Im Rahmen des Kolloquiums Digital Humanities – Aktuelle Forschungsprojekte der Universität zu Köln hielt Johanna Binnewitt ihren Vortrag zum Thema Computerlinguistik in der Berufsbildungsforschung. Sie stand dafür beim eigentlichen Treffen am 15.07.2021 den neugierigen Fragen der ZuhörerInnen zur Verfügung, der Vortrag stand und steht für Interessierte als Video zur Verfügung. Johanna Binnewitt absolvierte zunächst Ihren Master in Informationsverarbeitung an der Universität zu Köln und ist nun als wissenschaftliche Mitarbeiterin am Bundesinstitut für Berufsbildungsforschung in Bonn (BIBB) und promoviert am Institut für Digital Humanities (IDH) in Köln.

Das Bundesinstitut für Berufsbildung ist ansässig in Bonn und befasst sich mit der Ordnung und der Erforschung der beruflichen Aus- und Weiterbildung. Relevante Forschungsthemen umfassen Projekte zur Gestaltung der Ausbildungsordnungen, aber auch die Erfassung des Kompetenzbedarfs am Arbeitsmarkt. In ihrer Arbeit vereint Johanna Binnewitt moderne Methoden aus der Computerlinguistik mit quantitativen und qualitativen Datenerhebungen und Fragestellungen aus den Computational Social Sciences. Dafür bedarf es im  Projekt der Zusammenarbeit mit Betrieben, Auszubildenden und Erwerbstätigen, aber auch dem IDH in Köln. In dem vorgestellten Teilprojekt geht es spezifisch um die Analyse und Aufbereitung von Stellenanzeigen, anhand eines Stellenanzeigen-Korpus. Durch die Kooperation mit dem IDH kann das Forschungsprojekt mit computerlinguistischer Expertise unterstützt werden, unter anderem auch durch die Vergabe von Abschlussarbeiten.

Welche Informationen enthalten Stellenanzeigen und wie kann man diese für die Forschung nutzen?

Woraus besteht eigentlich eine Stellenanzeige? Anhand eines Beispiels illustriert Binnewitt die einzelnen Bestandteile: Eine Einleitung, die Tätigkeitsbeschreibung und Anforderungen und zum Abschluss die Vorteile, die sich für den potenzielle Arbeitnehmer bieten. Die dargelegten Informationen sind zunächst für den/die Bewerber*in interessant und relevant, allerdings können sie ebenfalls für die Berufsbildungsforschung extrahiert und genutzt werden. 

Binnewitt stellt fest, dass die Stellenanzeigen die freien Stellen am Arbeitsmarkt repräsentieren, aber auch welche Kompetenzen und Anforderungen sowohl an Arbeitnehmer*innen als auch an Arbeitgeber*innen gerichtet werden. Problematisch ist dabei, inwiefern die Anzeigen den tatsächlichen Stand und die Anforderungen am Arbeitsmarkt darstellen. Kann hiermit wirklich eine umfassende Übersicht über den Arbeitsmarkt geschaffen werden und entsprechen die genannten Anforderungen dem eigentlich gesuchten Profil? Gleichermaßen bietet die Datengrundlage eine leicht erreichbare und bereits vorhandene Quelle für die Forschung. Auch das digitale Format erleichtert die Weiterverarbeitung.

Wie setzt sich das Korpus zusammen?

Das Korpus setzt sich aus zwei verschiedenen Quellen zusammen: aus Stellenanzeigen der Bundesagentur für Arbeit und gescrapten Online-Stellenanzeigen. Zum 15.10 jeden Jahres seit 2011 werden die Stellenanzeigen der Bundesagentur für Arbeit für das Projekt zur Verfügung gestellt. Das beinhaltet die Inserate, die zu diesem Zeitpunkt veröffentlicht werden, da die Inserate nach der erfolgreichen Vermittlung gelöscht werden. Über diese Quelle konnten bereits ca. 7 Mio. Stellenanzeigen inklusive der Metadaten zu Betriebsgröße, Beruf und Vertragsart gesammelt werden. Auf diese Weise ist das wachsende Korpus einzigartig.

Die zweite Quelle ist das Web-Scraping von Stellenanzeigen-Portalen mithilfe von Textkernel. Das Web-Scraping liefert seit 2015 monatlich den aktuellen Stand zurück und konnte auf diesem Weg bisher ca. 40 Mio. Stellenanzeigen inklusive Metadaten zu Beruf, Branche und Vertragsart liefern. Da das Scraping monatlich durchgeführt wird, ist es mit einer hohen Anzahl an Dubletten verbunden.

