Start · Wissens-Journal · Führung
Wissen Führung
Persönlichkeit als Datensatz? Neuropsychologische Perspektiven auf KI-Recruiting
Inhalt Zusammengefasst:
KI verändert das Recruiting, weil Bewerbungen, Lebensläufe und digitale Interviews zunehmend algorithmisch ausgewertet werden. Dadurch entsteht schnell der Eindruck, Persönlichkeit und Eignung ließen sich objektiv messen. Doch menschliches Verhalten zeigt sich nie losgelöst von der Situation. Wie Menschen im Bewerbungsprozess auftreten, hängt auch davon ab, wie Stress, Motivation, Erfahrung und Bewertungsdruck die Situation mit sich bringt. Genau deshalb braucht KI im Recruiting eine sorgfältige Einordnung. Sie kann Auswahlprozesse strukturieren und Entscheidungen vorbereiten, ersetzt aber nicht den Blick auf Kontext, Fairness und berufliche Relevanz. Persönlichkeit sollte dabei nicht auf Daten, Scores oder einzelne Verhaltenssignale reduziert werden.
Situation aus dem Recruiting Alltag
Im Recruiting werden immer mehr Entscheidungen digital vorbereitet: Lebensläufe werden vorsortiert, Bewerbungen gerankt und digitale Interviews teilweise algorithmisch ausgewertet. Solche Verfahren kommen bereits in verschiedenen Phasen der Personalgewinnung zum Einsatz, etwa bei Stellenanzeigen, der automatisierten Prüfung von Lebensläufen und Video-Interviews (Hunkenschroer und Luetge, 2022). Auf den ersten Blick klingt das nach mehr Objektivität, Effizienz und Vergleichbarkeit. Gleichzeitig beruhen viele dieser Daten auf menschlichem Verhalten, Sprache und früheren Bewertungsmustern. Genau dort beginnt die eigentliche Herausforderung: Was wird wirklich gemessen, wenn ein System Aussagen über Eignung, Persönlichkeit oder Potenzial trifft?
Persönlichkeit ist kein einfacher Datensatz
Persönlichkeit wird im Recruiting oft als stabiles Konstrukt verstanden. Trotzdem zeigt sie sich nie losgelöst von der Situation. Wie jemand im Bewerbungsprozess spricht, reagiert oder auftritt, hängt nicht nur von der Persönlichkeit ab. Auch Motivation, Nervosität, sozialer Druck und das Gefühl, bewertet zu werden, spielen eine wichtige Rolle. Studien zu sozial evaluativem Stress zeigen, dass Bewertungssituationen deutliche Stressreaktionen auslösen können, besonders dann, wenn Menschen wenig Kontrolle über die Situation empfinden (Dickerson und Kemeny, 2004). Deshalb sollte aus einem einzelnen Verhalten im Recruiting nicht vorschnell abgeleitet werden, wie eine Person grundsätzlich ist. Ein Bewerbungsgespräch zeigt nicht nur Persönlichkeit, sondern auch, wie eine Person in einer konkreten Bewertungssituation reagiert.
Verhalten ist zustandsabhängig
Aus neuropsychologischer Sicht ist beobachtbares Verhalten nicht eindeutig auf eine einzelne Ursache zurückzuführen. Wenn eine Person in einem Interview zögert, besonders kontrolliert wirkt oder ihre Antworten stark abwägt, kann dahinter mehr stehen als ein stabiles Persönlichkeitsmerkmal. Solches Verhalten kann auch Ausdruck kognitiver Belastung, erhöhter Selbststeuerung oder veränderter emotionaler Regulation sein. Stress ist dabei besonders relevant, weil er präfrontale Funktionen beeinflussen kann, die für zielgerichtetes Denken, Arbeitsgedächtnis und kontrolliertes Handeln wichtig sind (Arnsten, 2009). Für die Bewertung von Persönlichkeit bedeutet das: Ein sichtbares Verhalten sagt nicht automatisch, welcher innere Prozess es hervorgebracht hat.
Was KI dabei besonders schwierig macht
Algorithmische Systeme sehen nicht direkt, was ein Mensch denkt, fühlt oder langfristig leisten kann. Sie arbeiten mit beobachtbaren Daten wie Wörtern, Formulierungen, Antwortlängen, Lebenslaufdaten, Reaktionszeiten oder audiovisuellen Signalen. Diese Daten können Hinweise liefern, sind aber nur Stellvertreter für das, was eigentlich interessiert. Eine souveräne Sprache kann mit Kompetenzen zusammenhängen, aber auch durch rhetorisches Training, soziale Herkunft oder Interviewerfahrung beeinflusst sein. Entscheidend ist deshalb nicht nur, ob ein Muster erkannt wird, sondern ob dieses Muster tatsächlich berufsrelevant und valide ist.
