KI im Recruiting: Welche HR-TechLösungen wirklich Zeit sparen und welche nur Hype sind
Personalberater.de Redaktion
KI im Recruiting verspricht Effizienz, birgt aber rechtliche und operative Risiken. Was HR-Teams zu CV-Parsing, Bias und EU AI Act wissen müssen.
Etwa 90 Prozent der Unternehmen setzen mittlerweile KI-Tools ein, um Stellenanzeigen zu formulieren. Über die Hälfte nutzt sie auch zur Vorbereitung von Interviews. Gleichzeitig stimmen lediglich 34 Prozent der HR-Verantwortlichen der Aussage zu, KI vereinfache die Recruiting-Abläufe tatsächlich. Die Schere zwischen Einsatz und wahrgenommenem Nutzen ist real.
KI-Sourcing vs. klassisches Active Sourcing: Effizienz mit Grenzen
KI-gestütztes Sourcing verspricht, große Kandidatendatenbanken in kurzer Zeit zu durchsuchen und Profile automatisch mit Anforderungen abzugleichen. Systeme wie Applicant-TrackingSoftware (ATS) mit integriertem Matching sortieren Lebensläufe vor, priorisieren Profile und flaggen Lücken. Der Zeitaufwand pro Stelle sinkt messbar.
Klassisches Active Sourcing lebt dagegen von Kontext, Beziehung und Einschätzungsvermögen. Erfahrene Recruiting-Fachkräfte erkennen, ob jemand mit unlinearem Lebenslauf besser zur offenen Stelle passt als ein formell perfektes Profil. KI löst dieses Problem nicht. Sie optimiert auf historische Muster, was bedeutet: Bewerbende, die vom Standardprofil abweichen, werden systematisch schlechter bewertet.
Der sinnvolle Einsatz liegt dort, wo Volumen dominiert: Massenscreening bei vielen eingegangenen Bewerbungen, Erstsortierung nach klaren Kriterien, automatisierte Eingangsbestätigungen. Für Führungspositionen oder spezialisierte Rollen bleibt das persönliche Active Sourcing überlegen.
CV-Parsing, Matching-Technologien und was sie leisten
CV-Parsing-Systeme extrahieren strukturierte Daten aus unstrukturierten Lebensläufen: Berufserfahrung, Qualifikationen, Stationen, Bildungsabschlüsse. Matching-Algorithmen gleichen diese Daten mit dem Anforderungsprofil ab und erzeugen einen Score. Der Vorteil: Konsistenz und Geschwindigkeit. Fünfhundert Bewerbungen lassen sich so in Minuten vorfiltern.
Das Problem liegt in der Qualität der Eingabedaten. Schlecht formatierte Lebensläufe, kreative PDF-Designs oder fremdsprachige Dokumente werden von vielen Parsing-Systemen fehlerhaft verarbeitet. Ein Abschluss, der in einer ungewöhnlichen Tabellenstruktur steht, kann schlicht übersehen werden. Zudem werden Matching-Scores oft als objektiv wahrgenommen, obwohl sie das Gewichtungsmodell des Anbieters widerspiegeln.