Musterbasierte Extraktion von Kompetenzen

Binnewitt stellt in ihrem Vortrag verschiedene Projekte der Forschungsarbeit vor, darunter auch das älteste Projekt zur Kompetenzextraktion mittels Machine Learning. Um relevante Kompetenzen aus den Stelleninseraten zu finden und zu klassifizieren, verfolgt man den Ansatz die Stellenanzeigen mit Machine Learning in Abschnitte zu unterteilen. Die klassifizierten Abschnitte, wie beispielhaft in Abbildung 1 abgebildet, werden mit lemmatisierten Tokens und POS Tags auf linguistische Muster untersucht. Ein Beispiel ist die Erkennung von Kompetenzen als Nomen, welches auf das Token “Kenntnis” folgt. Das Ziel ist die Identifikation neuer Kompetenzbegriffe beispielsweise in Bezug auf neue Entwicklungen, die in der aktuellen Ausbildungsordnung eines Berufs noch nicht aufgeführt werden. 

Die Muster, die bei der Kompetenzerkennung gebildet und erkannt wurden, wurden nun zuletzt im Rahmen einer Abschlussarbeit evaluiert und auf Wirksamkeit untersucht. Zukünftig soll die Extraktion mit semantischem Wissen verknüpft werden. Die Textstellen sollen über Entity Linking mit einer Kompetenztaxonomie wie der ESCO (European Skills, Competences, Qualifications und Occupations) verknüpft werden. Die ESCO ist eine Klassifikation über „Fähigkeiten, Kompetenzen, Qualifikationen und Berufe“ der europäischen Kommission und ist somit europäisch und multilingual (Quelle). Die ESCO erstellt eine hierarchische Anordnung von Kompetenzen, wie auch in Abbildung 2 graphisch dargestellt, um durch die strukturierte Darstellung komplexere Analysen zu vereinfachen. 

Ökologische Nachhaltigkeit als Attraktivitätsdimension in der Berufsbildung

Ein weiteres Teilprojekt innerhalb der Qualifikationsforschung am BIBB untersucht die “Ökologische Nachhaltigkeit als Attraktivitätsdimension in der Berufsbildung”. Die Hintergrundüberlegungen für die Wahl dieses Forschungsthemas werden in einem Abstract beschrieben. Grundlegend kann festgehalten werden, dass Jugendliche heute sehr an den Themen Nachhaltigkeit und Umweltschutz interessiert sind. In der gezeigten Präsentation wird anhand zweier Stellenangebote für Azubis als Anlagenmechaniker*in gezeigt, wie Betriebe versuchen, sich von der Konkurrenz abzuheben. So können auch passende Bewerber*innen, die grundlegend an Nachhaltigkeit und Umweltschutz interessiert sind, aber nicht alle Jobmöglichkeiten in dieser Richtung kennen, auf einem umkämpften Markt direkt angesprochen werden. Direkt sichtbar wird an den gezeigten Stellenanzeigen auch, dass der potentielle Arbeitsalltag in einem als nachhaltig beworbenen Unternehmen um einiges abwechslungsreicher wirkt.

Aufbau eines Katalogs mit Schlagwörtern zum Thema Nachhaltigkeit

Die zur Profilierung verwendeten Signalwörter wurden in einem Korpus mit über einer Millionen Azubi-Stellenanzeigen aus den Jahren 2011 bis 2019 identifiziert. Die Anzeigen werden dazu geparst, ihre Wörter auf die jeweiligen Stammformen reduziert und per String-Matching mit einer Liste an Schlagwort-Stammformen mit Bezug zu ökologischer Nachhaltigkeit abgeglichen. Diese Begriffsliste des Umweltbundesamtes wurde mithilfe von GermaNet (lexikalisch-semantisches Wortnetz) und Daten aus einem deutschen Word2Vec-Modell um synonyme, ähnliche bzw. sinnverwandte Ausdrücke erweitert. Die verwendeten Word Embeddings wurden auf einem Korpus aus Nachrichten- und Wikipediaartikeln trainiert. Aus den damit gewonnenen Vektoren wurden zu jedem gesuchten Begriff die fünf nächsten Nachbarn mit einer Kosinus-Ähnlichkeit von mindestens 0,6 extrahiert.

Dabei wurden in beiden Ressourcen die vorhandenen Schlagwörter als Suchbegriffe verwendet und die gefundenen Bezugswörter bzw. nächste Nachbarn (nach erneuter Validierung ihrer Zweckmäßigkeit) der Begriffssammlung zum Thema Nachhaltigkeit hinzugefügt. So konnte die vorhandene Schlagwortliste sinnvoll erweitert und der Gefahr einer zu großen Starrheit durch den gewählten String-Matching-Ansatz entgegengewirkt werden. Als Ergebnis konnte die Länge der Schlagwortliste verdoppelt werden und mit dieser neuen Liste auch messbar mehr Stellenanzeigen als nachhaltig klassifiziert werden. 

Um die gefundenen Anzeigen weiter in verschiedene “Nachhaltigkeitsklassen” kategorisieren zu können, wurden alle Begriffe von drei unabhängigen Personen jeweils mit einem geringen, mittleren oder hohen Assoziationsmaß zu Nachhaltigkeit verknüpft. Abbildung 4 zeigt Beispiele und deren Klassenzuordnung. Dabei können insbesondere die Schlagwörter mit hoher Assoziation zu Nachhaltigkeit als “starke Signalwörter und Werbung für ökologische Nachhaltigkeit” angesehen werden. Begriffe aus Kategorie “gering” zeigen hingegen oft einen hohen Technologiebezug, der nicht stark an Nachhaltigkeit erinnert und sehr diverse Assoziationen wecken kann. Dieses Vorgehen sollte eine differenziertere Analyse der Azubi-Stellenanzeigen ermöglichen. 

