Wie KI den frühen Kandidaten-Trichter verändert (und was sie nicht kann)
Effizienzsteigerung: KI steigert die Effizienz, indem sie frühe Aufgaben im Recruiting wie das Sourcing und die Terminierung von Bewerbungen automatisiert.
Bewusstsein für Vorurteile: Der Einsatz von KI kann bestehende Vorurteile im Recruiting verstärken, wenn historische Daten nicht sorgfältig überprüft werden.
Rolle des Menschen: Trotz KI-Einsatz bleibt die menschliche Überprüfung an jedem Entscheidungspunkt des Einstellungsprozesses unverzichtbar.
Kandidatentransparenz: Eine offene Kommunikation über die Rolle der KI in der Vorauswahl hilft, Bedenken der Kandidaten gegenüber dem Prozess zu reduzieren.
Klare Kriterien: Die Festlegung eindeutiger Einstellungskriterien ist entscheidend, da KI-Tools auf präzisen Definitionen basieren müssen, um effektiv zu sein.
Vor ein paar Jahren verbrachte unser Recruiting-Team einen Großteil seiner Zeit mit Aufgaben, für die kein Urteilsvermögen erforderlich war. Terminvereinbarungen, Postfachverwaltung, das Sortieren von Bewerbungen, bei denen die Grundqualifikationen fehlten. Das Team war gut darin, aber es lenkte sie von den Gesprächen ab, die wirklich wichtig waren.
Wir begannen damit, KI in den frühen Phasen des Kandidaten-Funnels für Sourcing, Screening, Terminvereinbarung und Ersteinschätzung einzusetzen. Nicht, weil es neuartig war, sondern weil es sich als sinnvoller Einsatz der Technologie bewiesen hat. Hohe Volumen, wiederkehrende und zeitaufwändige Aufgaben sind genau jene Bedingungen, unter denen KI ihren Platz verdient.
Mit KI im Spiel zeigte sich schnell, dass sich nicht nur die Effizienz verändert hat. Es war vielmehr das, was unsere Recruiter mit der neu gewonnenen Zeit anfangen konnten.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Der Teil, in dem KI gut ist
Es ist größtenteils kein urteilslastiger Prozess. Es geht um Sortieren, Filtern und Logistik.
Bevor echtes Urteilsvermögen gefragt ist, muss viel manuelle Arbeit erledigt werden. Je nach Rolle werden oft hunderte Bewerbungen geprüft, um zu wenigen Gesprächen zu kommen.
KI übernimmt das Sourcing, indem sie Kandidaten anhand der Anforderungskriterien über verschiedene Kanäle hinweg findet – ganz ohne dass ein Recruiter stundenlang händisch sucht. Sie kann ein erstes Screening durchführen und Bewerber markieren, die die Grundvoraussetzungen erfüllen, und so viel Zeit einsparen, bevor überhaupt ein Anschreiben gelesen wird.
Auch die Terminplanung kann nahezu komplett automatisiert werden. Das klingt trivial, sorgt aber in der Realität oft für tagelangen Aufwand durch Rückfragen – der Effekt hier ist also bedeutend.
Im Erstscreening können KI-Tools Antworten auf strukturierte Screening-Fragen auswerten und diese anhand definierter Kriterien bewerten. Wenn man spezifische Kriterien konsequent befolgt, anstatt umfassende Gesamturteile zu fällen, schafft man damit eine solide Grundlage für den gesamten weiteren Prozess.
Gerade diese Konsequenz ist ein wichtiges Argument für den Einsatz von KI an dieser Stelle. Menschliche Prüfer schwanken. Sie werden beeinflusst von der Tageszeit, der Anzahl bereits gelesener Bewerbungen und vielleicht auch, ob die letzte Kandidatin sie an jemanden erinnert hat.
Mit KI gelten für die hundertste Bewerbung dieselben Maßstäbe wie für die erste. Das ist wichtiger, als viele glauben.
Was wir gelernt haben, wo es scheitert
KI im Recruiting-Funnel erzeugt einen Filtereffekt. Und was dadurch aus der Pipeline entfernt wird, ist nicht zufällig. Sind die Kriterien zu eng gesteckt oder die historischen Daten spiegeln frühere, wenig repräsentative Einstellungsgewohnheiten wider, wird die KI exakt diese Muster reproduzieren.
Das ist keineswegs theoretisch. Es gibt dokumentierte Fälle, in denen Recruiting-Tools, die auf historischen Daten trainiert wurden, gewisse Gruppen benachteiligt haben, weil die Trainingsdaten die Vorurteile der bisher einstellenden Personen abgebildet haben. Das haben wir erkannt und ernst genommen.
