Ein Bewerber namens „Ivan X“ schickte seine Unterlagen für eine Backend-Entwicklerstelle beim Sicherheitsunternehmen Pindrop. Auf dem Papier war er ideal: gute Referenzen, passende Erfahrung, saubere Bewerbung. Im Video-Interview fiel der Recruiterin auf, dass seine Mimik nicht ganz zu seinen Worten passte, seine Lippen nicht exakt synchron zur Stimme waren, und er bei einer unerwarteten technischen Rückfrage kurz aussetzte. Acht Tage später bewarb sich derselbe Kandidat noch einmal auf dieselbe Stelle, über eine andere Recruiterin, mit identischer Identität. Ivan X existierte nicht. Sein Gesicht war eine KI-generierte Fälschung, live zusammengesetzt für das Gespräch.
Was wie ein Einzelfall aus der Tech-Branche klingt, ist längst ein strukturelles Problem der Personalauswahl geworden, auch im deutschen Mittelstand. Wenn du Vorstellungsgespräche führst und dich auf das verlässt, was du im Video siehst und hörst, arbeitest du inzwischen mit einer Grundannahme, die nicht mehr automatisch stimmt.
Wie verbreitet KI-Bewerbungsbetrug bereits ist
Der Greenhouse 2025 AI in Hiring Report, eine Befragung von 4.136 Bewerbenden, Recruitern und Personalverantwortlichen in den USA, Großbritannien, Irland und Deutschland, zeigt ein Ausmaß, das viele Unternehmen noch nicht auf dem Schirm haben: 91 Prozent der Recruiter haben bereits Täuschungsversuche von Bewerbenden entdeckt. 65 Prozent der Hiring Manager haben Kandidaten erwischt, die KI aktiv zur Täuschung eingesetzt haben, davon 32 Prozent beim Ablesen KI-generierter Antworten, 22 Prozent mit versteckten Prompt-Injections im Lebenslauf (Text, der für Menschen unsichtbar ist, aber von KI-Filtern gelesen wird) und 18 Prozent als vollständiger Deepfake im Videogespräch. 74 Prozent der Hiring Manager sind heute besorgter über gefälschte Nachweise und Deepfakes als noch vor einem Jahr.
Der Analystenkonzern Gartner geht noch weiter: In seinem Report „Mitigate Rising Candidate Fraud Through Identity Verification“ prognostiziert Gartner, dass bis 2028 weltweit jedes vierte Kandidatenprofil nicht echt sein könnte. Grundlage ist unter anderem eine Befragung von 3.000 Kandidaten, von denen bereits heute 6 Prozent offen zugeben, selbst an einer Form von Interviewbetrug beteiligt gewesen zu sein, etwa indem sie sich als jemand anderes ausgegeben oder eine andere Person für sich interviewen lassen haben.
Auch der wirtschaftliche Schaden ist längst messbar. Eine Befragung von 668 IT-, Cybersicherheits- und Risikoverantwortlichen in Unternehmen ab 1.000 Mitarbeitenden durch den Sicherheitsanbieter GetReal Security ergab, dass 41 Prozent bereits mindestens einen betrügerischen Kandidaten eingestellt und onboardet haben, während nur 35 Prozent gefälschte Kandidaten überhaupt als vorrangiges Risiko einstufen, eine deutliche Lücke zwischen tatsächlicher Betroffenheit und wahrgenommener Priorität. Eine separate Befragung von 3.000 US-Managern durch den Hintergrundprüfungs-Anbieter Checkr zeigt ein ähnliches Bild: 31 Prozent haben schon persönlich einen Kandidaten mit gefälschter Identität interviewt, und 70 Prozent halten Bewerbungsbetrug für ein von der Unternehmensleitung unterschätztes finanzielles Risiko.
Wie ein KI-gestützter Bewerbungsbetrug in der Praxis abläuft
Die Methoden lassen sich in drei Kategorien einteilen, die selten sauber getrennt auftreten, sondern meist kombiniert werden. Erstens das reine Souffleur-Prinzip: Ein Kandidat lässt sich während des Video-Interviews von einem Sprachmodell live Antworten einflüstern oder auf einem zweiten Bildschirm mitlesen, während er scheinbar frei antwortet. Zweitens die technische Manipulation der Auswahl selbst, etwa durch Prompt-Injections, unsichtbaren Text im Lebenslauf, der automatisierte KI-Vorauswahlsysteme dazu bringt, das Profil höher zu bewerten, unabhängig von der tatsächlichen Qualifikation. Drittens die vollständige Identitätsfälschung per Deepfake, bei der ein Gesicht und teils auch eine Stimme in Echtzeit über eine andere Person gelegt werden, oft, um die eigentlich fehlende fachliche Eignung oder eine unpassende Staatsbürgerschaft für ortsgebundene Stellen zu verschleiern.
