von Nina Bauer
Zuletzt aktualisiert: 15.07.2026
Lesedauer: 7 MinutenDie Abkürzung KI oder AI taucht gerade hinter nahezu jedem Produkt-Feature auf – und der HR-Bereich bildet da keine Ausnahme. Was dabei oft untergeht: Nicht alles was sich KI nennt, ist es auch. Und nicht Alles was wirklich KI ist, verändert die Arbeit von HR-Teams so grundlegend wie versprochen.
Dieser Artikel versucht beides auseinanderzuhalten – ohne Euphorie, aber auch ohne reflexartigen Skeptizismus. Was KI im HR wirklich bedeutet, hängt von Fragen ab, die selten gestellt werden.
Automatisierung ≠ AI: Eine notwendige Unterscheidung
Die Begriffe Automatisierung und künstliche Intelligenz werden so häufig in einem Atemzug genannt, dass man leicht vergisst, dass sie grundlegend verschiedene Dinge beschreiben. Diese Verwechslung ist nicht nur semantisch störend – sie führt in der Praxis zu falschen Erwartungen, falschen Investitionen und am Ende zu Enttäuschungen, die dem Thema nicht gerecht werden.
Automatisierung gibt es, seit es Computer gibt. Wer eine Regel definiert – wenn Bewerber X diese Qualifikation mitbringt, sende E-Mail Y – automatisiert einen Prozess. Das ist wertvoll, keine Frage. Aber es ist im Grunde nichts anderes als ein sehr schneller, sehr zuverlässiger Regelausführer. Die Intelligenz steckt im Menschen, der die Regel aufgestellt hat. Das System selbst denkt nicht mit. CV-Parsing, automatische Eingangsbestätigungen, die regelbasierte Zuweisung von Aufgaben – all das sind Automatisierungen, die auch ohne KI funktionieren und schon lange vor dem aktuellen Hype in HR-Systemen stecken.
KI verschiebt genau diesen Punkt. Nicht die Regel steht im Mittelpunkt, sondern das Ergebnis. Man definiert kein „Wenn-Dann“, sondern ein Ziel – und das System findet selbst heraus, wie es dahin kommt. Es lernt aus Daten, erkennt Muster die kein Mensch in dieser Geschwindigkeit und Tiefe erkennen könnte, und passt seine Schlussfolgerungen kontinuierlich an. Das „Mitdenken“ ist nicht mehr allein Aufgabe des Menschen.
Was das konkret bedeutet, lässt sich gut an einem Beispiel festmachen. Ein automatisiertes System filtert Lebensläufe nach Stichwörtern – das spart Zeit. Eine KI hingegen kann einschätzen ob ein Profil zu einer Stelle passt, obwohl kein einziges der gesuchten Stichwörter vorkommt. Sie erkennt Zusammenhänge zwischen Erfahrungen, Entwicklungsverläufen und Kontexten – und zieht daraus Schlüsse, für die ein Mensch Stunden bräuchte.
Das klingt nach einem qualitativen Unterschied. Es ist aber vor allem ein struktureller – und dieser Unterschied wird in den folgenden Abschnitten immer wieder eine Rolle spielen. Denn ob KI im HR wirklich hält was sie verspricht, hängt nicht von der Technologie allein ab. Es hängt fast vollständig von etwas ab, das im Alltag von HR-Abteilungen oft unterschätzt wird: den Daten.
AI in HR Workshop: Konkrete Ergebnisse, direkt einsetzbar
In zwei Sessions von der Orientierung bis zur Nutzung von AI-Tools im Kontext von HR.
Daten: Das Fundament – und der größte Engpass
Wenn man verstehen will, warum manche KI-Systeme im HR beeindruckende Ergebnisse liefern und andere weit hinter den Erwartungen zurückbleiben, muss man nicht lange suchen. Der Unterschied liegt fast immer in den verfügbaren Daten. Nicht in der Eleganz des Algorithmus, nicht im Interface, nicht im Marketingversprechen des Anbieters. In den Daten.
Das ist kein triviales Problem. Die Qualität, die Menge und die Struktur der verfügbaren Daten entscheiden darüber, wie gut ein KI-System tatsächlich „denken“ kann – oder eben wie begrenzt es bleibt.
Mensch vs. Maschine – in Zahlen
Das menschliche Gehirn verfügt über annähernd eine Billion neuronale Verbindungen. GPT-4 arbeitet mit geschätzten 1,7 Billionen Parametern – trainiert auf rund 13 Milliarden Datenpunkten. Ein Mensch, der jede Sekunde seines Lebens etwas Neues lernen würde, 80 Jahre lang ohne Schlaf, käme auf knapp 2,5 Milliarden Lernerfahrungen. Weniger als ein Fünftel davon.
Diese Zahlen sind nicht dazu da, Ehrfurcht zu erzeugen. Sie illustrieren einen Mechanismus, der für den HR-Einsatz von KI direkte Konsequenzen hat: Ein System ist immer nur so gut wie die Daten, mit denen es trainiert wurde. Und genau hier liegt die eigentliche Herausforderung für den HR-Bereich.
