---
title: "KI im Recruiting: Wo sie kleinen Teams hilft und wo der Mensch entscheidet"
description: "KI-Recruiting für kleine Teams: wo KI bei Stellenanzeigen, Fragen und Terminen hilft, was Studien zu Chatbots und Verantwortung zeigen und wo du entscheidest."
author: "Felix Schmitz"
author_url: https://felixshmtz.de/ueber-mich/
published: 2026-10-17
updated: 2026-11-15
category: "KI & Automation"
canonical: https://felixshmtz.de/artikel/ki-im-recruiting/
language: de
---

# KI im Recruiting: Wo sie kleinen Teams hilft und wo der Mensch entscheidet

Von Felix Schmitz, Digital Growth Hacker aus Köln: Gründer und Geschäftsführer der quik UG, Gründer von ai-website.com, baut den KI-Workspace quik OS.

## Kurz gesagt

- KI im Recruiting heißt, Aufgaben der Personalgewinnung mit KI zu unterstützen, von der Stellenanzeige über Bewerberfragen und Termine bis zur Vorauswahl.
- Interviews mit erfahrenen HR-Fachleuten zeigen, dass Chatbots bei hohem Bewerbungsaufkommen Zeit sparen, bei Soft Skills, Führungspotenzial und Passung aber an Grenzen stoßen.
- Ein Rahmenwerk aus der Forschung ordnet Recruiting-Aufgaben nach Risiko und nötigem Fingerspitzengefühl und reserviert heikle Entscheidungen für Menschen mit KI als Assistenz.
- Forscher warnen, dass Verantwortung unsichtbar wird, wenn Algorithmen bewerten und Menschen nur noch reagieren.
- Im EU AI Act zählen KI-Systeme zur Auswahl von Bewerbern zu den Hochrisiko-Anwendungen, deshalb gehört die Entscheidung über Menschen in menschliche Hand.

KI im Recruiting heißt: Künstliche Intelligenz unterstützt dich bei der Personalgewinnung, also bei der Suche nach neuen Mitarbeitern. Sie formuliert Stellenanzeigen, beantwortet Bewerberfragen, stimmt Termine ab und fasst Unterlagen zusammen. Im heikelsten Fall wählt sie Bewerbungen vor. Für kleine Teams lohnt sich KI-Recruiting vor allem bei der Kommunikation rund um die Bewerbung. Menschen zu bewerten, sollte Aufgabe von Menschen bleiben. Ein Grund dafür: Der EU AI Act, das KI-Gesetz der EU, stuft solche Systeme als hochriskant ein.

Für Gründer ist die erste Einstellung eine der Entscheidungen mit den größten Folgen überhaupt. Wer die ersten Menschen ins Team holt, prägt die Kultur auf Jahre. Warum ich das so sehe, beschreibe ich im Artikel über die [ersten Mitarbeiter](https://felixshmtz.de/artikel/erste-mitarbeiter/). Gerade deshalb finde ich es heikel, wenn ausgerechnet diese Entscheidung an eine Software wandert, die niemand im Team versteht.

Ehrlich vorweg: Die Studienlage für kleine Unternehmen ist dünn. Die meisten Arbeiten, die ich gefunden habe, sind Konferenzbeiträge. Sie stellen eigene Systeme mit sehr hohen Trefferquoten vor. Getestet wurden diese oft an Datensätzen, die mit echter Personalauswahl wenig zu tun haben. Diese habe ich bewusst weggelassen. Übrig geblieben sind vier Arbeiten, die eher Fragen klären als Zahlen liefern: eine Interviewstudie, ein Rahmenwerk, eine theoretische Analyse und ein Kommentar.

## Was KI im Recruiting heute übernehmen kann

Bevor es um Risiken geht, lohnt sich ein nüchterner Blick auf die Einsatzfelder. Ich ordne sie nach den Schritten einer Bewerbung:

| Schritt | Was KI übernehmen kann | Wie heikel |
|---|---|---|
| Stellenanzeige | Text formulieren, Anforderungen schärfen, Sprache prüfen | Gering, wenn du gegenliest |
| Bewerberfragen | Häufige Fragen per Chatbot beantworten | Gering bis mittel |
| Termine | Gesprächstermine abstimmen und erinnern | Gering |
| Unterlagen | Lebensläufe zusammenfassen, Angaben strukturieren | Mittel |
| Vorauswahl | Bewerbungen sortieren, bewerten, aussortieren | Hoch |
| Entscheidung | Empfehlung, wer eingestellt wird | Sehr hoch |

Die rechte Spalte ist meine Einschätzung. Sie folgt einer einfachen Regel: Je direkter ein Schritt über die Chancen eines Menschen entscheidet, desto vorsichtiger würde ich sein.

