Die Leiterin der Talentakquise bei Thoughtworks verrät, wie KI Recruiting zu einem datengetriebenen und vorausschauenden Prozess macht

Im Laufe meiner Karriere habe ich Führungspositionen in globalen Technologie- und Beratungsunternehmen wie Thoughtworks, Cognizant und Hewlett-Packard übernommen, wo ich große, länderübergreifende Talentakquise-Teams leitete. Früher war ich zudem als strategische Talent-Business-Partnerin tätig und beriet leitende und geschäftsführende Ebenen in den Bereichen Personalplanung, Organisationsdesign und Personalstrategie.

Das Arbeiten im großen Maßstab hat meinen Führungsstil geprägt – ich habe Teams von über 50 Recruiter:innen geführt, jährlich zwischen 600 und 2.000 Einstellungen verantwortet und kontinuierlich Rekordergebnisse in Effizienz, Kandidatenerfahrung und Unternehmenswachstum erzielt.

Neben der Leitung der zentralen Talentakquise habe ich zudem strategische Programme für Employer Branding, Diversity & Inclusion sowie Hochschulrecruiting aufgebaut und verantwortet – darunter Initiativen, die die Einstellung von Frauen und Menschen mit Behinderungen erheblich gesteigert und den Berufseinstieg in mehreren Ländern ausgebaut haben.

Neben meinen Unternehmensrollen bin ich unabhängige Beraterin bei beecrowd, einer globalen Plattform für Programmierwettbewerbe und technische Assessments, die von Universitäten und Technologieunternehmen genutzt wird, um Softwareentwicklungstalente in großem Maßstab zu evaluieren. In dieser Rolle berate ich zu Bewertungsrahmen für Talente, Kompetenzanalysen sowie zur Schnittstelle zwischen technischer Exzellenz und Personalstrategie.

In den vergangenen Jahren habe ich mich zunehmend darauf konzentriert, wie KI und datengetriebenes Recruiting Führung, Talentstrategie und den Aufbau leistungsfähiger Organisationen in komplexen, internationalen Umgebungen verändert.

You should also read

• Talentberaterin sagt: KI beschleunigt organisatorische Schulden statt sie zu lösen

• Die wertvollsten Mitarbeiter sind diejenigen, die sich “selbst überflüssig machen”, sagt die VP of People

• Expertin für die Zukunft der Arbeit sagt, Führungskräfte müssen KI als Teammitglied und nicht als Werkzeug behandeln

Warum KI mehr als nur Technologie verändert

Mit KI hat sich meine Rolle als Führungskraft in der Talentakquise von der Umsetzung hin zur Gestaltung strategischer Talentsysteme entwickelt, die KI gezielt einsetzen, um zu verändern, wie Unternehmen Talente gewinnen, bewerten und binden. Dieser Wandel ist nicht nur technischer Natur – er prägt auch Führungsverantwortung, Organisationsstrukturen und das Verhältnis von Menschen und Daten neu.

Talentakquise war traditionell transaktional, durch diese Transformation wird sie jedoch datenbasiert und vorausschauend. Anstatt auf manuelle Auswahl und historische Durchschnittswerte zu setzen, nutzen wir jetzt KI-basierte Lernagenten und prädiktive Modelle, die große Datensätze analysieren, Erfolgsmuster erkennen und mit höherer Präzision passende Kandidat:innen empfehlen.

Durch das Lernen aus historischen Daten übernehmen diese Systeme die wiederkehrenden Aufgaben, sodass die Teams sich wieder darauf konzentrieren können, was sie am besten können: Beziehungen aufbauen und strategische Entscheidungen treffen.

Letztlich geht es Führung im KI-Zeitalter um das Entwerfen von Entscheidungsarchitekturen: Systeme zu schaffen, in denen Menschen, Daten und KI gemeinsam bessere Ergebnisse erzielen. Das bedeutet, ethische Governance, klare Kennzahlen und integrierte Feedbackschleifen aufzubauen, die Unternehmen helfen, Bedarfe frühzeitig zu erkennen, Vorurteile bei der Auswahl zu vermindern und die Fähigkeiten der Belegschaft auf langfristige Strategieziele auszurichten.

Wie KI HR-Prozesse und Entscheidungsfindung verändert

Wenn wir einen Workflow mit KI überarbeiten, folgen wir einem klaren Prinzip: KI nimmt den manuellen Aufwand ab, strukturiert quantitative Signale und hebt Einblicke hervor, während Menschen weiterhin für die qualitative Bewertung und finale Entscheidungen zuständig bleiben.

