Bewerberauswahl: Der Mensch im Verfahren

Stellen Sie sich eine kleine Organisation vor, die viele Bewerbungen für eine einzelne offene Stelle erhält. Ein neues System sortiert die Unterlagen nach einer geschätzten Passung. In der Oberfläche erscheinen der Personalrolle zuerst nur die Profile mit den höchsten Werten. Die übrigen Bewerbungen werden nicht gelöscht; sie verschwinden aber aus dem Blickfeld, in dem die nächste Auswahlrunde tatsächlich stattfindet.

Am Ende liest ein Mensch die kurze Liste, führt Gespräche und unterschreibt die Entscheidung. Kann man deshalb sagen, die Auswahl sei von einem Menschen getroffen worden? Die Antwort hängt davon ab, was „beteiligt“ bedeutet. Hat die Person alle Bewerbungen gesehen? Konnte sie die Sortierung prüfen und ändern? Wusste sie, warum ein Profil nicht sichtbar war? War die Einstufung selbst bereits so ausschlaggebend, dass niemand mehr eine Bewerbung außerhalb der obersten Gruppe betrachtet hätte?

Diese Fragen führen zur entscheidenden Stelle im Verfahren: zur Schwelle, an der ein Mensch oder eine Organisation nur noch diejenigen Bewerbungen prüfen kann, die ein System zuvor sichtbar gemacht hat. Die Auswahlentscheidung findet nicht erst beim Vertragsangebot statt. Sie beginnt auch bei der Festlegung, welche Unterlagen verarbeitet werden, welche Merkmale zählen, wie sie geordnet werden und wer aus der engeren Auswahl herausfällt.

Das bedeutet nicht, dass jedes digitale Werkzeug in der Personalauswahl unzulässig wäre. Ein gutes System könnte Teams entlasten, Anforderungen konsistenter anwenden und die erste Sichtung handhabbarer machen. Es bedeutet, dass „Ein Mensch ist noch dabei“ allein kein Beleg für Fairness, Rechtmäßigkeit oder unabhängiges Urteil ist. Die reale Frage lautet: Welche Entscheidung beeinflusst das System, wer kann diese Wirkung erkennen und ändern, und wer trägt die Verantwortung für die Folgen?

Auswahl ist eine Kette, keine Unterschrift

Eine Bewerbung durchläuft selten nur einen einzigen Auswahlmoment. Schon die Stellenausschreibung kann durch ein Ausspielungssystem beeinflusst werden: Wer sieht die Anzeige, wem wird sie vorgeschlagen, welche Zielgruppen werden besonders angesprochen? Danach folgen Eingang und Formatierung der Unterlagen, automatische Prüfung bestimmter Mindestanforderungen, Sortierung, Rangfolge, Zusammenfassung, menschliche Sichtung, Interview, Auswahl und Rückmeldung.

An jeder dieser Stellen kann sich entscheiden, ob ein Profil im Verfahren bleibt. Ein System muss niemandem ausdrücklich eine Absage schicken, um die Auswahl zu prägen. Es reicht, wenn eine niedrige Bewertung dazu führt, dass eine Bewerbung von der nächsten menschlichen Prüfung ausgeschlossen wird. Auch ein sprachlich überzeugender Kurzbericht kann die spätere Sichtung beeinflussen, wenn die Personalrolle die ursprünglichen Unterlagen nicht mehr liest. Ein Werkzeug kann also eine Entscheidung vorbereiten, ohne sie formal selbst abzuschließen.

Wer nur nach dem letzten Klick oder der letzten Unterschrift fragt, übersieht den Ablauf davor. Umgekehrt reicht auch die Frage „Wird KI eingesetzt?“ nicht. Ein Werkzeug kann eine Datei sortieren, eine Pflichtqualifikation prüfen, Text zusammenfassen, Kandidat:innen bewerten oder eine Rangliste erzeugen. Diese Funktionen haben unterschiedliche Folgen. Entscheidend sind der konkrete Zweck, die Stelle des Eingriffs und die tatsächliche Wirkung im Verfahren.

