von Nina Bauer
Zuletzt aktualisiert: 23.06.2026
Lesedauer: 7 MinutenDie Abkürzung 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 AI nennt, ist es auch. Und nicht Alles was wirklich AI ist, verändert die Arbeit von HR-Teams so grundlegend wie versprochen.
Dieser Artikel versucht beides auseinanderzuhalten – ohne Euphorie, aber auch ohne reflexartigen Skeptizismus. Was AI im HR wirklich bedeutet, hängt von Fragen ab, die selten gestellt werden.
Ist KI wirklich die nächste Revolution im Personalwesen? – Was passiert grade im HR Bereich rund um das Thema künstliche Intelligenz
Die Abkürzung 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 AI nennt, ist es auch. Und nicht Alles was wirklich AI ist, verändert die Arbeit von HR-Teams so grundlegend wie versprochen.
Dieser Artikel versucht beides auseinanderzuhalten – ohne Euphorie, aber auch ohne reflexartigen Skeptizismus. Was AI 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 AI funktionieren und schon lange vor dem aktuellen Hype in HR-Systemen stecken.
AI 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 AI 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 AI 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 entlang des Employee Lifecycles
Künstliche Intelligenz kann heute entlang nahezu des gesamten Employee Lifecycles eingesetzt werden. Während viele Unternehmen zunächst mit einzelnen Anwendungsfällen im Recruiting oder HR-Service starten, entstehen die größten Potenziale häufig dann, wenn KI mehrere HR-Bereiche miteinander verbindet.
Die folgende Übersicht zeigt typische Einsatzmöglichkeiten von AI in HR entlang der verschiedenen Phasen des Employee Lifecycles:
| Phase | Beispiele für AI in HR |
|---|---|
| Recruiting | Matching, CV-Screening, Stellenanzeigen, Interviewleitfäden |
| Onboarding | Chatbots, digitale Assistenten, Wissensbereitstellung |
| Learning | Lernempfehlungen, Skill-Gap-Analysen, individuelle Lernpfade |
| Talent Management | Skill Matching, interne Mobilität, Nachfolgeplanung |
| HR Analytics | Fluktuationsprognosen, Personalbedarfsanalysen, Dashboards |
| HR Service | Self-Service-Bots, Dokumentenerstellung, FAQ-Automatisierung |
AI in HR Workshop: Konkrete Ergebnisse, direkt einsetzbar
In zwei Sessions von der Orientierung bis zur Nutzung von AI-Tools im Kontext von HR.
Verschiedene Generationen von künstlicher Intelligenz in HR Software
Es lassen sich verschiedene Generationen von AI in HR Software Produkten unterschieden, denn nicht alle haben das gleiche „Grundwissen“ und es kann zwischen verschiedenen Arbeitsweisen unterschieden werden.
Hinsichtlich der aktuellen sehr schnellen Entwicklung von unterschiedlichen AI-Tools und den verschiedenen Arten der Implementierung dieser Tools in bestehende Software-Lösungen muss es eine Unterscheidung innerhalb dieses Segments geben was Qualität und Entwicklung angeht. Marktkenner Josh Bersin unterscheidet in seinem Artikel Understanding AI in HR – JOSH BERSIN zwischen drei Kategorien von AI Lösungen im Bereich der HR Softwarelösungen, auf welche wir im Folgenden kurz eingehen werden. Als grobe Unterscheidung zwischen den verschiedenen Generationen definiert Bersin „Emerging AI“ als eine Software, die zu bestehenden Lösungen hinzugefügt werden, AI Lösungen der ersten Generation sind in bestehende Systeme eingebaut und AI Lösungen der zweiten Generation sind von Beginn an auf AI aufgebaut und haben einen AI fähigen Kern, der alle Funktionalitäten verbindet.
