie Berufsbezeichnungen Kandidaten der ESCO-Systematik priorisiert. Grundlage ist die aktuelle ESCO-Version 1.2.1 mit 3.039 Berufen.

Die Berufssystematik von ESCO baut auf der internationalen Klassifikation ISCO-08 auf. Jeder ESCO-Beruf ist genau einer vierstelligen ISCO-08-Berufsgruppe zugeordnet; innerhalb dieser Gruppen bildet ESCO einzelne Berufe und Spezialisierungen auf zusätzlichen Ebenen ab. Der ESCO-Beruf „software developer“ trägt beispielsweise den Code 2512.4 und gehört zur ISCO-08-Berufsgruppe 2512.

Das Modell erhält eine Berufsbezeichnung als Freitext und gibt die drei am höchsten rangierten ESCO-Berufe aus – jeweils mit ESCO-Code sowie englischer und deutscher Bezeichnung. Aktuell verarbeitet das Modell deutsche und englische Berufsbezeichnungen; eine Erweiterung auf weitere Sprachen ist möglich.

Die dargestellte Prüflogik ist Teil von VerbaCoder. Die Anwendung verbindet Modellvorschläge, Katalogsuche, Mehrfachcodierung und Audit-Export in einem Arbeitsprozess.Mehr über VerbaCoder und den begleiteten Einstieg.

Beispielsweise für die Eingabe „software developer“:

Zu jedem Vorschlag wird der verwendete Scoretyp ausgewiesen. Die derzeitigen Modellwerte sind unkalibrierte Rankingwerte und keine Wahrscheinlichkeiten.

Sie helfen bei der Reihenfolge der Prüfung; eine automatische Übernahmegrenze muss dagegen separat auf repräsentativen, fachlich adjudizierten Kundendaten validiert werden. In der Oberfläche lassen sich unterscheiden:

• plausibel eindeutigen Berufsbezeichnungen, die gezielt stichprobengeprüft werden können
• mehreren plausiblen Klassen, aus denen ein Mensch auswählen kann
• unsicheren Angaben, die gezielt geprüft werden sollten

Warum werden drei Vorschläge ausgegeben?

Nicht jede Berufsbezeichnung lässt sich eindeutig nur anhand des Jobtitels klassifizieren.

Bei „Software Developer“ ist der fachliche Bereich beispielsweise relativ klar. Bei „Mitarbeiter Produktion“, „Consultant“ oder „Projektleiter“ fehlen dagegen wichtige Informationen über die tatsächliche Tätigkeit.

Eine KI sollte in solchen Fällen nicht so tun, als wäre das Ergebnis eindeutig.

Die Ausgabe der drei am höchsten rangierten ESCO-Berufe verbindet Modellunterstützung mit menschlicher Kontrolle. Erst separat validierte Regeln können eine automatische Übernahme erlauben. Bei unsicheren Fällen bekommt der Bearbeiter eine kleine, bereits sinnvoll sortierte Auswahl.

Welcher Anteil der manuellen Suche dadurch entfällt, hängt von Datenqualität, Codierregeln und dem gewünschten Kontrollniveau ab und wird im Pilot gemessen.

Wo kann der ESCO-Classifier eingesetzt werden?

Ein automatischer ESCO-Classifier ist überall dort interessant, wo viele Berufsbezeichnungen als Freitext vorliegen – insbesondere über Ländergrenzen und Sprachen hinweg.

Typische Anwendungsfälle:

• Internationale Jobbörsen: Stellenanzeigen und Profile über Ländergrenzen hinweg einer einheitlichen Systematik zuordnen
• Grenzüberschreitendes Recruiting: Kandidatenprofile aus verschiedenen Ländern vergleichbar machen
• Europäische Arbeitsvermittlung (z. B. EURES): Stellenangebote und Bewerberprofile europaweit abgleichen
• Mehrsprachige HR-Systeme: Berufsbezeichnungen internationaler Konzerne einheitlich klassifizieren
• Skill-Matching: ESCO-Berufe mit zugehörigen Kompetenzen und Qualifikationen verknüpfen
• Arbeitsmarktforschung: Europäische Arbeitsmarktdaten vergleichbar auswerten
• Datenmigration: Bestehende Berufsdaten auf die ESCO-Systematik überführen
• Öffentliche Verwaltung: Anerkennung von Qualifikationen und Berufsabschlüssen unterstützen

Interessant ist das insbesondere für Unternehmen und Institute, bei denen solche Daten regelmäßig, mehrsprachig und in größeren Mengen anfallen. Aktuell deckt mein Classifier deutsche und englische Berufsbezeichnungen ab; weitere Sprachen lassen sich bei Bedarf ergänzen.

