Die Antwort in Kürze
Ralph Adrian erklärt in seinem LinkedIn-Newsletter „HR im KI-Tempo“, warum Sprachmodelle in der Personalauswahl gut zuordnen, ihre Eignungsempfehlungen aus seiner Sicht aber noch keinen Beleg ersetzen: Ein Modell kann seine Aufmerksamkeit auf Unwichtiges richten und trotzdem überzeugt wirken, und Menschen können ihm folgen. Unsere Einschätzung: Der Autor bezieht seine Aussagen bewusst auf die Auswahl. Ein Gedanke lässt sich aber übertragen: Fragen Bewerbende eine KI nach einem Arbeitgeber, kann auch diese Antwort sicher klingen, ohne dass sofort zu sehen ist, worauf sie sich stützt.
Worum geht es in dem Beitrag?
Der Beitrag „Sicher heißt nicht richtig: Wo die KI im Recruiting an ihre Grenze kommt“ ist am 17. November 2026 als LinkedIn-Artikel erschienen. Autor ist Ralph Adrian, Gründer und Geschäftsführer von Personalturm, einem Anbieter KI-gestützter Recruiting-Software.
Er fragt, wie weit man einer KI bei der Einschätzung der Eignung von Bewerbenden trauen kann, und stützt seine Antwort auf mehrere Studien. Am Ende nennt er drei praktische Schritte. Seine Aussagen gelten ausdrücklich für die Personalauswahl; im Personalmarketing gelten nach seinen Worten andere Regeln.
Was sagt der Beitrag genau?
Die Kernaussagen, in unseren Worten zusammengefasst:
- Zuordnen ja, empfehlen nur mit Beleg: Erfahrungen aus Unterlagen passenden Fähigkeiten zuzuordnen, gelingt Sprachmodellen laut Beitrag zuverlässig. Einer Eignungsempfehlung zu vertrauen, hält der Autor heute für verfrüht. Seine Prüffrage bei jedem „passt“: „Welcher Satz belegt das?“
- Auf das Falsche achten: In einer Studie von David Rozado wählten 22 Sprachmodelle laut Beitrag in 63,5 Prozent der Fälle den Lebenslauf, der zuerst genannt war.
- Menschen folgen der Maschine: In einer Studie mit 528 Teilnehmenden (Wilson u. a., AIES 2025) folgten die Menschen laut Beitrag in bis zu 90 Prozent der Fälle, wenn eine simulierte KI eine Gruppe bevorzugte.
- Manches steht nicht in den Unterlagen: Einige entscheidende Fragen klärt laut Autor erst das Gespräch, etwa ob jemand aus dem Einkauf eines Konzerns in einen Betrieb mit 80 Beschäftigten passt.
Unsere Einschätzung
Einschätzung von Rechtsanwalt Jan Meyer, Sterne-Advo Rechtsanwaltsgesellschaft mbH
Was zutrifft. Der Beitrag erklärt ein technisches Thema verständlich und ohne Alarmton. Die Prüffrage „Welcher Satz belegt das?“ ist schlicht und wirksam: Sie macht aus einer Empfehlung eine Aussage, die sich nachprüfen lässt. Der Reihenfolge-Test lässt sich ohne Technikkenntnisse anwenden. Und der Grundsatz, dass die Entscheidung über eine Person beim Menschen bleibt, gibt eine klare Linie.
Was einzuordnen ist. Der Autor legt selbst offen, wie weit seine Quellen tragen: Bei Rozado waren Lebensläufe und Stellen KI-erzeugt, bei Wilson und Kollegen war die KI simuliert, und eine der Untersuchungen ist ein noch nicht begutachteter Vorabdruck. Das schmälert die Grundaussage nicht; das Bild kann sich mit neuen Modellen aber verschieben, wie der Autor selbst sagt.
