Recruiting mit KI - der praktische Leitfaden

Aktuelle KI-Modelle können drei Dinge im Recruiting zuverlässig: Bewerbungen gegen ein Anforderungsprofil bewerten, Antworten auf Standard-Mails entwerfen, und Lebensläufe in strukturierte Felder zerlegen. Diese drei Fähigkeiten sind nicht spektakulär, aber sie sind echte Zeitersparnisse.

Was sie nicht zuverlässig können: kulturelle Passung beurteilen, in unstrukturierten Informationen 'Red Flags' erkennen, oder eine Einstellungsentscheidung treffen. Wer KI dafür einsetzt, baut sich systematische Diskriminierungs-Risiken ein.

Artikel 22 DSGVO verbietet automatisierte Einzelfall-Entscheidungen mit rechtlicher Wirkung ohne menschliche Überprüfung. Eine KI darf vorsortieren, sie darf nicht entscheiden. Konkret: KI gibt einen Score, ein Mensch liest ihn, ein Mensch entscheidet.

Der EU AI Act (in Kraft seit August 2024) führt KI im Recruiting in Anhang III Nr. 4 ausdrücklich als Hochrisiko-Anwendung; die Hochrisiko-Pflichten greifen ab dem 2. August 2026. Das bedeutet: Dokumentationspflicht, Diskriminierungs-Tests, Transparenz gegenüber Bewerber:innen, Aufzeichnungspflicht. Tools, die das ernst nehmen, machen es als Default sichtbar - nicht als Add-on. Die Checkliste für die DSGVO-Seite der Pflichten gibt es in der DSGVO-Checkliste für Recruiting 2026.

Seit Februar 2025 gilt parallel ein hartes Verbot (Art. 5 AI Act): Emotionserkennung in Video-Interviews per Mimik-Analyse, Social Scoring aus sachfremden Quellen und biometrische Kategorisierung sind im Bewerbungsprozess untersagt - egal mit welchem Tool. Die Bußgelder sind zweistufig: bis 35 Mio. € oder 7% des weltweiten Jahresumsatzes für verbotene Praktiken, bis 15 Mio. € oder 3% für Hochrisiko-Verstöße. Das ist kein Restrisiko, das ist ein Grund, beim Tool-Kauf genau hinzusehen.

Ehrlich gerechnet: KI-Vorsortierung lohnt sich nicht ab der ersten Stelle, sondern ab Volumen. In Studien zu deutschen Mittelständlern kippt der ROI meist bei rund 25-30 Einstellungen pro Jahr ins Plus, mit einer Amortisation um die neun Monate. Darunter ist der Gewinn eher Qualität (eine zweite, gleichmäßige Lese-Stimme) als Zeit.

Die Zahlen, wenn das Volumen da ist: Time-to-Hire sinkt in der Praxis um 30-40%, Cost-per-Hire um 20-35%, und die Frühfluktuation um bis zu 25%, weil weniger im Energietief der Liste übersehen wird. Audi berichtet öffentlich von -30% Time-to-Hire durch KI-gestütztes Bewerbermanagement. Wichtig: Diese Effekte kommen aus schnellerer Reaktion auf gute Bewerbungen, nicht aus weniger Sorgfalt. Wenn du erst prüfst, ob ein eigenes ATS überhaupt der richtige Schritt ist, hilft die Übersicht zu Bewerbermanagement-Software.

Wir empfehlen den Einstieg über fünf konkrete Schritte. Kein 'KI-Transformations-Projekt', kein Quartals-Roadmap, einfach fünf Aufgaben, die ihr in einem Nachmittag durchgeht. Wer den KI-Screening-Prompt von Anfang an richtig kalibrieren will, findet vertiefende Hinweise im Leitfaden KI-Screening richtig einrichten.

Drei Dinge: keine Auto-Absage ohne menschliche Sichtung. Keine kulturelle Bewertung anhand von Foto, Name oder Sprache. Kein verstecktes Scoring, das dem Bewerbenden nicht offengelegt wird.

Diese Grenzen sind keine Höflichkeit, sie sind rechtlich verbindlich. Wer sie übergeht, riskiert Klagen, AGG-Risiken und langfristig die Marke.

Die Transparenzpflicht klingt aufwändig, ist aber ein Absatz. Setze ihn sichtbar (nicht ins Kleingedruckte) in die Stellenanzeige und in die Eingangsbestätigung. Ein erprobter Baustein:

"Zur Vorsortierung der Bewerbungen setzen wir ein KI-gestütztes Tool ein, das eine erste Einschätzung der fachlichen Passung erstellt. Die Auswahl- und Einstellungsentscheidung trifft ausschließlich unser HR-Team. Du hast das Recht, der KI-gestützten Vorabauswertung zu widersprechen; in dem Fall prüfen wir deine Bewerbung ohne dieses Tool."

Damit deckst du die Transparenz nach AI Act, die Information nach DSGVO und das Widerspruchsrecht in einem Absatz ab. KI BMS blendet einen solchen Hinweis im Karriereseiten-Default ein - du füllst nur die genaue Aufbewahrungsfrist ein.