Hier einige Beispiele für Überarbeitungen, die wir umgesetzt haben:

1. Umfrageauswertung und organisationale Feedbackschleifen

Eine der effektivsten Anwendungen von KI ist die Analyse großer Mengen an Umfragedaten. Mit mehreren individuell angepassten Gemini-Modellen verarbeiten wir offene Textantworten aus Umfragen, um wiederkehrende Themen, Stimmungsmuster und aufkommende Risiken in Teams und Regionen zu erkennen.

Anstatt uns auf manuelles Tagging oder anekdotische Interpretation zu verlassen, ermöglicht es uns KI, Feedback in großem Maßstab zu parametrisieren und qualitative Eingaben in strukturierte Signale zu verwandeln, die aufzeigen, wo Interventionen am dringendsten benötigt werden. Dadurch haben sich Geschwindigkeit, Konsistenz und Objektivität der Organisationsentwicklungsplanung erheblich verbessert.

2. Interne Arbeitsabläufe und Entfernung manueller Prozesse

Wir haben außerdem KI auf interne Arbeitsabläufe angewendet, um manuelle, sich wiederholende Tätigkeiten zu reduzieren. KI sortiert Anfragen, strukturiert unformatierte Eingaben und unterstützt die Entscheidungsfindung in internen Prozessen.

Dies hat die operative Belastung deutlich verringert, sodass sich Teams auf höherwertige Aufgaben wie strategische Problemlösung, Stakeholder-Management und kontinuierliche Verbesserung statt auf administrative Ausführung konzentrieren können.

3. Leistungs- und Bewertungsprozesse

Bei internen Evaluations- und Leistungsprozessen übernimmt KI eine entscheidende Rolle bei der Bearbeitung der quantitativen Analyse. KI durchsucht, aggregiert und verknüpft strukturierte Datenpunkte über Zeiträume hinweg, um sicherzustellen, dass Bewertungen auf langfristigen Fakten und nicht auf jüngsten oder isolierten Ereignissen basieren.

Dadurch können Führungskräfte sich auf die qualitativen Aspekte der Bewertung konzentrieren – Urteilsvermögen, Kontext, Entwicklungsgespräche und künftiges Potenzial – anstatt Daten zu sammeln. Das Resultat sind diszipliniertere, gerechtere und evidenzbasierte Beurteilungen.

4. Wissensaustausch und Ausrichtung

Wir nutzen NotebookLM als gemeinschaftliche Wissensbasis, um Prozesse, Entscheidungen und wiederkehrende Themen zu dokumentieren und so einen schnellen, sicheren Zugang zum institutionellen Wissen zu gewährleisten. Wir teilen die in diesem System gewonnenen Informationen transparent, wo es angebracht ist, was die Ausrichtung verbessert, Fehlinterpretationen reduziert und eine gemeinsame Faktenbasis im gesamten Team schafft.

5. Strategie, Entscheidungsfindung und Organisationsgestaltung

Auf strategischer Ebene unterstützt KI unsere Überlegungen zu Unsicherheiten, Prioritäten und Zielkonflikten. Anstatt Entscheidungen vorzugeben, hilft KI, Muster zu erkennen, Unklarheiten zu quantifizieren und Annahmen zu testen – insbesondere in Bereichen wie Rollenentwicklung, Organisationseffektivität und Veränderungsinitiativen.

Wie Predictive Analytics die Qualität von Einstellungsentscheidungen verbessert

Im Talent Acquisition war unsere Durchlaufzeit bereits konstant auf einem starken Niveau, zwischen 30 und 35 Tagen – für uns ging es daher nicht um reine Geschwindigkeit. Der eigentliche Wandel kam, als wir beschlossen, die Qualität des Funnels zu optimieren statt die Prozessgeschwindigkeit.

Zunächst haben wir das Talent Acquisition Team in Predictive Analysis und skills-basierte Workforce-Segmentierung geschult. Anstatt auf Masse zu setzen, haben wir unsere Intake- und Screening-Modelle so gestaltet, dass sie vorhersagen, welche Profile am wahrscheinlichsten Erfolg haben – je nach Rolle, Markt und Team. Dadurch konnten wir gezielt die Anzahl der Kandidat:innen in jeder Stufe des Prozesses reduzieren.

