# AI Recruiting: Strategy, Compliance, and Efficiency

**Podcast:** KI-Update – ein heise-Podcast
**Published:** 2026-03-13

## Transcript

Das KI Update.
Hallo, ich bin Isabel Grünewald und this is unser Deep Dive zum Wochenende.
Künstliche Intelligence can Unternehmen by the such arbeitskräften unterstützen.
When KI Bewerbungen vorsortiert, can Personalabteilungen viel Geld anders.
But where recruiting Prozesse automatisieren möchte, muss auch die rechtlichen Hürden bedenken.
My colleaguen Stella Sophie Wojzack has for your podcast T3N, Arbeit in Progress, with the Wirtschaftsprofessorin Claudia Bünte über die Chancen, Herausforderungen and Stolperfile, auf die man beim Einsatz von KI in recruiting achten muss.
And damit übergebe ich das Ruder for this podcast folge an T3N und Stella.
Also sehr gerne und vielen Dank für die Einladung.
When man sich die Kandidatenreise so anguckt, also wie jemand that bewerben möchte durch a normal bewerbungsprocessen.
This is einmal das Thema Sourcing, then the screening, also that the new guys to them, what we have won, then interviewing, then nature in best fall hiring.
And we are by all other activities and offcomes that we so have as manager and managerin, can KI in all diesen Bereichen helfen.
Und dann kommt es wie immer eben wirklich darauf anzugucken, wie groß is das Unternehmen, wie häufig braucht man eigentlich Unterstützung einer KI.
Was will man eigentlich auch mit einer KI, passt das dann zur Marke?
Also welche Tools man sich dann aussucht und auch die Entscheidung, will man mit KI or ohne KI sourcen.
Das ist dann immer sehr individuell.
But also theoretisch ist es ganz, ganz viel möglich und wie immer bei KI mehr als man eigentlich selber denkt.
Welche Vorteile kann denn vielleicht auch schon die KI-Nutzung aktuell haben?
Gerade bei den verschiedenen Stufen.
Gibt es da eine, die besonders viel Sinn macht aktuell?
Ja, das würde ich nicht sagen.
Denn wie gesagt, es sind immer sehr, sehr individuell.
Man muss sich da wirklich angucken, wo stehen wir eigentlich und was wollen wir eigentlich im Unternehmen.
Aber das, was eine KI machen kann, ist wie immer, auch bei allen anderen Aufgaben, die kann halt wirklich Routineaufgaben abnehmen.
Also wenn man selber davor sitzt und denkt, warum mache ich das jetzt eigentlich 23 Mal am selben Tag?
Das ist immer ein guter Moment zu überlegen, gibt es da nicht vielleicht auch eine KI dafür?
Aber immer dann, wenn es wichtig wird und immer dann, wenn es auch wirklich relevant wird, und gerade bei HR ist es ja sehr relevant, weil es Menschen betrifft, also auch die Zukunft von Menschen.
Also wenn man so ein Moment hat, dann muss man dann nicht sagen, das ist etwas, was unbedingt ein Mensch tun soll.
Wir kommen ja gleich noch auf ein paar rechtliche Geschichten sicherlich.
Also man muss da sehr, sehr stark unterscheiden, ist das etwas, was ich delegieren kann, ohne dass es schwierig wird oder Probleme gibt, dann ist eine KI super.
Ist es etwas, wo als Mensch many selber entscheiden sollte, würde man das selber auch wollen, dass das bitte dann ein Mensch macht, dann ist das der Moment, wo man es auch wieder selber machen sollte.
Ich hätte es gerne noch ein bisschen konkreter tatsächlich, diese Aufgaben, die sich wiederholen.
Da fällt mir natürlich direkt ein, so etwas wie Bewerbungsunterlagen scannen.
Da hat man natürlich auch viele, die passen nicht, wiederholt sich.
Ist das sowas, was Sie meinen?
Welche Beispiele gibt es da noch?
Yeah, genau.
We can from an fan, we can have the process more durchgehen.
The error is Stellenanze.
That's not the error, where a künstliche Intelligence helfen can.
That must also be an extra tool sein or a wichtiges tool, but then not extra gold kostet, was daro trained.
So we can GPT machen or zum Beispiel Perplexity, also normal Textprogramme.
They will not do it.
Day can special KIs helfen lassen, which is then Application Tracking Tools, that are so great.
Das heißt, da würde eine künstliche Intelligenz mir aus den 400 Bewerbungen vielleicht die 10 raussuchen, die es sich lohnt, dass ich sie mir nochmal angucke, weil alle anderen eigentlich wirklich gar nicht passen.
Da wird es dann aber schon ein bisschen schwierig anderlich, weil dann ja eine KI unter Umständen entscheided, welche 390 ich mir nicht mehr anguckt.
But that's natürlich ein riesen Effizienzvorteil und vielleicht sogar auch ein Effektivitätsvorteil, dass ich das eben nicht selber machen muss.
Jetzt ist das so, wenn man ein kleines Mittelständnis unternehmen ist, oder we sagen mal eine Werbeagentur mit 20 Mitarbeitern, klar, kann ich mir die Bewerbung dann selber angucken, aber wenn sie wirklich größere, größere Unternehmen haben, einen riesen Konzern haben, wenn sie, ich weiß nicht, 10.000 Bewerbungen im Monat kriegen, dann ist das sehr sinnvoll, wenn man das tatsächlich an eine KI delegiert.
Also das ist das Screening beim Interviewing, geht super interessant, weil man kann dann an mehreren Stellen mit KI arbeiten.
