KI im Recruiting: Was der Nutzungsanstieg für kleine Personalberatungen wirklich sagt

Invalid Date

KI im Recruiting: Was der Nutzungsanstieg für kleine Personalberatungen wirklich sagt

Der Anstieg der KI-Nutzung in deutschen Unternehmen ist ein relevanter Kontextindikator für kleine Personalberatungen. Er belegt jedoch nicht, dass Executive-Search-Boutiquen mit wenigen Beratern KI bereits flächendeckend einsetzen. Entscheidend ist vielmehr, ob sich Recherche, Kandidatenkommunikation, Dokumentation und Löschung personenbezogener Daten in einem nachvollziehbaren Prozess verbinden lassen. Erst dann kann KI im Recruiting die tägliche Arbeit unterstützen, statt zusätzliche Abstimmungs- und Kontrollaufwände zu schaffen.

Der statistische Sprung und die Realität in Boutiquen

2024 nutzten 20 % der Unternehmen in Deutschland mit mindestens zehn Beschäftigten Technologien der künstlichen Intelligenz. 2023 waren es 12 %; der Anteil stieg damit binnen eines Jahres um 8 Prozentpunkte. Nach Unternehmensgröße zeigen sich deutliche Unterschiede: Bei Unternehmen mit 10 bis 49 Beschäftigten lag die Nutzung bei 17 %, bei 50 bis 249 Beschäftigten bei 28 % und ab 250 Beschäftigten bei 48 %. Destatis zur KI-Nutzung in Unternehmen

Für kleine Personalberatungen ist diese Statistik nur begrenzt übertragbar. Die Destatis-Erhebung erfasst die kleinsten rechtlich selbstständigen, wirtschaftlich tätigen Einheiten mit mindestens zehn Beschäftigten, die Bücher führen und ihren Ertrag ermitteln. Ein-Personen-Beratungen und ein Teil spezialisierter Executive-Search-Boutiquen mit weniger als zehn Beratern werden deshalb nicht zwingend abgebildet. Die Zahlen sind für diese Zielgruppe vor allem ein Marktindikator, keine belastbare Nutzungsquote. Destatis zur Erhebungsgrundlage

Auch die Zahl der Beschäftigten entspricht nicht automatisch der Zahl der beratenden Personen. In einer Beratung mit 10 bis 49 Beschäftigten können Research, Assistenz, Projektmanagement und Administration tätig sein. Eine Boutique mit wenigen Beratern kann zugleich mehrere spezialisierte Suchmandate bearbeiten. Aus den Größenklassen lassen sich daher weder eine bestimmte KI-Reife noch vergleichbare Budgets oder eine einheitliche Systemlandschaft ableiten.

Aussagekräftiger als die allgemeine Nutzungsquote sind die verwendeten Technologien. Unter den Unternehmen, die KI einsetzen, nutzen 48 % Text Mining, 47 % Spracherkennung und 34 % Technologien zur Erzeugung natürlicher Sprache. Diese Funktionen passen zu wiederkehrenden Tätigkeiten im Suchmandat: Profile strukturieren, Gesprächsinhalte dokumentieren und Informationen für interne oder klientenfähige Unterlagen aufbereiten. Destatis zu eingesetzten KI-Technologien

Die Statistik zeigt allerdings nicht, in welchem Unternehmensbereich diese Technologien eingesetzt werden oder ob sie einen vollständigen Recruiting-Prozess unterstützen. Text Mining kann Dokumente strukturieren, ohne dass daraus ein automatisiertes Kandidatenranking wird. Spracherkennung kann Gesprächsnotizen erfassen, ohne dass deren fachliche Prüfung, sichere Speicherung und fristgerechte Löschung geregelt sind. Für KI im Recruiting ist diese Unterscheidung zentral: Ein sinnvoller Einzelanwendungsfall bedeutet noch nicht, dass eine Beratung durchgängig KI-gestützt arbeitet.

Praktisch sinnvoller ist deshalb ein Prozesscheck. Für jeden Einsatz von KI im Recruiting sollten kleine Personalberatungen klären, welche Daten verwendet werden, wer Ergebnisse prüft, wo Informationen gespeichert sind, wer darauf zugreifen darf und nach welchen Regeln sie gelöscht werden. Wenn Recherche, Ansprache und Longlist in getrennten Tools stattfinden, kann KI neue Medienbrüche schaffen. Sind die Arbeitsschritte dagegen klar abgegrenzt und kontrollierbar, kann aus dem allgemeinen Nutzungstrend ein konkreter Nutzen für das Mandat entstehen.

Text Mining, Sprachverarbeitung und die Kandidatenlonglist

Eine Longlist im Executive Search ist kein Datenbankexport. Nach dem von der Association of Executive Search and Leadership Consultants beschriebenen Ablauf folgen auf Briefing und Market Mapping die Identifikation potenzieller Kandidaten sowie deren Ansprache. Erst auf dieser Grundlage entsteht die Longlist. Ein typischer Longlist-Report enthält Name, Unternehmen, aktuelle Position, Kontaktdaten, Lebenslauf und Gesprächsnotizen.

