KI-gestütztes IT-Recruiting

Das echte Ausmaß des Problems

IT-Unternehmen in Deutschland kämpfen mit einem strukturellen Fachkräftemangel. Laut Bitkom fehlten der deutschen Wirtschaft im August 2025 rund 109.000 IT-Fachkräfte, zwei Jahre zuvor waren es 149.000. Die Lücke schrumpft also, sie bleibt aber groß genug, dass Unternehmen, die langsam rekrutieren, Kandidaten an schnellere Wettbewerber verlieren.

Der Sichtungsaufwand lässt sich dagegen ohne Studie ausrechnen, und das ist der Punkt: Nimm die Zahl der Bewerbungen auf eure letzte ausgeschriebene Stelle und multipliziere sie mit den Minuten, die jemand pro Lebenslauf braucht. Bei 100 Bewerbungen und 5 Minuten sind das über 8 Stunden reiner Sichtungsaufwand, für einen einzigen Job, vor dem eigentlichen Rekrutierungsprozess. Diese beiden Zahlen kennt jedes Recruiting-Team, und sie sind belastbarer als jede Benchmark.

Das Ergebnis: Qualifizierte Kandidaten warten Wochen auf eine Rückmeldung. In dieser Zeit haben sie ein Angebot von einem schnelleren Unternehmen. Wie oft euch das passiert, weiß niemand außer euch selbst: Zähl in deinen letzten zehn Prozessen nach, wie viele Kandidaten nach der Bewerbung abgesprungen sind, bevor ihr sie überhaupt eingeladen hattet. Diese eine Zahl ist aussagekräftiger als jede Branchen-Benchmark.

Dazu kommt das Matching-Problem: Ohne strukturiertes Screening sind Entscheidungen inkonsistent. Zwei Recruiter bewerten den gleichen Lebenslauf unterschiedlich. Anforderungen, die im Stellenprofil stehen, werden im Screening nicht systematisch geprüft.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitwerte in der linken Spalte sind keine Studienzahlen, sondern typische Größenordnungen. Miss deine eigenen, bevor du startest: Sichtungsstunden pro Stelle, Tage bis zur ersten Rückmeldung, Wochen von der Ausschreibung bis zur Zusage. Ohne diesen Ausgangswert kannst du hinterher nicht belegen, dass sich etwas verbessert hat.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Recruiter gewinnen pro Stelle mehrere Stunden zurück, der Sichtungsaufwand sinkt von 8 Stunden auf 2–3 Stunden (nur noch Shortlist-Review). Nicht so dramatisch wie Tools, die diskrete Aufgaben vollständig automatisieren, aber bei 20+ Stellen pro Jahr summiert sich das auf 100+ Stunden eingesparte Screening-Zeit.

Kosteneinsparung, hoch (4/5) Der stärkste Hebel sind nicht eingesparte HR-Stunden, sondern die Opportunitätskosten einer unbesetzten Stelle. Diese Kosten sind unternehmensspezifisch, und eine Branchenzahl hilft dir dabei nicht: Rechne mit dem Deckungsbeitrag oder dem externen Tagessatz, den die Position pro Woche erwirtschaften oder ersetzen soll. Multipliziert mit den Wochen, die ihr an Besetzungszeit gewinnt, ergibt das euren tatsächlichen Wert. Hoch bewertet ist diese Achse, weil die Rechnung sauber isolierbar ist, nicht weil eine Benchmark sie stützt.

Schnelle Umsetzung, niedrig (2/5) Hier ist ehrliche Vorsicht angebracht. Das technische Setup dauert 4–8 Wochen. Dazu kommt die Compliance-Arbeit: Betreiberpflichten nach dem EU AI Act, AGG-konforme Kriteriengestaltung, Betriebsratseinbindung nach § 87 Abs. 1 Nr. 6 und § 95 Abs. 2a BetrVG. Wer diese Schritte überspringt, baut auf rechtlich unsicherem Fundament. Das macht diesen Use Case zu einem der aufwändigeren im Setup.