Man kann auf der einen Seite tatsächlich Video-Interviews machen über eine KI, dass man das gar nicht selber macht, sondern dass der Kandidat die Kandidatin zuerst ein paar Standardfragen beantwortet und eine KI dann aus Emotionen, aus Sprache, aus Haltung, aus wie geht derjenigen mit dieser Fragestellung um, dann eben auch ausdortieren kann oder sortieren kann und sagen kann, die unbedingt angucken, die passen.
Diese Person vielleicht, wenn man noch Luft hat, und diese eigentlich wirklich überhaupt nicht.
Auch da wieder, Vor- und Nachteile natürlich.
Wo eine KI auch helfen kann, ist gerade in diesem Bereich wird es dann ja interessant auch für die Bewerberinnen und Bewerber, weil die wollen ja jetzt wissen, wo steh ich denn in Bewerbungsprozess, wie sieht es denn aus.
Da kann man auch mit KI arbeiten, zum Beispiel bestimmte Fragen, die alle Kandidaten immer wieder have.
Über zum Beispiel einen KI-Chatbot, der auch trainiert ist, also der nicht gescripted ist, also nur vorgetextet is, sondern wirklich auch lernt anhand der Fragen der Kandidaten, die Kandidaten betreut.
Und sagt, here we are 24 Stunden, sieben Tage the Woche für dich da, lieber Kandidat.
Das ist uns wahnsinnig wichtig, liebe Kandidatin, dass du uns weiter super findest.
We have deshalb here for dich a Zugang, you can alle Fragen stellen.
That is an KI-Bot, also that is key person, but wahrscheinlich sind 99% of deiner Fragen then schon so farm beantwortet, and for all these other is dann hier auch noch die, sind auch noch die Kontaktdaten, wenn du eine Spezialfrage hast.
Also das heißt, gerade in diesem Interviewer-Prozess, der ja sehr lang dauern kann für einen Kandidaten.
Wieso ich hatte doch jetzt mein Interview, warum dauert es denn jetzt so lang?
Da kann eben auch KI helfen, gerade wenn sie eben wieder 400 Kandidaten übertragen.
Aber 400 Kandidaten haben.
Also insofern, in dem dritten Teil dieser ganzen Journey ist das eine super Möglichkeit, eben wirklich diese Masse zu managen, ohne Qualität zu verlieren.
Und im Hiring-Prozess sind wir natürlich bei den ganzen Standards, Verträge schreiben, sicherstellen, dass jeder alle E-Mails hat.
Wo KI auch noch helfen kann, ist oben drüber einmal auch zu analysieren und zu gucken, wo können wir als Unternehmen denn besser werden.
Verlieren wir immer an einer Stelle bestimmte Kandidaten oder Kandidatinnen, haben wir vielleicht vorne im Funnel gar nicht genug Bewerber.
Also da kann eine KI sehr analytisch drüber gehen, in der Regel besser als Menschen, um dann eben auch zu sagen, hier gibt es eigentlich drei Tipps, wo ihr, liebes Unternehmen, when you with diesem ATS, with diesem Application Tracking Tool arbeit, wo ihr eigentlich besser werden könnt.
An den three Stellen solltet ihr arbeiten.
The other sind kein Problem.
Also es läuft, sobald ihr einen Bewerber habt, der bleibt dann auch noch.
Aber davor sind das und das die Herausforderungen.
Also das heißt eigentlich von wirklich A nach Z, mit oben drüber auch noch eine Analyse und einer Tracking-Möglichkeit.
Es ist am Ende immer die Frage von Geld.
Deshalb sagte ich, Eingangs Stellenanzeigen kann man zur Not ja auch selber mit anderen KI-Tools schreiben.
Aber wenn man eben wirklich Mengen an Bewerbungen managen muss, im Überblick behalten muss, wer hat welche E-Mail bekommen, mit wem habe ich vereinbart, dass ich mich innerhalb von zwei Wochen wieder melde, wo muss ich jetzt unbedingt nochmal nachfassen.
Da kann natürlich ein System, was darauf trainiert ist, ganz extrem effizient und effektiv unterstützen.
Also viele verschiedene Punkte, die Sie gerade angesprochen haben.
Sie haben aber auch schon an der einen oder anderen Stelle gesagt, rechtlich spannend bis unter auch schwierig.
Machen wir das doch mal der Reihe nach.
Also gerade Schritt 1, KI-generierte Stellenanzeigen beispielsweise, muss ich daran denken, wenn wir auch mit T3 Meisterprompte ein Podcast, wo wir immer predigen und sagen, Leute, bitte nicht Copy and Paste.
Ich denke, das gilt auch an dieser Stelle, dass es wichtig ist.
Natürlich, Anzeigen können mit Hilfe von KI erstellt werden, aber nicht nur von KI, sprich, Human in the Loop, der immer nochmal drauf guckt, das sollte so sein, oder?
Da stimmen Sie zu.
Ja, ja, unbedingt.
Also man muss eigentlich sagen, das Problem sitzt immer vor dem Rechner.
Man kann sich unheimlich viel schon über künstliche Intelligenz über solche Tools unterstützen lassen, aber die Entscheidung sollte immer beim Menschen liegen.
Wir sind hier im HR-Bereich ja auch noch in einem sehr, sehr sensiblen Bereich unterwegs, in Fußnote ja nicht nur im Marketing, wo es nochmal einfacher ist und selbst da ist es nicht einfach und hat auch wirklich gefahren.
