Die Demo dauert zwanzig Minuten, und danach ist der Geschäftsführer verkauft: Eine Software, die Bewerbervideos analysiert, Persönlichkeitsprofile ausspuckt und die Top-Kandidaten automatisch nach oben sortiert. Objektiv, schnell, ohne menschliche Vorurteile, sagt der Anbieter. Es klingt wie die Lösung für ein echtes Problem, denn menschliche Auswahlentscheidungen sind nachweislich fehleranfällig. Nur stimmt an diesem Versprechen etwas Grundsätzliches nicht, und wer Führungspositionen besetzt, sollte genau verstehen, was.
Die unbequeme Wahrheit, die älter ist als jede KI
Beginnen wir mit dem Teil, den die KI-Anbieter zu Recht zitieren, auch wenn er viel älter ist als ihre Produkte. Dass regelbasierte, mechanische Vorhersagen menschlichen Urteilen überlegen sind, gehört zu den am besten belegten Befunden der Psychologie. Die Metaanalyse von Grove und Kollegen (2000) wertete 136 Studien aus, in denen klinische Expertenurteile gegen simple statistische Regeln antraten, von der Psychiatrie bis zur Personalauswahl. Das Ergebnis war eindeutig: Die Mechanik lag im Schnitt vorn, in einem erheblichen Teil der Vergleiche klar, das Expertenurteil dagegen nur in einer kleinen Minderheit. Nicht, weil Formeln klüger wären als Menschen. Sondern weil sie konsistent sind: Sie haben keine Tagesform, keine Sympathien und keinen ersten Eindruck, der alles Weitere einfärbt.
Für die Personalauswahl hat Kuncel mit Kollegen (2013) denselben Effekt noch einmal zugespitzt: Wenn dieselben Informationen über Kandidaten vorliegen, sagt die mechanische Kombination dieser Daten die spätere Berufsleistung deutlich besser vorher als die ganzheitliche Gesamtschau erfahrener Beurteiler. Das ist eine Ohrfeige für das Selbstbild vieler Entscheider, und sie sitzt tief, denn sie betrifft ausgerechnet den Moment, auf den Manager am stolzesten sind: das finale Urteil aus dem Bauch heraus. Warum gerade erfahrene Führungskräfte hier systematisch danebenliegen, habe ich im Artikel über das Bauchgefühl in der Personalauswahl auseinandergenommen.
Wenn Algorithmen also seit Jahrzehnten besser kombinieren als Menschen, ist KI in der Diagnostik dann nicht einfach die logische Fortsetzung? Genau hier beginnt der Denkfehler. Denn das, was heute als KI-Diagnostik verkauft wird, ist in vielen Fällen nicht die nüchterne, geprüfte Mechanik aus diesen Studien. Es ist etwas anderes.
Wo der KI-Hype die Evidenz verlässt
Die validierte Mechanik aus der Forschung ist transparent: Man weiß, welche Merkmale eingehen, wie sie gewichtet werden und wie gut die Vorhersage in unabhängigen Stichproben funktioniert. Viele aktuelle KI-Tools sind das Gegenteil, und die Fachwelt sagt das erstaunlich deutlich. Tippins, Oswald und McPhail haben die Probleme in ihrem viel beachteten Beitrag „Scientific, Legal, and Ethical Concerns About AI-Based Personnel Selection Tools“ (2021) systematisch aufgeschrieben: Für etliche Produkte fehlen belastbare Validitätsnachweise, die Modelle sind Blackboxes, deren Entscheidungsgrundlage selbst der Anbieter nicht vollständig erklären kann, und was ein Video-Algorithmus aus Mimik, Stimme oder Wortwahl ableitet, hat mit den Anforderungen der Zielposition oft bestenfalls zufällig zu tun.
Dazu kommt das Bias-Problem, und es ist kein theoretisches. KI-Systeme lernen aus historischen Daten, also aus vergangenen menschlichen Entscheidungen, mitsamt deren Schieflagen. Der bekannteste Fall ist inzwischen Lehrbuchstoff: Ein großer Tech-Konzern stellte sein intern entwickeltes Recruiting-System ein, nachdem klar wurde, dass es Bewerbungen von Frauen systematisch abwertete, weil es aus einer männlich dominierten Einstellungshistorie gelernt hatte. Die Maschine war nicht objektiver als die Menschen. Sie war deren Vorurteil, in Code gegossen und mit Skalierung versehen.