Warum HR-Daten das Nadelöhr sind
Sprachmodelle können auf riesigen öffentlichen Datensätzen trainiert werden. Die Daten, die HR-Systeme wirklich brauchen – Bewerbungshistorien, Leistungsentwicklungen, interne Karriereverläufe, Skill-Profile – sind jedoch häufig fragmentiert, unvollständig oder schlicht nicht in einer Form vorhanden, die KI-Systeme verarbeiten können.
Viele Unternehmen unterschätzen das. Sie investieren in KI-gestützte HR-Software und stellen dann fest, dass die Qualität der Ausgaben direkt mit der Qualität ihrer eigenen Datenbasis zusammenhängt. Garbage in, garbage out – dieser alte Grundsatz der Informatik gilt für KI-Systeme genauso, nur mit deutlich höheren Einsätzen.
Warum Recruiting vorne liegt – und was das für andere HR-Bereiche bedeutet
Dort, wo externe Datenquellen verfügbar sind – öffentliche Stellenbörsen, LinkedIn-Profile, anonymisierte Bewerberdatensätze – funktioniert KI im HR bereits heute gut. Das erklärt auch, warum KI-Lösungen im Recruiting am weitesten entwickelt sind: Nirgendwo sonst im HR gibt es so viele strukturierte externe Daten, die sich auswerten lassen.
Je weiter man sich vom Recruiting entfernt – in Richtung Performance Management, Nachfolgeplanung oder Mitarbeiterentwicklung – desto dünner wird die externe Datenbasis. Und desto stärker ist KI auf interne Daten angewiesen, die oft noch gar nicht systematisch erfasst werden.
Was das für Unternehmen bedeutet
Das ist kein Argument gegen KI im HR. Es ist ein Argument dafür, ehrlich zu sein über den Zustand der eigenen Datenbasis – bevor man in Systeme investiert, die ohne diese Basis nicht liefern können, was sie versprechen.
Und es ist ein Argument dafür, dass die eigentliche Vorbereitung auf KI im HR oft weniger mit Technologie zu tun hat als mit der stillen, unspektakulären Arbeit der Datenerfassung und -strukturierung. Wer diese Arbeit jetzt macht, verschafft sich einen Vorsprung, der in ein paar Jahren schwer aufzuholen sein wird.
Ethik, Bias und rechtliche Verantwortung
Es gibt Themen die lange als theoretische Randnotiz behandelt werden – bis sie es plötzlich nicht mehr sind. Bias in KI-Systemen war lange so ein Thema. In akademischen Papieren beschrieben, auf Konferenzen diskutiert, im Unternehmensalltag aber selten wirklich ernst genommen. Das hat sich geändert. Nicht weil die Technologie ethischer geworden wäre, sondern weil die Konsequenzen greifbarer wurden – und weil der Gesetzgeber aufgeholt hat.
Dabei ist das Grundproblem denkbar einfach zu beschreiben. Eine KI lernt aus dem was war. Nicht aus dem was sein sollte.
Das bedeutet konkret: Wenn historische Gehaltsdaten Ungleichheiten zwischen Männern und Frauen widerspiegeln, wenn bestimmte Bildungswege in Bewerberdatenbanken überrepräsentiert sind, wenn Beförderungsentscheidungen der Vergangenheit von unbewussten Vorurteilen geprägt waren – dann lernt ein KI-System genau das. Nicht weil die Entwickler das wollen, sondern weil das System keine andere Referenz hat. Es optimiert auf Basis dessen, was es kennt. Und was es kennt, sind menschliche Entscheidungen mit all ihren blinden Flecken.
Das wäre schon ohne rechtliche Konsequenzen ein ernstes Problem. Mit dem EU AI Act ist es auch ein regulatorisches geworden.
EU AI Act: Was HR-Verantwortliche wissen müssen, Der EU AI Act stuft KI-Systeme, die im Personalbereich eingesetzt werden, explizit als Hochrisiko-Anwendungen ein. Das hat konkrete Folgen: Anbieter müssen Transparenz über die Funktionsweise ihrer Systeme nachweisen. Unternehmen, die solche Systeme einsetzen tragen Mitverantwortung für deren Ergebnisse. Und Entscheidungen die auf Basis von KI getroffen werden müssen für Betroffene nachvollziehbar und anfechtbar sein.
Das ist keine ferne Regulierung, die irgendwann kommt. Der EU AI Act ist seit 2024 in Kraft, die relevanten Anforderungen für Hochrisiko-Systeme gelten schrittweise ab 2025 und 2026. Wer heute KI-gestützte HR-Software einsetzt oder plant, einzusetzen, sollte diese Fragen nicht dem Anbieter überlassen – denn die Verantwortung liegt am Ende beim Unternehmen, das die Software nutzt, nicht bei dem das sie verkauft.
Das führt direkt zu einer Frage, die im nächsten Abschnitt im Mittelpunkt steht: Wenn die KI-Empfehlungen macht und wir Menschen Entscheidungen treffen – wo genau liegt dann die Grenze?