Aufstrebende bzw. Emerging AI: Chat GPT als HR Assistent
Bei „aufstrebender AI“ wird künstliche Intelligenz nur hinzugefügt und die bestehende Struktur der Softwarelösung ändert sich nicht. Darunter fallen beispielsweise die Nutzung von ChatGPT als Assistent für die Generierung von Textantworten, Job Be- oder Ausschreibungen oder Zusammenfassungen. Diese Art der künstlichen Intelligenz basiert nicht auf internen Daten und nutzt diese auch nicht für die gelieferten Antworten. Es handelt sich dabei meist um generative künstliche Intelligenz, die anhand von Vorgaben und Informationen neue Inhalte (Texte, Beschreibungen, Erklärungen) generiert. Eine Studie des MIT Noy Zhang hat gezeigt, dass sich die Produktivität um bis zu 37% steigert, wenn ChatGPT als Unterstützung bei täglichen Aufgaben genutzt wird.
Die Zahl der Anbieter, die sich dies zu Nutze machen, steigt stetig und es lässt sich davon ausgehen, dass sehr bald alle Anbieter mindestens diese Art der künstlichen Intelligenz an ihre HR Software Lösungen anbinden. Es handelt sich dabei um die einfachste Art künstliche Intelligenz im Rahmen einer bestehenden HR-Software zu nutzen und ist nicht mit der Entwicklung von neuen Programmen verbunden. Vor allem die großen Anbieter wie z.B. Workday oder SAP gehen jedoch schon einen Schritt weiter.
AI der ersten Generation: Automatische Verbesserung des Lernangebots
Die Lösungen mit „AI der ersten Generation“ sind direkt in die Software eingebaut und arbeiten dort automatisch, bzw. können frei genutzt werden. Ein gutes Beispiel ist die Implementierung von AI in ein Learning Modul bzw. HCM Modul. Es werden automatisch anhand der Rolle und der im System hinterlegten Skills des Mitarbeitenden Lernangebote vorgeschlagen, ohne das es weiteren personellen Aufwand benötigt. Hier lässt sich direkt erkennen, dass sowohl das Angebot an Lerninhalten als auch die verschiedenen Eigenschaften der Mitarbeiter:innen intelligent zusammengeführt werden. Diese Verknüpfungen müssten zuvor – ohne die Nutzung von künstliche Intelligenz – einzeln manuell festgelegt werden.
Durch die kontinuierliche Nutzung von künstlicher Intelligenz verbessern sich die Zuordnungen der Lernangebote mit dem Feedback der Lernenden automatisch, um in Zukunft verbesserte Vorschläge machen zu können. Künstliche Intelligenz der ersten Generation arbeitet meist mit natürlicher Sprachverarbeitung (Spracherkennung), bietet aber trotzdem noch nicht die Vorteile von Large Language Models (LLMs), zu Deutsch: großen Sprachmodellen, bzw. von sehr großen externen (oder internen) Datensätzen.
AI der zweiten Generation: AI gestütztes Talent- und Skill-Management
Systeme der AI der zweiten Generation fundieren auf der vollen Integration künstlicher Intelligenz. Häufig werden sie von Anfang an mit einem klaren Schwerpunkt auf AI-Komponenten konzipiert, sodass die gesamte Architektur der Software im festen Zusammenspiel mit künstlicher Intelligenz aufgebaut ist. Der zentrale Bestandteil von Softwarelösungen dieser Art sind Daten. Untersuchungen zeigen, dass die Effizienz einer künstlichen Intelligenz proportional zu der Menge an Daten steigt, die ihr bereitgestellt werden. Des Weiteren ist ein markantes Merkmal dieser Systeme ihre kontinuierliche Weiterentwicklung und Lernfähigkeit. Dieses adaptive Lernen, insbesondere die passiven Anpassungen anhand neuer Datenquellen, verschafft ihnen einen signifikanten Vorteil gegenüber nicht-AI-basierten Lösungen.