Auffällig ist, dass die nützlichsten Einsätze für kleine Teams ganz oben in der Tabelle stehen. Eine gut formulierte Stellenanzeige und schnelle Antworten auf Fragen verbessern die Erfahrung der Bewerber, ohne über sie zu urteilen. Die riskanten Einsätze unten bringen dagegen vor allem bei großen Bewerberzahlen Zeit.

## Was Studien über Chatbots im Recruiting zeigen

Kumari, Mondal, Upadhyay, Mahanty, Adhikari und Sarkar (2026) haben in einer qualitativen Studie erfahrene HR-Fachleute in Indien interviewt. Diese Fachleute arbeiten mit KI-gestützter Personalgewinnung. Die Studie ist ein Konferenzbeitrag. Ich habe sie trotzdem ausgewählt, weil sie Praktiker zu Wort kommen lässt, statt eine eigene Software vorzustellen.

Das Ergebnis ist ausgewogen. Chatbots machen die Arbeit deutlich effizienter und antworten Bewerbern schneller. Das gilt vor allem, wenn sie mit dem Bewerbermanagementsystem verbunden sind, also mit der Software, die Bewerbungen verwaltet. Es gilt auch, wenn viele Bewerbungen für Einstiegsstellen eingehen. Gleichzeitig stoßen sie an klare Grenzen: wenn Sprache mehrdeutig ist und wenn es darum geht, Soft Skills, Führungspotenzial und kulturelle Passung einzuschätzen. Die Befragten sehen Chatbots als Werkzeug, das Abläufe unterstützt und vorsortiert. Wer bewertet oder strategisch entscheidet, braucht laut den Autoren weiterhin menschliches Urteil. Sie beschreiben den Einsatz deshalb als Ergänzung menschlicher Arbeit.

Für kleine Teams finde ich vor allem den Kontext wichtig. Effizienter wird die Arbeit erst, wenn sehr viele Bewerbungen eingehen. Wer drei Stellen im Jahr besetzt und auf jede zwanzig Bewerbungen bekommt, hat diese Menge nicht. Was bleibt, sind die Grenzen. In einem kleinen Team zählen Eigenständigkeit, Haltung und Passung am meisten. Genau diese Fähigkeiten schätzt ein Chatbot am schlechtesten ein. Wann ein Chatbot im Kundenkontakt hilft und wann er nervt, beschreibe ich übrigens im Artikel über [Chatbots im Kundenservice](https://felixshmtz.de/artikel/chatbots-im-kundenservice/). Für Bewerber gilt aus meiner Sicht dasselbe.

## KI-Recruiting nach Risiko sortieren

Ein hilfreiches Denkwerkzeug liefern Pratiwi, Prasetyaningtyas, Ramaditya und Ikhsan (2026) in einem Konferenzbeitrag. Sie haben eine Matrix aus der Bildungstechnologie auf das Recruiting übertragen und vergleichen damit die Lage in Indonesien und Malaysia. Die Matrix ordnet Aufgaben nach zwei Fragen: Wie viel Fingerspitzengefühl für den Kontext braucht eine Aufgabe, und wie groß ist das Risiko für das Ergebnis?

Daraus ergeben sich vier Felder. Für Aufgaben mit wenig Risiko und wenig Fingerspitzengefühl empfehlen die Autoren allgemeine KI. Für hohes Risiko bei wenig Fingerspitzengefühl spezialisierte KI. Für hohes Risiko und viel Fingerspitzengefühl menschlich geführte Entscheidungen mit KI als Assistenz. Und für viel Fingerspitzengefühl bei geringem Risiko Mischformen.

