Textuelle Analyse von Jobausschreibungen zur Bewertung der Kompetenzentwicklung in der industriellen Instandhaltung

Abstract

Der Arbeitsmarkt ist im stetigen Wandel. Im produzierenden Gewerbe wird seit 2011der Begriff Industrie 4.0 häufig als Schlagwort verwendet und steht für die Digitalisierung und Automatisierung von Produktionen. Diese Veränderung hat zur Folge, dass sich auch das Anforderungsprofil der Kompetenzen von Beschäftigten in diesen Betrieben verändert hat und weiter verändern wird.Das Ziel dieser Arbeit ist es, ein Konzept zu entwickeln und zu validieren, mit welchem ein nachfrageorientierter Kompetenzkatalog von Beschäftigten in der Instandhaltung im produzierenden Gewerbe erstellt werden kann. Mit der Erstellung von mehreren zeitlich getrennten Auswertungen sollen Veränderungen der nachgefragten Kompetenzen in der Instandhaltung abgeleitet werden können.Als Grundlage für diesen Kompetenzkatalog werden online verfügbare Stellenanzeigen als Datenbasis und der ESCO Standard als Basis für spezifische Kompetenzen verwendet. Die Auswertung erfolgt durch einen Abgleich der ESCO Kompetenzen mit jenen der Stellenanzeigen unter der Verwendung von Text Mining Methoden. Es werden dafür zwei verschiedene Ansätze verfolgt. Umgesetzte Ansätze sind die Auswertung der Anzahl von einzelnen Kompetenzen und die Auswertung eines Topic Modells. Der Ansatz bezüglich der Anzahl soll einen generellen Kompetenzkatalog für die Instandhaltung und zeitliche Trends erkennen lassen. Der Ansatz bezüglich des Topic Modells soll eine Zuordnung zu spezifischen Stellen ermöglichen.Die größte Herausforderung des Anzahlansatzes besteht darin, dass die Kompetenzen aus den online Stellenanzeigen automatisiert erkannt werden können,da die verwendeten Begriffe in den Stellenbeschreibungen zumeist nicht direkt mitdem ESCO Standard übereinstimmen. Aus diesem Grund ist eine nontologiebasierende Synonymerkennung umgesetzt.Mit dem Ansatz der Wortanzahl ist es möglich, einen Kompetenzkatalog zu erstellen und zeitliche Veränderungen zu beobachten, jedoch ist dies nur auf der gesamten Datenbasis möglich und lässt keine Auswertung von Kompetenzen zu spezifischeren Stellen (z.B. IT, elektrische mechanische Instandhaltung) zu. Die Evaluierung zeigt,dass 24% der manuell gefundenen Kompetenzen auch automatisiert gefunden werden. Durch eine Eingrenzung auf eine spezifische Stelle und einer manuell erstellten Erweiterungsliste anhand von Kompetenzen aus 15 Stellenanzeigen wird die Evaluierung auf 76% gehoben.Für die Zuordnung von Kompetenzen zu spezifischen Stellen wird der Ansatz des Topic Modelings verfolgt, jedoch werden keine interpretierbaren spezifischen Stellen mit dieser Methode erkannt.

The job market is in steady change. Since 2011 Industry 4.0 is one of the major keywords used in production industry and standing for digitalization and automatization of production. This change has ongoing influence on the requirement profile of various jobs.The objective of this thesis is to develop and validate a concept, which evaluates the demand-oriented competence portfolio of maintenance staff in a manufacturing environment. Furthermore, trends in the competence portfolio should be derivable.As bases for the competence portfolio and trends recognition online job advertisements are used as data base and the ESCO standard is used as base for specific competences. The evaluation process compares the included competences from the job advertisements to the ESCO standard with the use of text mining methods. Two different approaches are realized. One approach is based on the count of competences and the second approach is a topic model. With the count of competences approach a general competence portfolio for maintenance stuff and trends regarding the competence alterations should be found and with the topic modeling approach further clustering of competences to a specific job should be realized.The major obstacle for the count approach is that competences mentioned in the job advertisements need the be found automatically, but usually the wording of these competences differs from the wording used in the ESCO standard. For this reason,an ontology-based synonym recognition is realized.With the count approach it is possible to construct a competence portfolio and observe trends within the data, but this is only possible on the general level of the database and there is no possibility to evaluate the competences of specific levels of jobs (e.g. IT, electric, mechanical related maintenance jobs). Furthermore, the synonym recognition has several limitations. In the realization there is no possibility to recognize contextual synonyms and the ontology-based synonym recognition also has its limitations. The evaluation of the results shows, that 24% of the manually found competences are also found with the matching algorithm. Considering only a specific job and adding a manually developed extensional competence list based on competences from 15 job advertisements the evaluation results increased to 76%.The clustering of the competences to specific jobs with the topic modeling approach,with which clusters the corpus to different topics, did not deliver interpretable results and therefore no further clustering was possible.