Blackstraw unterstützt mit Azure AMN Healthcare bei der erfolgreichen Besetzung offener Stellen

15, Juli 2024

Rekruiter*innen im Gesundheitswesen sehen sich einer ständigen und dringenden Herausforderung gegenüber: der Bewertung der Qualifikationen von Bewerber*innen und ihre schnelle und präzise Zuordnung zu offenen Stellen. Für spezialisierte Positionen wie Reisepflegekräfte und -ärzt*innen, die schnell besetzt werden müssen, um der Dringlichkeit und Nachfrage in diesem Bereich gerecht zu werden, ist die Bewältigung dieser Herausforderung von größter Bedeutung. Dies ist jedoch genau die Art von Herausforderung, die das Daten- und KI-Beratungsunternehmen Blackstraw lösen kann.

Als Microsoft-Partner mit einem Team von mehr als 300 erfahrenen Datenwissenschaftler*innen und Ingenieur*innen unterstützt Blackstraw Unternehmen bei der Modernisierung von Infrastruktur und Abläufen im Datenbereich mit Azure-basierten Lösungen. Darüber hinaus kann das Unternehmen die Daten für die Entwicklung und Bereitstellung von KI-Lösungen verwenden, die auf die geschäftlichen Anforderungen seiner Kunden zugeschnitten sind.

„Wir bieten Leistungen in beiden Bereichen an: KI und Data Engineering. Daher können wir unseren Kunden die Erfassung, Verarbeitung und Speicherung der benötigten Daten anbieten“, so Atul Arya, Gründer und CEO von Blackstraw. „Wie können Sie diese Daten aber nutzen, nachdem sie verarbeitet und gespeichert wurden? Wie können Sie mit diesen Daten geschäftliche Probleme lösen? Hier setzen wir KI ein.“

Ein automatisiertes, präzises Zuordnungssystem

Angesichts der Erfahrung von Blackstraw als Lösungspartner für Daten und KI (Azure), Digital- und App-Innovationen (Azure) und Infrastruktur (Azure) wandte sich AMN Healthcare an den Microsoft-Partner, um eine KI-basierte Lösung zu erhalten. Diese Lösung sollte die operativen Abläufe optimieren, die Rekruiter*innen entlasten und Sicherheitsmaßnahmen implementieren, um Voreingenommenheiten im Einstellungsprozess zu reduzieren.

Zunächst bewertete Blackstraw zusammen mit AMN Healthcare die aktuelle Datenarchitektur. Anschließend verwendete der Microsoft-Partner Azure Machine Learning Studio für die Entwicklung eines automatisierten Zuordnungssystems, das die vorhandenen Datenquellen nutzen kann, darunter einen lokalen SQL Server und Azure CosmosDB. Mit einem Portal und einer mobilen Anwendung, die sowohl von Bewerber*innen als auch von Rekruiter*innen verwendet werden können, besteht das System aus den folgenden vier Kernkomponenten:

• Eine erweiterte Multi-Modell-Zuordnungs-Engine, die Klassifizierungs- und Regressionsalgorithmen verwendet, um Faktoren wie die Qualifikationen von Bewerber*innen, die Wahrscheinlichkeit für den Abschluss einer Aufgabe und die Relevanz des Auftrags im Kontext des bisherigen beruflichen Werdegangs zu berücksichtigen.
• Eine Multi-Phasen-Machine-Learning-Pipeline für die Vorhersage kritischer Ergebnisse wie erfolgreicher Überprüfungen von Qualifikationen und erfolgreicher Vorstellungsgespräche. Nach der Zuweisung spezifischer Gewichtungen zu den einzelnen Wahrscheinlichkeitswerten erzeugt der Prozess eine umfassende Zuordnungsbewertung mit nuancierter und präziser Priorisierung.
• Sourcing-Tools zur Reduzierung von Voreingenommenheiten mittels Natural Language Processing und Machine Learning, um Lebensläufe und Anschreiben ohne Berücksichtigung von Schlüsselwörtern oder Begriffen zu analysieren, die sich auf demografische Merkmale beziehen. Die Tools können Bewerber*innen auch auf der Grundlage objektiver Kriterien (z. B. Kompetenzen, Erfahrung und Ausbildung) statt auf der Grundlage subjektiver Faktoren (z. B. Name, Geschlecht und ethnische Zugehörigkeit) überprüfen. 
• Ein Dashboard für die Erklärung der Zuordnungen mit einer umfassenden Analyse der Faktoren, die den Entscheidungen des Modells zugrundeliegen, um sowohl die Transparenz als auch das Vertrauen zu fördern.