![Grafik als Matrix zum KI-Recruiting nach Risiko für Bewerber und nötigem Fingerspitzengefühl: allgemeine KI bei Routine, spezialisierte KI bei hohem Risiko, Mischformen bei heiklen Gesprächen und menschliche Entscheidung mit KI-Assistenz bei der Auswahl](https://felixshmtz.de/grafiken/ki-im-recruiting/ki-recruiting-risiko-kontext-matrix.webp)

*KI-Recruiting nach Risiko und Fingerspitzengefühl: Je höher Risiko und Fingerspitzengefühl, desto mehr gehört die Entscheidung in menschliche Hand.*

Die Einordnung der Beispiele in die Matrix ist meine, die Studie nennt die vier Felder allgemein. Mir gefällt an diesem Rahmen, dass er die Frage verschiebt. Statt über KI im Recruiting als Ganzes zu urteilen, fragst du bei jeder einzelnen Aufgabe, in welches Feld sie gehört. Für ein kleines Team ergibt sich daraus eine klare Linie: Routine darf die KI machen, Kommunikation darf sie vorbereiten, Auswahl und Entscheidung bleiben bei dir.

Die Studie vergleicht zwei Länder in Südostasien mit eigener Rechtslage. Die Matrix selbst halte ich trotzdem für übertragbar, weil sie Aufgaben sortiert und keine bestimmte Rechtslage voraussetzt.

## Wer verantwortet die Entscheidung

Die grundsätzlichste Arbeit in meiner Auswahl kommt von Ji und Yang (2026) in AI & Society. Sie beschreiben eine soziale Rollenumkehr: Algorithmische Systeme übernehmen Aufgaben, die bisher Menschen vorbehalten waren, nämlich anleiten, bewerten und koordinieren. Menschen werden zu Teilnehmenden. Sie reagieren innerhalb der Grenzen, die das System setzt.

Als zentrales Problem beschreiben die Autoren, dass Verantwortung verschwimmt. Wenn Autorität in Infrastruktur steckt, wird unklar, wer eine Entscheidung eigentlich getroffen hat. Die Autoren nennen Bedingungen, unter denen algorithmische Koordination legitim bleiben kann. Dazu gehören unter anderem Widerrufbarkeit, also die Möglichkeit, eine Entscheidung zurückzunehmen, und echte menschliche Kontrolle.

Die Arbeit ist theoretisch und nicht auf kleine Unternehmen bezogen. Für Recruiting finde ich sie trotzdem sehr konkret. Wenn eine Software eine Bewerberin aussortiert, und niemand kann erklären, warum, dann hat faktisch niemand entschieden. Genau das darf bei Entscheidungen über Menschen nicht passieren. Mehr zu diesem Muster steht im Artikel über [algorithmische Entscheidungen](https://felixshmtz.de/artikel/algorithmische-entscheidungen/).

> Wenn niemand eine Absage erklären kann, hat auch niemand entschieden.

## Wenn Anbieter ihre Algorithmen nicht offenlegen

Ein weiteres Problem betrifft vor allem kleine Unternehmen, weil sie Werkzeuge kaufen und nicht selbst bauen. Ahiafor, Zhong und Zhou (2026) kommentieren im American Journal of Bioethics ein Rahmenwerk. Es behandelt KI, die Teilnehmende für klinische Studien auswählt. Ihre Kritik: Kommerzielle Anbieter müssen ihre Algorithmen nicht offenlegen, weil diese oft als Geschäftsgeheimnis geschützt sind. Als Lösung schlagen sie unabhängige Prüfungen vor, sobald ein System auf dem Markt ist. Geprüft werden soll unter anderem, wie gut die Systeme in verschiedenen Bevölkerungsgruppen arbeiten.

Der Kontext ist Medizin, nicht Personalauswahl. Den Kern halte ich trotzdem für übertragbar. Wer ein KI-Recruiting-Werkzeug kauft, weiß oft nicht, wie es bewertet. Für mich folgen daraus drei Fragen, die ich jedem Anbieter stellen würde:

1. Nach welchen Kriterien sortiert oder bewertet das System?
2. Wurde geprüft, ob es bestimmte Gruppen benachteiligt, und kann ich das Ergebnis sehen?
3. Kann ich jede Empfehlung nachvollziehen und überstimmen?