KI im Recruiting kann diesen Ablauf unterstützen, ohne die fachliche Bewertung des Beraters zu ersetzen. Textanalyse kann helfen, unstrukturierte Lebensläufe, Projektnotizen oder öffentlich zugängliche Berufsprofile mit den Kriterien eines Briefings abzugleichen. Sprach- und Textfunktionen können Gesprächsnotizen in eine einheitliche Dokumentationsstruktur überführen. Entscheidend bleibt, dass Quelle, Kontext und Bewertung nachvollziehbar sind. Ein sprachlich sauber formulierter Text ist noch keine belastbare Kandidateneinschätzung.

Auch Sourcing-Plattformen lösen diese Aufgabe nur teilweise. LinkedIn Recruiter führt beispielsweise Projektstatus wie „Uncontacted“, „Contacted“, „Replied“ und „Archived“ sowie kundenspezifische Status. Als anpassbare Felder sind unter anderem gewünschtes Gehalt, Umzugsbereitschaft oder Startdatum möglich. LinkedIn Recruiter zu Projektstatus und Feldern

Bei der KI-gestützten Relevanzanzeige von LinkedIn steht „high“ für mindestens 70 % erfüllte Qualifikationen, „medium“ für mindestens 30 %. Diese Kategorien sind Produktlogiken der Plattform. Sie sind weder ein objektiver Eignungsmaßstab noch eine rechtliche Bewertung. LinkedIn Recruiter zur KI-Relevanzanzeige

Für Boutiquen folgt daraus eine praktische Anforderung: Informationen aus Recherche, Kontaktaufnahme, Bewertung und Präsentation sollten nicht in unverbundenen Listen, Postfächern und Einzellösungen auseinanderfallen. Sonst entstehen uneinheitliche Datenstände, zusätzlicher Dokumentationsaufwand und vermeidbare Risiken bei Berechtigungen oder Löschfristen. KI im Recruiting sollte deshalb an klar definierte Übergaben und Freigabepunkte im Suchprozess anknüpfen.

Warum KI-Projekte in der Personalberatung scheitern

Die Einführung von KI scheitert nicht zwingend an fehlender Technik. Unter Unternehmen, die KI erprobt hatten, sie aber aktuell nicht mehr nutzten, nannten 59 % Zeitmangel, 58 % nicht erreichte Ziele und 50 % fehlende Fachkräfte. Fehlende technische Ausstattung nannten dagegen 5 %, mangelnde Mitarbeiterakzeptanz 9 %. KI-Umfrage der Bundesnetzagentur

Für kleine Personalberatungen ist vor allem der Zeitmangel relevant. Wenn Berater für Recherche, Notizen und Longlists fortlaufend zwischen CRM, Sourcing-Plattform, Textgenerator und E-Mail wechseln müssen, kann der erwartete Effizienzgewinn verloren gehen. KI im Recruiting entfaltet ihren Nutzen eher bei klar abgegrenzten Aufgaben und verbindlichen Abläufen als durch eine Sammlung unverbundener Zusatztools.

Eine Fraunhofer-Untersuchung zu CRM-Projekten nennt Innovationskultur, frühe sichtbare Ergebnisse sowie intensive Schulung und Mitarbeitereinbindung als wesentliche Erfolgsfaktoren. Für KI im Recruiting spricht das für einen begrenzten, überprüfbaren Anwendungsfall mit klaren Verantwortlichkeiten statt für einen umfassenden Systemwechsel ohne belastbaren Arbeitsablauf. Fraunhofer-Untersuchung zu CRM-Erfolgsfaktoren

Zugleich ist zwischen abgebrochenen und fortgeführten Vorhaben zu unterscheiden. Unter den Unternehmen, die KI weiterhin nutzten, gaben 75 % an, ihre Erwartungen seien weitgehend erfüllt oder übertroffen worden. 18 % sahen ihre Erwartungen nur teilweise erfüllt, 4 % fast überhaupt nicht. Daraus folgt kein allgemeines Erfolgsversprechen. Die Ergebnisse zeigen aber, dass dauerhaft genutzte Lösungen anders bewertet werden als nicht fortgesetzte Tests. KI-Umfrage der Bundesnetzagentur

Rechtsunsicherheit beim KI-Scoring

Unter Unternehmen, die bislang keine KI einsetzen, gehören fehlendes Wissen mit 71 %, Unklarheit über rechtliche Folgen mit 58 % sowie Datenschutz- und Privatsphärebedenken mit 53 % zu den häufigsten Hindernissen. Weitere Hürden sind Datenverfügbarkeit oder Datenqualität mit 45 %, die Inkompatibilität mit vorhandenen Systemen mit 44 % und zu hohe Kosten mit 28 %. Destatis zu Hindernissen bei der KI-Nutzung