Laut Pindrops 2025 Voice Intelligence & Security Report sind KI-gestützte Deepfake-Betrugsversuche branchenübergreifend im Jahresvergleich um mehr als 1.300 Prozent gestiegen, von durchschnittlich einem Fall pro Monat auf sieben pro Tag, mit Bewerbungsprozessen ausdrücklich als einem der wachsenden Zielbereiche. Wie real das ist, zeigt der eigene Fall des Unternehmens: Auf eine einzige ausgeschriebene Entwicklerstelle gingen über 800 Bewerbungen ein, bei einer vertieften Analyse von 300 Profilen erwies sich mehr als ein Drittel als komplett fingiert, der Fall Ivan X war nur die auffälligste davon. Für kleinere und mittlere Unternehmen ist das besonders riskant, weil ihnen oft die spezialisierten Verifikationswerkzeuge fehlen, auf die große Tech-Konzerne inzwischen zurückgreifen.
Warum die Erkennungstechnologie selbst zur Falle werden kann
So ernst das Problem ist, so wichtig ist eine nüchterne zweite Perspektive, die in der aktuellen Alarmstimmung oft untergeht: Die Software, die KI-Betrug erkennen soll, produziert selbst erhebliche Fehlerquoten. Bei nicht-muttersprachlichen Englisch-Sprechenden liegt die False-Positive-Rate mancher Erkennungstools bei bis zu 61 Prozent, unregelmäßiges Sprechtempo, Nervosität oder eine schlechte Internetverbindung werden von der Software teils als Täuschungssignal fehlinterpretiert. Hochgerechnet auf eine Stichprobe von rund 19.000 geprüften Interviews würde bereits eine vergleichsweise niedrige Fehlerquote von 3 bis 5 Prozent mehrere Hundert ehrliche Kandidaten fälschlich unter Betrugsverdacht stellen.
Das bedeutet nicht, dass Verifikation überflüssig ist, im Gegenteil. Es bedeutet, dass reine Software-Erkennung als alleinige Lösung selbst zum Risiko wird, insbesondere für internationale Bewerbende, für die ein deutscher Mittelstand ohnehin zunehmend offen sein muss. Wer Technologie unreflektiert als Wahrheitsmaschine behandelt, ersetzt ein Vertrauensproblem durch ein Gerechtigkeitsproblem, und das ist selten ein guter Tausch. Die belastbarere Lösung kombiniert deshalb technische Hinweise mit menschlicher Bewertung durch mehrere geschulte Beobachter, statt einem einzelnen Score-Wert blind zu vertrauen, denn erst der Abgleich mehrerer unabhängiger Einschätzungen macht sichtbar, ob ein Auffälligkeits-Signal tatsächlich auf Täuschung hindeutet oder schlicht auf Nervosität, eine Sprachbarriere oder eine schwache Internetverbindung zurückgeht.
Wichtig ist an dieser Stelle auch eine Abgrenzung: Es geht in diesem Beitrag darum, wie Bewerbende KI einsetzen, um Auswahlverfahren zu täuschen, nicht darum, wie Unternehmen selbst KI-Systeme im Recruiting einsetzen dürfen. Für die rechtlichen Pflichten, die Unternehmen beim eigenen KI-Einsatz in der Personalauswahl seit dem EU AI Act erfüllen müssen, findest du die relevanten Anforderungen im Beitrag KI im Recruiting und der EU AI Act 2026.
Was du konkret gegen KI-Bewerbungsbetrug tun kannst
Die wirksamste Antwort ist nicht mehr Software, sondern mehr Struktur, genau das Prinzip, das in der Eignungsdiagnostik ohnehin seit Jahrzehnten gilt. Drei Maßnahmen wirken in der Praxis am zuverlässigsten:
1) Baue unvorhersehbare, situative Rückfragen fest in jedes Interview ein, die sich nicht vorab skripten lassen. Ein KI-Souffleur kann auf Standardfragen fließend antworten, scheitert aber häufig an spontanen Anschlussfragen zu Details der eigenen genannten Erfahrung, etwa „Was genau hat an diesem Projekt technisch nicht funktioniert, und wie hast du das gemerkt?“. Genau dieses Prinzip liegt auch dem strukturierten Interview zugrunde, das ich im Beitrag Strukturiertes Interview: Trefferquote bei Einstellungen verdoppeln ausführlich beschreibe, wobei die Verhaltensanker hier zusätzlich als Deepfake-Filter wirken.