Wenn ein Anbieter diese Fragen nicht beantwortet, würde ich sein Werkzeug nicht für die Vorauswahl einsetzen. Wie verzerrte Trainingsdaten wirken, ist aus der Praxis bekannt. Ein großer Onlinehändler hat vor einigen Jahren ein Bewertungssystem für Bewerbungen eingestellt, weil es Frauen benachteiligte. Das System hatte aus früheren Einstellungen gelernt, und die waren überwiegend männlich. Wie ich solche ethischen Fragen beim KI-Einsatz grundsätzlich angehe, beschreibe ich im Artikel über [KI-Ethik](https://felixshmtz.de/artikel/ki-ethik/).

## Was der EU AI Act für KI-Recruiting bedeutet

Ein Hinweis vorweg: Das hier ist keine Rechtsberatung, und die Details solltest du fachkundig prüfen lassen. Einige Grundzüge sind aber klar.

Der EU AI Act ordnet bestimmte KI-Systeme als Hochrisiko-Anwendungen ein. Gemeint sind Systeme, die beim Einstellen und Auswählen von Menschen helfen, etwa indem sie Bewerbungen filtern und bewerten. Für solche Systeme gelten strengere Pflichten, auch für Unternehmen, die sie nur nutzen. Dazu gehören unter anderem menschliche Aufsicht und ein Einsatz nach den Vorgaben des Anbieters. Emotionserkennung am Arbeitsplatz ist nach dem Gesetz grundsätzlich verboten. Unabhängig davon setzt die DSGVO enge Grenzen, wenn Entscheidungen vollautomatisch fallen und Menschen erheblich betreffen.

Welche Pflichten wann greifen und wie sich der Zeitplan zuletzt verändert hat, fasse ich im Artikel zum [EU AI Act](https://felixshmtz.de/artikel/eu-ai-act/) zusammen. Für kleine Teams ist die praktische Folge einfach: Wer KI nur für Stellenanzeigen, Fragen und Termine nutzt, bewegt sich in einem anderen Bereich als jemand, der Bewerbungen automatisch bewerten lässt.

## So würde ich KI im Recruiting als kleines Team einsetzen

Aus den Studien und den Grundzügen des Gesetzes ergibt sich für mich ein klarer Rahmen:

- **Stellenanzeige mit KI schreiben, selbst gegenlesen.** Lass die KI auch prüfen, ob Formulierungen bestimmte Gruppen abschrecken.
- **Häufige Fragen und Termine automatisieren.** Das spart Zeit und gibt Bewerbern schnelle Antworten, ohne über sie zu urteilen.
- **Unterlagen selbst lesen.** Bei wenigen Bewerbungen ist das der schnellste und fairste Weg. Eine KI-Zusammenfassung kann helfen, ersetzt aber nicht das Original.
- **Entscheidung allein treffen und begründen.** Schreib zu jeder Absage einen Satz auf, warum. Wenn du keinen findest, schau noch einmal hin.
- **Offen sagen, wo KI im Spiel ist.** Bewerber sollten wissen, ob sie mit einem Chatbot schreiben.

Eine Beispielrechnung zur Einordnung: Angenommen, ein Team von vier Leuten besetzt eine Stelle und bekommt 40 Bewerbungen. Wenn das Lesen einer Bewerbung im Schnitt fünf Minuten dauert, sind das 200 Minuten, also gut drei Stunden. Ein KI-Werkzeug zur Vorauswahl würde davon vielleicht zwei Stunden sparen. Für diese zwei Stunden übernimmst du das Risiko, gute Menschen aus Gründen auszusortieren, die niemand kennt. Bei einer Stelle, die das Team auf Jahre prägt, ist das für mich ein schlechter Tausch. Anders sieht es bei Unternehmen mit Tausenden Bewerbungen aus, um die geht es hier aber nicht.

Dazu kommt die Seite der Bewerber. Schnelle Antworten durch einen Chatbot sind angenehm. Einheitliche Absagen, die erkennbar aus einer Maschine kommen, sind es nicht. Für kleine Arbeitgeber ist der persönliche Kontakt oft der stärkste Vorteil gegenüber großen Konzernen. Wie du diesen Vorteil gezielt nutzt, beschreibe ich im Artikel über [Employer Branding](https://felixshmtz.de/artikel/employer-branding/).

Wie fair dein aktueller Ablauf ist, kannst du mit diesem Check abschätzen.