Für eine optimale Leistung greifen diese Systeme nicht nur auf interne Daten einer Organisation zurück, sondern auch auf umfangreiche externe Datensätze, da die interne Datenbasis nicht ausreichend ist. Gerade aufgrund dieser benötigten großen Datenmengen finden AI-basierte Lösungen derzeit primär Anwendung in Recruiting-Prozessen. Denn in diesem Bereich existieren nicht nur interne, sondern auch umfangreiche externe Datenquellen, die zur Informationsgewinnung und Entscheidungsunterstützung beitragen können. Dazu gehören unter anderem öffentliche online Stellenportale und soziale Netzwerke wie LinkedIn, Xing oder indeed, sowie anonymisierte Bewerberdatensätze.
Um den Unterschied zwischen Systemen der ersten und der zweiten Generation anhand eines Beispiels nochmals zu verdeutlichen kann man sich die Zuordnung von bestimmten Skills (Fähigkeiten) zu den entsprechenden Mitarbeiter:innen ansehen:
Immer häufiger werden im Rahmen von HR Software Lösungen Skills verwendet, um sowohl Personen geeigneten Aufgaben zuzuordnen als ihnen auch neue Lerninhalte für diese Skills vorzuschlagen.
Jetzt stellt sich die Frage, nach welchen Kriterien ein bestimmter Skill einer Person oder einem Job Profil zugeordnet wird?
-> An dieser Stelle kommt die künstliche Intelligenz ins Spiel!
Sie ermöglicht es unterschiedliche Daten als Quelle bzw. Beweis für die Skills auszuwerten (Lebenslauf, Zeugnisse, vergangene Aufgaben, Veröffentlichungen etc.), diese zu interpretieren und zu vergleichen. Gleichzeitig können auch verwandte Skills gefunden werden oder neue Skills aus einer Kombination von Quellen erschlossen werden. Das bedarf die Nutzung von neuronalen Netzwerken und lässt sich deshalb in diesem Umfang nur von künstlicher Intelligenz der zweiten Generation abbilden.
Dies eröffnet im Hinblick auf Stellenausschreibungen und Recruiting neue Möglichkeiten, die in diesem Umfang ohne künstliche Intelligenz (der zweiten Generation) unmöglich bzw. mit einem sehr hohen Zeitaufwand verbunden sind.
CLEVIS hilft, die richtige HR-Software auszuwählen – anbieterunabhängig und ohne sich im Markt zu verlieren
Der HR-Software-Markt ist unübersichtlich: viele Anbieter, ähnliche Versprechen, unterschiedliche Architekturen. Wir zeigen, wie Unternehmen HR-Software strukturiert auswählen – passend zu Zielbild, Prozessen und Organisation.
Daten: Das Fundament – und der größte Engpass
Wenn man verstehen will, warum manche AI-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 AI-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 AI 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 AI-Systeme verarbeiten können.
Viele Unternehmen unterschätzen das. Sie investieren in AI-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 AI-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 AI im HR bereits heute gut. Das erklärt auch, warum AI-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 AI auf interne Daten angewiesen, die oft noch gar nicht systematisch erfasst werden.
Was das für Unternehmen bedeutet
Das ist kein Argument gegen AI 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 AI 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.
Welche Anbieter bieten schon jetzt Künstliche Intelligenz der zweiten Generation?