Was das für das Arbeitgeberbild heißt. Der Autor beschränkt seine Aussagen ausdrücklich auf die Auswahl, und das respektieren wir. Ein Gedanke lässt sich aber übertragen: Eine KI-Antwort kann sicher klingen und trotzdem falsch sein, und Menschen können ihr folgen. Fragen Bewerbende eine KI nach einem Arbeitgeber, kann sich die Antwort auf Quellen stützen, die man nicht sieht, darunter Bewertungsprofile. Wie stark sich KI dabei auf Bewertungsprofile stützen kann, zeigt die Georg-Analyse der Dax-40-Arbeitgeber. Die Prüffrage des Autors passt deshalb auch hier: Auf welche Quelle stützt sich die Antwort über Ihr Unternehmen?
Was das Recht vorgibt und wo es hilft. Entscheidet im Ergebnis allein eine Maschine über Bewerbende, auch weil ein Mensch ihre Empfehlung nur übernimmt, kann Art. 22 DSGVO greifen. Benachteiligt eine Auswahl Menschen etwa wegen ihres Geschlechts oder ihrer ethnischen Herkunft, kann das gegen das Allgemeine Gleichbehandlungsgesetz (AGG) verstoßen. Für das Arbeitgeberbild gilt: Kritik gehört dazu und ist als Meinung in aller Regel zulässig. Unwahre Tatsachenbehauptungen sind etwas anderes. Dagegen lässt sich im Regelfall gegenüber dem Portal vorgehen. Steht eine solche Behauptung in einer Bewertung, auf die sich KI-Antworten stützen können, kann das Portal nach einem konkreten Hinweis als mittelbare Störerin haften, wenn es seine Prüfpflichten verletzt.
Was heißt das für HR?
- Nach dem Beleg fragen: Übernehmen Sie die Prüffrage des Autors für KI-Empfehlungen in der Auswahl: Welcher Satz belegt das? Was sich nicht belegen lässt, gehört ins Gespräch.
- Die Gegenprobe machen: Der Autor rät, die Reihenfolge der Unterlagen umzukehren oder Namen zu tauschen und zu sehen, ob das Ergebnis gleich bleibt. Die Entscheidung über eine Person trifft ein Mensch, der die Empfehlung tatsächlich prüft.
- Selbst recherchieren wie Bewerbende: Fragen Sie KI-Assistenten in regelmäßigen Abständen nach Ihrem Unternehmen als Arbeitgeber und sehen Sie nach, worauf sich die Antworten stützen. Mehr dazu: KI und Employer Branding.
- Mit Kritik gelassen umgehen: Unsere erste Empfehlung: gar nicht antworten. Schweigen ist Gold und hält Ihnen alle Möglichkeiten offen, auch die rechtlichen. Möchten Sie dennoch öffentlich antworten, dann allgemein: ohne auf den Einzelfall einzugehen und ohne etwas zu bestätigen, auch keinen Kontakt oder Geschäftskontakt. Mehr dazu: Auf kununu-Bewertungen antworten.
- Unwahres prüfen lassen: Steht in einer Bewertung über Ihr Unternehmen eine falsche Tatsache, lassen Sie sie prüfen: Unterlassung gegen rechtswidrige Bewertungen durchsetzen.
Fazit: Sicher klingen heißt nicht belegt sein
Laut Beitrag ordnen Sprachmodelle in der Personalauswahl zuverlässig zu, ihre Empfehlungen brauchen aber einen Beleg, und die Entscheidung bleibt beim Menschen. Für das Arbeitgeberbild gilt derselbe Gedanke: Wer weiß, worauf sich KI-Antworten über das eigene Unternehmen stützen, kann sein Bild nach außen gezielt pflegen.
Quelle
Ralph Adrian: „Sicher heißt nicht richtig: Wo die KI im Recruiting an ihre Grenze kommt“, LinkedIn-Artikel im Newsletter „HR im KI-Tempo“, 17.11.2026, Zum Originalbeitrag