Eine Entscheidungskette lässt sich mit sechs Fragen beschreiben:

1. Welche Aufgabe soll erledigt werden? Anzeigen verbreiten, Unterlagen ordnen, Mindestbedingungen prüfen, Leistungen vergleichen oder eine Shortlist bilden?

2. Welche Informationen werden dafür verwendet? Erforderliche Qualifikationen, Arbeitsproben, Lebenslaufdaten, öffentliche Profile oder abgeleitete Merkmale?

3. Welche Ausgabe erzeugt das System? Eine Zusammenfassung, einen Hinweis, einen Ausschluss, eine Schwelle, einen Rang oder eine Empfehlung?

4. Was geschieht mit niedriger bewerteten Profilen? Werden sie sichtbar angezeigt, zufällig oder fachlich nachgeprüft, zurückgestellt oder nie von einer Person betrachtet?

5. Was kann die menschliche Rolle tatsächlich tun? Hat sie Zeit, Informationen, Fachwissen und die Befugnis, eine Empfehlung zurückzuweisen oder die gesamte Liste neu zu öffnen?

6. Wie kann ein Fehler angesprochen und korrigiert werden? Gibt es einen klaren Verantwortungs- und Beschwerdeweg, und kann eine Bewerberin oder ein Bewerber die Darstellung der eigenen Qualifikation ergänzen?

Das Verfahren wird dadurch nicht automatisch gerecht. Die Fragen verhindern jedoch, dass ein einziger menschlicher Schritt am Ende die vorherigen Auswahlwirkungen unsichtbar macht.

Das kleine Unternehmen im Beispiel

Ein vollständig erfundenes kleines Unternehmen sucht eine Person für die Koordination technischer Serviceaufträge. Die Aufgaben umfassen Abstimmung mit Kundschaft, Dokumentation und Priorisierung von Vorgängen. Die Geschäftsleitung erwägt ein digitales Werkzeug, das Profile nach einer Passungszahl sortiert. Die Personalrolle soll zunächst nur die oberste Gruppe sehen.

Die Stelle verlangt nach der internen Aufgabenbeschreibung Kommunikationsfähigkeit, sorgfältige Dokumentation und die Fähigkeit, technische Informationen an die richtigen Personen weiterzugeben. Ein bestimmter Hochschulabschluss ist nicht als zwingend festgelegt. Trotzdem könnte die Sortierung bekannte Berufsbezeichnungen oder formale Abschlüsse stark gewichten. Ein synthetisches Profil verfügt über einschlägige Erfahrung aus einem nichtlinearen Berufsweg und zeigt die gefragten Fähigkeiten anhand konkreter Tätigkeiten. Falls das System vor allem einen passenden Titel oder ein Abschlussfeld erwartet, könnte dieses Profil weit unten landen.

Der Fall behauptet nicht, dass ein reales System genau so funktioniert oder dass jede unübliche Rangfolge diskriminierend wäre. Er stellt eine Frage an das Verfahren: Wenn die Personalrolle nur die obersten Profile sieht, wie kann sie dann erkennen, ob die Bewertung ein wirklich notwendiges Kriterium abbildet oder einen Stellvertreter, der mit der tatsächlichen Arbeit nur lose zusammenhängt?

Die Geschäftsleitung hat einen nachvollziehbaren Grund, über Unterstützung nachzudenken. Ein kleines Team kann nicht unbegrenzt Zeit in die erste Sichtung investieren. Gleichmäßig angewendete Kriterien könnten die Arbeitslast verringern; eine strukturierte Übersicht kann unvollständige Unterlagen schneller erkennbar machen. Der mögliche Nutzen gehört in die Abwägung. Er beweist jedoch nicht, dass die Kriterien geeignet sind, dass alle relevanten Fähigkeiten sichtbar bleiben oder dass die Personalrolle den Systemoutput zuverlässig korrigieren kann.