Konkret haben wir prädiktive Dashboards entwickelt, die historische Einstellungsergebnisse, Leistungsdaten und Marktsignale kombinieren. Recruiter nutzten diese Modelle, um sich ausschließlich auf wahrscheinliche Skills zu konzentrieren, und wechselten von Qualität durch Volumen zu Qualität durch Präzision.

Aber nochmal: KI sollte nicht menschliches Urteilsvermögen ersetzen, sondern es schärfen. Wir haben bewusst auf direkte menschliche Interaktion in Interviews, Kalibrierungsdiskussionen und finalen Entscheidungen gesetzt. Diese Kombination ermöglichte uns ein besseres Kandidat:innenerlebnis, fundiertere Beurteilungen und fairere sowie konsistentere Entscheidungen.

Wie Stellenbeschreibung das KI-gestützte Einstellungsergebnis beeinflusst

Bevor ich mit prädiktiven Modellen gearbeitet habe, habe ich unterschätzt, wie stark unklare, inkonsistente oder aufgeblähte Stellenbeschreibungen sowohl das Einstellungsergebnis als auch das Lernverhalten von KI-Systemen verzerren können. Mit KI bestimmt die Qualität des Job Designs und der Stellenbeschreibung jede nachfolgende Entscheidung.

Tatsächlich zeigte die Durchführung prädiktiver Analysen auf unsere historischen Einstellungsdaten ein deutliches Muster. Die größte Variabilität in den Rollendefinitionen führte zu schlechteren Ergebnissen – sogar noch stärker als Kandidaten niedriger Qualität. Anders gesagt: Rollen mit schlecht definierten Skills, unrealistischen Anforderungen oder uneinheitlichen Senioritätssignalen führten stets zu geringerer Conversion, mehr Ablehnung in späten Phasen und schwächerer Performance zu Beginn – unabhängig von der Qualität des Kandidatenpools.

Das hat unsere Strategie grundlegend verändert. Statt Stellenbeschreibungen als statische Vorgabe zu behandeln, haben wir sie als prädiktive Artefakte neu konzipiert. Wir nutzten historische Ergebnisdaten, um Anforderungen, die mit Erfolg korrelierten, von solchen zu unterscheiden, die lediglich für Rauschen und Unklarheiten sorgen. Im Laufe der Zeit konnten wir so Rollendefinitionen vereinfachen, nicht-prädiktive Anforderungen entfernen und uns bei der Einstellung auf eine kleinere Anzahl an hochwertigen Kompetenzen konzentrieren.

Warum die Einführung von KI institutionalisiert und nicht nur pilotiert werden sollte

Die größte Diskrepanz, die ich immer wieder zwischen dem Versprechen der KI und der organisatorischen Realität sehe, ist nicht technologischer Natur, sondern organisatorisch und menschlich. Die meisten Unternehmen investieren kräftig in KI-Tools und erwarten Verbesserungen. Aber sie behalten die gleichen Anreize, die gleiche hierarchische Struktur und die gleiche geringe Datenkompetenz bei Führungskräften bei.

Das Ergebnis ist, dass KI entweder zu wenig oder falsch genutzt wird: Leistungsstarke Modelle liefern Erkenntnisse, denen nicht vertraut, die nicht verstanden oder auf die nicht reagiert wird.

Wir haben diese Diskrepanz überwunden, indem wir die KI-Einführung institutionalisiert und nicht als Reihe von Pilotprojekten behandelt haben. Wir haben eine dedizierte, funktionsübergreifende Arbeitsgruppe ins Leben gerufen, die sich auf KI-gestütztes Entscheidungsdesign im Talent Acquisition-Bereich konzentriert.

Die Arbeitsgruppe arbeitet mit expliziten, geschäftsbezogenen Zielvorgaben. Ihre beiden Hauptziele sind, die Konversionsraten im gesamten Einstellungsprozess durch prädiktive Segmentierung und Entscheidungsneugestaltung um 50% zu erhöhen und die Interviewstunden um zusätzlich 30% zu reduzieren, indem Kandidaten mit niedriger Wahrscheinlichkeit früher aus dem Prozess genommen werden. Diese Ziele zwingen die Organisation dazu, sich nicht auf Experimente, sondern auf dauerhafte, systematische Leistungsverbesserungen zu konzentrieren.

