AI-Bewerbungsgespräche: Was 70.884 Bewerbungen gezeigt haben

AI-Bewerbungsgespräche: Was 70.884 Bewerbungen gezeigt haben

Zielgruppe: Leserinnen und Leser mit mittleren Vorkenntnissen, die AI im Recruiting, im HR-Betrieb oder in risikoreichen Arbeitsabläufen bewerten.

Eines der größten Feldexperimente zu AI-Bewerbungsgesprächen testete keine autonome Einstellung. Es untersuchte ein enger gefasstes System: Ein AI-Sprachagent führte ein strukturiertes Gespräch, anschließend prüfte ein menschlicher Recruiter die Aufzeichnung, das Transkript und die Testergebnisse und traf die Entscheidung.

Diese Grenze führte zu einem bemerkenswerten Ergebnis. Unter 67.056 geeigneten Bewerbungen, die zufällig einer Gesprächsbedingung zugewiesen wurden, stieg die Angebotsquote von 8,70 % bei menschlichen Interviewern auf 9,73 % bei AI-Interviewern – ein relativer Anstieg von 12 %. Auch Arbeitsantritte und die frühe Bindung verbesserten sich. Dennoch dauerte der AI-Ablauf von der Bewerbung bis zum Arbeitsantritt länger, weil menschliche Prüfer zur nächsten Warteschlange wurden.

Die praktische Schlussfolgerung ist spezifisch: AI kann die wiederholbare Informationssammlung bei Einstellungen mit hohem Volumen verbessern. Die Studie zeigt nicht, dass ein LLM Kandidaten einordnen, über das Weiterkommen entscheiden oder die verantwortliche menschliche Prüfung ersetzen sollte.

Was wurde im Experiment zu AI-Bewerbungsgesprächen getestet?

Das Voice AI in Firms field experiment verfolgte 70.884 Bewerbungen, die zwischen dem 7. März und dem 7. Juni 2025 bei einem Anbieter für ausgelagerte Recruiting-Prozesse auf den Philippinen eingingen. Die Stellen umfassten 48 Ausschreibungen, 41 Kundenkonten, 19 Städte und Branchen wie Technologie, Versicherungen, Einzelhandel, Finanzen und Gesundheitswesen.

Die Forschenden teilten 67.056 geeignete Bewerbungen zufällig drei Gruppen zu:

Beide Interviewer folgten denselben strukturierten Leitlinien. Die AI gab zu Beginn des Gesprächs ihre Identität bekannt. Sie teilte den Bewerbenden außerdem mit, dass ein menschlicher Recruiter – nicht die AI – das Gespräch bewerten und über ein Angebot entscheiden würde.

Dieses Design ist wichtiger als die Bezeichnung „AI-Recruiter“. Die AI sammelte Belege. Menschen behielten die Entscheidungsbefugnis.

Was haben die Forschenden gemessen?

Die Studie maß Ergebnisse, die über den Abschluss des Gesprächs hinausgingen. Sie verknüpfte die randomisierte Gesprächsbedingung mit Angeboten, angenommenen Angeboten, Arbeitsantritten, einer Bindung von bis zu vier Monaten, Trennungsgründen und verfügbaren Produktivitätsmaßen.

Die Zahlen zu Angeboten, Arbeitsantritten und der Bindung nach 30 Tagen verwenden alle randomisierten Bewerbungen in den Gruppen mit menschlichen und AI-Interviewern. Die späteren Unterschiede bei der Bindung blieben positiv, doch die Schätzungen wurden ungenauer, als die Stichprobe kleiner wurde. Die Autoren fanden außerdem keinen signifikanten Produktivitätsunterschied in der Teilgruppe der eingestellten Personen, für die Produktivitätsdaten verfügbar waren.

Dies sind kausale Schätzungen für dieses Experiment, weil die Forschenden den Interviewer randomisiert zuwiesen. Sie sind keine universellen Leistungsgarantien für jede Stelle, jedes Land, jedes Sprachmodell oder jeden Einstellungsprozess.

Warum sammelten strukturierte AI-Bewerbungsgespräche bessere Informationen?

Die Autoren beschreiben den Mechanismus als „kontrollierte Varianz“. Menschliche Recruiter unterschieden sich darin, welche Fragen sie abdeckten, wie sie nachfragten und ab welchem Punkt sie jemanden aussortierten. Der AI-Agent befolgte das Protokoll konsistenter und stellte dennoch passende Nachfragen.

Die Transkriptanalyse ergab, dass AI-geführte Gespräche mehr berufsrelevante Themen abdeckten und mehr Informationen für die spätere menschliche Bewertung lieferten. Das hilft, die höhere Angebotsquote zu erklären, ohne anzunehmen, dass das Modell eigenständig Talente erkannte.