**Selbstcheck, ist dein KI-Recruiting fair aufgestellt**

- [ ] Ich weiß bei jedem Werkzeug, ob und wie es Bewerbungen bewertet
- [ ] Keine Bewerbung wird ohne menschlichen Blick aussortiert
- [ ] Ich kann jede Absage in einem Satz begründen
- [ ] Bewerber erfahren, wenn sie mit einem Chatbot kommunizieren
- [ ] Meine Stellenanzeigen sind auf ausschließende Formulierungen geprüft
- [ ] Ich habe geklärt, welche Regeln für meine Werkzeuge gelten

## Fazit

KI im Recruiting kann kleinen Teams viel Kleinarbeit abnehmen, vom Text der Stellenanzeige bis zum Abstimmen von Terminen. Die Forschung zeigt aber ebenso deutlich, wo die Grenzen liegen: bei Soft Skills und Passung, bei der Frage, wer eine Entscheidung verantwortet, und bei Werkzeugen, deren Bewertung niemand nachvollziehen kann. Mit dem Hochrisiko-Status im EU AI Act kommt eine rechtliche Grenze dazu.

Mein Vorschlag: Geh deinen Bewerbungsprozess einmal Schritt für Schritt durch und ordne jeden Schritt in die Matrix ein. Automatisiere die Routine unten links und hol alles oben rechts zurück in deine Hand. Was ich beim Aufbau von Teams und Systemen lerne, teile ich in den [Unternehmer Thoughts](https://felixshmtz.de/unternehmer-thoughts/).

## Häufige Fragen

### Wie wird KI im Recruiting eingesetzt?

Typische Einsätze sind das Formulieren von Stellenanzeigen, Chatbots für Bewerberfragen, automatische Terminabstimmung, das Zusammenfassen von Unterlagen und die Vorauswahl von Bewerbungen. Die heikelsten Einsätze sind Vorauswahl und Bewertung, weil sie direkt über Chancen von Menschen entscheiden.

### Ist KI im Recruiting erlaubt?

Ja, aber mit Auflagen. Der EU AI Act stuft KI-Systeme zur Auswahl und Bewertung von Bewerbern als hochriskant ein, und die DSGVO setzt vollautomatisierten Entscheidungen mit erheblicher Wirkung enge Grenzen. Welche Pflichten für dein konkretes Werkzeug gelten, solltest du fachkundig prüfen lassen.

### Kann KI im Recruiting diskriminieren?

Ja. Wenn ein System aus früheren Entscheidungen lernt, kann es deren Verzerrungen übernehmen und verstärken. Bekannt wurde ein Fall, in dem ein großer Onlinehändler ein Bewertungssystem einstellte, weil es Bewerberinnen benachteiligte. Deshalb gehören Prüfung und menschliche Kontrolle zu jedem Einsatz.

### Lohnt sich KI im Recruiting für kleine Unternehmen?

Für Routineaufgaben wie Stellenanzeigen, Antworten auf häufige Fragen und Termine oft ja. Für die Auswahl bei wenigen Bewerbungen bringt KI kaum Zeitgewinn, aber zusätzliche Risiken. Kleine Teams profitieren am meisten, wenn sie KI für Kommunikation nutzen und die Bewertung selbst machen.

## Quellen

- [Kumari, Mondal, Upadhyay et al. (2026): Exploring the Human–AI Interface in Recruitment: A Qualitative Study of Chatbots in HRM. International Conference on Recent Trends in Computer Science and Technology (ICRTCST)](https://doi.org/10.1109/ICRTCST68392.2026.11545228)
- [Pratiwi, Prasetyaningtyas, Ramaditya et al. (2026): Governing AI in Recruitment: A Comparative Context-Risk Analysis of Indonesia and Malaysia. International Conference on E-Education, E-Business, E-Management and E-Learning (IC4e)](https://doi.org/10.1109/IC4e69618.2026.11631524)
- [Ji, Yang (2026): When AI starts hiring humans: social role inversion and the diffusion of responsibility. AI & Society](https://doi.org/10.1007/s00146-026-03226-z)
- [Ahiafor, Zhong, Zhou (2026): Acknowledgment Is Not Enforcement: Closing Commercial AI Recruitment's Transparency Gap. American Journal of Bioethics](https://doi.org/10.1080/15265161.2026.2690948)

Quelle: https://felixshmtz.de/artikel/ki-im-recruiting/