Im Executive Search sind diese Bedenken nachvollziehbar. In der klassischen Personalvermittlung und beim Headhunting sind Personalberatung und Kundenunternehmen in der Regel eigenständige Verantwortliche im Sinne von Art. 4 Nr. 7 DSGVO. Bei einzelnen CRM-, Cloud- oder KI-Funktionen kann die Rollenverteilung jedoch anders ausfallen. Sie hängt von der konkreten Mandats- und Produktgestaltung ab. DSB NRW zum Datenschutz in der Personalvermittlung

Bereits das interne Anlegen eines Kandidatendatensatzes im CRM oder ATS ist eine Verarbeitung personenbezogener Daten. Beim Active Sourcing muss die Information nach Art. 14 DSGVO spätestens bei der ersten Kommunikation oder innerhalb eines Monats erfolgen. Für die Aufnahme in einen Talent-Pool sowie für die Weitergabe von Daten an mehrere Kundenunternehmen, die dem Kandidaten nicht namentlich bekannt sind, ist eine Einwilligung erforderlich. DSB NRW zu Active Sourcing und Talent-Pools

Besondere Sorgfalt verlangt KI-gestütztes Ranking. Ein KI-Score zur Vorab-Sortierung oder zum Ranking von Bewerbern gilt als Profiling. Automatisierte Entscheidungen mit rechtlicher Wirkung ohne menschliche Prüfung sind grundsätzlich verboten. Eine menschliche Bewertung muss daher tatsächlich erfolgen und nachvollziehbar dokumentiert sein. DSB NRW zu KI-Scoring und Profiling

Bei der Datenschutz-Folgenabschätzung besteht eine relevante Abgrenzung. Der DSB-NRW-Ratgeber bewertet eine DSFA bei systematischem Profiling oder umfangreichem KI-Einsatz in der Bewerbervorauswahl als praktisch verpflichtend. Die im zugrunde liegenden Recherchematerial dokumentierte Position der bayerischen Datenschutzaufsicht bewertet die Verarbeitung von Personaldaten dagegen grundsätzlich zurückhaltender und nennt umfangreiche zentrale Personalverwaltungen in internationalen Konzernstrukturen als mögliche Ausnahme. Deshalb sollte nicht pauschal angenommen werden, dass KI im Recruiting stets oder niemals eine DSFA erfordert. Maßgeblich sind Funktion, Umfang und Risiko der konkreten Verarbeitung. DSB NRW zur DSFA bei KI-gestützter Bewerbervorauswahl

Die Systemfrage für Headhunter und Retained Search

Ein belastbarer Prozess braucht klare Speicher- und Löschregeln. Daten abgelehnter Bewerber dürfen nach entsprechender Information maximal sechs Monate über das Auswahlverfahren hinaus aufbewahrt werden, um auf mögliche AGG-Klagen reagieren zu können. Für Initiativbewerbungen ohne passende Stelle gilt ohne gesonderte Einwilligung ebenfalls eine maximale Aufbewahrung von sechs Monaten. Für Talent-Pools wird eine turnusmäßige Überprüfung alle 12 Monate sowie eine automatische Löschung nach beispielsweise 24 Monaten Inaktivität empfohlen. DSB NRW zu Aufbewahrungs- und Löschfristen

Auch der Übertragungsweg gehört zur Systemfrage. Das unverschlüsselte Versenden von Lebensläufen per E-Mail an Kundenunternehmen entspricht nicht dem Stand der Technik. Geeignete technische und organisatorische Maßnahmen wie kontrollierte Zugriffsrechte und sichere Übermittlungskanäle müssen deshalb Teil des Arbeitsablaufs sein. DSB NRW zur sicheren Übermittlung von Bewerberdaten

Meldepflichtige Datenpannen müssen gemäß Art. 33 DSGVO innerhalb von 72 Stunden nach Bekanntwerden an die Aufsichtsbehörde gemeldet werden, sofern ein Risiko für die betroffenen Personen besteht. DSB NRW zu Datenschutzverletzungen

Bei Cloud- und KI-Anbietern reicht ein allgemeines Versprechen von „DSGVO-Konformität“ nicht aus. Für jeden Dienst sollten Speicherort, Auftragsverarbeitungsvertrag, Unter-Auftragsverarbeiter, mögliche Drittlandübermittlungen, Löschkonfigurationen und der Umgang mit Daten für das Modelltraining separat geprüft werden. Ein Auftragsverarbeiter verarbeitet Daten ausschließlich auf Weisung des Verantwortlichen. Der Vertrag muss unter anderem Weisungsbindung, Vertraulichkeit, Sicherheitsmaßnahmen, Unterstützung bei Betroffenenrechten, Löschung oder Rückgabe nach Vertragsende sowie Audits regeln. Europäischer Datenschutzausschuss zu Verantwortlichen und Auftragsverarbeitern

Der Nutzungsanstieg sagt kleinen Personalberatungen deshalb vor allem eines: KI im Recruiting wird dann relevant, wenn sie fachliche Arbeit unterstützt, nachvollziehbar eingesetzt wird und in einen belastbaren Datenprozess passt. Nicht die Zahl der eingesetzten Tools ist entscheidend, sondern die Fähigkeit, Recherche, Bewertung, Freigabe, Kommunikation und Löschung konsistent zu organisieren.

Quellen