Eine HR-Managerin in einem mittelständischen Maschinenbauunternehmen erzählt mir: Sie hat in den letzten sechs Monaten dreimal so viele Bewerbungen bearbeitet wie im Jahr davor, mit demselben Team. Möglich wurde das durch KI.
Gleichzeitig hat die Rechtsabteilung sie gebeten, alle KI-Systeme im Recruiting zu dokumentieren. Deadline: vor August 2026. Sie weiß noch nicht ganz, wo sie anfangen soll.
Die meisten HR-Teams nutzen bereits Hochrisiko-KI, ohne es zu wissen.
Der HR-Lifecycle auf einen Blick
KI hat inzwischen in fast jeden Schritt des HR-Prozesses Einzug gehalten. Manche Anwendungen sind tatsächlich hilfreich, einige sind rechtlich brisant, wenige wirklich ausgereift. Lass uns den Weg von Anfang bis Ende durchgehen.
Stellenanzeigen: Wo KI sofort hilft
Das Schreiben von Stellenanzeigen ist eine der unkompliziertesten KI-Anwendungen im HR. Die meisten Unternehmen haben zu formale, zu lange, zu generische Ausschreibungen, weil niemand wirklich Zeit hat, jede Stelle von Grund auf neu zu schreiben.
Mit einem LLM wie ChatGPT, Claude oder spezialisierten Tools wie Textio oder Personio AI lässt sich aus wenigen Stichpunkten eine lesbare, ansprechende Stellenanzeige erstellen. Mehr dazu im Anwendungsfall Stellenanzeigen mit KI. Das spart Zeit. Wenn du weißt, was gute Anzeigen ausmacht (klare Erwartungen, ehrliche Unternehmenskultur, konkrete Benefits statt Phrasen), kannst du die KI entsprechend prompten und das Ergebnis gezielt überarbeiten.
Ein konkretes Beispiel: Eine Werbeagentur hat ihre durchschnittliche Erstellungszeit für Stellenanzeigen von drei Stunden auf 40 Minuten reduziert. Die Qualität der Bewerber stieg laut eigener Einschätzung, weil die Anzeigen klarer formuliert waren.
Wichtig: KI generiert gelegentlich Formulierungen, die unbewusst bestimmte Gruppen ausschließen. Zu maskuline Sprache, Altershinweise, kulturelle Vorannahmen. Prüfe die Ausgabe immer auf solche Muster. Tools wie Textio helfen dabei explizit.
CV-Screening: Hier wird es rechtlich ernst
Das automatisierte Vorfiltern von Bewerbungen ist die Stelle, an der HR und Recht kollidieren.
KI kann aus Hunderten Lebensläufen in Minuten eine Shortlist erstellen: nach Qualifikationsmerkmalen, Erfahrungstiefe, Keyword-Matching. Systeme wie HireVue, Greenhouse oder Workday Recruiting bieten das. Im deutschen Markt haben sich zudem spezialisierte Tools wie Personio, Softgarden und Haufe Talent etabliert. Einen detaillierten Überblick bietet der Anwendungsfall Bewerbersichtung mit KI.
Das Problem: Sobald ein KI-System Entscheidungen trifft oder wesentlich beeinflusst, wer in den Recruitingprozess kommt und wer nicht, fällt es unter den EU AI Act als Hochrisiko-KI, konkret unter Anhang III, Punkt 4 (KI-Systeme in Beschäftigung und Personalmanagement).
Was das bedeutet, ist nicht, dass du es nicht nutzen darfst. Es bedeutet, dass du es dokumentieren musst.
Was der EU AI Act für HR-KI verlangt
Spätestens ab dem 2. August 2026 müssen HR-Systeme, die als Hochrisiko-KI klassifiziert werden, eine Reihe von Anforderungen erfüllen. Das betrifft dich auch dann, wenn du nicht selbst KI entwickelst, sondern eingekaufte Software einsetzt. Du bist dann der sogenannte Betreiber.
Was du als Betreiber dokumentieren musst:
Erstens, was das System tut: Welche Daten fließen ein? Auf welcher Grundlage trifft es Vorschläge? Was sind bekannte Einschränkungen und mögliche Verzerrungen (Bias)?
Zweitens, menschliche Aufsicht: Es muss einen klar definierten Prozess geben, bei dem ein Mensch die KI-Empfehlungen überprüft, bevor sie zu Entscheidungen werden. "Die KI hat es so vorgeschlagen" ist keine ausreichende Begründung für eine Ablehnung.
Drittens, Transparenz gegenüber Bewerbern: Bewerber müssen wissen, dass ihre Unterlagen durch ein automatisiertes System vorverarbeitet wurden. Das kann in der Datenschutzerklärung oder im Bewerbungsformular kommuniziert werden, aber es muss dort stehen.
Viertens, Logging: Das System muss nachvollziehbar machen, welche Empfehlungen wann auf welcher Grundlage gegeben wurden.
Das klingt nach viel Bürokratie. In der Praxis bedeutet es vor allem: Dein KI-Anbieter sollte diese Dokumentation bereitstellen können. Wenn er das nicht kann, ist das ein Warnsignal.
