KI-Glossar für Logistik und HR: Automatisierung in der Schweiz

Dokumentenextraktions-Pipeline

Die Dokumentenextraktions-Pipeline ist das technische Fundament für die Automatisierung unstrukturierter Daten. Sie verarbeitet Eingaben wie PDF-Lebensläufe oder Arbeitszeugnisse und wandelt diese in maschinenlesbare JSON-Strukturen um. Der Prozess umfasst optische Zeichenerkennung (OCR), Layout-Analyse zur Identifikation von Abschnitten und semantische Zuordnung von Feldern. Im Kontext des Candidate Screenings extrahiert die Pipeline Schlüsselinformationen wie Berufserfahrung, Qualifikationen und Kontaktdaten. Forfis implementiert diese Pipeline als modulare Komponente, die über eine Custom REST API angesprochen werden kann. Dies ermöglicht die nahtlose Anbindung an bestehende HR-Systeme, ohne dass die Infrastruktur des Kunden verändert werden muss. Die Genauigkeit der Extraktion ist entscheidend, da fehlerhafte Daten die nachgelagerte KI-Klassifikation beeinträchtigen würden. Durch iterative Optimierung der Extraktionsregeln wird eine Zuverlässigkeit von über 95 % angestrebt, bevor die Daten an das LLM übergeben werden.

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG) ist eine Methode, die die Genauigkeit von Large Language Models durch den Zugriff auf externe, aktuelle Datenquellen erhöht. Statt auf dem trainierten Wissen des Modells zu basieren, durchsucht das System zunächst eine Vektordatenbank mit relevanten Dokumenten. Diese Dokumente werden als Kontext an das LLM übergeben, das daraufhin eine Antwort oder Klassifikation generiert. Bei Forfis wird RAG eingesetzt, um Kandidatenprofile gegen interne Stellenbeschreibungen und Compliance-Richtlinien abzugleichen. Dies stellt sicher, dass die KI-Empfehlungen auf den spezifischen Anforderungen des Unternehmens basieren und nicht auf allgemeinen Mustern. Die Vektordatenbank wird regelmäßig mit neuen Dokumenten aktualisiert, um die Relevanz der Ergebnisse zu gewährleisten. RAG reduziert zudem das Risiko von Halluzinationen, da das Modell auf konkrete, verifizierte Quellen zurückgreift. Diese Technik ist besonders wertvoll in regulierten Branchen, wo Nachvollziehbarkeit und Präzision oberste Priorität haben.

DSGVO (Datenschutz-Grundverordnung)

Die DSGVO (Datenschutz-Grundverordnung) ist die zentrale Datenschutzvorschrift der EU, die auch in der Schweiz durch das revidierte Datenschutzgesetz (revDSG) und bilaterale Abkommen relevant ist. Sie regelt die Verarbeitung personenbezogener Daten und verlangt unter anderem die Einhaltung der Prinzipien der Zweckbindung, Datenminimierung und Speicherbegrenzung. Im Kontext der KI-Automatisierung bedeutet dies, dass nur die für den jeweiligen Zweck notwendigen Daten verarbeitet werden dürfen. Forfis implementiert diese Vorgaben durch technische Maßnahmen wie Pseudonymisierung, Verschlüsselung und strikte Zugriffskontrollen. Bei der Verarbeitung von Kandidatendaten wird sichergestellt, dass sensible Informationen nicht in ungeschützten Cloud-Diensten verarbeitet werden, wenn dies vermeidbar ist. Die Dokumentation der Datenflüsse und die Einholung der erforderlichen Einwilligungen sind Teil des Compliance-Frameworks. Durch diese Maßnahmen wird ein datenschutzkonformer Betrieb gewährleistet, der auch bei Audits standhält.