Aber im HR-Bereich geht es ja nun auch noch darum, dass man unter Umständen mit einer Entscheidung für oder gegen eine Kandidatin oder einen Kandidaten ja auch dessen Leben massiv beeinflusst.
Und deshalb ist es da besonders wichtig, dass man nicht einfach ein Tool kauft, was eine Blackbox ist, denkt, das funktioniert ja und gar nicht merkt, dass man systematisch irgendeine Bewerbergruppe diskriminiert.
Das wäre sehr negativ.
Es kann ja aber auch sein, dass man bestimmte Bewerber gar nicht durchlässt, die man aber eigentlich haben will.
Das wäre ja inhaltlich dann sehr, sehr sinnlos.
Oder jetzt mal eine dritte Möglichkeit, dass man so einen KI-Tool eingesetzt hat und das reagiert gar nicht so, wie es zu meiner eigenen Marke.
Also Stichwort Employer Branding passt.
Wir haben eigentlich ein freundliches, höfliches und sehr auf Augenhöhe miteinander im Unternehmen.
Und dieser KI-Bot fängt dann an, die Leute sehr von oben herab und sehr so extertenmäßig und dann vielleicht auch mit Sie anzusprechen.
Und Bewerber sagen sich dann, ja, aber da will ich gar nicht arbeiten.
Also das heißt, da gibt es sehr viele Layer, die man nicht einfach nur sagen sollte, jetzt habe ich ja eine KI, die kann das und dann muss ich mich nicht mehr kümmern.
Gerade einen Punkt, den Sie angesprochen hatten, Diskriminierung, ist ja bei der Auswahl ein ganz großes Thema.
Dass BewerberInnen vielleicht gar nicht durchkommen, wobei wahrscheinlich müsste man eher sagen, Bewerberinnen, weil zum Beispiel Amazon hatte vor zehn Jahren damit schon probiert und festgestellt, oh, es werden gerade Frauen tendenziell eher diskriminiert gegenüber Männern, die haben schlechtere Chancen bei der Nutzung von KI.
Gut, das ist jetzt auch ein paar Jahre her.
Aber da gibt es ja auch verschiedene andere Studien, die zeigen, hey, KI ist teilweise diskriminierend.
Jetzt ist es gleichzeitig so, wenn wir auf die rechtliche Lage in Deutschland gucken, es gibt die Datenschutzgrundverordnung, ich meine, es ist Artikel 22, wenn ich es mir recht notiert habe.
Menschen dürfen nicht rein automatisierten Entscheidungen ausgesetzt sein, die eine rechtliche Wirkung entfallen.
Sprich, da ist es ja auch nicht erlaubt, gerade dieses, was Sie auch angesprochen hatten.
Wenn ich jetzt ein Pool habe und nur die KI entscheidet für mich, wen ich überhaupt einlade, das darf ja nicht sein.
Also, und dann gibt es auch noch den AI-Act.
Aber dazu kommen wir gleich nochmal gesondert.
Der steht für sich, deshalb erstmal in der Basis, ist es dann überhaupt möglich, rechtlich so eine Vorauswahl zu treffen mit Hilfe von KE?
Ja, das geht.
Aber es ist sehr eingehegt, was man, wie man es dann benutzen sollte.
Und man sollte diese rechtlichen Vorgaben auch wirklich kennen, denn wir kommen ja gleich zum EU-AI-Act, die Strafen, die da dann greiten, die sind wirklich massiv.
Die gehen in die Millionen und irgendwann wird es den ersten Fall geben und dann werden alle wach werden.
Im Moment ist das Gesetz noch in.
Es stimmt nicht, wenn ich sage Vorbereitung, aber wir kommen ja gleich noch drauf.
Also ja, man darf mit KI arbeiten, auch im HR-Bereich.
Also jetzt nicht denken, oh, das ist irgendwie alles blurry und ich weiß nicht, und dann lasse ich lieber die Finger davon, weil es dann ja auch ein Wettbewerbsvorteil ist, den man da nicht nutzt.
Also wer systematischer, wir sind alle in einem War of Talents im Moment.
Es gibt nicht genug gute Kandidatinnen und Kandidaten.
Und wer jetzt ein Werkzeug, was einem helfen kann, effektiver und effizienter Kandidaten und Kandidatinnen anzuziehen, zu betreuen, sich die passenden auszusuchen und die dann auch wirklich zu bekommen, weil die Kandidaten entscheiden am Ende ja, wo arbeiten sie und die Kandidatin.
Also wer so ein Tool dann nicht nutzt, weil er oder sie sagt, oh, weiß ich nicht, bin ich mir nicht sicher, lieber mal nicht, lässt eben wirklich sehr viel Potenzial liegen.
Das wäre also völlig verkehrt.
Das ist auch nicht wofür ich werbe, wofür ich werbe.
Ist zu sagen, gerade in dem Bereich, in dem es eben wirklich um das Leben auch und die Entwicklung und das persönliche Glück von Menschen geht, sollte man sich unbedingt, wenn man an dieser Schnittstelle sitzt, auch mit den Vorgaben, die wir rechtlich haben, beschäftigen.
Man kann das handeln.
Also es ist nicht Raketentechnik.
Und ich finde auch, und jetzt komme ich mal auf diesen EU AI-Act, ich habe den gelesen.
Ich bin keine Juristin, ich komme aus dem Marketing.
Man kann das verstehen.
Also man muss jetzt nicht erst, ich weiß nicht, vier Jahre Jura studiert haben.