KI ist nicht automatisch objektiver
Technologie kann helfen, menschliche Verzerrungen zu reduzieren, ist aber nicht automatisch objektiver. Wenn Trainingsdaten frühere organisationale Normen oder gesellschaftliche Vorurteile enthalten, können algorithmische Systeme diese Muster übernehmen oder verstärken. Im KI gestützten Recruiting kann algorithmischer Bias diskriminierende Effekte entlang von Geschlecht, ethnischer Zugehörigkeit, Hautfarbe oder Persönlichkeitsmerkmalen begünstigen (Chen, 2023). Fairness hängt davon ab, wie sie definiert wird, welche Daten genutzt werden und wie das System eingesetzt wird (Rigotti et al., 2024). Deshalb müssen auch technische Ansätze zur Bias Reduktion regelmäßig geprüft und in verantwortliche Entscheidungsprozesse integriert werden (Albaroudi et al., 2024).
Die Gefahr der Scheingenauigkeit
Scores, Rankings und Wahrscheinlichkeiten wirken schnell überzeugend. Wenn ein Tool die Passung zum Team, Führungseignung oder emotionale Stabilität bewertet, entsteht leicht der Eindruck objektiver Messbarkeit. Ein präziser Zahlenwert ist aber nicht automatisch eine präzise Erkenntnis. Entscheidend bleibt, welche Daten genutzt wurden, welche Annahmen im Modell stecken, ob die Datenbasis angemessen ist und ob die Empfehlung nachvollziehbar bleibt. Transparenz, Fairness, Verantwortung, Datenschutz und Autonomie gelten deshalb als zentrale ethische Anforderungen an KI-Recruiting (Hunkenschroer und Luetge, 2022).
Was das für HR und Recruiting bedeutet
Für HR liegt der sinnvolle Einsatz vor allem in der Unterstützung und Strukturierung von Auswahlprozessen. Bewerbungen können systematisch geordnet, administrative Aufgaben reduziert und Entscheidungsprozesse besser dokumentiert werden. Kritisch wird es jedoch, wenn Tools Persönlichkeit, Potenzial, Führungseignung oder Ausschlussentscheidungen bewerten. Solche Einschätzungen brauchen Kontext, mehrere Perspektiven und menschliche Kontrolle. Je stärker ein Tool menschliche Merkmale beurteilt, desto höher müssen die Anforderungen an Validität, Fairness und Transparenz sein. Vor dem Einsatz sollte klar sein, was genau gemessen wird, ob dieses Merkmal berufsrelevant ist, welche Daten genutzt werden und welche Nachweise zur Validität vorliegen. Forschung zu asynchronen Video-Interviews zeigt zudem, dass KI-Interfaces die Selbstdarstellung von Bewerbenden beeinflussen können (Suen, 2024). Auswertungen sollten deshalb nie isoliert betrachtet werden, sondern immer im Kontext der konkreten Auswahlsituation.
Fazit
Für Organisationen stellt sich damit eine zentrale Frage: Wird im Recruiting wirklich Eignung sichtbar oder nur Ähnlichkeit mit bisherigen Erfolgsprofilen? Persönlichkeit ist mehr als ein Muster in Daten. Verhalten entsteht aus Persönlichkeit, Situation, Motivation, Stress, Erfahrung und sozialem Kontext. Digitale Recruiting Systeme können Prozesse strukturieren und Muster sichtbar machen, aber sie können nicht automatisch verstehen, warum Menschen sich in einer bestimmten Situation so verhalten. Entscheidend ist deshalb, ob das gesamte Auswahlverfahren fairer, valider und verantwortlicher wird. Persönlichkeit darf im Recruiting nicht zum bloßen Datensatz werden.
Literatur:
Albaroudi, E., Mansouri, T., & Alameer, A. (2024). A comprehensive review of AI techniques for addressing algorithmic bias in job hiring. Ai, 5(1), 383-404.
Arnsten, A. F. (2009). Stress signalling pathways that impair prefrontal cortex structure and function. Nature reviews neuroscience, 10(6), 410-422.
Chen, Z. (2023). Ethics and discrimination in artificial intelligence-enabled recruitment practices. Humanities and social sciences communications, 10(1), 567.
Hunkenschroer, A. L., & Luetge, C. (2022). Ethics of AI-enabled recruiting and selection: A review and research agenda. Journal of business ethics, 178(4), 977-1007.
Rigotti, C., & Fosch-Villaronga, E. (2024). Fairness, AI & recruitment. Computer Law & Security Review, 53, 105966.
Suen, H. Y., & Hung, K. E. (2024). Revealing the influence of AI and its interfaces on job candidates‘ honest and deceptive impression management in asynchronous video interviews. Technological Forecasting and Social Change, 198, 123011.
Unsere Zertifikatslehrgänge
Bei dem Zertifikatslehrgang verbindest du neurowissenschaftliche Erkenntnisse mit konkreter Anwendung für Leadership und Change-Management. Du entwickelst ein tiefes Verständnis für Motivation, Entscheidungsprozesse und Widerstand und lernst, Veränderung wirksam zu gestalten statt nur zu begleiten.
Wissenschaftlich fundiert. Praxisnah. Wirksam.
Erreiche mit neurowissenschaftlichen Erkenntnissen eine Führung, die wirkt. Unsere Leadership Toolbox zeigt dir, wie du mit wissenschaftlich fundierten Methoden die Leistungskultur in deinem Team nachhaltig steigerst. Nutze innovative Ansätze für wirksame Führung und maximale Motivation.
