Es gibt einen Begriff für das, was gerade bei der Einstellung von neuen Mitarbeitern passiert, und er stammt vom CEO eines Unternehmens für Bewerberverfolgungssysteme. Daniel Chait von Greenhouse nennt es einen “AI doom loop”, einen Teufelskreis der KI. Jobsuchende nutzen KI, um automatisierte Screening-Tools auszutricksen. Arbeitgeber nutzen KI, um die Flut von nahezu identischen Bewerbungen zu sortieren, die dadurch entsteht. Die Lösung der einen Seite verschlimmert das Problem der anderen Seite. Niemand gewinnt.
Der Mythos, der den Kreislauf antreibt
Der gesamte Zyklus basiert auf einem Glauben: dass Applicant Tracking Systems, kurz ATS, Bewerber automatisch bewerten und filtern, und dass nur die obersten 10 bis 20 Prozent der Bewerber jemals von einem Menschen gesehen werden. Alle anderen, die unteren 80 Prozent, verschwinden in einer Blackbox.
Dieser Glaube ist so weit verbreitet, dass sich darum eine eigene Nischenindustrie gebildet hat. Tools wie Jobscan, die zwischen 30 und 50 Dollar pro Monat kosten, versprechen, einen Lebenslauf für ATS-Algorithmen zu optimieren. Nutzer lernen, das Wort “Prozent” durch das ”%“-Symbol zu ersetzen, Lebensläufe auf einer Seite zu halten und ihre Dokumente mit Keywords vollzupacken. Die Datenwissenschaftlerin Jodi Beggs hat ein solches System getestet und herausgefunden, dass kleine Formatierungsentscheidungen ihre Punktzahl nach oben oder unten trieben. Ihr Fazit war pragmatisch: Wenn das Ziel darin besteht, automatisierte Systeme zufriedenzustellen, dann sind die Inhalte, die für Maschinen funktionieren, vielleicht nicht die Inhalte, die widerspiegeln, wer sie tatsächlich ist.
Das ist der Punkt, den die meiste Berichterstattung zu diesem Thema übersieht: Die Prämisse stimmt nicht immer. Chait sagt, dass es zahlreiche Mythen darüber gibt, wie ATS in der Realität funktionieren. Kein System gleicht dem anderen. Ob ein bestimmtes ATS überhaupt KI verwendet, hängt vom jeweiligen Produkt ab und davon, welche Funktionen ein Unternehmen bezahlt und aktiviert hat. Einige Organisationen nutzen ein automatisches Ranking. Andere lassen Menschen jede einzelne Bewerbung prüfen. Kim Jones, Vizepräsidentin für Personalwesen bei Toshiba, drückt es klar aus: Ihr Team liest jede Bewerbung persönlich. Sie weist darauf hin, dass eine automatisierte Optimierung Kandidaten nicht dabei helfen wird, ihren Prozess zu durchlaufen, weil ihr Prozess eben nicht so funktioniert.
Zwei Experimente, die die Lücke offenbaren
Die Distanz zwischen Mythos und Realität wird am deutlichsten, wenn Organisationen diese Annahme tatsächlich testen. Doist, ein kleines, vollständig remote arbeitendes Unternehmen mit internationalen Einstellungen, hat genau ein solches internes Experiment durchgeführt. Das Team nahm bereits besetzte Stellen, fütterte ein ATS-Ranking-System mit den Stellenbeschreibungen und allen gespeicherten Bewerbungsunterlagen und stellte eine einfache Frage: Hätten die Personen, die sie tatsächlich eingestellt haben, es auf die von der KI generierte Shortlist geschafft?
In zwei der getesteten Fälle lautete die Antwort nein. Die Kandidaten, die eingestellt wurden und nach etwa sechs Monaten in ihrer Rolle gute Leistungen erbrachten, tauchten überhaupt nicht auf der Shortlist der KI auf. Es gab zwar einige Überschneidungen bei den Einladungen zu Vorstellungsgesprächen, aber die Personen, für die sich das Unternehmen letztendlich entschied, wurden vom automatisierten System herausgefiltert.