Gerade kleine Organisationen sollten daher keine aufwendige Prüfung imitieren, die sie weder rechtlich noch fachlich stemmen können. Sie können aber vor dem Einkauf eine klare Aufgabenanalyse erstellen, nach der Funktion und Beleglage des Systems fragen, eine manuelle Alternative bestimmen und festlegen, welche Rolle eine Rangliste öffnen oder stoppen darf. Eine unklare Antwort des Anbieters ist selbst eine wichtige Information: Sie zeigt, welche Annahme noch nicht geprüft werden kann.

Was heißt „fair“ in einer Auswahl?

Fairness ist kein einzelner Messwert. Mindestens vier Fragen stehen nebeneinander:

Relevanz: Werden Fähigkeiten berücksichtigt, die für die Stelle wirklich gebraucht werden?

Gleichbehandlung: Werden vergleichbare Bewerbungen nach vergleichbaren Regeln behandelt?

Zugang: Können Menschen mit unterschiedlichen Ausbildungs- und Berufswegen ihre passenden Fähigkeiten überhaupt in der erwarteten Form zeigen?

Begründbarkeit: Kann die Organisation erklären, warum ein Profil weiter geprüft wurde und ein anderes nicht?

Diese Ansprüche können miteinander in Spannung geraten. Ein streng standardisiertes Formular kann Vergleichbarkeit schaffen, aber relevante Erfahrung aus einem anderen Berufsweg schlecht abbilden. Eine menschliche Einzelfallprüfung kann eine ungewöhnliche Qualifikation erkennen, ist aber zeitaufwendig und kann durch wechselnde Erwartungen uneinheitlich werden. Ein automatisch erzeugter Rang kann alle Unterlagen auf dieselbe Weise verarbeiten, aber einheitliche Verarbeitung ist nicht dasselbe wie ein gutes Kriterium.

Das philosophische Problem ist deshalb nicht bloß, ob eine Maschine objektiv oder ein Mensch subjektiv ist. Auch ein Mensch kann eine Bewerbung anhand eines unklaren Bauchgefühls bewerten. Auch ein Algorithmus kann eine zuvor definierte Regel reproduzierbar anwenden. Die wichtigere Frage lautet, ob die verwendeten Gründe fachlich passen, offen gelegt und überprüfbar sind und ob eine betroffene Person eine fehlerhafte Darstellung korrigieren kann.

Wer aus einer Bewerbung eine Passungszahl macht, komprimiert eine vielschichtige Person in eine Auswahlrepräsentation. Die Zahl kann für einen begrenzten Vergleich nützlich sein. Sie ist aber weder die Person noch eine vollständige Beschreibung dessen, was sie in einer konkreten Arbeit leisten könnte. Ein Auswahlverfahren schuldet Bewerbenden keine Einstellung. Es schuldet ihnen jedoch eine nachvollziehbare, arbeitsbezogene und diskriminierungsfreie Behandlung im Rahmen der geltenden Regeln. Diese Verpflichtung verschwindet nicht, wenn eine Software zwischen Unterlagen sortiert.

Das gilt auch für das Ziel, auf das ein System trainiert oder abgestimmt wurde. Wenn eine Organisation „erfolgreiche frühere Beschäftigte“ als Muster verwendet, muss sie fragen, wer in diese Gruppe aufgenommen wurde und nach welchen Bedingungen Erfolg gemessen wurde. Wenn das Ziel eine spätere Bewertung durch Vorgesetzte ist, kann diese Bewertung durch die Kultur, die Unterstützung und die Aufstiegsmöglichkeiten des früheren Arbeitsplatzes geprägt sein. Eine Vorhersage kann statistisch mit einer vergangenen Messgröße zusammenhängen, ohne dass diese Messgröße den einzigen legitimen Maßstab für künftige Bewerbungen darstellt.

Eine ernsthafte Prüfung fragt darum sowohl nach dem System als auch nach der Organisation: Welche Arbeitsaufgabe wird beschrieben? Welche Fähigkeit ist tatsächlich erforderlich? Welche Form darf diese Fähigkeit annehmen? Welche Bewerbungen werden unsichtbar? Und wer ist bereit, eine Auswahl zu revidieren, wenn die Begründung nicht trägt?