Das ist bewusst so geschrieben, dass das normale Manager, Managerinnen verstehen kann.
Also von daher, ja, Riesengefahr, Diskriminierung.
Es sind nicht nur Frauen, aber sehr häufig Frauen.
Das hat auch einen Grund, kann man vielleicht gleich auch noch drauf kommen.
Und man muss eben im Agile-Bereich dafür sorgen und darauf achten und das dokumentieren, dass das mit den eigenen KI-Tools nicht passiert.
Dann lassen Sie uns doch jetzt einmal auf den Grund gucken, bevor wir dann nochmal genauer zum EU AI-Act kommen.
Was ist denn der Grund für das Thema Diskriminierung?
Dass es gerade auch meistens Frauen sind.
Genau, also es gibt zwei Gründe.
Grundsätzlich, wenn eine KI diskriminiert.
Das eine ist, auf welcher Datenbasis wird eine KI trainiert.
Also die ist immer nur so gut wie das Futter, was man hier gegeben hat.
Und das zweite ist, wie sind die Teams zusammengestellt, die menschlichen Teams, die ja dafür sorgen, dass eine KI auch in die richtige Richtung sich entwickelt, in die richtige Richtung, die man haben will.
So einmal bei der Datenlage typischerweise, und in dem Amazon-Beispiel, was Sie gerade genannt haben, ist das auch so gewesen, typischerweise hat man mehr Daten in einem technisch orientierten und fokussierten Unternehmen von Bewerbern, die Männer sind als Frauen.
Wenn man dann sagt, okay, wir wollen mal alle Bewerben, die wir bislang bislang gehabt haben, in eine KI kippen, and we wollen die darauf trainieren, dass sie uns jetzt hilft, passende KandidatInnen auszuwählen, dann hat diese KI schon eine Schieflage, weil die im Grunde genommen sieht, ich übertrage jetzt mal, 90 Prozent der Bewerber haben am MIT studiert.
Da sind es dann 95% Männer, and nur 10% haben irgendwo anders studiert.
Das sind dann komischerweise eben viele Frauen.
Also lernt eine KI.
Okay, also offensichtlich ist MIT super and wichtig, weil wir haben ja alles studiert.
Wer also nicht am MIT studiert hat, and this is jetzt wirklich fiktiv, was ich erzähle.
Wer nicht am MIT studiert hat, kriegt so erstmal in der internen Punktologik bei der Bewertung in die paar Punkte wieder.
Und wenn das dann übereinander gelegt wird, alles, ein KPI nach dem anderen, is dann das Ergebnis, dass diese dann Blackbox KI, die das auswählt, zum Beispiel bei Amazon, dann Frauen eher aussortiert.
So, jetzt müsste das, der zweite Grund, das Trainingsteam so zusammengestellt sein, dass es dann aber erkennt, hm, komisch, we have viel weniger Frauen jetzt in diesen bei der KI, bei der Auswertung.
Woran liegt das denn?
Das wollen wir nicht, woran liegt das denn?
Analysieren, die KI anders inzentivieren, dass sie anders lernt, als nur zu gucken, wo ist die große Zahl, also ist die große Zahl richtig, und deshalb gehen wir in die Richtung.
Und das betrifft übrigens nicht nur Amazon.
Es gibt eine ganz tolle Studie einer Berliner Professorin mit Team, die hat sich 2019 angeguckt, unterschiedlichste HR-Tools, die eben auswählen, vorauswählen.
There was Amazon dabei, da war Microsoft mit dabei, and noch zwei other große HR-Tools.
And die Hypothese war, es werden Frauen either diskriminated, there were men with Migrationshintergrund discriminated, and it was before so to bevorzugt, so men adligen Titel have.
Das ist auch eine kleine Ausnahme, who's Note kann man alles im Detail angucken.
Haben alle diese vier Tools in dem Moment, in dem das ein Zeugnis war, einer Frau aus dieser Eins eine schlechtere Note gemacht.
Also das System hat runtergeleveld, wenn es eine Frau ist, ist es keine Eins, sondern eine etwas geringere Note.
Und das ist eine systematische Diskriminierung.
Und das muss ein HR-Manager, eine HR-Managerin eben verhindern, dass sie ein Tool benutzt, das so einen systematischen Bias hat, egal gegen wen, in dem Fall waren es jetzt Frauen, sondern muss in der Lage sein, jederzeit zu kontrollieren und to gucken, wie wird bei uns entschieden, wie entscheidet dieses Tool, das dokumentieren und sicherstellen, dass wenn dann meine Rückfrage kommt, man wirklich auch sprachfähig ist.
And vor allem die Menschen, die davor sitzen und damit arbeiten, also alle HR-Managerinnen und HR-Manager müssen wissen, dass es dieses Risiko gibt.
Wenn sie jetzt übertreibe, in Anführungsstrichen da wieder nur Männer sitzen, dann kann das sein, dass die dafür gar kein Gespür entwickeln, dass man überhaupt diskriminiert werden kann.
Weil das eine Gruppe ist, die eher am wenigsten eben in diesem ganzen Prozess diskriminiert wird.
Und da ist eben die Gefahr.
Da gucken wir gleich auch nochmal drauf, was das eben für Herr AllerInnen natürlich bedeutet, den Link zur Studie, den gibt es auch in den Shownotes.
Aber ich würde jetzt gerne noch einmal auf den EU AI-Act zu sprechen kommen.
Was ist denn da gerade aus ihrer Sicht?