Menschliche Entscheidung vs. KI-Empfehlung: Wo liegt die Grenze?
Es gibt eine Frage, die in Diskussionen über KI im HR erstaunlich selten gestellt wird – obwohl sie eigentlich die wichtigste ist:
Wer trifft am Ende die Entscheidung?
Die Antwort klingt auf den ersten Blick einfach. Natürlich der Mensch. Die KI empfiehlt, der Mensch entscheidet. So lautet das beruhigende Narrativ das die meisten Anbieter pflegen und das auch regulatorisch – wie im vorigen Abschnitt beschrieben – so vorgesehen ist. Die Realität in der Praxis ist komplizierter, denn Empfehlungen haben Gewicht. Wenn ein KI-System einem Recruiter drei Kandidaten als besonders geeignet vorschlägt und dreißig andere aussortiert hat bevor der Mensch überhaupt in den Prozess eingestiegen ist, dann ist die menschliche Entscheidung bereits von der Maschine vorgeprägt. Der Mensch wählt – aber aus einer Auswahl, die er nicht selbst zusammengestellt hat. Das ist kein Argument gegen KI. Es ist ein Argument dafür, sich über diese Dynamik bewusst zu sein.
Hinzu kommt ein psychologischer Effekt, der in der Forschung gut dokumentiert ist: Menschen neigen dazu algorithmischen Empfehlungen mehr zu vertrauen als ihrem eigenen Urteil – besonders wenn die Empfehlung mit Daten und Prozentzahlen untermauert wird. Automation Bias nennt sich das Phänomen. Im HR-Kontext bedeutet das: Je überzeugender ein KI-System seine Empfehlungen präsentiert, desto wahrscheinlicher ist es, dass die menschliche Kontrolle die eigentlich vorgesehen ist zur Formsache wird.
Das ist kein Grund KI aus dem HR fernzuhalten. Es ist ein Grund dafür, den Einsatz bewusst zu gestalten – und intern klar zu definieren, wo KI als Werkzeug dient und wo menschliches Urteil nicht verhandelbar ist. Personalentscheidungen, Gespräche, die Einschätzung von Teamdynamiken – das sind Bereiche in denen KI bestenfalls Kontext liefern kann. Die Verantwortung für die Entscheidung selbst lässt sich nicht delegieren. Nicht an ein System, und auch nicht an einen Anbieter, der verspricht, dass sein Algorithmus fair und unvoreingenommen ist.
Unsere ganzheitliche HR-Beratung aus einer Hand
Wir unterstützen Unternehmen entlang der gesamten HR-Wertschöpfung – von HR-Strategie und Prozessdesign über HR-IT-Architekturen und Softwareauswahl bis zur Implementierung und organisatorischen Transformation.
Unsere Beratungsschwerpunkte im Einzelnen
Fazit
KI im HR ist weder die Revolution die manche versprechen, noch der Hype den andere abtun. Es ist eine Technologie mit echtem Potenzial – und mit echten Voraussetzungen, die erfüllt sein müssen, damit dieses Potenzial sich entfaltet.
Was dieser Artikel versucht hat zu zeigen: Die entscheidenden Fragen sind selten technischer Natur. Wie gut sind unsere Daten? Wo haben historische Entscheidungen Spuren hinterlassen, die wir nicht unreflektiert weiterschreiben wollen? Und wo genau wollen wir als Organisation die Grenze zwischen Maschinenempfehlung und menschlicher Verantwortung ziehen? Das sind keine Fragen, die ein Anbieter beantworten kann. Das sind Fragen die intern gestellt – und beantwortet – werden müssen, bevor die erste Software evaluiert wird.
Der Einstieg in KI muss dabei nicht groß sein. Wer heute beginnt seine Datenbasis zu strukturieren, wer intern Klarheit schafft über Verantwortlichkeiten und wer den EU AI Act nicht als bürokratische Hürde, sondern als Orientierungsrahmen begreift, ist besser vorbereitet als die meisten. Künstliche Intelligenz wird die Menschen im HR nicht ersetzen. Aber sie wird die Arbeit derer verändern die verstehen, wie sie funktioniert – und die bereit sind, die unbequemen Fragen zu stellen die damit einhergehen.
Häufig gestellte Fragen
AI in HR bezeichnet den Einsatz künstlicher Intelligenz zur Optimierung und Unterstützung von Personalmanagement-Aufgaben und -Entscheidungen.
Künstliche Intelligenz kann in HR unter anderem zur Automatisierung von Rekrutierungsprozessen, zur Analyse von Mitarbeiterdaten und zur Vorhersage von Mitarbeiterentwicklung eingesetzt werden.
Künstliche Intelligenz in HR verwendet Algorithmen und maschinelles Lernen, um große Mengen an Personaldaten zu analysieren und darauf basierende Vorhersagen oder Empfehlungen zu treffen.
Der Vorteil von künstlicher Intelligenz im HR ist die Effizienzsteigerung, genauere Datenanalysen und die Möglichkeit, bessere Personalentscheidungen basierend auf datengetriebenen Erkenntnissen zu treffen.