Menschliche Mitwirkung ist keine Garantie

Zwei kontrollierte Untersuchungen beleuchten unterschiedliche Seiten menschlicher Mitwirkung. Eine deutsche Online-Studie simulierte algorithmische Vorauswahl und verglich eine verzerrte mit einer nicht verzerrten Empfehlung. In der Verzerrungsbedingung erkannten ungefähr 60 Prozent der Teilnehmenden die Verzerrung bei ausdrücklicher Nachfrage nicht. Gleichzeitig bearbeiteten die Teilnehmenden algorithmische Bewertungen in dieser Bedingung insgesamt häufiger. Das Ergebnis ist kein einfacher Beweis dafür, dass Menschen einer Empfehlung immer folgen: Es zeigt vielmehr, dass Verändern, Erkennen und Korrigieren verschiedene Vorgänge sind. Wer einen Wert ändert, hat nicht zwingend die zugrunde liegende Verzerrung verstanden; wer einen Bias bemerkt, korrigiert ihn nicht automatisch in jedem Schritt. Die Studie nutzte eine simulierte Aufgabe und Teilnehmende ohne professionelle Recruitingrolle. Sie misst keine realen Einstellungen.[1]

Ein Experiment von Wilson und Mitautor:innen untersuchte 528 Personen, die in einem simulierten Lebenslauf-Screening mit KI-Empfehlungen für 16 Berufsgruppen arbeiteten. In bestimmten Bedingungen wählten die Teilnehmenden die von der simulierten KI bevorzugten Kandidatengruppen bis zu 90 Prozent der Zeit. Ein kurzer Interventionstest mit einem impliziten Assoziationstest beeinflusste die Auswahl in den berichteten Bedingungen ebenfalls. Diese Zahl beschreibt einen bestimmten experimentellen Aufbau, nicht den Anteil realer Personalverantwortlicher, die in allen Unternehmen KI-Empfehlungen übernehmen. Ihr Wert liegt hier in der Prozessfrage: Wenn eine Empfehlung früh sichtbar wird, kann sie die Auswahl lenken, selbst wenn die Entscheidung offiziell bei einem Menschen bleibt.[2]

Eine Auditstudie von Gaebler und Kolleg:innen arbeitete mit 1.373 Bewerbungen auf Lehrkräftestellen an einem öffentlichen Schulbezirk in Texas; in die vollständige Analyse gingen 801 Bewerbungen mit Lebenslauf und transkribierten Videointerviews ein. Die Forschenden ließen elf Sprachmodelle standardisierte Bewertungen erstellen und veränderten in synthetischen Gegenfaktualen Signale, die mit Geschlecht und ethnischer Zuschreibung verbunden waren. Die Studie berichtet abhängig von Modell und Schwelle Bewertungsunterschiede. Sie zeigt außerdem, dass einfache Gruppenquotienten allein uneindeutig sein können: Ein beobachteter Unterschied erklärt noch nicht automatisch, warum er entsteht. Der Schulbezirk selbst nutzte nach Kenntnis der Forschenden keine KI für diese Vorauswahl. Gemessen wurden Modellbewertungen, keine Einstellungsentscheidungen. Die Daten und der Rechtskontext stammen aus den USA und dem Schulwesen; eine direkte Übertragung auf deutsche Unternehmen wäre nicht begründet.[3]

Zusammen gelesen sagen die Studien weder „Menschen helfen nicht“ noch „Algorithmen sind immer unfair“. Sie zeigen, dass die Wirkung von Empfehlungen, Oberfläche, Kriterien und Prüfbedingungen empirisch untersucht werden muss. Menschliche Aufsicht ist eine Organisationsaufgabe: Eine Rolle muss die ursprünglichen Unterlagen oder ausreichend aussagekräftige Nachweise sehen, Zeit für die Prüfung haben, die Bewertung zurückweisen dürfen und wissen, woran sie eine falsche oder systematische Wirkung erkennen kann. Eine formale Freigabe durch eine Person ersetzt diese Bedingungen nicht.

