KI im HR: zwischen Begeisterung, Bedenken und AI Act

KI im HR in Deutschland: Interesse groß, Integration am Anfang

Linnyk sieht Deutschland bei der KI-Akzeptanz nicht im Rückstand, auch wenn die Digitalisierung hakt. KI zu entwickeln ist wegen des strengen Datenschutzes schwer. Bei milch & zucker kommt ein Tool zur Analyse von Stellenanzeigen gut an. Ein Matching-Tool nutzt das Unternehmen bewusst nicht für die Vorauswahl, bis eine Zertifizierung nach dem AI Act möglich ist. Bewerbende können aber ihren Lebenslauf hochladen und sehen, welche Jobs passen.

Arens hat einen anderen Blick. Wer sich mit KI im HR beschäftigt, steckt schnell in einer Bubble. In Grundlagenseminaren sitzen Beschäftigte aus Verwaltung und Wirtschaft, die fragen: Was ist dieses KI? Arens forschte schon 2017 zu KI im HR. Seitdem sind Verständnis und Offenheit gewachsen, eine nachhaltige Integration steht aber noch am Anfang.

Hohe Erwartungen, sinkende Ängste: Wo es gefährlich wird

Die Erwartungen sind hoch, die Ängste sinken. Genau das hält Arens für gefährlich. Viele wünschen sich KI wie eine Tasse Kaffee, die man über die Tastatur gießt, und plötzlich sind alle Dokumente richtig benannt und die Auswertung liegt auf Knopfdruck vor. Der erste Schritt ist zu verstehen, dass KI nicht nur ChatGPT ist.

Arens erlebte eine HR-Abteilung, die Lebensläufe in ChatGPT ranken lassen wollte, und riet zu einer Checkliste für den Datenschutzbeauftragten. Linnyk ergänzt: Ohne Schulung, Manuals und rote Linien gehören Tools nicht in die Hände der Nutzenden, denn laut AI Act und Datenschutzrecht haften sie bei unzulässiger Nutzung. Wichtig bleibt kritisches Denken: Für welche Zielgruppe ist meine Vakanz? Diese HR-Kompetenz ersetzt kein Chatbot.

Bias in KI-Systemen: Warum Automatisierung Fehler multipliziert

Vorurteile werden wir nie ganz abschalten, sagt Arens. Bewusste und unbewusste Bias landen in Daten und damit in Systemen. Die Chance: In einem Code lässt sich nachvollziehen, wie eine Entscheidung zustande kam, in einem Kopf kaum. Arens rät, gemeinsam die Schwachstellen im Prozess zu suchen, an denen Diskriminierung entstehen kann. Gute Prozesse produzieren gute Daten.

Linnyk sieht es kritischer. KI lernt wie Kinder von dem, was wir tun, nicht von dem, was wir sagen. Ein Recruiter stellt vielleicht einmal falsch ein, ein automatisches System 100.000 Mal pro Jahr. Mauer warnt vor synthetischen Daten: Wenn ein Anbieter 1500 echte Datensätze auf 1,5 Millionen hochrechnet, ist der Bias vorprogrammiert. Frag deshalb immer, woher der Datensatz kommt.

AI Act im Recruiting: Hochrisiko heißt nicht verboten

Fast alles, was milch & zucker automatisiert, gilt im AI Act als Hochrisiko-Anwendung. Verboten ist es nicht, es muss nur sorgfältig umgesetzt werden. Bei KI-Tools erstellt das Unternehmen technische Dokumentation, schreibt Logs, überwacht die Anwendung und versioniert Datensätze. Matching läuft auf selbst gehosteten Modellen in Europa, unter eigener Kontrolle.

Das Ziel ist nicht, Recruiter zu ersetzen, sondern ihnen Zeit zu verschaffen. Manche Kunden bekommen tausende Bewerbungen auf eine Stelle. Linnyk vergleicht das mit einem Cockpit: Der Pilot fliegt immer noch selbst, aber mit Unterstützung 350 Menschen statt drei. So sollen Recruiter in gleicher Zeit 350 Bewerbungen sauber bewerten statt drei.

Was menschlich bleibt und wie du KI im HR startest

Nicht alles, was sich mit KI umsetzen lässt, muss mit KI umgesetzt werden, sagt Arens. Emotional aufgeladene Touchpoints wie die Nachricht über eine Schwangerschaft gehören in ein Gespräch mit einem Menschen. Administrative Aufgaben lassen sich gut abgeben, auch bei der Strategieentwicklung helfen Sprachmodelle. Und manchmal braucht Automatisierung gar keine KI, sondern erst einmal digitale Daten statt Papierakten.

Arens plädiert statt FOMO für FOMU, Fear of Messing up: einmal durchatmen, prüfen, was ihr braucht, und alle mitnehmen. Oft haben nur Führungskräfte Zugang zu ChatGPT, oder Führungskräfte blockieren. milch & zucker hat dafür ein KI-Gremium, einen Leitfaden und eine Bewertung jedes Tools. Als Nächstes kommen Agenten, etwa einer, der komplexe Bewerbermanagement-Software per natürlicher Sprache bedient, während Menschen die Entscheidungen treffen.