Das ist keine kleine Abweichung. Es legt nahe, dass die Optimierung auf einen ATS-Score und die Eignung als starker Kandidat für eine bestimmte Rolle zwei völlig unterschiedliche Dinge sein können.
Auf der Seite der Jobsuchenden veranschaulicht ein Designprofi namens James Jacobsen, wie weit der Optimierungsdrang gehen kann. Er verbrachte fünf Monate mit einer Suche, die so viel Zeit in Anspruch nahm wie ein Vollzeitjob. Er nutzte Claude und ChatGPT, um seine Bewerbungsunterlagen anzupassen, sah aber kaum Fortschritte. Daraufhin baute er das, was er als das Gegenteil eines ATS beschrieb: ein persönliches Tracking-System, das KI nutzt, um Stellenanzeigen zu durchkämmen, Möglichkeiten anhand eigener Kriterien zu bewerten, Absagen mit Notizen zu protokollieren und die wichtigsten Rollen hervorzuheben. Er nutzte KI auch, um sein Portfolio zu kritisieren, was zu einer sechsstündigen Überarbeitung führte. Er bekam Anrufe. Er bekam keine Angebote. Chaits Einschätzung zu Kandidaten wie Jacobsen ist direkt: Mehr von demselben zu tun ist nicht die Antwort.
Was der Kreislauf tatsächlich signalisiert
Der Teufelskreis ist nicht nur eine Geschichte über fehlgeleitete Technologie. Es ist eine Geschichte über schwindendes Vertrauen auf beiden Seiten einer Transaktion. Jobsuchende berichten, dass sie enormen Aufwand in Bewerbungen stecken und keine Rückmeldung erhalten. Arbeitgeber berichten, dass sie hunderte von Bewerbungen erhalten, die fast identisch aussehen, was teilweise eine Konsequenz aus KI-gestützten Schreibtools ist, die jedes Dokument gleich klingen lassen. Beide Seiten greifen zu KI, um die Menge zu bewältigen, und die Menge wächst weiter.
Chait formuliert es direkt: Das ist das erste Mal, dass er sich erinnern kann, dass beide Seiten mit dem Einstellungsprozess unzufrieden sind. Das System funktioniert für niemanden.
Was im Optimierungswettlauf verloren geht, ist das Verhalten, das Kandidaten tatsächlich unterscheidet: ein echtes Anschreiben, das laut Jones fast niemand mehr einreicht; die direkte Kontaktaufnahme mit Unternehmen, bevor eine Stelle ausgeschrieben wird; Networking, das in einem mit Bewerbungen überschwemmten Markt nach wie vor unterschätzt wird. Das sind menschliche Signale in einem System, das zunehmend darauf ausgelegt ist, sie herauszufiltern.
Das tiefere Problem ist, dass KI-Tools auf ein Problem angewendet werden, das sie nicht geschaffen haben und das sie nicht vollständig lösen können. Die Funktionsstörungen des Arbeitsmarktes, darunter knappe Stellenangebote, Ghost Jobs und der Zusammenbruch der Kommunikation zwischen Kandidaten und Arbeitgebern, gehen der aktuellen Welle der KI-Einführung voraus. Die Automatisierung beschleunigt die Symptome, anstatt die Ursache zu bekämpfen.
Kurz gesagt
KI wird sowohl von Jobsuchenden als auch von Arbeitgebern genutzt, um einen ohnehin schon stark beanspruchten Einstellungsprozess zu bewältigen. Die Tools, mit denen jede Seite das Problem lösen will, verschlechtern die Erfahrung der anderen Seite, wodurch ein sich selbst verstärkender Kreislauf entsteht. Die Annahme, dass automatisierte Rankings jede Einstellungsentscheidung steuern, stimmt nicht pauschal, was bedeutet, dass Kandidaten, die für Maschinen optimieren, möglicherweise das falsche Problem lösen. Die Verhaltensweisen, die am ehesten durchdringen, ein echtes Anschreiben, gezielte Recherche und direkter menschlicher Kontakt, sind genau die Dinge, die die Optimierungstools nicht replizieren können.
Basierend auf Berichten von Wired.