Strukturierte Interviews zielen bereits darauf ab, vergleichbare Fragen zu stellen und berufsbezogene Informationen konsistent zu bewerten. Der AI-Agent erleichterte es, diese operative Disziplin über Tausende Gespräche hinweg zu wiederholen. Teams, die AI-Bewerbungsgespräche in Betracht ziehen, sollten die Einhaltung des Protokolls als Produktanforderung behandeln – nicht allein die Gesprächsrealität.

Das Experiment legte außerdem einen neuen Engpass offen

Der AI-Agent verkürzte die Wartezeit von der Bewerbung bis zum Gespräch. Erfolgreiche Bewerbende im Remote-Modus erreichten das Gespräch mit AI nach einem Median von 0,32 Tagen, mit einem Menschen nach 0,51 Tagen.

Die menschliche Bewertung verlangsamte den Prozess anschließend. Das mediane Intervall vom Gespräch bis zum Angebot betrug nach einem AI-geführten Gespräch 7,24 Tage und nach einem menschlich geführten Gespräch 2,62 Tage. Die gesamte mediane Zeit von der Bewerbung bis zum Arbeitsantritt erreichte in der AI-Gruppe 24 Tage gegenüber 20 Tagen in der Menschengruppe.

Die Automatisierung verlagerte die Warteschlange nachgelagert. Ein Einstellungsteam kann mehr Gespräche führen und Bewerbende dennoch länger warten lassen, wenn die Prüfungskapazität unverändert bleibt.

Das Kostenmodell der Studie weist auf dieselbe Einschränkung hin. In Hochlohnumgebungen wurde AI bei geringerem Volumen kosteneffizient, während der Break-even-Punkt in anderen Szenarien Tausende oder Zehntausende Gespräche erreichte. Der Business Case hängt von Lohnniveaus, Anbieterpreisen, Fehlerraten und Prüfaufwand ab. Ein Demo-Preis pro Minute kann diese Frage nicht beantworten.

Was hat die Studie nicht bewiesen?

Sie testete keine autonome Auswahl

Menschliche Recruiter trafen jede Angebotsentscheidung. Sie wussten, ob AI oder eine Person das Gespräch geführt hatte. Das Experiment unterstützt daher die AI-gestützte Sammlung von Informationen, nicht die Entscheidung eines LLM darüber, wer eine Stelle erhält.

Sie stellte keine Fairness zwischen geschützten Gruppen fest

Die Studie berichtet, dass die AI-Bedingung die beobachtete Geschlechterlücke bei Angeboten nicht signifikant veränderte. Dieses Ergebnis stellt keine Fairness in Bezug auf Ethnie, Behinderung, Alter, Akzent oder intersektionale Gruppen fest, und den Autoren fehlten ausreichende Details vor der Behandlung, um den Ursprung aller Geschlechterunterschiede zu bestimmen.

Zwei kontrollierte Studien zeigen, warum die Auswahlstufe separat getestet werden muss. Eine Studie vom Juni 2026 zu Lebensläufen im japanischen Format hielt Qualifikationen konstant und veränderte lediglich Namen, die auf ein Geschlecht hindeuteten. Fünf LLMs erzeugten unterschiedliche Bewertungen, und eine Fairness-Anweisung beseitigte den aggregierten Unterschied nicht. Die Studie verwendete konvertierte Lebensläufe und eine Prompt-Formulierung, daher sollten ihre absoluten Werte nicht verallgemeinert werden.

Eine Studie aus Singapur vom März 2026 testete 18 Modelle mit synthetischen Lebenslaufvarianten. Sprachen, Aktivitäten, ehrenamtliches Engagement und Hobbys ermöglichten es den Modellen, demografische Merkmale zu erschließen, nachdem explizite Identifikatoren entfernt worden waren. Die gemessenen Unterschiede gehören zu diesem kontrollierten singapurischen Aufbau, doch die Methode zeigt einen praktischen Fehler: Das Löschen von Namen entfernt nicht jeden demografischen Proxy.

Sie ließ sich nicht auf jede Art von Arbeit verallgemeinern

Das Experiment fand bei einem einzigen Unternehmen statt, das Recruiting mit hohem Volumen abwickelte, vor allem für Kundendienststellen. Die Autoren erwarten die größten Vorteile dort, wo sich Gespräche wiederholen, Ergebnisse schnell beobachtbar werden und menschliche Prozessvarianz Kosten verursacht. Spezialisierte Rollen, die auf implizitem Wissen oder Beziehungsaufbau beruhen, können andere Ergebnisse liefern.

