KI ist nicht (nur) das Problem – sie macht das eigentliche Problem sichtbar
Mit wenigen Prompts erstellen KI-Modelle heute fehlerfreie Motivationsschreiben, optimieren Lebensläufe und bereiten Bewerbende auf Interviews vor. Automatisierte Tools ermöglichen es, sich innert kürzester Zeit auf Dutzende oder gar Hunderte Stellen gleichzeitig zu bewerben. Die aktuelle AMOSA-Studie mit über 5700 Stellensuchenden und 663 Unternehmen aus den Kantonen Zürich und Zug sowie aus der Ostschweiz zeigt, wie weit diese Entwicklung bereits fortgeschritten ist: Rund zwei Drittel der Stellensuchenden nutzen KI im Bewerbungsprozess, ein Drittel regelmässig. Unternehmen hingegen setzen KI bislang nur zurückhaltend ein – lediglich 13% im Recruiting und nur 3,6% im eigentlichen Screening.
Die Folge ist eine Bewerbungsflut. Doch das eigentliche Problem liegt tiefer: Bewerbungsunterlagen gehörten noch nie zu den validesten Prädiktoren beruflichen Erfolgs. Seit Jahrzehnten zeigt die eignungsdiagnostische Forschung, dass strukturierte Interviews, Arbeitsproben oder psychometrische erfahren die spätere Arbeitsleistung deutlich zuverlässiger vorhersagen als Lebenslauf oder Motivationsschreiben. KI macht diese Grenzen nun nur offensichtlicher.
Was früher zumindest als Signal für Motivation, Sorgfalt oder sprachliche Kompetenz interpretiert wurde, lässt sich heute innerhalb weniger Sekunden generieren. Bewerbungsdokumente verlieren dadurch noch weiter an diagnostischem Informationswert. Denn je einfacher sich ein Signal automatisieren lässt, desto weniger Aussagekraft besitzt es.
Billige Bewerbungen – teure Fehlbesetzungen
Genau darin liegt das strategische Dilemma in der Personalselektion. Eine Bewerbung kostet heute praktisch nichts mehr. Eine Fehlbesetzung dagegen kostet Unternehmen je nach Funktion noch immer ein Mehrfaches eines Jahresgehalts. Es genügt aber nicht, bestehende Recruiting-Prozesse allein mit KI effizienter zu machen.
Während in den vergangenen Jahren Recruiting verstärkt als Marketingproblem verstanden worden ist und viel in Employer Branding, EVPs und Co. investiert worden ist, muss der Fokus in einer von KI geprägten Zukunft wieder verstärkt bei der Diagnostik liegen.
Diagnostik macht den Unterschied
Die Konsequenz lautet nicht, KI aus dem Recruiting zu verbannen. Vielmehr müssen Auswahlverfahren robuster gegenüber KI werden. Der Fokus verschiebt sich von statischen Informationsquellen (z.B. schriftliche Bewerbungsunterlagen) auf beobachtbares Verhalten: strukturierte Interviews, Fallstudien, Arbeitsproben und wissenschaftlich fundierte eignungsdiagnostische Verfahren gewinnen weiter an Bedeutung. Sie beurteilen nicht, wie überzeugend sich jemand beschreibt, sondern wie jemand tatsächlich denkt, entscheidet und handelt.
Was dabei oft vergessen wird, ist die Tatsache, dass solche Verfahren bereits vor der eigentlichen Auswahl eine wichtige Wirkung entfalten: Während sich eine KI-optimierte Bewerbung innert Minuten erstellen lässt, verlangen arbeitsnahe Aufgaben, wie sie beispielsweise in einem Assessment genutzt werden, Zeit, Vorbereitung und echtes Interesse. Dadurch entsteht eine natürliche Selbstselektion. Wer sich wahllos bewirbt oder nur oberflächlich interessiert ist, investiert diesen zusätzlichen Aufwand deutlich seltener. Das reduziert Bewerbungsrauschen und erhöht gleichzeitig die Qualität der Kandidatenbasis. Studien zeigen zudem, dass berufsrelevante Auswahlverfahren von Bewerbenden überwiegend als fair und positiv wahrgenommen werden – vorausgesetzt, sie sind transparent und klar an den Anforderungen der Stelle ausgerichtet.