Die Anwendung kann automatisch alle Änderungen an Aufträgen in Echtzeit erfassen und verarbeiten sowie Informationen aus Lebensläufen extrahieren, um sie mit Stellenbeschreibungen abzugleichen. „Stellen Sie es sich als eine Art Dating-App vor: Wie hoch ist die Wahrscheinlichkeit einer Übereinstimmung? Es ist zwar ein anderer Kontext, aber das gleiche Konzept. Wir möchten die Wahrscheinlichkeit einer Übereinstimmung mit der ausgeschriebenen Stelle verbessern“, so Arya.

Da die Steigerung von Genauigkeit und Präzision die Voraussetzung für die Verbesserung dieser Wahrscheinlichkeit ist, trainiert Blackstraw die Modelle regelmäßig neu und unterzieht sie strengen Wartungsmaßnahmen. „Wir erkennen nicht nur Änderungen über die Zeit, sondern verhindern durch die Verwendung von Azure Machine Learning Studio auch Genauigkeitsverluste“, so Arya.

Blackstraw hat mehr als 100 erfolgreiche Azure-Implementierungen durchgeführt. Wenn es jedoch um KI geht, bleibt das Unternehmen dank seiner pragmatischen Sichtweise auf dem Boden. „Wir konzentrieren uns nicht nur auf das, was möglich ist, sondern auch auf das, was nicht möglich ist, und wir sind hier sehr ehrlich“, so Arya. „Es gibt eine sehr kritische Frage, die beantwortet werden muss: Wie gehen Sie mit den Ungenauigkeiten der KI um? Das ist eine Frage, die nicht häufig genug gestellt oder beantwortet wird. Wir verstehen sie jedoch und stellen sicher, dass wir sie beantworten.“

Zuordnungen in wenigen Minuten

Nach der Einführung des KI-basierten automatisierten Zuordnungssystems durch AMN Healthcare konnten nach der Eingabe neuer Aufträge in das System manchmal schon innerhalb einer Minute passende Bewerber*innen gefunden werden. Insgesamt sank die durchschnittliche Verarbeitungszeit dank Azure Kubernetes Service und Kubernetes Event Driven Architecture auf unter sechs Minuten. Dies stellt eine deutliche Verbesserung im Vergleich zu der Zeit dar, in der Rekruiter*innen die Lebensläufe analysierten.

Über die Verbesserung des Zuordnungsprozesses hinaus kann AMN Healthcare mit der Lösung von Blackstraw datenbasierte Entscheidungen treffen und den gesamten Prozess für die Besetzung offener Stellen optimieren. „Die Lösung bietet wertvolle Einblicke in das voraussichtliche Auftragsvolumen und in die Abrechnungssätze für unterschiedliche Fachgebiete und Spezialisierungen in den kommenden Monaten. Dies ermöglicht eine fundierte Entscheidungsfindung und eine strategische Planung“, so Hagan. „Aufgrund der Transparenz hinsichtlich zukünftiger Anforderungen im Personalbereich verbessert [die Lösung] das Management der Besetzung offener Stellen im Gesundheitswesen, was zu effizienteren und effektiveren Prozessen führt. Pflegekräfte und Ärzt*innen gelangen daher schneller dorthin, wo sie benötigt werden, um Patient*innen zu versorgen.“

Blackstraw und AMN Healthcare planen die Fortsetzung ihrer Zusammenarbeit, um die Lösung weiter zu optimieren, damit sie die Anforderungen des Unternehmens auch in der Zukunft erfüllen kann. „Als großes Unternehmen setzt AMN Healthcare zahlreiche verschiedene Anwendungen ein, mit denen dieses Modell zusammenarbeitet oder mit denen es verbunden ist“, so Arya. „Es ist unsere langfristige Strategie, sicherzustellen, dass sie in alle Anwendungen des Unternehmens integriert werden kann.“

Auf der Grundlage seiner umfangreichen Erfahrung und seines umfassenden Azure-Wissens hat Blackstraw eine Lösung entwickelt, die für Personaldienstleister und Rekruiter*innen sowie für die Mitarbeiter*innen im Gesundheitswesen relevant ist. Am wichtigsten sind jedoch ihre Vorteile für die Patient*innen, da sie zu einer qualitativ hochwertigen Versorgung beiträgt.