Große Datenmengen in kurzer Zeit verarbeiten

Der große Vorteil zeigt sich besonders dann, wenn Berufsdaten aus mehreren Ländern, Sprachen oder Quellsystemen konsolidiert werden sollen.

Das Modell kann tausende oder hunderttausende Berufsbezeichnungen automatisiert verarbeiten – unabhängig davon, aus welchem Quellsystem oder Markt sie stammen. Wo eine vollständig manuelle Codierung Tage oder Wochen dauern kann, liefert der Classifier vergleichbare Ergebnisse in kurzer Zeit.

Menschen müssen anschließend nicht mehr jede einzelne Berufsbezeichnung von Grund auf recherchieren. Stattdessen konzentrieren sie sich auf die Fälle, bei denen das Modell unsicher ist oder mehrere Berufe im Ranking nah beieinanderliegen.

So lassen sich unterschiedliche nationale Datenbestände in einem gemeinsamen Prüfprozess bearbeiten. Der tatsächlich verbleibende manuelle Aufwand wird im Pilot gemessen.

Bereitstellung als Datei, API oder Webanwendung

Der ESCO-Classifier kann abhängig vom Anwendungsfall unterschiedlich bereitgestellt werden.

Mögliche Varianten:

• Klassifizierung einer vorhandenen Excel- oder CSV-Datei, auch aus mehreren Quellsystemen
• API zur Integration in ein bestehendes ATS oder HR-System
• interne Webanwendung zum Hochladen und Prüfen von Daten
• direkte Integration in einen bestehenden Verarbeitungsprozess
• lokale Bereitstellung innerhalb der eigenen Infrastruktur

Die Ergebnisse können neben den ESCO-Codes auch englische und deutsche Bezeichnungen, Rankingwerte, Scoretyp, Modellversion und weitere Informationen zur Klassifikation enthalten.

Welche Variante sinnvoll ist, hängt unter anderem von der Datenmenge, der Häufigkeit der Nutzung und der vorhandenen Systemlandschaft ab.

KldB oder ESCO?

Die KldB bildet den deutschen Arbeitsmarkt besonders detailliert ab und eignet sich unter anderem für Markt- und Sozialforschung, Arbeitsmarktstatistik und HR-Prozesse in Deutschland.

ESCO ist auf die europaweite Vergleichbarkeit von Berufen ausgerichtet und eignet sich insbesondere für internationale Jobbörsen, Recruiting-Plattformen und mehrsprachige HR-Daten. Mein ESCO-Classifier verarbeitet aktuell deutsche und englische Berufsbezeichnungen.

Für rein deutsche Arbeitsmarktdaten ist derKldB-2010-Classifier oft die passendere Wahl.

Eigene Berufsbezeichnungen kostenlos prüfen lassen

Sie haben einen Datensatz mit Berufsbezeichnungen und möchten wissen, ob sich eine automatische ESCO-Klassifizierung für Sie lohnt?

In einem kostenlosen Erstgespräch betrachten wir den Anwendungsfall, die vorhandenen Daten und die gewünschte Bereitstellungsform.

Anhand einiger repräsentativer Beispiele kann ich zeigen, welche Ergebnisse der Classifier für Ihre Daten liefert und an welchen Stellen Modellvorschläge die fachliche Prüfung voraussichtlich unterstützen können.

Bei Bedarf kann die Lösung anschließend an Ihren konkreten Prozess angepasst und als Datei-Auswertung, API oder Webanwendung bereitgestellt werden.