Auch wenn es scheint, als wäre die Technologie noch sehr neu, gibt es schon einige Anbieter, die mit ihren AI Software Lösungen vielversprechend wirken. Die meisten Anbieter von künstlicher Intelligenz der zweiten Generation bieten Softwarelösungen für ein Recruiting oder Talent Management Modul, da es dort durch online Stellenbörsen sehr viele externe Datensätze gibt, die sich auswerten lassen. Mit „Daten“ ist an dieser Stelle nicht nur der Bewerber bzw. die Bewerberin gemeint, sondern vor allem die damit verbundenen Eigenschaften, der verschiedenen Personenmerkmale. Dazu zählen untern anderem:
- Abschluss
- Alter
- Wohnort
- Erfahrungen
- vorherige Arbeitgeber
- Geschlecht
- Weiterbildungen
- Zeugnisse
- Familienstand
Es wird auch immer relevanter die Daten im Rahmen von Skills bzw. Fähigkeiten und der Bewertung dieser Skills vergleichbar zu machen. Zuvor war es sehr zeitaufwändig, die Daten vieler Bewerber:innen zu vergleichen und somit ein faires und objektives Urteil treffen zu können. Nun übernimmt die künstliche Intelligenz diese Aufgabe und hat als Ressourcen tausende, wenn nicht sogar Millionen an Vergleichspunkten. Der Vergleich und das Erkennen von Zusammenhängen und Mustern in diesen Daten bilden dabei die größte Stärke. Dadurch lassen, sich sowohl im Unternehmen, als auch extern die besten Kandidat:innen finden, vergleichen und als neue Talente gewinnen. Ein großer Fokus muss beim Training dieser Systeme auf Fairness und die strenge Beachtung von Diversität, Inklusion und Gleichstellung gelegt werden.
Beispiele für HR Software auf Basis von künstlicher Intelligenz (AI der zweiten Generation)
Zu den Anbietern, die bereits eine AI basierte Lösung anbieten gehören:
Beamery (Beamery Talent Lifecycle Management)
Beamery bietet Talent Lifecycle Management auf Basis von AI. Dazu zählen Recruiting, Talent Management, Personaleinsatzplanung und Skill Intelligence. Beamery kann dabei automatisch auf mögliche fehlende Skills aufmerksam machen oder geeignete Weiterbildungsangebote vorschlagen, um das Team besser aufeinander abzustimmen. Es wird im gesamten Talent Lifecylce Management, sowohl bei möglichen neuen Talenten als auch in bestehenden Teams ein großer Fokus auf die richtigen Skills gesetzt. Außerdem bietet Beamery die erste für HR entwickelte generative AI: TalentGPT. Diese wurde speziell für die Anwendung in HR Bereichen entwickelt und legt einen starken Fokus auf Fairness und Unvoreingenommenheit.
Phenom - Intelligent Talent Experience
Die intelligente Talent Experience Plattform von Phenom legt den Fokus auf Recruiting, Weiterbildung und Bindung von Mitarbeitern. Die künstliche Intelligenz unterstützt sowohl bei der Terminfindung als auch bei der Auswertung von möglichen internen Aufstiegsmöglichkeiten und den dafür nötigen Skill. Phenom ist außerdem mit einigen großen HRIS Anbietern wie workday, SAP oder Cornerstone On Demand gepartnert und ermöglicht vorgefertigte Integrationen. Anfang 2022 hat Phenom außerdem das Software-Unternhemen Tandemploy aus Berlin gekauft und ist somit nun auch schon mit mehreren Standorten in Deutschland vertreten.
Eightfold.ai - Eightfold Talent Intelligence - AI platform for all talent
Eightfold hat sich voll auf die Förderung und Anstellung von Talent spezialisiert. Eightfold setzt bei der Entwicklung der eignene AI auf Inklusion, Fairness und die Verringerung von möglichen Vorurteilen. Sie ermöglicht es sowohl Kandidat:innen als auch Mitarbeiter:innen Positionnen zu finden, auf die Sie sich nicht beworben haben, die aber gut zu ihrem Profil und ihren Fähigkeiten passen könnten. Laut eigtfold.ai stützen Sie sich bei Ihren Daten auf über 1,5 Millarden Kandidatenprofile.
Ethik, Bias und rechtliche Verantwortung
Es gibt Themen die lange als theoretische Randnotiz behandelt werden – bis sie es plötzlich nicht mehr sind. Bias in AI-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 AI 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 AI-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 AI-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 AI getroffen werden müssen für Betroffene nachvollziehbar und anfechtbar sein.
Das ist keine ferne Regulierung, die irgendwann kommt. Der AI-Act ist seit 2024 in Kraft, die relevanten Anforderungen für Hochrisiko-Systeme gelten schrittweise ab 2025 und 2026. Wer heute AI-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 AI-Empfehlungen macht und wir Menschen Entscheidungen treffen – wo genau liegt dann die Grenze?