Über reine Kennzahlen hinaus ist die Gruppe dafür verantwortlich, Entscheidungsworkflows neu zu gestalten, bevor Automatisierung eingeführt wird. Wir erfassen, wo wichtige Einstellungen getroffen werden, wer dafür verantwortlich ist, welche Daten benötigt werden und wo menschliches Urteilsvermögen zentral bleiben muss. Erst wenn die Entscheidungsarchitektur klar ist, setzen wir KI ein, um einzelne Schritte zu ergänzen, anstatt Tools auf gebrochene Prozesse zu legen.

Wir verankern auch Governance von Anfang an im Design. Das beinhaltet menschliche Übersteuerung, Monitoring von Verzerrungen und Abweichungen, klare Verantwortlichkeit für Modellausgänge und ethische Überprüfung von hochrelevanten Anwendungsfällen. Ohne diese Ansätze skaliert KI oft gute und schlechte Entscheidungen gleichzeitig.

Was es bedeutet, KI-bereit im Personal- und Talentmanagement zu sein

Wir behandeln KI weniger als eine Ansammlung von Tools und vielmehr als eine entscheidungsgestützte Denkweise. In unserer Organisation bedeutet KI-Bereitschaft, konsequent bessere Fragen zu stellen: Welche Signale sind relevant, wo besteht Unsicherheit und wie können Daten menschliches Urteilsvermögen unterstützen?

KI-Kompetenz wird durch die tägliche Arbeit aufgebaut, nicht durch formale Schulungen. Teams lernen, indem sie KI nutzen, um Muster zu erkennen, Annahmen zu testen und Entscheidungen über Umfragen, Bewertungen und operative Abläufe hinweg zu strukturieren.

In der Praxis zeigt sich das in unserer Entscheidungsfindung: mehr evidenzbasierte Diskussionen, klarere Annahmen, bessere Dokumentation und eine gemeinsame Sprache für den Umgang mit Unsicherheit. KI trifft nicht die Entscheidungen, sondern prägt, wie wir vor der Entscheidung denken und an sie herangehen.

Carlas dreistufiger Werkzeugstack

Für KI-unterstützte Ausführung nutzen wir verschiedene Tool-Kategorien. Für Sprachverständnis, Jobdesign und strukturierte Wissensunterstützung verwenden wir Gemini, einen internen KI-Agenten und NotebookLM, die als sichere, interne Wissensschicht dienen, um Prozesse zu dokumentieren und schnellen, kontrollierten Zugriff auf institutionelles Wissen zu bieten.

Für Interview-Intelligenz nutzen wir BrightHire, um strukturierte Interview-Signale zu erfassen und die Kalibrierung sowie die Qualität des Feedbacks zu verbessern.

Innerhalb unserer Hauptplattform für Recruiting verwenden wir Greenhouse AI hauptsächlich zur Zusammenfassung von Scorecards und zur strukturierten Synthese aus Interview-Feedback, wobei stets die vollständige menschliche Kontrolle über Auswahlentscheidungen erhalten bleibt.

Warum NotebookLM und ChatGPT eine unverzichtbare kognitive Infrastruktur sind

Ich bin zurzeit besonders fasziniert von zwei Tools: NotebookLM und ChatGPT. Ich nutze sie in sehr unterschiedlichen Kontexten.

ChatGPT setze ich ausschließlich für persönliche Zwecke ein, außerhalb meiner Unternehmensumgebung. Es ist mein primäres Werkzeug für persönliches Denken und Lernen geworden. Ich verwende es für alles – von strukturiertem Lernen und Schreiben über die Erforschung von Ideen bis hin zur Planung und Reflexion.

Die Plattform selbst zeigt an, dass ich zu den Top-Nutzern gehöre, was widerspiegelt, wie tief es in meinen persönlichen kognitiven Arbeitsablauf integriert ist. Die Hauptwirkung war, mein Lernen zu beschleunigen, meine Klarheit im Denken zu verbessern und mir zu helfen, komplexe Themen gründlicher zu durchdenken.

Im beruflichen Kontext setze ich am meisten auf NotebookLM. Ich nutze es intensiv, um meine Einzelgespräche zu dokumentieren und zu strukturieren, wiederkehrende Themen zu erfassen und eine konsistente, evidenzbasierte Sicht auf individuelle Entwicklung und Leistung über den Zeitverlauf zu behalten.