Onboarding: Unterschätztes Potenzial
Onboarding ist eines der Bereiche mit dem größten KI-Potenzial, der am wenigsten genutzt wird.
Typische Probleme: Neue Mitarbeiter wissen nicht, wen sie fragen sollen. Informationen sind auf zehn verschiedene Wikis verteilt. Der erste Monat ist überwältigend und kaum strukturiert.
KI-gestützte Onboarding-Assistenten, im einfachsten Fall ein unternehmensinterner Chatbot auf Basis von Dokumenten und FAQs (RAG-Architektur), können hier erheblich helfen. Neue Mitarbeiter können jederzeit fragen: "Wie beantrage ich Urlaub?", "Wer ist für IT-Zugänge zuständig?", "Wo finde ich die aktuelle Preisliste?" Kein Kollege muss dabei gestört werden.
Ein typisches Ergebnis bei Unternehmen, die das eingeführt haben: Die durchschnittliche Zeit bis zur ersten eigenständigen Aufgabenerledigung sinkt, die Fluktuation in den ersten drei Monaten geht zurück.
Das ist kein Hochrisiko-KI-System im Sinne des EU AI Acts, weil es keine Entscheidungen über Mitarbeiter trifft. Der Implementierungsaufwand ist vergleichsweise gering.
Leistungsmanagement: Wo Vorsicht geboten ist
KI im Leistungsmanagement, also beim Bewerten, Ranken oder Einschätzen von Mitarbeitern, ist juristisch und ethisch der heikelste Bereich.
Systeme, die automatisch Leistungsdaten auswerten, Risikoprofile erstellen oder Beförderungsempfehlungen geben, sind in der Regel Hochrisiko-KI. Zusätzlich gelten hier starke DSGVO-Anforderungen, weil es sich um besonders sensible Verarbeitung personenbezogener Daten handelt.
Mein Rat: In diesem Bereich sehr defensiv vorgehen, eng mit dem Datenschutzbeauftragten zusammenarbeiten und im Zweifel rechtlichen Rat einholen. Der potenzielle Nutzen rechtfertigt selten die Komplexität und das Risiko für KMU.
Offboarding: Wenig genutzt, viel Potenzial
Offboarding ist einer der vernachlässigtsten HR-Prozesse. Und gleichzeitig einer, bei dem KI gut helfen kann, ohne rechtlich heikel zu sein.
KI kann automatisch Checklisten generieren (Geräterückgabe, Zugangssperrung, Wissenstransfer), Exit-Interviews strukturieren und zusammenfassen sowie Muster in Abgangsgründen erkennen, wenn mehrere Mitarbeiter ähnliche Rückmeldungen geben.
Das alles bewegt sich im Bereich der Prozessunterstützung, nicht der Entscheidungsfindung. Und ist daher deutlich einfacher umzusetzen.
Welche Tools im deutschen Markt verbreitet sind
Für den HR-Gesamtprozess sind im deutschsprachigen Markt vor allem Personio (KMU-fokussiert), Workday, SAP SuccessFactors und Haufe Talent verbreitet. Alle bieten inzwischen KI-Funktionen, mit unterschiedlichem Reifegrad und unterschiedlicher Dokumentationsqualität für den EU AI Act.
Spezialisierte Recruiting-Tools mit KI: Softgarden, Greenhouse (international), Phenom. Für KI-generierte Stellenanzeigen: Textio, Eploy, oder direkt via API die großen Sprachmodelle.
Wichtig bei der Auswahl: Frage explizit nach EU AI Act-Konformitätsdokumentation und Datenschutzstandards (DSGVO, Serverstandort EU). Seriöse Anbieter haben darauf belastbare Antworten.
Der nächste Schritt
Wenn du heute anfangen willst, empfehle ich diesen Einstieg: Schreib in einer halben Stunde auf, welche KI-Systeme oder KI-Funktionen in deinem HR-Prozess schon aktiv sind. Auch solche, die als Feature in anderer Software stecken. Bewerbungsranking in Personio? KI-Texte in LinkedIn-Anzeigen? Automatische Zusammenfassungen in Bewerbungsmanagementsystemen?
Das ist dein KI-Inventar. Und das ist der erste Schritt, den der EU AI Act verlangt.
Mehr zur Einführung von KI in Unternehmen findest du in unserem Artikel KI einführen ohne zu scheitern. Was ab August 2026 konkret gilt, haben wir in EU AI Act: Was ab August 2026 gilt zusammengefasst.
HR und KI verändert sich dieses Jahr schneller als die meisten Compliance-Abteilungen mithalten können. Wenn du auf dem Laufenden bleiben möchtest, abonniere den KI-Syndikat Newsletter — jede Woche die relevanten Entwicklungen, ohne Rauschen.
Du liest einen Artikel aus dem KI-Syndikat — eines der am schnellsten wachsenden deutschsprachigen Netzwerke rund um Künstliche Intelligenz, mit Fokus auf Praxis, Community und echten Projekten.
Top comments (0)