Menschliche Entscheidung vs. AI-Empfehlung: Wo liegt die Grenze?
Es gibt eine Frage, die in Diskussionen über AI 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 AI 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 AI-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 AI. 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 AI-System seine Empfehlungen präsentiert, desto wahrscheinlicher ist es, dass die menschliche Kontrolle die eigentlich vorgesehen ist zur Formsache wird.
Das ist kein Grund AI aus dem HR fernzuhalten. Es ist ein Grund dafür, den Einsatz bewusst zu gestalten – und intern klar zu definieren, wo AI als Werkzeug dient und wo menschliches Urteil nicht verhandelbar ist. Personalentscheidungen, Gespräche, die Einschätzung von Teamdynamiken – das sind Bereiche in denen AI 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
ChatGPT als HR Assistent – Was sind die ersten Schritte?
Auch wenn die meisten sicher schon von der neuen Welle der künstlichen Intelligenz gehört haben, wird es noch sehr viele geben, die sich damit speziell im eigenen Berufsumfeld noch nicht auseinandergesetzt haben. Hier wollen wir einmal die ersten Schritte aufführen, um ein Gefühl dafür zu bekommen, wie die Nutzung von künstlicher Intelligenz aussehen kann.
Wir wollen dies mit Hilfe der weitesten verbreiteten generativen künstlichen Intelligenz machen: ChatGPT. Diese ist vollkommen kostenlos und es dauert nur wenige Minuten, um die ersten Antworten zu erhalten.
- Als ersten Schritt ist es notwendig einen Account bei ChatGPT zu erstellen. (ChatGPT (openai.com) und zu bestätigen.
- Sobald der Account erstellt ist, kann direkt mit der ersten Anfrage losgelegt werden.
- Testen Sie die unten angegebene Fragestellungen und fügen Sie in die Klammern die relevanten Informationen ein:
Mögliche Fragestellungen:
| Thema | Fragestellung |
|---|---|
| Begrüßungsmail für neue Mitarbeiter:in | Verfasse eine E-Mail, die unsere neue Mitarbeiterin [Name] in der Firma begrüßt. Ihre Aufgeben werden sein: [Aufgaben einfügen] |
| Einladung zu gemeinsamen Team-Essen | Erstelle eine Einladung, die die gesamte Abteilung zu einem Firmenessen einlädt, da [Erfolg einfügen] erfolgreich abgeschlossen wurde. |
| Absage an Bewerber:in | Erstelle eine höfliche Antwort an Bewerber:in, um ihn/sie zu informieren, das der Job an eine andere Person geht. |
| Interviewfragen | Erstelle 5 Interviewfragen, um den/die Bewerber:in auf ihre Fähigkeiten im Umgang mit Meinungsverschiedenheiten im Team testet. Gib eine mögliche sehr gute Antwort und eine weniger zufriedenstellende Antwort. |
| Teambuilding Übung | Erstelle ein Rollenspiel mit 4 Rollen, das einem Team dabei helfen soll interne Kommunikation zu verbessern. Es soll etwa 5 Minuten dauern. |
| Umformulierung | Bitte formuliere diesen Text um und stelle sicher das es sich um einen formellen Text handelt: [Text einfügen] |
| Texterstellung | Verfasse einen kurzen Artikel zu dem Thema [Thema einfügen]. Der Artikel soll mehrere Absätze, eine ansprechende Einleitung haben und formelle geschrieben sein. |
Sie sollten möglichst genau die Anforderungen formulieren, die an die Anfrage gestellt werden, wie zum Beispiel, die Länge einer E-Mail, der Ton, in dem eine Nachricht verfasst werden soll oder der Kontext in dem sie geschrieben wird. Je präziser die Anfrage formuliert wird, desto besser wird auch die Antwort ausfallen.
Fazit
AI 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 AI 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.