Ich teile diese Notizen und Zusammenfassungen transparent mit den Personen, mit denen ich mich treffe – das macht das Tool besonders mächtig. Es schafft eine einzige, abgestimmte Aufzeichnung von Erwartungen, Feedback und Verpflichtungen und hat Vertrauen, Fairness und Konsistenz bei der Leistungsbewertung deutlich verbessert. So können beide Seiten auf der gleichen, sachlichen Grundlage arbeiten, anstatt aus Erinnerung oder subjektiver Interpretation heraus.

Dadurch sind wir bei der Leistungssteuerung deutlich disziplinierter und fairer geworden: Entwicklungsmaßnahmen werden besser eingehalten, Missverständnisse nehmen ab und die Übereinstimmung zwischen Führungskräften und Teammitgliedern ist gestiegen.

Was ich an diesen Werkzeugen am meisten schätze, ist, dass sie keine Automatisierungswerkzeuge sind, sondern kognitive Infrastruktur. In dieser Hinsicht ersetzen sie nicht das Urteilsvermögen – sie verbessern die Qualität, Fairness und Transparenz der Ausübung von Urteilen.

Wie sich Talentgewinnung in den nächsten fünf Jahren verändern wird

Talentgewinnung wird künftig nicht mehr hauptsächlich nach Geschwindigkeit oder Menge bewertet, sondern zu einer Funktion der Entscheidungsqualität werden. In den nächsten fünf Jahren wird sich die Rolle von der Durchführung von Einstellungsprozessen hin zur Gestaltung und Steuerung der Art und Weise entwickeln, wie Organisationen unter Unsicherheit Talententscheidungen treffen.

KI wird zunehmend Aufgaben wie Skalierung, Mustererkennung und Signalauswertung übernehmen – vom Jobdesign bis zum Matching am Markt – während Talentteams viel präziser und bewusster Auswahlprozesse gestalten und umsetzen. Der Wettbewerbsvorteil entsteht durch klarere Rollenbeschreibungen, bessere Signalqualität im gesamten Prozess und konsistentere, evidenzbasierte Auswahlentscheidungen.

Auf Branchenebene denke ich, dass wir eine deutliche Trennung sehen werden: Organisationen, die KI als Denkweise und Teil ihres Betriebsmodells einbetten, werden grundlegend erfolgreicher sein als diejenigen, die sie nur als Werkzeugsammlung betrachten. Die Zukunft der Funktion gehört den Teams, die bessere Entscheidungen gestalten – nicht nur schnellere Prozesse.

Wie Führungskräfte KI gezielt im Personalwesen einsetzen können

Menschen in Rollen wie meiner rate ich, KI nicht länger als optionales Add-on zu betrachten, sondern als integralen Bestandteil des modus operandi, wie Arbeit erledigt wird. Das bedeutet, sich zunächst auf das Beseitigen administrativer Reibung durch KI zu konzentrieren. Im aktuellen Umfeld ist es widersprüchlich, sich KI zu verweigern: Die Frage ist längst nicht mehr, ob wir sie nutzen, sondern wie gezielt und verantwortungsvoll wir sie in Entscheidungen und Arbeitsabläufe des Alltags integrieren.

Gleichzeitig müssen wir klar benennen, was menschlich bleiben soll. KI ist extrem effektiv darin, Skalierung zu bewältigen, Informationen zu strukturieren und Störfaktoren zu reduzieren. Richtig eingesetzt gibt sie den Menschen mehr – nicht weniger – Raum, sich auf das Wesentliche zu konzentrieren: Urteilsvermögen, Beziehungen, Ethik, Kreativität und sinnvollen Dialog.

Im weiteren Sinne rate ich Führungskräften, KI als Kraft zu sehen, die Prioritäten klärt. Erfolgreiche Organisationen nutzen KI, um Arbeit, die Technologie besser kann als Menschen, zu eliminieren und investieren die gewonnene Zeit und Aufmerksamkeit bewusst in hochwertigere zwischenmenschliche Interaktionen.

Statt Führung zu schwächen, schafft KI die Voraussetzungen dafür, dass eine achtsamere, fokussiertere und menschlichere Führung entsteht.

Bleiben Sie dran

Sie können Carlas Arbeit zur Revolutionierung der Talentakquise auf LinkedIn verfolgen.

Weitere Experteninterviews folgen bei People Managing People!