Die Diagnostik verändert sich
KI verändert jedoch nicht nur die Art der Personalauswahl, sondern zunehmend auch ihren Inhalt. In vielen Funktionen wird künftig nicht mehr entscheidend sein, ob jemand KI nutzt, sondern wie. Kann eine Person KI zielgerichtet einsetzen? Erkennt sie fehlerhafte Ergebnisse? Nutzt sie KI kritisch, verantwortungsvoll und effizient? Diese Fähigkeiten entwickeln sich zu einer neuen Schlüsselkompetenz.
Für Führungsrollen geht dies noch weiter. Führungskräfte müssen nicht nur selbst souverän mit KI arbeiten, sondern ihre Teams beim sinnvollen Einsatz neuer Technologien begleiten, Orientierung geben und Veränderung gestalten. KI-Kompetenz wird damit Teil moderner Führungs- und Transformationskompetenz.
Entsprechend wächst bei Unternehmen das Bedürfnis, schon im Auswahlprozess zu erkennen, wie kompetent künftige Führungskräfte mit KI umgehen. In der Assessmentpraxis werden deshalb bereits Verfahren eingesetzt, die diese Entwicklung gezielt aufgreifen. Dabei wird in ausgewählten Übungen der Einsatz generativer KI ausdrücklich erlaubt oder ist sogar Teil der Aufgabenstellung. Im Fokus steht dabei nicht, ob Kandidierende KI einsetzen, sondern wie reflektiert, effizient und verantwortungsvoll sie dies tun. So wird KI-Kompetenz im konkreten Arbeitskontext beobachtbar und diagnostisch erfassbar. Denn künftig wird kaum erfolgreich sein, wer auf KI verzichtet, sondern wer sie intelligent einzusetzen und ihre Nutzung im eigenen Verantwortungsbereich zu gestalten weiss.
Die Zukunft gehört den besten Selektionssystemen
Die Zukunft des Recruitings liegt deshalb weder in vollständiger Automatisierung noch in einer Rückkehr zum Bauchgefühl. Erfolgreich werden jene Organisationen sein, die KI dort einsetzen, wo sie Prozesse effizienter und strukturierter macht, und gleichzeitig stärker in valide Selektionsinstrumente sowie die diagnostischen Kompetenzen ihrer Führungskräfte und Recruiter investieren.
Die klassische Bewerbung wird damit zwar nicht von der Bildfläche verschwinden, sie verliert aber ihre Rolle als zentrales Auswahlkriterium.
Vielleicht liegt genau darin die grösste Ironie (und das Schöne) der KI-Revolution: Je besser Maschinen darin werden, perfekte Bewerbungen zu schreiben, desto wichtiger wird die Fähigkeit von Menschen, echtes Potenzial zu erkennen. KI ersetzt gute Diagnostik nicht, sie macht sie wichtiger denn je.
Quellen:
- Arbeitsmarktbeobachtung Ostschweiz, Aargau, Zug und Zürich (AMOSA). (2026). KI in Jobsuche und Recruiting – Nutzung, Auswirkungen und Erwartungen von Stellensuchenden und Unternehmen. Arbeitsmarktbeobachtung AMOSA.
- Schmidt, F. L., & Hunter, J. E. (1998). The Validity and Utility of Selection Methods in Personnel Psychology: Practical and Theoretical Implications of 85 Years of Research Findings. Psychological Bulletin, 124(2), 262–274.
- Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting Meta-Analytic Estimates of Validity in Personnel Selection: Addressing Systematic Overcorrection for Restriction of Range. Journal of Applied Psychology.
- Hausknecht, J. P., Day, D. V., & Thomas, S. C. (2004). Applicant Reactions to Selection Procedures: An Updated Model and Meta-Analysis. Personnel Psychology, 57(3), 639–683.
- Cui, J., Dias, G., & Ye, J. (2025). Signaling in the Age of AI: Evidence from Cover Letters. (Preprint).
Original-Artikel