Der Gesetzgeber hat diese Gemengelage übrigens längst eingeordnet: KI-Systeme für Personalauswahl gelten in der EU als Hochrisiko-Anwendungen, mit entsprechenden Pflichten für Unternehmen, die sie einsetzen. Was das konkret bedeutet, von Transparenzpflichten bis zur menschlichen Aufsicht, findest du im Beitrag zum EU AI Act im Recruiting. Und als wäre das nicht genug, sitzt die KI mittlerweile auf beiden Seiten des Tisches: Während Unternehmen Kandidaten algorithmisch screenen, bewerben sich zunehmend Kandidaten mit KI-polierten Unterlagen bis hin zu Deepfake-Auftritten im Videointerview. Ein Wettrüsten, bei dem solide Diagnostik-Substanz nicht unwichtiger wird, sondern zur letzten verlässlichen Währung im ganzen Auswahlprozess.
Vier Fragen, die jedes KI-Tool bestehen muss
Aus alledem folgt nicht, die Finger von KI zu lassen. Es folgt, sie wie jedes andere diagnostische Verfahren zu behandeln, nämlich als Instrument, das seine Güte nachweisen muss, bevor es über Menschen mitentscheidet. Vier Prüffragen trennen die Spreu vom Weizen. 1) Was genau sagt das Tool vorher, und wo ist der Beleg? Verlange eine dokumentierte Validitätsstudie mit unabhängigen Daten, keine Anbieter-Broschüre. Woran du die Güte eines Auswahlverfahrens generell erkennst, steht im Leitfaden zu Validität, Reliabilität und Objektivität. 2) Auf welchen Daten wurde trainiert, und wie wird Bias geprüft? Ein Anbieter, der auf diese Frage keine konkrete Antwort hat, hat die falsche Antwort. 3) Ist erklärbar, warum ein Kandidat aussortiert wurde? Wenn niemand die Entscheidung begründen kann, kannst du sie weder rechtlich verteidigen noch fachlich verantworten. 4) Wer trifft am Ende die Entscheidung? Ein Tool, das faktisch allein entscheidet, während formal ein Mensch abnickt, erfüllt weder den Geist des AI Acts noch den Anspruch seriöser Diagnostik.
Und dann gibt es eine Pointe, die fast alle übersehen, weil sie kontraintuitiv ist. Viele Unternehmen setzen KI genau falsch herum ein: Sie lassen die Maschine Daten sammeln und vorsortieren, und am Ende kombiniert ein Mensch alles „ganzheitlich“ zu einem Bauchurteil. Die Evidenz von Kuncel legt die umgekehrte Arbeitsteilung nahe: Menschen sind stark im Erheben und Beobachten, im strukturierten Interview, in der Verhaltensbeobachtung, im fachlichen Tiefenbohren. Die abschließende Verrechnung der erhobenen Merkmale dagegen gehört in eine feste, transparente Regel. KI kann dabei wertvolle Dienste leisten, etwa Interviewantworten konsistent zusammenfassen, Anforderungsprofile schärfen oder Auffälligkeiten markieren. Aber als Werkzeug einer sauberen Systematik, nicht als Orakel mit Geheimformel.
Damit das nicht abstrakt bleibt, hier die Einsatzfelder, in denen KI heute schon sauber arbeitet, wenn man sie richtig einspannt. Beim Erstellen von Anforderungsprofilen kann sie aus Stellenbeschreibungen, Strategiepapieren und Interviews mit Stakeholdern einen strukturierten Entwurf destillieren, den Fachleute dann schärfen. Im strukturierten Interview kann sie Antworten transkribieren, entlang der Bewertungsanker zusammenfassen und Beurteiler auf Widersprüche stoßen, was die Auswertung konsistenter macht, ohne dem Menschen das Urteil abzunehmen. In Simulationen und Postkorb-Übungen kann sie realistische Szenarien generieren und variieren, sodass Kandidaten nicht mit auswendig gelernten Musterlösungen durchkommen. Das alles sind Assistenzaufgaben mit klarem Qualitätsgewinn. Auffällig ist: Kein einziges dieser Einsatzfelder verlangt, dass die Maschine einen Menschen bewertet. Sie macht die menschliche Bewertung besser.