Yeah, keine Juristin, aber wie Sie gesagt haben, Sie haben ja quasi auch als Managerin drauf geschaut, aus Wirtschaftsprofessorin.
What are the wichtigen Kernpunkte, die einfach im Bereich Personalmanagement bekannt sein müssen?
Also ich sehr gerne.
Also ich fange einmal eben an, was ist das überhaupt, der EU AI-Act, weil ich zu KI forsche innerhalb meiner Professur und wir gerade eben wieder unter Marketing Manager and Marketing Managern festgestellt haben, dass die Hälfte gar nicht wissen, dass es das gibt, this gesetz.
This gilt aber schon, und zwar schon seit over einem Jahr.
Also ich erkläre ihm einmal kurz what this is.
Also the EU hat as erste region weltweit ein KI-Gesetz entwickelt, was steuern soll, wie Menschen, die beruflich mit KI arbeiten, mit dieser KI arbeiten.
Also mit einem Regelwerk, was darf man, was darf man nicht, mit Strafen dahinter, mit ganz bestimmten Terminen, ab wann welche Teile dieses Gesetzes gelten.
We have seit zweiten Februar letztes Jahr, hat gerade einjähriges Geburtstag gehabt, haben die eine Schulungspflicht für Menschen, die beruflich mit KI arbeiten.
Für alle.
Also nicht denken, oh, ich mache ja nur ChatGPT, mich betrifft das nicht.
Das betrifft dann alle.
Auch die, die nur in Anführungsstrichen mit ChatGPT arbeiten.
Also deshalb auch alle, die mit KI im Bereich HR arbeiten.
So, was macht das Gesetz?
Und jetzt kommen wir auf HR.
Das Gesetz sagt, die Anwendung von KI hat, je nachdem, worum es geht, unterschiedliche Risiken.
It's few risikogruppen.
Es gibt eins that wenig Risiko had, there must be eighteen notes machen.
It's about verbotene KI-Anwendungen.
Da sind wir im HR-Bereich jetzt an der Wahrscheinlichkeit auch nicht.
Das heißt, es bleiben von den vier Risiken, eins is verboten, bleiben drei.
And that is unser Job, when we with KI arbeiten, sagt die EU, we must regelmäßig gucken, diese Anwendung, die ich jetzt gerade nutze, in welcher Risikoklasse fällt die.
And im HR-Bereich fällt ganz wahnsinnig viel in die höchste Risikoklasse, die noch nicht verboten is.
That's why hohes Risiko.
Da fällt ganz viel rein.
Warum?
Weil der Gedanke der Gesetzgebenden is to sagen, man kann KI, when man nicht weiß, was die macht, as Waffe benutzen, ohne dass man es will.
Man kann damit Menschen Schaden zufügen.
And deshalb habe ich gerade eingangs so viel gesagt.
Naja, man steuert ja mit einer HR-Entscheidung auch wirklich das Wohl and Weh and the Zunge of Menschen.
That is the moment.
Why all these image Bereich arbeiten, wahrscheinlich is there, sehr viel von dem, was ich mache mit KI in dieser Hochrisikoklasse.
Damit hat man auch sehr, sehr viele Aufgaben, selbst wenn man keine KI trainiert hat, sondern wenn man nur eine kauft oder lizenziert, sehr, sehr viele Pflichten, um eben sicherzustellen, dass es keine Blackbox is, dass das, was Amazon passiert is, Ihnen nicht passiert im Unternehmen.
And die Strafen sind gehörig.
I sage Ihnen maline Zahl.
Das sind, also die Höchststrafe sind 35 Millionen Euro.
Oder 7% vom weltweiten Jahresumsatz, je nachdem, was größer ist.
Es gibt für kleine Unternehmen natürlich Abstufungen.
Also wenn sie jetzt irgendwie in die kleine Verb-Agenture is mit 20 Mitarbeitern, would jetzt the EU wahrscheinlich nicht sagen, 35 Millionen Strafe.
Aber wir haben ja sehr viele Großunternehmen und auch da ist 35 Millionen schon echt eine Ansage.
Diese Pflichtschulungen klingen irgendwie leidig und lästig, aber Sie müssen das machen.
Denn wenn Sie irgendwas verkehrt gemacht haben im HR-Bereich mit KI, ist das erste, was die EU sehen will, haben Sie eine Pflichtschulung für alle ihre Leute.
Und wenn Sie dann nicht zeigen können, ja, ja, hier sogar mit Zertifikat, dann ist das der erste Schritt, dass dann jemand, der Sie verfolgt und sagt, so geht das aber nicht, rechtlich.
Der erste Schritt, wo derjenige dann sagt, naja gut, wenn ihr das noch nicht mal gemacht habt, dann wundert mich hier gar nichts.
Also es lohnt da wirklich reinzugucken.
Eine Frage dazu.
Wir haben ja eingangs über die Vorteile gesprochen, dass es leichter sein soll, vielleicht auch und schneller gehen soll, passende BewerberInnen zu finden.
Jetzt haben wir über die Nachteile gesprochen.
Gefahr der Diskriminierung, Gefahr auch von hohen Strafsummen, wenn man sich nicht an Regelwerk hält.
Erstmal Regelwerk, was es zu verstehen gilt.
Plus, ich muss alle Mitarbeitenden im Unternehmen, die mit KI-Arbeiten, schulen.
Das klingt für mich nach Kosten, es klingt nach Aufwand.
Und es klingt danach, dass ich meine Mitarbeiter wahrscheinlich auch motivieren muss, überhaupt das mitzumachen.
