von Nina Bauer
Zuletzt aktualisiert: 23.06.2026
Lesedauer: 8 MinutenDie meisten HR-Teams haben inzwischen irgendwo mit AI experimentiert. Eine Stellenausschreibung mit ChatGPT formuliert, ein Meeting transkribieren lassen, eine Absage schneller auf den Punkt gebracht oder eine Bewerbung zusammenfassen lassen. Was danach kommt – wie man von diesen ersten Experimenten zu einer wirklich durchdachten Nutzung gelangt – ist oft noch unklar. Welche 4 Stufen der Nutzung es gibt, wie sie sich unterscheiden und was es braucht um auf die nächste Stufe zu kommen, werden wir in diesem Artikel behandeln.
Stufe 1 – AI als externer Assistent: Sofortiger Mehrwert ohne technischen Aufwand
Praxisbeispiel: Bewerbungsgespräch Drei Gespräche an einem Tag, jedes eine Stunde. Dazwischen kaum Zeit für Notizen, am Ende des Tages verschwimmen die Eindrücke. Die Vorbereitung hat eine Stunde gekostet – Lebenslauf lesen, Fragen überlegen, Kontext aus der Stellenausschreibung heraussuchen. Die Nachbereitung bleibt liegen weil der nächste Termin wartet.
Generative AI – Vorbereitung in einem Bruchteil der Zeit
Die Vorbereitung lässt sich mit generativen AI-Chatbots wie ChatGPT, Claude, Grok oder Gemini deutlich verkürzen. Der Lebenslauf der Kandidaten wird kurz zusammengefasst eingefügt, die Stelle beschrieben – und das Tool schlägt passende Interviewfragen vor, weist auf mögliche Lücken im Werdegang hin und hilft dabei den Gesprächsrahmen zu strukturieren.
Abbildung 1: Das Bild zeigt einen beispielhaften Prompt vor einem Bewerbungsgespräch und wie die Antwort von der AI (hier Claude AI) aussehen kann.
Das Ergebnis ist nicht perfekt – und sollte auch nicht ungeprüft so ins Bewerbungsgespräch mitgenommen werden. Aber es ist ein deutlich besserer Ausgangspunkt als ein leeres Dokument, gibt Sicherheit, spart Zeit und kann auch neue Sichtweisen aufzeigen, die vorher noch unbekannt waren.
AI Meeting Assistants – Nachbereitung die von selbst passiert
Mitschriften in Meetings. Genau in diesem Moment setzt ein AI Meeting Assistant an. Das Tool läuft im Hintergrund des Gesprächs, transkribiert automatisch und liefert danach eine strukturierte Zusammenfassung – Kernaussagen der Kandidaten, besprochene Themen, offene Fragen und to-dos. Kein manuelles Mitschreiben, kein Rekonstruieren aus dem Gedächtnis und damit auch keine Inhalte die verloren gehen.
Die Gesprächsqualität verändert sich dadurch ebenfalls. Wer weiß, dass alles dokumentiert wird, kann sich voll auf das Gespräch konzentrieren – auf den Menschen gegenüber, auf das Zwischenmenschliche und nicht auf die eigenen Notizen.
Wichtig: Bei der Aufnahme und Transkribieren von Meetings muss immer die Erlaubnis aller Teilnehmenden eingeholt werden. Dies muss gesichert sein, bevor die Aufnahme gestartet wird. Eine ausführlichere Einordnung dazu ist hier zu finden.
Stufe 1 im Überblick
Voraussetzungen: Internetzugang, ein Account bei einem AI-Tool – mehr nicht.
Vorteile: Sofortiger Zeitgewinn bei Vorbereitung und Nachbereitung, niedrige Einstiegshürde, keine Abhängigkeit von IT oder Systemintegration.
Wichtig zu wissen: Die AI kennt euer Unternehmen nicht. Sie arbeitet nur mit dem was ihr ihr mitteilt – die Qualität der Ausgabe hängt direkt von der Qualität des Inputs ab.
Stufe 2 – AI integriert in den Arbeitsalltag: Wenn die AI dorthin kommt wo die Arbeit passiert
Praxisbeispiel: Bewerbungseingang und erste Sichtung Zwanzig Bewerbungen für eine Stelle, manchmal mehr. Jede muss geöffnet, gelesen und eingeordnet werden – Qualifikationen abgeglichen, Werdegang bewertet, eine erste Einschätzung getroffen. Das passiert manuell, nacheinander, in einem Postfach das gleichzeitig für alles andere genutzt wird. Bis die erste Rückmeldung an die Kandidaten rausgeht sind oft Tage vergangen.
Copiloten – AI direkt im System
Anders als in Stufe 1 verlässt man hier die gewohnten Tools nicht. Microsoft Copilot oder vergleichbare Lösungen sind direkt in Outlook, Teams oder das genutzte ATS eingebettet. Im Kontext des Bewerbungseingangs bedeutet das: Bewerbungsunterlagen können automatisch zusammengefasst werden, relevante Qualifikationen werden direkt gegen das Anforderungsprofil gespiegelt und eine erste strukturierte Einordnung entsteht, ohne dass jemand manuell durch Dokumente scrollen muss.