Auswertung der Daten & Ausblick auf mögliche Weiterverwendbarkeit 

Bei der Analyse der gewonnenen Daten stand vor allem die Häufigkeit der Nennungen von Begriffen der drei Kategorien im zeitlichen Verlauf zwischen 2011 und 2019 im Zentrum. 

Wie in Abbildung 5 zu sehen, lässt sich beim Fallbeispiel des Berufs Dachdecker*in ab 2014 ein rasanter Anstieg an Stellenanzeigen mit mindestens einem Schlagwort der Kategorie mittlere Assoziation zu Nachhaltigkeit beobachten. Bei der Betrachtung der Häufigkeiten einzelner Begriffe dieser Kategorie fällt auf, dass für diese Steigerung hauptsächlich “Photovoltaikanlage” und “energetisch” verantwortlich sind. Gleichzeitig bleibt die Häufigkeit von Anzeigen, die Schlagwörter mit hoher Assoziation beinhalten, über den gesamten Zeitraum hinweg auf niedrigem Niveau.

Bei Stellenanzeigen, die der Berufsbezeichnung Anlagenmechaniker*in für Sanitär, Heizung und Klimatechnik zugeordnet werden können, zeichnet sich ein wiederum ein anderes Bild der Kategorienverteilung. Ab etwa der Mitte des Betrachtungszeitraum ist sowohl eine Abnahme an Schlagwörtern mit mittlerer Assoziation als auch eine Zunahme von jenen der Kategorie hoch erkennbar. Beide Verläufe zeigen zum Ende hin eine Veränderung um ca. 10% im Vergleich zu 2011. Während die Abnahme der einen Kategorie nicht klar begründet werden kann, scheint die Steigerung der Signalwörter den, ab 2015 steil ansteigenden, Häufigkeiten der Begriffe “umweltschonend” und “Energieeffizienz” zugeschrieben werden.

Das häufige Vorkommen starker Signalwörter zum Thema Nachhaltigkeit in Stellenanzeigen bestimmter Berufsgruppen soll beispielsweise mit Befragungsdaten abgeglichen werden. Dies soll zur Identifizierung von Berufen als Teil des “grünen Sektors” beitragen und dessen (Werbe-)Wirkung nach außen untersuchen. Auch biete sich die Forschungsfrage “Versuchen Unternehmen mit einer nachhaltigen Profilierung dem Fachkräftemangel entgegenzuwirken?” an.

Rhetorische Eigenschaften von Stellenanzeigen

Zum Abschluss widmet sich Binnewitt dem Thema “Rhetorische Eigenschaften von Stellenanzeigen” als Ausblick auf ihre Promotion. Stellenanzeigen bieten neben den Fakten auch Informationen über rhetorische Mittel. Rhetorik wird verwendet, um mit Bewerber*innen ins Gespräch zu treten und diesen eine Grundlage für Bewerbungen zu geben. Es werden verschiedene Stilmittel angewendet, wie zum Beispiel Hyperbeln (“Mit Abschluss der Ausbildung […] stehen dir alle Türen für eine erfolgreiche Karriere offen.”, Quelle) oder Superlative, aber auch Metaphern (“Du hast in der Küche die Hosen an?”, Quelle) werden häufig verwendet. Binnewitt gibt einen Ausblick auf zukünftige Fragestellungen zur automatisierten Erkennung von Metaphern in Stellenanzeigen. Weiterführend ist auch interessant, welche Unternehmen besonders stark oder schwach auf Stilmittel zurückgreifen und welche Stilmittel verwendet werden.

Fazit

In ihrem Beitrag gibt Johanna Binnewitt einen umfassenden Einblick in den Bereich Computerlinguistik in der Berufsbildungsforschung und ihre Tätigkeit am BIBB. Dabei konnte sie gut verdeutlicht, wie verschiedene Disziplinen zusammengeführt werden können, um Mehrwerte zu schaffen und die Entwicklungen in der Arbeitswelt über die Zeit darzustellen. Das Korpus des BIBB stellt durch seine Einzigartigkeit eine Bereicherung dar, die wie in Binnewitts Ausblick erwähnt, zukünftig nur erweitert und verbessert werden kann. Durch den Bezug auf (Abschluss-)Arbeiten am IDH ist deutlich erkennbar, wie studentische Arbeiten im Bereich Digital Humanities Einfluss auf die Forschung haben können.

Zu den Autorinnen:

Michaela Dienhart hat im Zweifach-Bachelor Linguistik/Phonetik und Informationsverarbeitung an der Universität zu Köln studiert und führt das Fach Informationsverarbeitung im Rahmen eines Masterstudiums weiter.

Teresa Johnsen hat im Bachelor Angewandte Informationswissenschaften studiert. Aktuell studiert sie Informationsverarbeitung im Master an der Universität zu Köln.

---

---