Nach dem Motto, jetzt erstmal ganz viel reinstecken, damit es sich es dann hinten raus lohnt.
Lohnt sich das denn dann überhaupt wirklich, diese KI-Nutzung, nach dem, was wir besprochen?
Sie erinnern sich, dass ich eingangs sagte und da noch sehr sozusagen aus der Hubschrauberperspektive.
Das kommt immer auf die einzelnen Firmen an und wie sie arbeiten und was sie wirklich brauchen.
Also wenn Sie eine Stellenanzeige im Jahr haben, dann würde ich nicht sagen, dass sie dafür ganz dringend ein ganzes KI-System brauchen.
Trotzdem auf jeden Fall eine Pflichtschulung, aber sie haben dann auch ein bisschen andere Pflichten.
Aber wenn sie wirklich systematisch KI einsetzen in großen Prozessen für, wir brauchen sehr, sehr viele Mitarbeiter, wir müssen die auch durchziehen, dann ist aber auch der Effizienzgewinn, also wie viel Zeit ich einspare, extrem.
Ist wirklich extrem.
Plus, wir dürfen nicht vergessen, die Hauptherausforderung, die Unternehmen gerade haben, ist eigentlich die richtigen Kandidaten zu finden, dass die dann Lust haben, zu einem selber zu kommen und nicht zum Wettbewerb.
Und dass sie dann vor allen Dingen auch lange bleiben.
Das ist das ist ein Riesenwert.
Das irgendwann gar nicht mehr mit Gold aufzuwerten, dass man gute Mitarbeiterinnen und gute Mitarbeiter hat.
Also wenn wir jetzt nur gucken, wie viel Aufwand habe ich denn mit einer KI, weil jetzt muss ich Transparenz und Dokumentationspflicht and all the Mögliche machen.
Und was bringt mir das denn an, ein bisschen Effizienzgewinn, weil ich werde schneller bei Stellenanzeigen.
Das ist gar nicht der richtige Vergleich, sondern wir müssen auf die Waagschale bringt mir das was, auch noch draufpacken.
Die Dinger helfen ja auch noch bessere Kandidatinnen und bessere Kandidaten zu finden, die dann auch wirklich auszusuchen anders to schaffen, dass wir die nicht verbrennen, weil wir uns drei Wochen lang nicht gemeldet haben und ein anderer Wettbewerber schneller war, weil wir einfach so viel zu tun hatten, dass wir nicht gemerkt haben, dass wir Kandidatin XY versprochen hatten, dass wir uns melden.
But this rechnung must jedes Unternehmen selber machen.
It says aber auch, gerade was Sie nochmal angesprochen haben, wir haben es nicht geschafft, uns zu melden.
I have a bit the eindruck, that grade the thing communication with KI, wie Sie eingangs beschrieben hatten, BewerberInnen einfach mitteilen, hey, wir nutzen künstliche Intelligenz, aber auch ihr könnt euch immer informieren, dass das eher noch unterschätzt wird.
Der Fokus sehr auf diese Auswahl liegt, die aber rechtlich einfach schwieriger is.
Das heißt, vielleicht wäre das ja auch nochmal ein Thema, sich eher auch auf diesen communikativen Prozess und die Analyse mit KI zu fokussieren und eben bei der Auswahl sehr darauf zu achten, dass es nicht eine rein KI-basierte Auswahl ist.
Ja, das ist eine gute Idee, wenn man Risiken leveln will und sagen will, wir müssen es nicht überall machen, sondern es gibt bestimmte Bereiche, wo das sinnvoller ist auf diesen vier Stufen.
Und das, was Sie jetzt gerade ansprechen, ist ja ein Chatbot zum Beispiel, der Kandidaten eben 24.7 Fragen beantwortet.
Das zum Beispiel fällt nicht in das Hochrisico by the EU AI-Act, sondern muss man eben nach links gucken.
Ich habe mir das hier alles hingelegt.
Das ist geringes Risiko.
Das ist bei allen Chatbotshof, die mit Kunden to do have, also auch for Leute, die jetzt in marketing sind and off your start site, auf the internet site, so a chatbot have.
They must bring that the king for that's just a chatbot is that technical is and keep a each other iron tipped.
This is the transparency.
This can regret.
I've been the KI-Chatbot of Firma Talala.
Damit have this transparency.
And of the other side is an echter.
Or this is an eye photo.
Or tell us Angela Merkel had a beer get drunk with Vladimir Putin.
That was a Tusching, then must unbeding drank, Achtung, this is with KI gemacht.
And then each person, will they then even with this chatbot chat or not?
So that's it.
And with KI-Tools machine in HR-Bereich, that there is so much Damo Platzlich.
Es gibt viele Berufe, die man haben kann mit KI arbeiten und sich sagen kann, 35 million.
So is this not?
But there is a lot of things.
I have done with KI gemacht, dann bin ich raus aus dem Nummer.
But the HR-Bereich is there where I said, which I would mehr nachgucken and mehr vorher aufmerksam sein, als hinterher zu sagen, ach hey, that have ich ja gar nicht gewusst, oder da habe ich ja gar nicht drüber nachgedacht.
Wir kommen jetzt zum Abschluss nochmal Richtung Tools.
This had you ja mehrmals so am Rande.
Es gibt verschiedene Tools, etc.
Gibt's denn da eins aus your perspektive?
Was vielleicht quasi ein allumfassender Service von Basis 1 bis Schritt 4 then is, oder wie sieht da die Tool-Landschaft gerade aus?