Unser Ansatz war es, die Kriterien explizit zu definieren, bevor wir automatisierte Screenings eingerichtet haben. Was bedeutet „qualifiziert“ genau für diese Position? Welche Merkmale sagen tatsächlich Leistung voraus und welche sind nur Platzhalter für Vertrautheit? Muss man das schriftlich festhalten, erkennt man Dinge, die einem sonst entgangen wären.
Wir haben außerdem bei jeder Entscheidung menschliche Kontrolle eingebaut, selbst wenn die KI schon eine Empfehlung ausgesprochen hatte. Niemand wird weitergeleitet, ohne dass eine Person ihre Bewerbung gesehen hat. KI kann die Vorauswahl treffen, aber das letzte Wort hat immer ein Mensch.
Wofür unser Team dadurch Zeit gewonnen hat
Dieser Aspekt erhält weniger Aufmerksamkeit als die Effizienz, ist aber in der Praxis noch wichtiger.
Wenn Recruiter nicht mehr den halben Tag mit Logistik und Erstscreening verbringen, können sie die gewonnene Zeit endlich für Aufgaben nutzen, für die wirklich Urteilsvermögen nötig ist: Candidate Experience, tiefere Gespräche mit Finalisten, sich um Führungskräfte-Auswahl kümmern, wo ohnehin kein KI-Tool der Hauptfilter sein sollte.
Bei DoorLoop betrachten wir Rollen als KI-unterstützt oder vom Menschen gesteuert. Im Recruiting-Bereich liegt der frühe Funnel im KI-unterstützten Bereich – die KI erledigt das Volumengeschäft, aber die Verantwortung liegt beim Menschen. Das finale Auswahlverfahren sowie alles, was kulturelle Passung betrifft, bleibt komplett menschliche Aufgabe.
Diese Einstufung ist nicht dauerhaft. Wir überprüfen sie regelmäßig. Wenn sich die Werkzeuge verbessern und wir mehr Daten dazu haben, welche Frühphasen-Signale tatsächlich auf spätere Leistungen hinweisen, kann sich die Grenze verschieben. Aber im Moment bleibt sie dort, wo sie ist.
Die Frage nach der Candidate Experience
Es gibt berechtigte Bedenken, wie es sich anfühlt, am Ende eines KI-basierten Auswahlprozesses zu stehen. Kandidat:innen wissen, dass diese Tools existieren, und manche zweifeln daran, ob jemals ein Mensch ihre Bewerbung wirklich liest.
Wir begegnen dem mit Transparenz. Von Anfang an machen wir deutlich, dass KI im Frühstadium der Vorauswahl eingesetzt wird. Wir sagen den Bewerber:innen, was wir bewerten und dass jede Bewerbung, die die erste Runde übersteht, von einer Person geprüft wird.
Ob das ausreicht, um die Skepsis vollständig auszuräumen, weiß ich nicht. Aber Unklarheit hilft niemandem, und wir sind überzeugt, dass Kandidat:innen eine ehrliche Antwort zum Ablauf gut verkraften können.
Das größere Risiko ist ein Prozess, der sich am Ende leer anfühlt. Ein:e Kandidat:in durchläuft alle Phasen und das erste echte Gespräch macht den Eindruck, als hätte sich niemand vorbereitet. KI an der Spitze rechtfertigt keine schlechte Erfahrung am Schluss.
Was das nicht löst
Wenn Sie KI im Recruiting-Funnel einsetzen, um zu kompensieren, dass Sie gar nicht genau wissen, wen Sie eigentlich suchen, bringt das nichts. Das Tool ist immer nur so gut wie die Kriterien, die Sie vorgeben. Unklare Stellenbeschreibungen, undefinierte Anforderungen, von irgendwo kopierte Rollenspezifikationen – das führt zwar zu einem schnellen, automatisierten Prozess, aber mit dem falschen Ergebnis.
Wir haben uns vor der Einführung jeglicher Tools viel Zeit genommen, um klar zu definieren, was wir wirklich suchen. Diese Arbeit war unabhängig von der Technologie. Sie wäre ohnehin notwendig gewesen.
KI im frühen Funnel ist keine Abkürzung zu besseren Einstellungen, aber richtig eingesetzt, ist sie ein Mittel, um große Mengen mit weniger manuellem Aufwand und mehr Konsistenz zu bewältigen. Die Entscheidung bleibt trotzdem bei Ihrem Team. Die Frage ist nur, wie viel Zeit sie aufbrauchen müssen, bevor sie diese Entscheidung treffen können.