OpenAI API

Die OpenAI API ist ein kommerzieller Zugang zu Large Language Models (LLMs) wie GPT-4o, die über HTTPS-Anfragen abgerufen werden können. Sie bietet hohe Leistungsfähigkeit bei der Textanalyse, Klassifikation und Generierung. Forfis nutzt die OpenAI API für die semantische Bewertung von Lebensläufen und die Generierung von Screening-Empfehlungen. Die API wird über eine sichere Verbindung mit API-Keys authentifiziert, und die Datenübertragung erfolgt verschlüsselt. Da die Verarbeitung in der Cloud stattfindet, ist es entscheidend, dass nur nicht-sensible Daten oder pseudonymisierte Informationen an die API übergeben werden. Forfis implementiert eine Vorverarbeitungsstufe, die sicherstellt, dass personenbezogene Daten vor der Übertragung an OpenAI entfernt oder anonymisiert werden. Dies ermöglicht die Nutzung der fortschrittlichen NLP-Fähigkeiten von OpenAI, während gleichzeitig die datenschutzrechtlichen Anforderungen erfüllt werden. Die Kosten für die API-Nutzung werden durch die Reduktion manueller Arbeitsschritte schnell amortisiert.

Webhook

Ein Webhook ist ein ereignisgesteuerter HTTP-Callback, der eine Aktion in einem System triggert, wenn ein bestimmtes Ereignis in einem anderen System eintritt. Wenn beispielsweise ein neuer Kandidat in einem Applicant Tracking System (ATS) registriert wird, sendet das ATS eine POST-Anfrage an eine definierte URL. Diese Anfrage enthält die relevanten Daten des Kandidaten. Forfis nutzt Webhooks, um die Automatisierungspipeline in Echtzeit zu starten, ohne dass manuelle Abfragen (Polling) nötig sind. Dies reduziert die Latenz und entlastet die Server-Ressourcen. Die Webhook-Endpunkte sind mit Signaturen signiert, um die Authentizität der Anfragen zu gewährleisten. Bei der Verarbeitung der Webhook-Daten wird zunächst die Validierung der Datenstruktur durchgeführt, bevor die Extraktions- und Klassifikationsprozesse angestoßen werden. Diese ereignisgesteuerte Architektur ermöglicht eine skalierbare und reaktive Automatisierung, die sich nahtlos in bestehende Workflows integrieren lässt.

Custom REST API

Eine Custom REST API ist eine individuelle Schnittstelle, die auf HTTP-Methoden (GET, POST, PUT, DELETE) basiert und strukturierte Daten im JSON- oder XML-Format austauscht. Sie ermöglicht die Kommunikation zwischen verschiedenen Systemen über das Internet oder ein internes Netzwerk. Forfis entwickelt Custom REST APIs, um Daten aus ERP-, HR- oder CRM-Systemen sicher und formatiert in die AI-Pipeline zu übergeben. Diese APIs sind so gestaltet, dass sie die spezifischen Anforderungen des Kunden erfüllen, einschließlich Authentifizierung, Rate-Limiting und Fehlerbehandlung. Durch die Nutzung von REST-APIs wird sichergestellt, dass die Automatisierung unabhängig von proprietären Plattformen bleibt und leicht an neue Anforderungen angepasst werden kann. Die Dokumentation der APIs erfolgt in Form von OpenAPI-Spezifikationen, die eine klare Übersicht über Endpunkte, Parameter und Antwortformate bieten. Dies erleichtert die Integration und Wartung durch das technische Team des Kunden.

Human-in-the-Loop (HITL)

Human-in-the-Loop (HITL) ist ein Designprinzip, bei dem Menschen in den Entscheidungsprozess einer KI-System eingebunden bleiben. Das KI-Modell erstellt einen Entwurf, eine Klassifikation oder eine Empfehlung, die ein Mensch prüfen und freigeben muss, bevor die Aktion ausgeführt wird. Bei Forfis ist HITL der Standard für alle Prozesse, die Geld, Gesundheitsdaten oder Verträge betreffen. Im Candidate Screening bedeutet dies, dass die KI die erste Filterung vornimmt, aber die endgültige Entscheidung über die Einladung zu einem Interview durch einen HR-Mitarbeiter getroffen wird. Dieses Prinzip minimiert Haftungsrisiken und stellt sicher, dass ethische und rechtliche Aspekte berücksichtigt werden. Die HITL-Schritte werden in der Workflow-Orchestrierung klar definiert und protokolliert. Durch die Kombination von KI-Effizienz und menschlicher Kontrolle wird ein ausgewogenes Verhältnis zwischen Automatisierung und Verantwortung geschaffen.