ROI-Sicherheit, hoch (4/5) Time-to-Hire und Candidate-Experience-Scores sind direkt messbar. Die Wirkung von KI-Screening ist gut belegbar durch Vorher-Nachher-Vergleiche. Das macht den Business Case überzeugender als bei Systemen, deren Nutzen nur indirekt sichtbar ist.

Skalierbarkeit, mittel (3/5) Der Nutzen wächst mit dem Stellenvolumen. Für Unternehmen mit 20+ Neueinstellungen pro Jahr ist der ROI klar. Für kleine Teams mit 3–5 Stellen pro Jahr ist das Setup-Aufwand kaum lohnenswert, hier ist ein strukturiertes manuelles Screening effizienter.

Richtwerte, stark abhängig von Stellenvolumen und Senioritätslevel der gesuchten Positionen. Junior-Stellen profitieren deutlich stärker von automatischem Screening als strategische Senior-Positionen.

Was das System konkret macht

KI-gestütztes Recruiting funktioniert in Stufen, jede kann unabhängig eingeführt werden:

Stufe 1: Automatisches Lebenslauf-Screening Das System liest eingehende Bewerbungen, extrahiert relevante Skills, Erfahrungsjahre und Qualifikationen und vergleicht sie mit definierten Anforderungen der Stelle. Output: ein Score pro Bewerbung und eine gerankte Shortlist. Keine Bewerbung wird ohne menschliche Sichtung abgelehnt, aber der Recruiter sieht die Top-20-Prozent zuerst.

Stufe 2: Automatisierte Kommunikation Bewerber bekommen sofort eine Eingangsbestätigung, eine realistische Zeitangabe für die nächste Rückmeldung und, bei klarer Ablehnung, eine freundliche Absage. Das verbessert die Candidate Experience erheblich und reduziert eingehende Status-Anfragen.

Stufe 3: Technisches Vorscreening Für technische Rollen: KI-basierte Coding-Tests oder technische Fragebögen werden automatisch ausgewertet. Das System erkennt, ob ein Kandidat Python wirklich beherrscht oder nur „Grundkenntnisse” angegeben hat.

Stufe 4: Interview-Koordination Automatische Terminplanung basierend auf Kalender-Verfügbarkeit des Hiring-Managers, kein E-Mail-Ping-Pong mehr für Interviewtermine.

Wichtig: KI trifft keine Einstellungsentscheidungen. Das Ranking ist eine Entscheidungshilfe, keine Entscheidung. Diese Linie ist rechtlich und ethisch nicht verhandelbar.

Konkrete Werkzeuge, was wann passt

Workday Recruiting mit KI, Workdays KI-Schicht firmiert seit der Übernahme des schwedischen Anbieters Sana im September 2025 unter dem Namen Sana und wird nutzungsbasiert über sogenannte Flex Credits abgerechnet. Für Unternehmen, die bereits Workday HR nutzen, der naheliegendste Weg. Preise auf Anfrage, Workday veröffentlicht keine Listenpreise. Sinnvoll erst ab etwa 1.000 Mitarbeitenden, für den Mittelstand deutlich überdimensioniert.

Greenhouse + KI-Erweiterungen, weit verbreitetes Applicant Tracking System (ATS) mit KI-Add-ons für Scoring und Automatisierung. Drei Pläne, Core, Plus und Pro. Preise nennt Greenhouse nur im Vertriebsgespräch, die Preisseite führt keine Beträge, der Preis hängt von Hiring-Volumen und Komplexität ab. Besser als Workday, wenn der Fokus auf Recruiting liegt statt auf dem gesamten HR-Lifecycle.

Personio , das am weitesten verbreitete HR-Tool im deutschen Mittelstand, mit buchbarem Recruiting-Modul. Personio baut den KI-Bereich schrittweise aus, listet den Funktionsumfang aber nicht detailliert öffentlich auf, also lass dir in der Demo konkret zeigen, was das Screening kann. Beim Preis nennt Personio nur Einstiegswerte (ab 50 Mitarbeitenden HR ab 7,60 Euro je Mitarbeitendem und Monat, bis 49 HR + Payroll ab 14 Euro), das Recruiting-Modul ist eine eigene App, deren Preis erst im Angebot steht. Der einfachste Einstieg für Teams unter 200 Mitarbeitenden, die kein separates ATS einführen wollen.