Ja, ich schmunze schon deshalb, weil was soll ich sagen?
Also egal, wenn wir das jetzt hier aufzeichnen, egal was ich jetzt sage, this is in vier, sechs, a 10 week show veraltet.
Das ist das eine.
Das zweite is, es gibt nicht wie immer nicht das eine Tool, was für alle irgendwie passt und da ist alles perfekt drin, sondern es gibt je nachdem, was man haben möchte, in welchem dieser einzelnen Candidate Journey gibt es Spezialtools.
Und da muss man noch fragen, bin ich eher ein KMU, also habe ich weniger Geld, kleines Unternehmen, oder bin ich eher ein Großkonzern.
Also Großkonzerne können sich eigentlich große Application Tracking Tools leisten.
Da gibt es einige.
Ich habe hier eine ganz große Auflistung hier auch gemacht, habe das auch nochmal durchrecherchiert.
Also, was ich sehr spannend fand, und ich bin nicht im HR-Bereich, das heißt, ich arbeite mit diesen Tools nicht.
Ich gucke mir das jetzt aus meiner KI-Tool.
Ich habe ein eigenes Trainingsinstitut auch, um KI-Tools beibringen zu können für Marketing-Leute.
Aus der Brille gucke ich mir das an.
Was ich super spannend finde im Moment, ist Higher View.
Also Higher wie Einstellung and View wie sehen.
Das ist eigentlich ein ganzes Orchester of KI-Tools für HR.
Aber ich finde es deshalb spannend, weil das offenbar sehr stabile Tools schon hat dazu, dass man Kandidaten per Video, KI-Video, erst interviewt, also darüber eine Vorauswahl macht und diese KI-Screen eben, wie ist die Stimme, wie ist die Nervosität, werden die ersten Fragen einigermaßen sinnvoll beantwortet, wie geht die Bewerberin der Bewerber mit schwierigen Fragen um, weicht die dann aus oder geht die dann so auf die 12, um daraus eben ein bisschen über Charakter auch festzustellen, passt das in unsere Unternehmenskultur.
Das fand ich super spannend.
Dann gibt es ein Tool, was, wenn man das nicht mit Video machen will, sondern einfach nur mit Chatbot-basiert.
Paradox heißt das.
Das macht dann eben für das erste Gespräche mit Bewerbern, das ist relativ günstig, also fällt so ab 500 Euro an dem Monat.
Higher View, da sind sie sofort bei ein paar 10.000 Euro.
Also, das heißt, da sehen Sie schon so ein bisschen die Spannbreite.
Und dann gibt es, wenn man vorne am Sourcing, im Sourcing sind.
Also wir wollen überhaupt erstmal Stellenanzeigen schreiben, wir haben eine Stellenbeschreibung, wir wollen jetzt eine Stelle besetzen.
Wie suchen wir uns die Kandidaten?
Da finde ich gerade spannend.
Die heißen Hire Res, also Hire wieder wie im Englischen eben einstellen.
Und EZ, Hire's.
Die flöhen automatisch 30 Plattformen durch, wo Menschen wie dir sind, LinkedIn, Xingen und alle möglichen anderen Plattformen und sucht eben passend zu der Stellenbeschreibung mögliche Kandidaten.
Relativ günstig, kann sich also KMUs leisten, kleine Unternehmen und auch Großunternehmen, so zwischen 100 und 500 Euro im Monat.
Aber auch das, man sieht schon, auch das lohnt sich nicht, wenn man eine Stellenanzeige hat.
Das lohnt sich auch nur, wenn man das wirklich systematisch machen muss.
Also ich könnte jetzt hier noch viel weitermachen, aber das sind so die, die ich jetzt sehr, sehr spannend fand.
Letzter Punkt vielleicht für Screening und Hiring, also raussuchen der Bewerber, die passen, bis hin zu Hiring, die heißen, jetzt spreche ich es mit Sicherheit verkehrt, aus Mannatal, Deutsch ausgesprochen.
Die haben eine kostenlose Testphase und die helfen eben bei aus ganz vielen Bewerbungen die richtigen rauszusuchen, die dann auch wirklich bis zum Hiring auch mitzubetreuen.
Das ist also was, wenn man jetzt sagt, ich habe gar keine Ahnung, ob mir das helfen kann, was man mal ausprobieren kann in einer Testphase, um zu gucken, wie viel das überhaupt.
Aber Sie sehen schon daran, bunter Blumenstrauß, so ähnlich wie im Marketing, wir haben 600 Tools, die uns im Marketing helfen können.
Da jetzt drei rauszuziehen und zu sagen, die sind es, wäre natürlich sehr fatal und sollte man auch nicht tun als Beraterin oder als Berater.
Aber wenn ich jetzt anfangen würde mit, ich bin in einem großen Unternehmen, HR soll mir irgendwie helfen.
KI-Tools wollen mir helfen, dann würde ich mir dich angucken.
Letzter Satz, immer tagesaktuell.
Also wer das, wer auch immer das jetzt hört in einem halben Jahr, selber suchen.
Unbedingt Recherchieren.
Nicht einfach irgendein Tipp nehmen und sagen, wir machen das, lieber erstmal einmal selber reingucken.
Muss ich den Transparenzhinweis geben?
Wir zeichnen am 6.
Februar 2026 auf.
Dann haben wir hier schon einmal den Zeitstempel drin.
So, und jetzt kommen wir aber zur abschließenden Frage für diese Episode.