Der rechtliche Rahmen ist konkret, aber kein Pauschalurteil

Für den Rechtsstand dieses Artikels gilt der Stichtag 30. September 2026. Rechtsräume, Rollen und tatsächliche technische Funktionen müssen bei einem realen Auswahlprozess eigens bestimmt werden.

Der AI Act führt in Anhang III Nummer 4 Buchstabe a bestimmte Systeme für Einstellung und Auswahl natürlicher Personen als Hochrisikobereich auf. Dazu zählen insbesondere Systeme für zielgerichtete Stellenanzeigen, das Analysieren oder Filtern von Bewerbungen sowie das Bewerten von Kandidat:innen. Daraus folgt kein pauschales Verbot von KI im Recruiting. Die Einordnung richtet sich nach vorgesehenem Zweck und Einsatz. Artikel 6 Absatz 3 enthält begrenzte Ausnahmen für bestimmte Systeme, die nur eine enge Verfahrens- oder vorbereitende Aufgabe erfüllen oder eine bereits abgeschlossene menschliche Tätigkeit verbessern, wenn die gesetzlich genannten Voraussetzungen vorliegen und das System die Entscheidung nicht materiell beeinflusst. Diese Ausnahme ist keine pauschale Betreiberfreistellung: Die einschlägigen Voraussetzungen und die dokumentierte Einstufung durch den Anbieter müssen fachkundig geprüft werden. Die Vorschrift behandelt Profiling natürlicher Personen gesondert; solche Systeme gelten unter dieser Ausnahme weiterhin als Hochrisiko. Ein System, das eine Ranggruppe bildet und alle darunter liegenden Profile aus der menschlichen Sichtung herausnimmt, ist deshalb nicht ohne Weiteres als bloßes Sortierwerkzeug abzutun. Eine fachkundige Prüfung muss den konkreten Zweck und tatsächlichen Einfluss betrachten.[4]

Die Änderungsverordnung (EU) 2026/1744 setzt den Anwendungszeitpunkt der Kapitel-III-Abschnitte 1 bis 3 – mit Ausnahme von Artikel 6 Absatz 5 – für Hochrisikosysteme nach Artikel 6 Absatz 2 und Anhang III auf den 2. Dezember 2027. Sie betrifft außerdem weitere zeitliche Stufen, etwa für bestimmte Produkte nach Anhang I. Das ist keine Aussage, dass bis dahin alle KI-Nutzung frei wäre oder dass Datenschutz- und Gleichbehandlungsrecht pausieren. Es ist auch kein Grund, erforderliche Beschaffungs- und Prozessfragen auf später zu verschieben: Eine Organisation muss wissen, welche Funktion sie einsetzt, welche Daten verarbeitet werden und wer welche Entscheidung trifft.[5]

Die Datenschutz-Grundverordnung ist für die Verarbeitung personenbezogener Daten in Bewerbungen unabhängig davon zu prüfen, ob Artikel 22 greift. Artikel 22 Absatz 1 betrifft Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und rechtliche Wirkung oder eine ähnlich erhebliche Beeinträchtigung haben. Die Absätze 2 und 3 benennen Ausnahmen und Schutzmaßnahmen. Ein Mensch im Ablauf schließt eine ausschließlich automatisierte Entscheidung nicht automatisch aus, wenn der Beitrag nur formal ist und die Bewertung tatsächlich nicht überprüft oder verändert wird. Umgekehrt entscheidet nicht jedes Anzeige- oder Sortierwerkzeug selbst über eine Person. Ausschlaggebend ist der tatsächliche Prozess. Daneben können weitere DSGVO-Pflichten gelten, etwa zu Zweck, Rechtsgrundlage, Transparenz, Datenminimierung und gegebenenfalls einer Datenschutz-Folgenabschätzung.[6]

Der Europäische Gerichtshof hat in der Rechtssache C‑634/21 über ein Kreditscoring-System und dessen mögliche bestimmende Rolle für eine Entscheidung eines Dritten entschieden. Der Fall betrifft nicht die Personalauswahl. Er ist höchstens eine begrenzte Auslegungshilfe dafür, dass eine Zahl nicht aus dem Entscheidungsprozess herausgelöst betrachtet werden kann, wenn andere Stellen sie faktisch als maßgeblich verwenden.[7]

