Vorurteile in der Personalauswahl erkennen und verringern

Unbewusste Vorurteile beeinflussen weiterhin, welche Kandidaten eingeladen oder eingestellt werden. Schulungen und gute Absichten allein verhindern das nicht. Unternehmen verlieren dadurch Zugang zu qualifizierten Menschen und schränken die Vielfalt ihrer Teams ein. KI-gestützte Interviews können ein Werkzeug sein, um die Bewertung nachvollziehbarer und einheitlicher zu gestalten.

Der Beitrag erläutert, welche Merkmale von KI-Interviews Benachteiligungen verringern können und welche Voraussetzungen dafür nötig sind. Er behandelt zugleich, wie verhindert werden soll, dass KI vorhandene Vorurteile übernimmt oder verstärkt.

Menschen nutzen eingeübte Denkmuster, um schnell zu urteilen. Diese Muster entstehen durch Erfahrungen, Kultur und Umfeld und wirken häufig unbewusst. Im Recruiting können sie dazu führen, dass bestimmte Gruppen unabhängig von ihren tatsächlichen Fähigkeiten systematisch benachteiligt werden.

Der beschriebene KI-Ansatz bewertet Inhalt und Qualität von Antworten anhand vorab definierter Kriterien. Persönliche Vorstellungen darüber, wie ein passender Kandidat aussehen oder auftreten sollte, sollen dabei keinen Einfluss haben. Ob dies gelingt, muss anhand der tatsächlich verwendeten Daten und Bewertungen geprüft werden.

Standardisierung bedeutet hier: dieselben Fragen, dieselbe Reihenfolge, einheitliche Formulierungen und gleichbleibende Bewertungskriterien. Das verringert Unterschiede zwischen Interviews, die durch wechselnde Fragen oder unterschiedliche Auslegung von Antworten entstehen können.

„Als wir unsere KI-Interview-Daten analysierten, fanden wir, dass unser Einstellungspool 22% diverser wurde ohne Änderungen an unseren Jobanforderungen. Die KI bewertete einfach Kandidaten, die wir basierend auf unbewussten Vorurteilen herausgefiltert hätten.“

Sprachinterviews übermitteln keine visuellen Informationen wie Aussehen oder sichtbare Altershinweise. Das gilt auch für herkömmliche Telefoninterviews. Dort können jedoch weiterhin Akzent, Stimme oder Sprechstil die Einschätzung des Interviewers beeinflussen.

KI-Systeme können so konfiguriert werden, dass Antwortinhalte stärker und Akzent, Sprechgeschwindigkeit oder stimmliche Merkmale weniger gewichtet werden. Der Beitrag empfiehlt diesen Fokus besonders für Kandidaten, die nicht in ihrer Muttersprache sprechen oder anders sprechen als die Mehrheit der Bewerber.

Einige Plattformen ermöglichen die Prüfung von Transkripten ohne Audiodatei. Dadurch können auch einstellende Führungskräfte Antworten lesen, ohne von stimmlichen Merkmalen beeinflusst zu werden. Die Beurteilung richtet sich dann auf die beschriebenen Erfahrungen und Fähigkeiten.

Vor dem ersten Interview wird festgelegt, welche Kompetenzen für die Stelle erforderlich sind und woran sie in einer Antwort erkennbar werden. Diese Konkretisierung ist wesentlich: Bleiben Kriterien vage, entsteht mehr Raum für persönliche Vorurteile.

Jede Antwort wird anschließend nach denselben Kriterien beurteilt. Eine nachgewiesene Problemlösungsfähigkeit soll unabhängig von Hintergrund, Akzent, Alter oder anderen persönlichen Merkmalen bewertet werden. Der beschriebene Ansatz soll verhindern, dass Charme, der Ruf einer Schule oder persönliche Verbindungen die fachliche Bewertung ersetzen.

Einheitliche Kriterien schließen ein Gespräch mit Folgefragen nicht aus. Die KI kann Antworten aufgreifen und nachfragen. Bewertet wird weiterhin, ob die Person die für die Stelle benötigten Kompetenzen anhand ihrer Antworten erkennen lässt.

KI-Interviews erzeugen Daten über Fragen, Antworten und Bewertungen. Diese Dokumentation kann Muster sichtbar machen, die in nicht systematisch erfassten Gesprächen verborgen bleiben.

Beispielsweise lässt sich prüfen, ob ähnliche Antworten aus verschiedenen demografischen Gruppen ähnlich bewertet werden. Ebenso können einzelne Fragen auf ungleiche Auswirkungen und Bewerbungsphasen auf unerklärte Abbrüche bestimmter Gruppen untersucht werden.

Zeigen sich Hinweise auf Benachteiligung, können Fragen oder Kriterien angepasst und erneut geprüft werden. Der Beitrag stellt dieser regelmäßigen Auswertung herkömmliche Verfahren gegenüber, die häufig nicht ausreichend einheitliche Daten für solche Vergleiche erfassen.

KI kann Benachteiligungen übernehmen oder verstärken, wenn Entwicklung und Kontrolle unzureichend sind. Modelle lernen aus Trainingsdaten. Enthalten diese historische Vorurteile, können sie sich auch in späteren Bewertungen wiederfinden. Der Einsatz von KI allein macht eine Auswahl daher nicht fair.