Erstmal vielen Dank für diese Tool-Übersicht.
Gibt es denn etwas, wo ich generell, wenn ich Tools auswähle, darauf achten sollte?
Weil ich gebe mich ja immer in Jahren von Dritten quasi.
Also auch all diese Risiken, die wir gerade besprochen haben, da können die Unternehmen ja nicht selber quasi ihre EntwicklerInnen dann dran setzen, sondern ich muss ja auf bestimmte Punkte achten.
Gibt es da vielleicht ein paar Stichpunkte, Bullet Points, die hier jeder mit rausnehmen sollte.
Ja, sehr gerne.
Ich mache auch KI-Trainings, Masterclasses and soldiers.
Und der Tipp, den ich immer give, und das sind dann in der Regel Marketingleute, der Tipp, den ich immer give is, das Hauptproblem is man hat keine Zeit.
Man muss ja irgendwas parallel noch zum Job machen.
Also hilft schon, wenn man sich das Ganze, diesen Elefanten in kleinen Scheiben teilt und sagt, heute nehme ich mir mal eine halbe Stunde Zeit und recherchiere erstmal durch, welche Tools können wir denn für die eine Aufgabe, die ich jetzt gerade habe, und wo ich denke, ich mache das jetzt heute das 23.
Mal.
Warum gibt es da nicht ein KI-Tool dafür?
Eine halbe Stunde dann zu recherchieren und zu sagen, ah, here are drei Tools, die könnten helfen.
Die dann vorzunehmen am nächsten Tag, wieder eine halbe Stunde und zu sagen, welches davon will ich mir denn leisten?
Oder vielleicht erstmal gar kein Geld ausgeben.
Also einfach nur zu entscheiden, welches Tool probiere ich raus.
Und das Tool dann am nächsten Tag, und das muss ein bisschen länger sein als eine halbe Stunde, vielleicht 45 Minuten mal auszuprobieren.
Egal worum es jetzt geht.
Wenn ich nach 45 Minuten nicht den Eindruck habe, wow, das ist das beste Seitgeschnittenbrot.
Das erleichtert mir das Leben.
Ich kann auch sofort damit umgehen.
Wenn es das nicht schafft, dann ist es kein Tool für Sie.
Und wenn Sie das, jetzt wieder Marketing zum Beispiel, wenn Sie das drei, vier, fünf Wochen lang machen, immer vornehmen, im Kalender, halbe Stunde, heute KI, dann haben Sie sehr, sehr schnell einen sehr guten Überblick für die für ihre Use Cases passenden KI-Tools.
Und die Dinger sind alle so gebaut, dass sie ganz schnell den Usern 80 Prozent Erfolg bringen in ganz kurzer Zeit.
Deshalb sage ich immer so massiv, wenn ihr nach 45 Minuten nicht klargekommen seid, dann ist das nichts für euch.
Weil dann ist das Tool nichts für euch.
Nicht, ihr seid nichts für die KI.
Also nicht aufgeben, unbedingt dranleiben.
Und dann findet man die passenden Dinger.
Und dann, letzter Tipp, leider, nicht verheiraten mit einem Tool.
Also keins auf ein Jahr kaufen.
Denn die Dinger entwickeln sich gerade so massiv noch weiter, dass sogar ein Monat schon lang ist.
Also lieber flexibel bleiben, immer nur eine Monatslizenz kaufen, wenn man denn überhaupt Geld ausgeben will.
Es kann sein, dass in einem halben Jahr irgendwie ein tolles Ding kommt, was man viel besser findet und dann wäre blöd, wenn man an einem Tool dranhängt und noch ein halbes Jahr lang bezahlen muss.
Dankeschön für diese Tippübersicht zum Abschluss.
Wir merken uns die 45-minütige Testspanne-Phase quasi.
Und auch nicht dann einfach mit der KI aufgeben, sondern weiter testen, auch wenn es Zeit kostet.
Und an der Stelle danke ich sehr herzlich für eure Zeit, Frau Bünte, dass Sie heute bei uns bei T3N Arbeit in Progress zu Gast gewesen sind.
Sehr gerne.
Das war's für heute.
Wenn ihr mehr von Stella zum Thema Arbeit in Progress hören wollt, dann findet ihr den Podcast auf der Plattform eurer Wahl.
Jeden Freitag um 10 gibt's eine neue Folge.
The nächsten Deep Dive mit mir hört ihr an dieser Stelle in zwei Wochen.
Es würde mich freuen, wenn ihr dann wieder dabei seid.
Bis dahin könnt ihr natürlich mit unserem kompakten KI-Update jeden Montag, Mittwoch und Freitag auf dem Laufenden bleiben.
Werbung.
Außerdem bei heiße.
Vorsicht Kunde, der Verbraucherschutz-Podcast des CT-Magazins.
Ein Produkt geht nach kurzer Zeit kaputt, aber der Händler will es nicht zurücknehmen.
In einer Schublade habt ihr noch ein Gutschein, aber der Verkäufer meint, dieser sei nicht mehr gültig.
Euer Paket enthält etwas anderes, als ihr eigentlich online bestellt habt.
Doch der Versender stellt sich tot.
Im Podcast Vorsicht Kunde besprechen wir solche und viele andere Probleme.
Wir, das bin ich, Ulrike Kuhlmann.
Und mein Kollege Usmannsmann aus der CT-Redaktion.
Zur Seite steht uns Rechtsanwalt Niklas Mühlheis.
Hört einfach mal rein.
Wir freuen uns auf euch.