Textio , spezialisiertes Tool für KI-optimierte Stellenausschreibungen. Nicht für das Screening, sondern für den ersten Schritt: Stellentexte, die die richtigen Kandidaten anziehen und AGG-konform formuliert sind. Der Gedanke dahinter ist simpel: Ein Screening kann nur sortieren, was sich vorher beworben hat.

Make.com , für kleine Teams ohne Budget für spezialisierte ATS-Systeme: Make.com kann einfache Automatisierungsflows bauen (E-Mail-Eingang → Formular → Benachrichtigung → Kalendereinladung). Kein KI-Matching, aber strukturierter Prozess und automatisierte Kommunikation. Core ab 9 US-Dollar/Monat bei Jahresabrechnung.

Datenschutz und Datenhaltung

Bewerberdaten sind Beschäftigtendaten im Sinne von § 26 BDSG, der Bewerbende ausdrücklich einbezieht, und unterliegen daneben der DSGVO. Besondere Kategorien nach Art. 9 DSGVO, also etwa Gesundheits- oder Gewerkschaftsdaten, sind sie nicht automatisch, sie können aber welche enthalten, etwa eine Schwerbehinderung. Grundregeln:

• Zweckbindung: Bewerberdaten dürfen nur für das konkrete Bewerbungsverfahren verarbeitet werden, kein Aufbau von Talent-Datenbanken ohne explizite Einwilligung des Bewerbers
• Aufbewahrungsfristen: Nach Abschluss des Verfahrens sind die Daten zu löschen. Die verbreitete Faustregel von 6 Monaten leitet sich aus den AGG-Fristen ab, zwei Monate zur Geltendmachung nach § 15 Abs. 4 AGG plus drei Monate Klagefrist nach § 61b Abs. 1 ArbGG, mit Puffer. Längere Speicherung braucht eine Einwilligung
• AVV: Für alle Cloud-basierten ATS-Systeme ist ein Auftragsverarbeitungsvertrag (AVV) nach DSGVO Art. 28 zwingend erforderlich
• Transparenz: Bewerber müssen über die KI-gestützte Verarbeitung informiert werden (Datenschutzerklärung)

Rechtliche Besonderheiten

EU AI Act, Hochrisiko-Einstufung Personalauswahl steht im EU AI Act ausdrücklich in der Hochrisiko-Liste. Anhang III Nummer 4 Buchstabe a nennt KI-Systeme, die „bestimmungsgemäß für die Einstellung oder Auswahl natürlicher Personen verwendet werden sollen, insbesondere um gezielte Stellenanzeigen zu schalten, Bewerbungen zu sichten oder zu filtern und Bewerber zu bewerten”. Buchstabe b erfasst Systeme für Beförderung, Kündigung, Aufgabenzuweisung und Leistungsbewertung. Ein Lebenslauf-Screening mit Ranking fällt eindeutig unter Buchstabe a.

Die Ausnahme in Artikel 6 Absatz 3 hilft hier praktisch nicht weiter. Sie nimmt eng gefasste Verfahrens- und Vorbereitungsaufgaben aus, endet aber mit einem harten Satz: Ein System aus Anhang III gilt immer als hochriskant, wenn es ein Profiling natürlicher Personen vornimmt. Ein Scoring, das Bewerber anhand persönlicher Merkmale in eine Rangfolge bringt, ist genau das. Wer sich auf die Ausnahme berufen will, sollte das schriftlich begründen können, nicht nur hoffen.