An Umfragen unter Bewerbenden nahmen außerdem nur 14 % teil. Die befragten Bewerbenden bewerteten die Erfahrungen ähnlich, und 78 % der Bewerbenden, denen eine Wahl angeboten wurde, entschieden sich für den AI-Agenten. Diese Zahlen sollten jedoch an diesen Prozess und diese Bewerberpopulation gebunden bleiben.

Eine sicherere Grenze für AI-Bewerbungsgespräche

Die Studie legt eine nützliche Architektur für Arbeitgeber und Anbieter nahe.

*Ein vertretbarer Ablauf trennt die automatisierte Durchführung des Gesprächs von der menschlichen Entscheidungsbefugnis, misst anschließend die Ergebnisse und bietet einen Weg für Unterstützung oder Einspruch.*

Rechtliche und Zugänglichkeitsprüfungen sind Teil des Systems

Die Regeln hängen von der Rechtsordnung und davon ab, was das Tool beeinflusst. Der EU AI Act führt AI, die für Recruiting oder Auswahl eingesetzt wird, unter den Hochrisiko-Anwendungsfällen im Beschäftigungsbereich auf. Artikel 6 enthält außerdem Bedingungen, unter denen ein eng begrenztes prozedurales oder vorbereitendes System, das eine Entscheidung nicht wesentlich beeinflusst, außerhalb dieser Einstufung liegen kann. Anbieter, die diese Ausnahme beanspruchen, müssen die Bewertung dokumentieren. Ein Mensch im Ablauf entscheidet die Einstufung nicht automatisch.

Die Regeln zu Automated Employment Decision Tools in New York City verlangen ein aktuelles Bias-Audit, öffentliche Audit-Informationen und Hinweise, wenn ein erfasstes Tool eingesetzt wird. Die genaue Definition und der Anwendungsbereich müssen fallbezogen geprüft werden.

Das US-Justizministerium warnt, dass Technologien für Einstellungen qualifizierte Menschen mit Behinderungen aussortieren können. Seine AI hiring and disability guidance fordert zugängliche Alternativen, klare Verfahren für angemessene Vorkehrungen und Tests, die berufliche Fähigkeiten statt einer Behinderung der bewerbenden Person messen.

Das NIST AI Risk Management Framework bietet ein rechtsordnungsneutrales Betriebsmodell: das System steuern, seinen Kontext erfassen, Risiken messen und die Erkenntnisse verwalten. Es handelt sich um freiwillige Leitlinien und keinen Ersatz für arbeitsrechtliche Beratung.

Kennzahlen, die einen falschen Erfolg verhindern

Ein Pilotprojekt für AI-Bewerbungsgespräche benötigt Ergebnis- und Prozesskennzahlen. Erfassen Sie mindestens:

Vergleichen Sie diese Messwerte nach Möglichkeit mit einem gleichzeitig laufenden menschlichen Prozess. Eine kürzere Terminwarteschlange kann eine längere Prüfwarteschlange verbergen. Eine höhere Abschlussquote kann eine unterschiedliche Aussortierung verbergen. Ein günstigeres Gespräch kann teurere Einsprüche erzeugen.

Das nützliche Ergebnis ist die Grenze, nicht die Schlagzeile

Das Feldexperiment liefert starke Belege dafür, dass ein strukturierter AI-Sprachagent nützliche Informationen für Einstellungen in großem Maßstab sammeln kann. Es zeigt auch, warum Teams der weitreichenden Behauptung widerstehen sollten, dass „AI-Recruiter Menschen übertreffen“. Menschen trafen die Entscheidungen, die Umgebung begünstigte wiederholbare Gespräche, und der Ablauf tauschte eine schnellere Terminierung gegen eine langsamere Prüfung.

Setzen Sie AI-Bewerbungsgespräche ein, um eine klar definierte Aufgabe der Informationssammlung zu standardisieren. Auswahlkriterien, Unterstützungsmaßnahmen, Prüfung, Einsprüche und Ergebnisaudits sollten weiterhin an Menschen gebunden sein, die den Prozess erklären und ändern können.

FAQ

Hat die AI im Feldexperiment Einstellungsentscheidungen getroffen?

Nein. Der AI-Sprachagent führte Gespräche, aber menschliche Recruiter prüften die Gesprächsinformationen und trafen jede Angebotsentscheidung. Die Studie bestätigt keine autonome Einstellung.

Sind AI-Bewerbungsgespräche legal?

Sie können rechtmäßig sein, aber Regeln zu Beschäftigung, Diskriminierung, Zugänglichkeit, Datenschutz und automatisierten Entscheidungen können gelten. Der Anwendungsbereich hängt von der Rechtsordnung und davon ab, wie stark das Tool die Auswahl beeinflusst. Arbeitgeber sollten den tatsächlichen Ablauf und das aktuelle lokale Recht prüfen, statt sich auf eine Anbieterbezeichnung zu verlassen.

Claim checks

Quellen