Der Unterschied zu Stufe 1 ist nicht nur technisch. In Stufe 1 bringt man der AI den Kontext selbst durch Prompts und Beschreibungen bei – hier kennt die AI den Kontext bereits. Sie hat Zugriff auf die Stellenausschreibung, auf frühere Kommunikation mit dem Kandidaten, auf interne Notizen. Das verändert die Qualität der Ausgabe grundlegend.
Stufe 2 im Überblick
Voraussetzungen: Eine bewusste Entscheidung welche Daten die AI sehen darf, eine passende Lizenz im bestehenden System und klare interne Verantwortlichkeiten.
Vorteile: Die AI kennt den Kontext bereits – kein manuelles Nachliefern von Hintergrund mehr. Weniger Medienbrüche, weil die Arbeit in den gewohnten Tools bleibt. Schnellere, fundiertere erste Einordnungen.
Wichtig zu wissen: Sobald die AI Zugriff auf interne Kommunikation und Bewerberdaten hat, wird die Datenfrage konkret. Was die AI sehen darf, ist eine bewusste Entscheidung – keine technische Standardeinstellung.
Stufe 3 – AI Agents: Wenn Teilschritte automatisch ablaufen
Praxisbeispiel: Vom Bewerbungseingang zur Eingangsbestätigung Die erste Sichtung ist gemacht – aber danach folgt eine Kette immer gleicher Schritte: einordnen, bestätigen, qualifizierte Kandidaten vormerken, Rückmeldung vorbereiten. Jeder Schritt für sich ist klein. In Summe binden sie spürbar Zeit, und jeder muss einzeln angestoßen werden.
Agents – aufeinanderfolgende Aufgaben laufen selbstständig
Ein Schritt weiter als die Copiloten aus Stufe 2 gehen AI Agents. Sie führen nicht nur einzelne Aufgaben aus – sie übernehmen definierte Abläufe bzw. aufeinanderfolgende Aufgaben selbstständig. Im Recruiting könnte ein Agent eingehende Bewerbungen sichten, eine Einordnung nach festgelegten Kriterien vornehmen, eine Eingangsbestätigung verschicken und qualifizierte Kandidaten direkt für ein erstes Gespräch vormerken – ohne dass ein Mensch jeden Schritt einzeln anstoßen muss.
Der Übergang von Stufe 2 zu Stufe 3 ist der Sprung von assistierter zu autonomer Ausführung. In Stufe 2 promptet der Mensch und die AI antwortet; in Stufe 3 läuft ein definierter Ablauf eigenständig durch. Der Mensch definiert die Regeln und kontrolliert das Ergebnis. Die Durchführung übernimmt die AI.
Was dabei nicht verloren gehen darf: die Nachvollziehbarkeit. Wer hat welche Bewerbung aus welchem Grund aussortiert? Diese Frage muss beantwortet werden können – nicht nur intern, sondern im Zweifelsfall auch gegenüber der Kandidaten.
Stufe 3 im Überblick
Voraussetzungen: Eine saubere Datenbasis – fragmentierte Daten produzieren fragmentierte Ergebnisse. Klar definierte Regeln und Kriterien für jeden Schritt. Eine durchgängige Nachvollziehbarkeit der automatisierten Entscheidungen.
Vorteile: Deutliche Effizienzgewinne in wiederkehrenden Prozessen, schnellere Rückmeldung an Kandidaten, mehr Zeit für die Aufgaben die wirklich menschliches Urteil erfordern.
Wichtig zu wissen: Ab dieser Stufe trägt das Unternehmen aktiv Verantwortung für die Entscheidungen die AI vorbereitet. Die Nachvollziehbarkeit jedes Schritts muss sichergestellt sein.
Was in Stufe 1 noch keine Rolle gespielt hat – die Qualität und Struktur interner Daten – wird hier zur entscheidenden Voraussetzung. Und mit der Verantwortungsfrage die Agents aufwerfen landet man genau bei dem was im ersten Teil dieser Artikelreihe ausführlich beschrieben wird: AI empfiehlt, der Mensch entscheidet. Aber nur wenn dieser Grundsatz auch strukturell verankert ist, nicht nur als Absichtserklärung. Darauf gilt es bei der Implementierung zu achten.
CLEVIS Einordnung
Die Stufen 1 bis 3 lassen sich ohne eine große Umstellung der IT-Infrastruktur umsetzen und werden in vielen Unternehmen bereits so genutzt. Hier lässt sich mit Eigeninitiative und etwas Testen viel Zeit für HR-Teams einsparen und es lassen sich neue Prozesse definieren. Wenn Sie dabei Unterstützung benötigen, können wir Sie an dieser Stelle gerne begleiten und gemeinsam ein Verständnis für die Möglichkeiten entwickeln und die ersten Lösungen gemeinsam umsetzten.