Ab wann die Pflichten greifen, und wen sie treffen Der AI Act gilt seit dem 2. August 2026. Die Pflichten für Hochrisiko-Systeme nach Anhang III greifen aber später als ursprünglich vorgesehen: Die Verordnung (EU) 2026/1744 vom 8. Juli 2026, die Digital-Omnibus-Verordnung zur KI, hat Artikel 113 geändert. Kapitel III Abschnitte 1 bis 3 gelten für Anhang-III-Systeme jetzt erst ab dem 2. Dezember 2027, für Anhang-I-Systeme ab dem 2. August 2028. Das verschafft Luft, ändert aber nichts an der Einstufung. Wer heute ein System auswählt, sollte sich die Konformitätsunterlagen für diesen Stichtag vertraglich zusichern lassen, statt darauf zu vertrauen, dass ein großes Produkt sie schon mitbringen wird.

Die zweite Unterscheidung geht oft unter, obwohl sie den Aufwand halbiert: Technische Dokumentation, Risikomanagement und Konformitätsbewertung sind Pflichten des Anbieters, nicht des einstellenden Unternehmens. Wer ein fertiges ATS einsetzt, ist Betreiber, und die Betreiberpflichten stehen in Artikel 26: Einsatz gemäß Anbieteranweisung, menschliche Aufsicht durch Personen mit der nötigen Kompetenz und Befugnis, Aufbewahrung der automatisch erzeugten Protokolle für mindestens sechs Monate, Meldung ernster Vorfälle. Automatische Ablehnung ohne menschliche Prüfung scheidet damit aus.

Artikel 26 Absatz 7 wird im Recruiting am häufigsten übersehen: „Vor der Inbetriebnahme oder Verwendung eines Hochrisiko-KI-Systems am Arbeitsplatz informieren Betreiber, die Arbeitgeber sind, die Arbeitnehmervertreter und die betroffenen Arbeitnehmer darüber, dass sie der Verwendung des Hochrisiko-KI-Systems unterliegen werden.”

AGG, und wer im Streitfall was beweisen muss KI-Screening darf keine diskriminierenden Muster aus historischen Einstellungsdaten übernehmen. Der Amazon-Fall von 2018, ein System, das Frauen systematisch schlechter bewertete, weil es aus überwiegend männlich geprägten Einstellungsdaten gelernt hatte, ist das bekannteste Beispiel.

Teuer wird die Sache für Arbeitgeber wegen § 22 AGG: Legt die abgelehnte Person Indizien dar, die eine Benachteiligung wegen eines in § 1 AGG genannten Merkmals vermuten lassen, trägt die andere Partei die Beweislast dafür, dass kein Verstoß gegen die Benachteiligungsverbote vorlag. Bei einem Modell, dessen Ranking niemand erklären kann, ist dieser Gegenbeweis schwer zu führen. Das, nicht die Aufsichtsbehörde, ist der eigentliche Grund für dokumentierte Kriterien und lückenlose Protokolle.

Konkret: Screening-Kriterien auf überprüfbaren Qualifikationsmerkmalen aufbauen, nicht auf Proxys wie Bildungseinrichtung, Namensmuster oder Lücken im Lebenslauf. Jede Ranking-Entscheidung protokollieren. Regelmäßige Bias-Prüfungen einplanen.

BetrVG, drei Paragrafen statt einem In Unternehmen mit Betriebsrat ist der meistzitierte Paragraf nicht der wichtigste.

• § 87 Abs. 1 Nr. 6 BetrVG, Mitbestimmung bei „Einführung und Anwendung von technischen Einrichtungen, die dazu bestimmt sind, das Verhalten oder die Leistung der Arbeitnehmer zu überwachen”. Greift, sobald das System Beschäftigte erfasst, etwa bei internen Bewerbungen oder wenn die Aktivität der Recruiter ausgewertet wird.
• § 95 Abs. 2a BetrVG, der für ein Screening-System zentrale Hebel: „Die Absätze 1 und 2 finden auch dann Anwendung, wenn bei der Aufstellung der Richtlinien nach diesen Absätzen Künstliche Intelligenz zum Einsatz kommt.” Stellt der Arbeitgeber Richtlinien für die personelle Auswahl bei Einstellungen auf, bedürfen sie der Zustimmung des Betriebsrats, und der Einsatz von KI befreit davon nicht.
• § 90 Abs. 1 Nr. 3 BetrVG, Unterrichtung und Beratung über die Planung von Arbeitsverfahren und Arbeitsabläufen „einschließlich des Einsatzes von Künstlicher Intelligenz”, und zwar rechtzeitig.

