Legales Scraping von Plattformen für Arbeitgeberbewertungen
Aufzeichnung des Calls …
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
Zusammenfassung des Trainingscalls: Automatisierte Talent Insights mit einem Custom GPT
In diesem Trainingscall stellt Elena ein spannendes Tool vor: einen speziell angepassten Custom GPT, der Unternehmen dabei unterstützt, sich auf Kundengespräche vorzubereiten – vor allem im Bereich Talent und Leadership Development. Das Tool ist vielseitig einsetzbar und zeigt eindrucksvoll, wie KI den Arbeitsalltag von Consultants, Solopreneuren, HR-Teams und Coaches erleichtern kann.
- Ziel des Tools:
Das Hauptziel des Custom GPT besteht darin, Kundengespräche effizienter und informativer zu gestalten, indem es öffentliche Daten analysiert und auswertet. Das Tool bietet datenbasierte Insights und Empfehlungen, die in Gesprächen direkt Mehrwert schaffen.
- Funktionsweise des Custom GPT:
- Analyse von Geschäftsberichten: Der Bot liest Jahres- oder Geschäftsberichte ein und generiert eine Analyse, die auf talentbezogene Vorteile, Herausforderungen und Strategien eingeht.
- Zusammenfassung von externen Meinungen: Plattformen wie Glassdoor oder Kununu könnten integriert werden, um Meinungen von (ehemaligen) Mitarbeitenden zu analysieren und zu bewerten.
- Erweiterung der Datenquellen: Neben den eigenen Berichten könnten auch Wettbewerbsdaten oder aktuelle Nachrichten einbezogen werden, um ein umfassenderes Bild zu erhalten.
- Praktische Anwendungsfälle:
Elena erklärt, dass der Bot vielseitig einsetzbar ist – sowohl extern als auch intern:
- Extern: Unterstützung bei der Vorbereitung auf Kundengespräche durch detaillierte Unternehmens-Insights.
- Intern: Einsatz im Recruiting oder für Employer Branding, um fundierte Entscheidungen zu treffen oder neue Strategien zu entwickeln.
- Herausforderungen und nächste Schritte:
- Qualität der Daten: Besonders Plattformen wie Glassdoor oder Kununu bieten teilweise qualitativ durchwachsene Inhalte. Zudem befinden sich viele relevante Daten hinter einer Paywall oder erfordern einen Login.
- Technische Umsetzung: Elena bringt die Frage auf, wie man solche Daten effizient integrieren kann, ohne dabei großen manuellen Aufwand zu erzeugen.
- Weiterarbeit im Breakout Room:
Die Gruppe widmet sich anschließend in einem Breakout Room der Herausforderung, wie solche externen Daten am besten genutzt und integriert werden können. Dabei geht es darum, von manuellen Ansätzen zu smarteren KI-Lösungen zu gelangen.
Takeaways:
Elena demonstriert eindrucksvoll, wie Custom GPTs den Arbeitsalltag im Talent- und Leadership-Bereich verändern können. Die Automatisierung von Talent Insights spart nicht nur Zeit, sondern ermöglicht tiefere, datenbasierte Analysen. Der Call inspiriert dazu, die Möglichkeiten von KI weiter zu erkunden und innovative Lösungen zu entwickeln.
Aufzeichnung des Calls …
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
In diesem Trainingscall ging es um die Erweiterung eines bestehenden Custom GPT, der Talent Insights generiert. Ziel war es, zusätzliche Daten aus Plattformen wie Glassdoor und Kununu auf legale Weise zu integrieren. Im Fokus standen praktikable Lösungsansätze, die Aufwand und Nutzen in ein sinnvolles Verhältnis setzen. Nachfolgend die wichtigsten Inhalte:
Herausforderung: Datenintegration
- Zielsetzung: Nutzung zusätzlicher Datenquellen für den GPT, ohne dabei gegen rechtliche oder ethische Standards zu verstoßen. Es sollte sichergestellt werden, dass nur frei zugängliche oder über Paywalls regulär bezahlte Daten verwendet werden.
- Problemstellung: Wie können diese Daten effizient gesammelt und integriert werden, ohne unverhältnismäßigen Aufwand oder Kosten zu verursachen?