2) Verifiziere Identität und Kontinuität aktiv, statt sie stillschweigend vorauszusetzen. Ein zweites, unangekündigtes Video-Gespräch mit einer anderen Kamera-Perspektive oder ein kurzer Identitätsabgleich zu Beginn des Gesprächs erschwert Deepfakes erheblich, weil Echtzeit-Manipulation bei wechselnden Bedingungen technisch anspruchsvoller wird. 39 Prozent der US-Hiring-Manager im Greenhouse-Report führen inzwischen bewusst mehr persönliche Gespräche, gerade um diese Lücke zu schließen.
3) Verlasse dich nicht auf dein Bauchgefühl, ob ein Kandidat „echt wirkt“. Genau dieses Vertrauen in die eigene Menschenkenntnis ist, unabhängig vom Betrugsrisiko, ohnehin einer der am besten belegten blinden Flecken der Personalauswahl, wie ich im Beitrag Bauchgefühl in der Personalauswahl einordne. Ein dokumentiertes, mehrstufiges Bewertungsraster mit mehreren unabhängigen Beobachtern fällt Täuschungsversuche eher auf als eine einzelne Person, die sich auf ihren ersten Eindruck verlässt.
4) Prüfe Referenzen aktiv nach, statt sie nur formal einzusammeln. Ruf angegebene frühere Vorgesetzte selbst an, statt dich auf eine schriftliche Kontaktliste zu verlassen, und stelle dabei Rückfragen, die nur jemand beantworten kann, der die Person tatsächlich geführt hat. Ein gefälschtes Profil hält selten einer echten, unvorbereiteten Rückfrage bei einer dritten Person stand, selbst wenn das Video-Interview selbst überzeugend gewirkt hat.
Was auf dem Spiel steht, wenn Verifikation fehlt
Die Kosten einer Fehlentscheidung durch KI-Bewerbungsbetrug übersteigen die einer gewöhnlichen Fehlbesetzung deutlich, weil neben dem eigentlichen Besetzungsschaden noch Reputations-, Sicherheits- und im schlimmsten Fall Compliance-Risiken hinzukommen, etwa wenn eine gefälschte Identität Zugriff auf sensible Systeme erhält. Wie teuer eine gewöhnliche Fehlbesetzung bereits ohne Betrugskomponente ist, rechne ich im Beitrag Was kostet eine Fehlbesetzung wirklich? transparent vor, bei einem betrügerisch erschlichenen Zugang kommt real ein Vielfaches davon zusammen.
Für den Mittelstand ist das eine unbequeme Wahrheit: Die eigene Auswahlpraxis wurde über Jahre auf Vertrauen und persönlichem Eindruck aufgebaut, genau das Fundament, das jetzt technisch angreifbar geworden ist. Das bedeutet nicht, jedem Bewerber grundsätzlich zu misstrauen, das würde weder der großen Mehrheit ehrlicher Kandidaten noch der eigenen Arbeitgebermarke gerecht. Es bedeutet, Verifikation als selbstverständlichen, nicht als misstrauischen Teil eines professionellen Auswahlprozesses zu verstehen, so wie ein Notar eine Unterschrift prüft, ohne die Vertragspartei damit zu beleidigen.
Vertrauen zurückgewinnen durch Struktur, nicht durch Software allein
KI-Bewerbungsbetrug ist kein Randphänomen mehr, das nur Tech-Konzerne betrifft, sondern eine reale Bedrohung für jedes Unternehmen, das remote oder hybrid einstellt. Die gute Nachricht dabei: Die wirksamste Verteidigung ist keine teure neue Software, sondern genau die strukturierte, mehrstufige Eignungsdiagnostik, die ohnehin schon aus anderen Gründen die treffsichersten Personalentscheidungen liefert. Wer heute noch allein auf ein einzelnes Video-Gespräch und den eigenen Eindruck vertraut, verlässt sich auf ein Fundament, das technisch nicht mehr trägt.
Wenn du deinen Auswahlprozess auf dieses neue Risiko vorbereiten und gleichzeitig methodisch auf ein solideres Fundament stellen möchtest, lohnt sich ein Erstgespräch, in dem wir gemeinsam schauen, wie sich Verifikationsschritte praxistauglich in eure bestehende Personalauswahl integrieren lassen, ohne den Prozess unnötig zu verlangsamen oder ehrliche Bewerbende vor den Kopf zu stoßen. Mehr zu meiner Arbeit als Eignungsdiagnostiker findest du auf der entsprechenden Seite.
.jpg)