Dazu § 80 Abs. 3 Satz 2 BetrVG: Muss der Betriebsrat die Einführung oder Anwendung von KI beurteilen, gilt die Hinzuziehung eines Sachverständigen als erforderlich. Der Betriebsrat darf also einen externen Gutachter holen, und das Unternehmen trägt die Kosten. Wer das von Anfang an einkalkuliert, verhandelt entspannter.

Was es kostet, realistisch gerechnet

Die ehrliche Antwort auf die Tool-Frage lautet: Das weiß vor dem Vertriebsgespräch niemand. Greenhouse und Workday veröffentlichen keine Listenpreise, Personio nur Einstiegspreise für die HR-Basis ohne Recruiting-App, alle drei kalkulieren nach Mitarbeiterzahl, gebuchten Modulen und Hiring-Volumen und nennen den Preis erst im Angebot. Wer hier eine Zahl liest, liest eine Schätzung. Hol dir zwei Angebote, bevor du budgetierst.

Was du dagegen vorher planen kannst, ist der Aufwand:

Einstieg mit einer HR-Plattform (bis 50 Mitarbeitende):

• Einrichtungsaufwand: 1–2 Tage für das Basis-Setup
• Compliance-Aufwand: 4–8 Stunden (Datenschutzerklärung aktualisieren, AVV abschließen)

Mittelstand mit dediziertem ATS (50–200 Mitarbeitende):

• Einrichtungsaufwand: 1–2 Wochen (Workflow-Definition, Integration mit dem HRIS)
• Compliance-Aufwand: 2–3 Tage (Betriebsratsabstimmung, Dokumentation der Auswahlkriterien, Klärung der Betreiberpflichten mit dem Anbieter)

ROI-Beispiel, der Teil, den du selbst rechnen kannst: 20 Neueinstellungen im Jahr, 8 Stunden Screening-Aufwand pro Stelle. Mit KI-Vorsortierung: 2,5 Stunden. Eingesparte Stunden: 5,5 × 20 = 110 Stunden pro Jahr. Bei einem HR-Stundensatz von 50 Euro sind das 5.500 Euro direkte Einsparung, und diese Zahl steht und fällt nur mit deinem eigenen Stundensatz.

Der zweite Hebel, die kürzere Besetzungszeit, ist größer, aber nur mit euren Zahlen seriös zu beziffern. Setz an, was eine Woche unbesetzte Stelle euch kostet, etwa den Deckungsbeitrag der Position oder den Tagessatz des Externen, der sie überbrückt, und multipliziere mit den Wochen, die ihr an Time-to-Hire gewinnt. Miss die Time-to-Hire vorher, sonst hast du hinterher keinen Vergleichswert. Gegen beide Beträge stellst du das konkrete Angebot, das dir der Anbieter gemacht hat.

Typische Einstiegsfehler

1. Anforderungsprofile nicht strukturieren. KI-Screening funktioniert nur, wenn die Anforderungen klar definiert sind. „Kommunikationsstark, teamfähig, Erfahrung mit agilen Methoden” sind keine KI-Kriterien. „5+ Jahre Python, Erfahrung mit REST APIs, nachgewiesene Kenntnisse in Cloud-Infrastruktur (AWS/GCP)” schon. Vor der Tool-Einführung: Anforderungsprofile in messbare, überprüfbare Kriterien übersetzen.

2. System produktiv schalten ohne Validierungsphase. Wer das KI-Ranking direkt übernimmt, ohne es in einer Pilotphase gegen manuelles Screening zu vergleichen, baut blind. In der Validierungsphase müssen mindestens zwei Stellen gleichzeitig manuell und KI-gestützt gerankt werden, um zu sehen, wo das System falsch liegt und welche Kriterien nachgesteuert werden müssen.