Eine Grenze verdient besondere Aufmerksamkeit, weil sie so neu ist wie die Werkzeuge selbst: Sprachmodelle wirken wie geborene Beurteiler, weil sie auf jede Frage eine flüssige, differenziert klingende Einschätzung liefern. Aber Eloquenz ist keine Validität. Dieselbe Bewerbungsunterlage, zweimal mit leicht anderem Wortlaut eingereicht, kann von einem Sprachmodell spürbar unterschiedlich bewertet werden, und niemand kann sagen, welche der beiden Einschätzungen die richtige war, weil es keine geprüfte Verankerung in tatsächlicher Berufsleistung gibt. Ein Verfahren, dessen Ergebnis von der Formulierung des Prompts abhängt, hätte in der klassischen Testdiagnostik nicht einmal die Reliabilitätsprüfung überstanden. Es klingt nur besser als ein Würfel. Das reicht nicht, wenn am anderen Ende eine Karriere hängt.
In meinen Auswahlprojekten sehe ich beide Extreme: Unternehmen, die jede Digitalisierung der Diagnostik verweigern und weiter nach Sympathie einstellen, und Unternehmen, die einem Tool mit Hochglanz-Dashboard mehr glauben als jedem Gutachter. Beide machen denselben Fehler in verschiedener Verpackung: Sie ersetzen Systematik durch Vertrauen. Der eine vertraut seinem Gefühl, der andere einer Blackbox, und keiner von beiden kann hinterher sagen, warum die Fehlbesetzung passiert ist. Ein Mandant hat es kürzlich auf den Punkt gebracht, nachdem wir sein KI-gestütztes Screening auditiert hatten: Das Tool hatte zwei Jahre lang bevorzugt Kandidaten nach oben sortiert, die den bereits Eingestellten ähnelten, und alle fanden die Vorschläge deshalb ausgesprochen überzeugend. Die Trefferquote bei den tatsächlichen Bewährungen war trotzdem nicht besser als vorher. Sie fühlte sich nur besser an. Genau diese Sorte Selbsttäuschung ist teurer als jede Lizenzgebühr, weil sie Vertrauen erzeugt, wo Kontrolle nötig wäre.
Wer das Denkgerüst hinter alldem vertiefen will, findet in Noise von Daniel Kahneman, Olivier Sibony und Cass Sunstein (Amazon Link) die große Erzählung dazu: warum menschliche Urteile nicht nur verzerrt, sondern vor allem erratisch streuen, warum simple Regeln dieses Rauschen eliminieren und weshalb genau darin, nicht in irgendeiner Superintelligenz, der eigentliche Vorteil der Maschinen liegt.
KI in der Diagnostik: Werkzeug ja, Orakel nein
Die ehrliche Bilanz sieht so aus: Die Überlegenheit regelbasierter Vorhersagen ist real und seit Jahrzehnten belegt, und KI kann diese Stärke in die Praxis tragen, als konsistenter Datenkombinierer, als unermüdlicher Strukturierer, als Werkzeug gegen das Rauschen menschlicher Urteile. Was KI nicht kann: die diagnostische Grundarbeit ersetzen. Ohne sauberes Anforderungsprofil, valide Verfahren und nachvollziehbare Entscheidungsregeln automatisiert sie nur den Blindflug, dann eben in Hochgeschwindigkeit. Wenn du wissen willst, wie evidenzbasierte Auswahl von Führungskräften konkret aussieht, mit oder ohne KI im Prozess, schau dir an, wie ich Managementdiagnostik aufsetze. Die wichtigste Frage an jedes Auswahlinstrument bleibt dieselbe, ob es denkt oder rechnet: Woher weißt du, dass es funktioniert?
