Übersicht

OptoPred

Entwicklung einer Ausschreibungsplattform für IT-Projekten, die anhand eines KI-basierten Vorhersagemodells eine schnellere Vergabe zwischen Auftragnehmer und -geber ermöglicht.

Projektdetails

Ziel des Projektes ist es, auch bei komplexen Ausschreibungen automatisch einen bestmöglichen Match zwischen Projekt und Auftragnehmer zu erreichen. Dabei müssen zahlreiche Eigenschaften der beteiligten Parteien, z.B. fachliche Expertise und Arbeitsort, sowie der Ausschreibung, z.B. geforderte Kompetenzen, erfasst und im System als sogenannte Features abgebildet werden. Im Projekt werden diese Features identifiziert und mit Hilfe geeigneter Verfahren wie Word-Vektorisierung oder Natural Language Processing so verarbeitet, dass sie anschließend in maschinellen Lernverfahren eingesetzt werden können. Ziel ist eine möglichst hohe Vorhersagequalität. Dazu werden sowohl ein sogenannter Shallow Learning Classifier trainiert als auch ein Neuronales Netz (Deep Learning), deren Performanz anschließend miteinander verglichen wird.

Über die Plattform lyncronize.com können Auftraggeber Digitalisierungsbedarfe ausschreiben, bspw. Projekte zum Rollout einer neuen Softwarelösung im Unternehmen, IT-Projektmanagementaufgaben oder klassische Softwareentwicklungen. Anschließend erhalten sie Vorschläge für passende Umsetzungspartner, bspw. mittelständische Unternehmen oder Freiberufler. Eine erfolgreiche Vermittlung von Projekten hängt wesentlich davon ab, aus einem Pool tausender möglicher Partner die richtigen vorzuschlagen. Dabei spielen insbesondere Fragen der fachlichen Eignung und der Authentizität von Profilen eine große Rolle. Die geschilderten Algorithmen sollen dabei helfen, die richtigen Partner zusammenzubringen, und dabei bspw. lernen, welche Kriterien und Qualitätsmerkmale für eine erfolgreiche Vermittlung besonders wichtig sind.

Lyncronize wurde 2014 als smarTransfer GmbH gegründet und versteht sich als Technologieanbieter im Bereich Data Science und People Data. Mit der gleichnamigen Plattform (www.lyncronize.com) bietet Lyncronize ein Portal zur Besetzung von Digitalisierungsbedarfen durch KMU und Freelancer, das sich durch einen hohen Grad an Automatisierung, Transparenz und Datenschutz auszeichnet. Das Fachgebiet Wirtschaftsinformatik an der Universität Kassel (Prof. Dr. Jan Marco Leimeister) zeichnet sich u.a. aus durch Anwendungsnähe, Gestaltungsorientierung und Integration ökonomischer, technischer und sozialer Aspekte aus. Der Lehrstuhl forscht intensiv über Gestaltung, Einführung und Management von IT-gestützten Organisationsformen und Innovationen.

Showroom

Ziel des Projekts war ein besseres Matching zwischen Projekten und Auftragnehmenden im Tech-Bereich. Das Vorgehen umfasste folgende Schritte:
• Entwicklung von Taxonomien zu Matching- und Qualitätsindikatoren
• Erschließung von Datenquellen und Überführen in Datenmodelle
• Implementierung und Vergleich zweier prototypischer Vorhersagemodelle aus den Bereichen Deep- und Shallow Learning
• Evaluation der Ansätze auf Basis eines zu entwickelnden Frameworks
• Integration des Vorhersagemodells in einen Matching-Algorithmus
Letztlich wurden ein Shallow Learning Classifier in Form eines Random Forest sowie ein Deep Learning Classifier mittels Convolutional Neural Network entwickelt.
Dabei erzielte der Random Forest Classifier eine höhere Accuracy (74,84%) als der Deep Learning Ansatz (72.16%). Diese konnte zudem durch Verfeinerungen der Features noch auf über 82% gesteigert werden.
Eine der wichtigsten Entdeckungen im Rahmen von OptoPred sind aus unserer Sicht die „Skillcluster”. Darunter verstehen wir Skills, die häufig in Kombination miteinander verwendet werden und
deswegen zusammenhängend betrachtet werden. Wir nutzen dieses Wissen, um weitere Skills von Nutzenden zu inferieren, die diese zwar nicht in ihrem Profil angegeben haben, über die sie aber mit
hoher Wahrscheinlichkeit verfügen. Dadurch erhalten sie mehr Ergebnisse und verbessern ihre Chancen auf dem Jobmarkt.

Weitere Informationen