3. Compliance als nachgelagerten Schritt behandeln. Wer das System erst produktiv schaltet und die Betriebsratsabstimmung, die dokumentierten Auswahlkriterien und die Betreiberpflichten danach nachliefern will, hat das Risiko falsch herum sortiert. Die realistische Konsequenz ist nicht die Behörde, sondern der Betriebsrat: Ein mitbestimmungspflichtiges System, das ohne Zustimmung eingeführt wurde, kann der Betriebsrat stoppen, und zwar mitten im laufenden Verfahren. Dazu kommt das AGG-Risiko, das erst bei der ersten Klage sichtbar wird, dann aber mit umgekehrter Beweislast. Beides kostet mehr Zeit, als die Abstimmung vorher gekostet hätte.

4. Bias-Audits nicht regelmäßig durchführen. Das häufigste Post-Go-live-Versäumnis: Der initiale Bias-Check wird gemacht, aber danach nicht wiederholt. KI-Recruiting-Systeme können über Zeit diskriminierende Muster entwickeln, besonders wenn die Grundgesamtheit der Bewerbungen sich verändert oder das System implizit auf erfolgreiche Einstellungen aus der Vergangenheit kalibriert wird. Quartalsweise Bias-Analyse einplanen: Werden bestimmte Demographien systematisch niedriger gerankt? Wenn ja, warum?

Was mit der Einführung wirklich passiert, und was nicht

Was passiert: Time-to-Hire sinkt messbar. Die Candidate Experience verbessert sich, weil Bewerber schneller Rückmeldung bekommen. Recruiter verbringen weniger Zeit mit dem Aktenstapel und mehr mit echten Gesprächen. Inkonsistenzen im Screening nehmen ab, weil die Kriterien explizit gemacht werden müssen.

Was nicht passiert: Das System schreibt keine besseren Stellenausschreibungen. Es findet keine Kandidaten, die sich gar nicht bewerben. Es ersetzt kein gutes Interviewing. Und es löst kein strukturelles Problem, wenn das Unternehmen als Arbeitgeber schlicht unattraktiv ist.

Widerstand, der auftritt: Hiring-Manager fragen: „Wer hat entschieden, diesen Kandidaten rauszufiltern?” Die richtige Antwort ist: Niemand hat gefiltert, du siehst zuerst die relevantesten, aber alle Bewerbungen können eingesehen werden. Transparenz über die Ranking-Logik ist wichtig für Akzeptanz.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„KI beim Recruiting ist diskriminierend, ich habe vom Amazon-Fall gelesen.” Der Amazon-Fall aus 2018 ist real und wichtig: Das System hatte Vorurteile aus historischen Einstellungsdaten gelernt, die männliche Kandidaten bevorzugten. Moderne Systeme haben Schutzmechanismen, aber du musst sie aktiv konfigurieren und regelmäßig auditieren. Konkret: Screening muss auf definierten Skills basieren, nicht auf Bildungseinrichtungen, Namen oder Lücken im Lebenslauf. Das ist kein theoretisches Risiko, sondern ein aktives Designproblem.

„Wir haben zu wenig Bewerbungen, da bringt KI nichts.” Korrekt. Wenn du bei jeder Stelle unter 30 Bewerbungen bekommst, ist Screening nicht dein Problem. Dann hilft KI bei der Stellenausschreibung (Textio), der Active Sourcing Suche (LinkedIn Recruiter mit KI-Empfehlungen) oder der Employer-Brand-Kommunikation. KI-Screening skaliert den Durchsatz, nicht die Pipeline.

„Unsere Recruiter werden das als Bedrohung sehen.” Das ist verständlich und ernst zu nehmen. Der Framing-Unterschied: KI übernimmt das Aktenstapel-Durchforsten, damit Recruiter mehr Zeit für echte Gespräche haben. In Teams, die das so eingeführt haben, verbessert sich die Arbeitszufriedenheit der Recruiter tatsächlich, weil die administrative Routinearbeit wegfällt. Der Beweis: Zeig diesen Use Case zusammen mit konkreten Zahlen, welche Aufgaben konkret wegfallen.