Der Beitrag beschreibt Unternehmen, die ihre KI-Vorauswahl gezielt auf mögliche Benachteiligungen prüfen. Ein Technologieunternehmen berichtet anschließend von einem um 35% verbesserten Verhältnis zwischen Interviews und Einstellungen bei Kandidaten aus unterrepräsentierten Gruppen.

Eine Einzelhandelskette berichtet von 180% mehr spanischsprachigen Kandidaten im weiteren Bewerbungsprozess, nachdem sie zweisprachige KI-Interviews eingeführt hatte. Diese Personen waren bereits zuvor im Bewerberpool, waren aber bei der telefonischen Vorauswahl an Sprachbarrieren gescheitert.

Ein Finanzdienstleister erkannte anhand seiner Interviewdaten, dass Kandidaten mit ungewöhnlichen Berufswegen ausgeschlossen worden waren, obwohl sie in der Stelle gut abschnitten. Die daraufhin angepassten Kriterien verbesserten laut Bericht sowohl die Vielfalt als auch die Qualität der Einstellungen.

KI-Sprachinterviews können einen Teil zur Verringerung von Vorurteilen beitragen. Sie ersetzen keine umfassende Arbeit an den Auswahlverfahren und der Arbeitsplatzkultur. Strukturelle Benachteiligung lässt sich nicht allein durch ein technisches Werkzeug lösen.

Der Beitrag nennt dafür mehrere Maßnahmen: Schulungen für alle Beteiligten, strukturierte Interviews in jeder Phase, unterschiedlich zusammengesetzte Interviewteams, nachvollziehbare Kriterien, regelmäßige Datenauswertung und klar zugewiesene Verantwortung für faire Ergebnisse.

Auch nach der KI-Vorauswahl sprechen Kandidaten mit Menschen. Vorurteile können in diesen späteren Schritten erneut wirken. Deshalb müssen Kriterien und Kontrollen den gesamten Weg von der Bewerbung bis zur Einstellung abdecken.

Neben der ethischen Verantwortung nennt der Beitrag wirtschaftliche Vorteile vielfältiger Teams. Die angeführten Untersuchungen beschreiben bessere Ergebnisse bei Innovation, Problemlösung, finanzieller Leistung und Mitarbeiterbeteiligung gegenüber homogener zusammengesetzten Teams.

Für Unternehmen im obersten Viertel ethnischer und kultureller Vielfalt nennt der Beitrag eine um 36% höhere Wahrscheinlichkeit überdurchschnittlicher Profitabilität. Bei Geschlechtervielfalt wird ein Wert von 25% genannt. Diese Ergebnisse werden als wirtschaftlicher Zusammenhang berichtet; sie ersetzen nicht die Prüfung einzelner Auswahlverfahren.

Eine Auswahl nach stellenbezogenen Kriterien vergrößert zudem den erreichbaren Kandidatenkreis. Qualifizierte Personen werden seltener aus sachfremden Gründen ausgeschlossen. Bei knappen Bewerberzahlen kann das dazu beitragen, wichtige Stellen zu besetzen, die sonst länger offen bleiben.

Starten Sie in einer Rolle oder Abteilung mit vielen Bewerbungen, damit Sie genügend Daten für die Auswertung erhalten. Legen Sie gemeinsam mit dem Anbieter fest, welche stellenbezogenen Kriterien bewertet werden und welche möglicherweise benachteiligenden Faktoren ausgeschlossen werden sollen.

Prüfen Sie sowohl den Aufwand als auch mögliche Unterschiede zwischen Kandidatengruppen. Betrachten Sie, wer die einzelnen Phasen erreicht, und vergleichen Sie KI-Bewertungen mit menschlichen Bewertungen. Nutzen Sie diese Ergebnisse, um Fragen und Kriterien zu überarbeiten, bevor Sie den Einsatz ausweiten.

Erklären Sie Kandidaten den KI-Einsatz und wie Sie eine faire Auswahl unterstützen wollen. Nennen Sie Möglichkeiten, Fragen oder Bedenken vorzubringen. Der Beitrag verbindet eine solche transparente Kommunikation mit mehr Vertrauen und einer besseren Wahrnehmung des Bewerbungsprozesses und des Arbeitgebers.

Standardisierte Bewertung, der Ausschluss sachfremder Merkmale und die Auswertung von Ergebnissen können dazu beitragen, mehr unterschiedliche qualifizierte Kandidaten zu berücksichtigen. Der Beitrag sieht darin einen wesentlichen möglichen Nutzen KI-gestützter Recruiting-Werkzeuge für vielfältige und leistungsfähige Teams.

Dafür müssen Unternehmen die Verfahren sorgfältig einführen, KI-eigene Verzerrungen berücksichtigen und den Einsatz in ihre Maßnahmen für Vielfalt, Chancengleichheit und Teilhabe einbetten. Regelmäßige Kontrolle bleibt erforderlich, um die angestrebten Verbesserungen tatsächlich messen zu können.

Der Beitrag kommt zu dem Schluss, dass KI zur Verringerung von Vorurteilen beitragen kann, wenn sie Teil eines entsprechend gestalteten Auswahlprozesses ist. Für Unternehmen folgt daraus die Aufgabe, die Eignung der Werkzeuge zu prüfen und ihre Wirkung auf die eigene Personalauswahl fortlaufend zu beobachten.