KI bewirbt sich bei KI: Verschwindet der Mensch im Recruiting?

Die eine KI schreibt den Lebenslauf. Eine zweite gleicht ihn mit der Stellenbeschreibung ab. Eine dritte sortiert Kandidatinnen und Kandidaten nach ihrer vermeintlichen Eignung. Was vor wenigen Jahren noch nach Zukunftsszenario klang, wird im Bewerbungsprozess zunehmend zum Alltag.

Bewerbende lassen Lebensläufe sprachlich glätten, Profile auf Stellenanzeigen zuschneiden und Anschreiben formulieren. Unternehmen wiederum setzen Systeme ein, um genau diese Unterlagen zu durchsuchen, zu strukturieren und Kandidaten vorzusortieren. KI trifft damit immer häufiger auf KI.

Was also passiert mit Personalentscheidungen, wenn auf beiden Seiten immer stärker automatisiert, optimiert und bewertet wird?

Maximilian Kiener beschäftigt sich mit dieser Grenze. Der Philosoph leitet das Institute for Ethics in Technology an der Technischen Universität Hamburg und forscht zu Verantwortung, Urteilskraft und Ethik im Umgang mit Künstlicher Intelligenz.

Auf dem Deutschen Personalberatertag im September in Bonn entwarf er dafür eine Landkarte des Entscheidens. Seine Grundidee: Nicht jede Entscheidung ist gleich. Manche lassen sich berechnen. Andere müssen beurteilt werden. Und die wichtigsten müssen verantwortet werden.

Wo KI besser entscheiden darf als der Mensch

Wenn für eine Stelle bestimmte Voraussetzungen zwingend erfüllt sein müssen, kann KI große Datenmengen durchsuchen, Kriterien abgleichen und Kandidaten vorsortieren. Kiener nennt als Beispiel eine Führungsposition bei einer Bank, für die klare Anforderungen gelten.

Hier sieht er eine klare Stärke der Technologie. Die Verantwortung bleibt beim Menschen. Denn jemand muss festlegen, was überhaupt relevant ist und worauf das System optimieren soll. Die Maschine kann innerhalb eines gesetzten Rahmens effizient arbeiten. Ob dieser Rahmen sinnvoll ist, entscheidet sie nicht.

Der Score ist nur so objektiv wie seine Regeln

Schwieriger wird es, wenn Eigenschaften gegeneinander abgewogen werden müssen. Ist die erfahrene Führungskraft die bessere Wahl, weil sie vom ersten Tag an liefern kann? Oder die weniger erfahrene Kandidatin mit größerem Entwicklungspotenzial? Wie wichtig sind Berufserfahrung, Kosten, kulturelle Passung oder Lernfähigkeit im Verhältnis zueinander?

KI kann Informationen dazu liefern, vergleichen und möglicherweise auch einen Score errechnen. Hier setzt Kieners Kritik an der vermeintlichen Objektivität von Zahlen an: „Diese Zahlen sind Prioritäten, die Menschen bewusst oder unbewusst gesetzt haben.“

Beim Berechnen geht es darum, was gezählt wird. Beim Beurteilen entscheidet, wie gewichtet wird. Ein Score kann Orientierung liefern. Ein neutrales Urteil ist er damit noch lange nicht.

Wenn der perfekte Lebenslauf langweilig wird

Die Sache wird noch komplizierter, weil KI natürlich nicht nur auf Unternehmensseite eingesetzt wird. Auch Kandidatinnen und Kandidaten optimieren ihre Unterlagen.

Lebensläufe werden geglättet. Profile werden auf Stellen zugeschnitten. Anschreiben klingen professioneller, klarer und passgenauer. Zugleich verliert die perfekte Oberfläche womöglich an Aussagekraft.

Kiener spricht von einer Informationsflut aus „KI-polierten Oberflächen“, die plausibel wirken, bei denen aber immer schwerer zu erkennen ist, was tatsächlich dahintersteckt.

Der Widerspruch ist offensichtlich: KI hilft Bewerberinnen und Bewerbern dabei, ihre Unterlagen möglichst überzeugend zu machen. Anschließend unterstützt KI Unternehmen dabei, genau diese Unterlagen wieder zu bewerten.

Je besser beide Seiten darin werden, desto drängender wird die Frage: Was sagt ein makelloses Profil überhaupt noch über einen Menschen aus?

Wenn Daten Unterschiede verdecken

Gerade deshalb wird die Frage wichtig, wie viel Vertrauen Unternehmen in Scores und Rankings legen. Kiener verweist darauf, dass Quantifizierung zwar vergleichbar macht, aber immer auch verkürzt. Hinzu kommt: Wenn ein System etwa bestimmte Lücken im Lebenslauf schlechter bewertet, kann das einzelne Gruppen benachteiligen. Und es kann dazu führen, dass gerade diejenigen übersehen werden, die nicht in gelernte Muster passen.

Das ist nicht nur eine Frage der Fairness. Je stärker Recruiting auf Mustererkennung setzt, desto größer wird auch die Gefahr, dass das Außergewöhnliche durchs Raster fällt.

Je mächtiger die Maschine, desto wichtiger der Mensch?

Für Unternehmen verändert sich damit der Auswahlprozess. Je stärker er automatisiert wird, desto wichtiger wird die Frage, welche Kriterien und Muster die Auswahl bestimmen.

Kieners Schlussfolgerung: „Je mächtiger die Maschine wird, desto wichtiger wird der Mensch.“ Gemeint ist damit nicht, dass KI im Recruiting möglichst wenig eingesetzt werden sollte. Wo sie rechnen, filtern und große Informationsmengen strukturieren kann, sollte sie ihre Stärken ausspielen.

Aber je mehr davon automatisiert wird, desto stärker verschiebt sich der menschliche Anteil auf etwas anderes: die Urteilskraft.

Lehren für die Praxis

Was also macht einen guten Kandidaten noch erkennbar, wenn Lebensläufe immer perfekter werden? Welche Signale bleiben belastbar? Was müssen Unternehmen bei der Auswahl anders machen? Und wie sollten sich Kandidatinnen und Kandidaten präsentieren, wenn die makellose Bewerbung zum Standard wird?

Kieners Maßstab dafür: Nicht alles, was sich berechnen lässt, sollte auch die Entscheidung bestimmen.