Im deutschen AGG zählen Bewerberinnen und Bewerber zum persönlichen Anwendungsbereich des Beschäftigtenschutzes. Das Gesetz enthält Benachteiligungsverbote, Anforderungen an Stellenausschreibungen und Regeln zur Beweislast, wenn Tatsachen eine Benachteiligung vermuten lassen. Ob eine konkrete Auswahlentscheidung darunter fällt, hängt von den tatsächlichen Umständen und der Rechtsprüfung ab. Ein niedriger Wert, eine Lücke im Lebenslauf oder eine unklare Systembeschreibung beweist für sich allein keine AGG-Verletzung. Es wäre aber ebenso falsch, eine mögliche Benachteiligung mit dem Satz abzutun, das System habe „nur sortiert“.[8]

Die hilfreiche praktische Schlussfolgerung ist bescheidener und genauer: Vor einer realen Nutzung muss die Organisation die Funktion, Rechtsstellung, Datenverwendung, Kriterien, Ausnahmen, Transparenz und Zuständigkeit fallbezogen prüfen. Der Artikel gibt dazu keine Rechtsberatung und klassifiziert kein konkretes Produkt.

F v5: aus einer allgemeinen Frage wird ein prüfbarer Auftrag

Das projektspezifische Fragen- und Promptoptimierungsmodell F v5 folgt der Reihenfolge A → B → D → C. In diesem Artikel beantwortet es keine Frage zur Fairness. Es verändert die Frage so, dass ein Team die benötigte Prüfung überhaupt auslösen kann.

A – Ausgangsfrage präzisieren. Die Geschäftsleitung fragt zunächst: „Kann ein KI-System unsere Auswahl objektiver machen?“ Die Frage enthält zwei nicht geklärte Begriffe. Was heißt hier „Auswahl“: erste Sichtung, Rangbildung oder endgültiges Angebot? Und was heißt „objektiver“: identisch angewendete Kriterien, bessere Vorhersage, weniger Verzerrung oder nachvollziehbare Gründe? Ein kurzer GROW-Lagecheck hilft, die aktuelle Situation zu erfassen: Ziel ist eine arbeitsbezogene und handhabbare Auswahl; die Realität ist eine Oberfläche, die nur eine Ranggruppe zeigt; die Optionen umfassen ein strukturiertes menschliches Verfahren und eine Kombination aus regelbasierter Sichtung und späterer Unterstützung; der nächste Schritt ist, Funktion und Belege anzufordern, bevor Bewerbungsdaten eingegeben werden.

Die präzisierte Leitfrage lautet: „Welche Auswahlstufe beeinflusst das vorgeschlagene System für diese Stelle, welche Daten und Kriterien formen den Rang, welche Profile sieht die menschliche Rolle, und kann sie eine nicht sichtbare Bewerbung eigenständig zurück in die Prüfung holen?“ Damit lässt sich untersuchen, wo die Entscheidung tatsächlich entsteht.

B – Kontext, Hypothesen und Gegenpositionen öffnen. Die erste plausible Hypothese lautet: Ein standardisiertes Werkzeug kann repetitive Sichtungsarbeit reduzieren und Anforderungen konsistenter anwenden. Eine zweite lautet: Wenn eine Rangfolge hauptsächlich vorhandene Titel, Abschlüsse oder ähnliche frühere Profile belohnt, können andere Belege derselben gefragten Fähigkeit untergehen. Eine dritte betrifft die Oberfläche: Selbst eine fachkundige Personalrolle könnte sich an eine plausibel wirkende Rangliste anlehnen, wenn die Gründe nicht sichtbar sind oder die Zeit für eine Gegenprüfung fehlt. Eine vierte betrifft den Ausgangsprozess: Auch die manuelle Sichtung kann inkonsistent sein und ungünstige Routinen fortschreiben.