AI in HR Workshop: Konkrete Ergebnisse, direkt einsetzbar
In zwei Sessions von der Orientierung bis zur Nutzung von AI-Tools im Kontext von HR.
Stufe 4 – AI als Kern der HR-Infrastruktur: Wenn die Technologie anfängt mitzudenken
Praxisbeispiel: Skill-Gap-Analyse Das Unternehmen wächst, die Anforderungen verschieben sich. Welche Fähigkeiten sind heute vorhanden, welche fehlen, welche werden in zwei Jahren kritisch sein? Diese Frage lässt sich in kleinen Teams noch mit Gesprächen und Bauchgefühl beantworten. Ab einer gewissen Größe nicht mehr. Die Daten wären vorhanden – in Stellenprofilen, Leistungsbeurteilungen, Weiterbildungshistorien, Bewerbungsunterlagen. Aber sie sind verteilt, unstrukturiert und nie systematisch zusammengeführt worden.
AI-native HR-Softwarelösungen – wenn das System selbst denkt
In Stufe 4 geht es nicht mehr darum ein bestehendes Tool smarter zu machen. Die Systeme die hier zum Einsatz kommen – Plattformen wie Workday, SAP SuccessFactors oder spezialisierte Anbieter wie Eightfold.ai – sind von Grund auf auf AI aufgebaut. Sie verbinden interne Daten aus verschiedenen HR-Prozessen, reichern sie mit externen Quellen an und erkennen Muster, Trends oder Fehler die für den Menschen schlicht nicht sichtbar wären.
Im Kontext der Skill-Gap-Analyse bedeutet das: Das System gleicht vorhandene Skill-Profile der Belegschaft automatisch gegen aktuelle Stellenanforderungen, Marktentwicklungen und interne Karrierepfade ab. Es identifiziert wo kritische Lücken entstehen, welche Mitarbeitenden das Potenzial haben diese Lücken zu schließen und welche Weiterbildungsmaßnahmen dafür sinnvoll wären. Was früher ein aufwändiges Analyse-Projekt war, wird zu einem kontinuierlichen Prozess.
Was diese Systeme wirklich voraussetzen
Hier ist Ehrlichkeit wichtig. Diese Systeme sind leistungsstark – aber sie sind keine Abkürzung. Sie brauchen eine starke Datenbasis die über Jahre systematisch aufgebaut wurde. Skill-Profile müssen einheitlich erfasst sein, Leistungsbeurteilungen müssen strukturiert vorliegen, Weiterbildungen müssen dokumentiert sein. Wer diese Hausaufgaben nicht gemacht hat, wird auch vom besten System keine brauchbaren Ergebnisse bekommen.
Das ist kein Argument gegen Stufe 4 – es ist ein Argument dafür, heute mit Stufe 1 anzufangen. Nicht weil Stufe 1 das Ziel ist, sondern weil jede Interaktion mit AI, jedes dokumentierte Gespräch, jede strukturiert erfasste Information die Datenbasis aufbaut auf der Stufe 4 irgendwann funktionieren kann.
Stufe 4 im Überblick
Voraussetzungen: Systematisch erfasste und strukturierte HR-Daten über mehrere Jahre, klare Governance und Verantwortlichkeiten, ein tiefes Verständnis dafür wo menschliches Urteil nicht ersetzbar ist.
Vorteile: Strategische Entscheidungen auf Basis von Mustern die ohne AI nicht sichtbar wären, kontinuierliche statt punktuelle Analyse, proaktives Handeln statt reaktives Reagieren.
Wichtig zu wissen: Je mächtiger das System, desto wichtiger die Frage wer die Ergebnisse interpretiert und verantwortet. AI erkennt Muster – sie bewertet nicht ob diese Muster wünschenswert sind. Das bleibt Aufgabe des Menschen.
Der letzte Punkt schließt den Kreis über die Grenze zwischen AI-Empfehlung und menschlicher Entscheidung. In Stufe 1 ist diese Grenze noch einfach zu ziehen. In Stufe 4 erfordert sie eine bewusste organisatorische Entscheidung – und die Bereitschaft diese Entscheidung auch wirklich zu treffen.
Wo fängt man an?
AI im HR ist kein Projekt das man startet wenn die Zeit reif ist. Die Zeit wird nie perfekt sein und die Datenbasis nie vollständig. Was sich auszahlt ist ein bewusster erster Schritt – egal auf welcher Stufe.
Die vier Stufen in diesem Artikel sind keine Rangliste sondern eine Orientierung. Nicht jedes Unternehmen wird Stufe 4 brauchen oder erreichen. Aber jedes Unternehmen kann heute mit Stufe 1 anfangen – ohne Budget, ohne IT-Projekt, ohne externes Mandat.
Wer dabei tiefer in die Grundlagen einsteigen möchte – was AI wirklich von Automatisierung unterscheidet, warum Datenqualität über Erfolg oder Misserfolg entscheidet und wo die Grenze zwischen menschlicher Verantwortung und AI-Empfehlung liegt – findet dazu hier eine ausführliche Einordnung.