Erarbeitete Lösungen und Ansätze
- Ideenfindung mit KI
- Die Gruppe begann mit einer direkten Anfrage an ChatGPT: „Wie könnte man Daten aus Plattformen wie Kununu und Glassdoor nutzen?“
- Es wurden technische Vorschläge wie Python-Skripte, API-Anbindungen und Web Scraping generiert.
- Erste Erkenntnis: Viele dieser Ansätze sind zu komplex, zeitintensiv oder nicht wirtschaftlich.
- Web Scraping mit Octoparse
- Tool-Vorstellung: Octoparse, ein Web-Scraping-Tool, wurde getestet. Dieses Tool ermöglicht den Zugriff auf frei zugängliche Daten sowie Daten hinter Paywalls (bei Eingabe von Login-Daten).
- Ergebnis:
- Die Nutzung des Tools wurde durch ChatGPT Schritt für Schritt erklärt.
- Erste Testläufe waren jedoch nicht zielführend, da die freie Version des Tools limitiert ist und die kostenpflichtige Version (ca. 1000 € jährlich) den Nutzen nicht rechtfertigt.
- Fazit: Der Ansatz war interessant, aber aufgrund von Kosten und Aufwand nicht praktikabel.
- Alternative Ansätze: „Bordmittel“ nutzen
- Praktischer Test: Manuell wurden Unternehmensprofile auf Kununu über Tools wie Fireshot (Screenshot-Erweiterung) gespeichert und anschließend mit ChatGPT analysiert.
- Feedback: Thorsten schlug vor, mit dem Tool Claude zu arbeiten, da es PDF-Dateien besser auswerten kann – ein offenes To-Do.
- Kombination von Datenquellen:
- Annual Reports (Jahresberichte),
- Manuell gesammelte Daten aus Plattformen wie Kununu und Glassdoor,
- Recherche-Ergebnisse von Tools wie Perplexity,
wurden als praktikable Lösung für die Erweiterung des Custom GPT definiert.
- Notebook LM als Potenzial
- Eine weitere Idee war der Einsatz von Notebook LM, um Daten flexibler zu strukturieren und sie z. B. unterwegs als Audiozusammenfassungen zur Vorbereitung auf Kundentermine verfügbar zu machen.
Lernpunkte und Schlüsselbotschaften
- Keep it simple: Oft reichen einfache und vorhandene Werkzeuge („Bordmittel“), um eine Aufgabe zu erfüllen, ohne in hochkomplexe technische Lösungen zu investieren.
- Effizienz vor Perfektion: Der Nutzen muss im Verhältnis zum Aufwand stehen.
- Experimentieren zahlt sich aus: Durch Tests wie den Einsatz von Octoparse konnten klare Entscheidungen getroffen werden, was funktioniert und was nicht.
- KI als Helfer: Die KI selbst ist eine wertvolle Ressource, um pragmatische Lösungsansätze zu finden.
Durchbruch und Ergebnis
Der entscheidende Aha-Moment war die Erkenntnis, dass einfache, bewährte Methoden wie manuelles Datensammeln und die Kombination von Datenquellen völlig ausreichen, um die gewünschten Talent Insights zu generieren. Ein hoher technischer Aufwand wurde durch die Rückkehr zu grundlegenden Tools vermieden.
Fazit für den weiteren Verlauf
- Der Custom GPT kann durch die definierten Datenquellen sinnvoll erweitert werden.
- Zukünftige Schritte könnten den Einsatz von Tools wie Claude oder Notebook LM umfassen.
- Der erarbeitete Ansatz steht in Einklang mit den 21 Prinzipien der Gruppe: Einfachheit, Effizienz und Klarheit.
Schlüsselsatz des Calls:
„Keep it simple und frage die KI – einfache Lösungen sind oft die besten.“
Dieser Trainingscall liefert wertvolle Einblicke, wie pragmatische Herangehensweisen mit gezieltem Einsatz von KI-Lösungen zu effizienten Ergebnissen führen können. Ein Muss für alle, die ihre Custom GPTs erweitern möchten.