Woran du merkst, dass das zu dir passt

Klares Signal: Du hast mehr als 10 offene Stellen pro Jahr, dein Recruiter verbringt den größten Teil seiner Zeit mit Lebenslauf-Sichtung statt mit Kandidaten-Gesprächen, und Wunschkandidaten springen während des Prozesses wegen mangelnder Reaktionsgeschwindigkeit ab.

Das passt noch nicht, wenn:

• Bei weniger als 5 Neueinstellungen pro Jahr lohnt sich der Setup-Aufwand (inklusive Compliance) kaum, hier ist ein strukturierter manueller Prozess mit klaren Anforderungsprofilen deutlich effizienter.
• Euer Unternehmen hat keine dedizierten HR-Ressourcen für initiale Compliance-Arbeit und laufende Bias-Audits, ohne diese Kapazität ist das Risiko einer AGG-verletzenden Einführung zu hoch.
• Eure Stellenausschreibungen ziehen aktuell unter 30 Bewerbungen pro Stelle, bei dieser Menge ist manuelles Screening effizienter als jedes automatisierte System.

Das kannst du heute noch tun

Analysiere deine letzten 10 Einstellungsprozesse: Wie lang war die durchschnittliche Time-to-Hire? Wie viele Kandidaten sind abgesprungen? Wie viele Stunden hat die Sichtung pro Stelle gekostet? Diese Zahlen zeigen dir sofort, wie groß der Hebel wirklich ist.

Dann: Nimm die letzte Stellenausschreibung und übersetze die Anforderungen in 5–8 konkrete, messbare Kriterien. Das ist der erste Schritt in jedem KI-Recruiting-System, und er klappt auch ohne jedes Tool.

Quellen & Methodik

• Bitkom, 7. August 2025: rund 109.000 unbesetzte Stellen für IT-Fachkräfte in Deutschland, zwei Jahre zuvor 149.000
• EU AI Act, Anhang III Nummer 4: Einstellung und Auswahl natürlicher Personen als Hochrisiko-Anwendung, Wortlaut im Text zitiert
• EU AI Act, Artikel 6 Absatz 3: Ausnahmen für eng gefasste Aufgaben, Rückausnahme für Profiling
• EU AI Act, Artikel 26: Betreiberpflichten, Absatz 7 zur Information von Arbeitnehmervertretern
• Verordnung (EU) 2026/1744 vom 8. Juli 2026: Digital-Omnibus-Verordnung zur KI, ändert Artikel 113 AI Act. Hochrisiko-Pflichten nach Anhang III gelten ab 2. Dezember 2027, nach Anhang I ab 2. August 2028
• § 22 AGG: Beweislast bei Indizien für eine Benachteiligung
• § 87 Abs. 1 Nr. 6, § 90 Abs. 1 Nr. 3, § 95 Abs. 2a und § 80 Abs. 3 BetrVG: Mitbestimmung, Unterrichtung und Sachverständigenrecht beim KI-Einsatz
• § 26 BDSG: Datenverarbeitung für Zwecke des Beschäftigungsverhältnisses, einschließlich Bewerbenden
• Amazon AI Recruiting Case: Reuters, Oktober 2018, dokumentierter Bias-Fall als Warnsignal für unkalibrierte Recruiting-KI
• Greenhouse Pricing, geprüft am 18. September 2026: drei Pläne, keine öffentlichen Preise. Workday veröffentlicht ebenfalls keine Listenpreise, Personio nur Einstiegspreise je Mitarbeitendem ohne die Recruiting-App (personio.de/preise, abgerufen am 18. September 2026). Frühere Fassungen dieser Seite nannten hier konkrete Beträge, die sich an keiner Anbieterseite belegen ließen. Sie sind raus.
• Zahlen zu Sichtungsaufwand und Opportunitätskosten sind keine Studienwerte, sondern Rechenbeispiele aus den im Text genannten Annahmen. Setz deine eigenen ein.