KI im Recruiting: Was Mittelständler jetzt wissen müssen. Interview mit Lukas Scherzer zur KI-Reife im Personalmanagement.

Lukas, du hast in deiner Arbeit 252 Unternehmen untersucht. Was hat dich bei den Ergebnissen am meisten überrascht – gerade mit Blick auf spezialisierte Branchen wie Finance, IT oder Industrie?

Die größte Überraschung war der Abstand zwischen Praxis und Strategie. Viele Unternehmen setzen KI bereits in HR-Prozessen ein, vor allem in Branchen wie Finance oder IT. Operativ sind sie vergleichsweise weit, strategisch ist KI aber oft noch kaum verankert. Das heißt: Es wird viel experimentiert – zum Beispiel mit KI im Recruiting –, aber selten gibt es eine klare, übergeordnete HR-Strategie dazu. Spannend fand ich auch, dass die Unternehmensgröße weniger Rolle spielt als gedacht. Große Unternehmen sind bei Strategie und Dateninfrastruktur im Vorteil, aber bei Umsetzung und ethischer Sensibilität sind kleinere Unternehmen mindestens auf Augenhöhe. Das ist eine wichtige Botschaft für den Mittelstand: Auch kleinere Unternehmen können beim Thema KI im HR sehr gut mithalten.

Dein Modell misst fünf Dimensionen der KI-Reife. Wenn du dir spezialisierte Personaldienstleister anschaust, die Fach- und Führungskräfte vermitteln: Welche Dimension ist da besonders entscheidend?

Am wichtigsten ist die Kombination aus Kompetenzentwicklung und Organisationskultur. Unsere Daten zeigen klar: Diese Dimension sagt den Erfolg von KI im Unternehmen am stärksten voraus – stärker noch als eine ausgefeilte Strategie. Gerade in der Besetzung von Fach- und Führungskräften reicht es nicht, wenn ein Tool Lebensläufe vorsortiert. Recruiter müssen die Vorschläge der KI verstehen, einordnen und kritisch hinterfragen können. Das nenne ich AI Literacy: Warum schlägt das System genau diesen Kandidat:innen vor? Welche Kriterien wurden gewichtet? Wo könnte die KI systematisch danebenliegen? Die besten KI-Tools bringen wenig, wenn die Mitarbeitenden sie nur „durchklicken“. Erfolgreich sind Personaldienstleister, die ihre Teams so entwickeln, dass sie KI intelligent, reflektiert und im Sinne ihrer Kund:innen nutzen.

Stichwort Matching: Wenn ein mittelständisches Unternehmen eine:n SAP-Berater:in oder eine:n Risikomanager:in sucht – wie kann KI helfen, die richtige Kandidat:in zu finden?

Beim Matching arbeiten mehrere Technologien zusammen. Natural Language Processing (NLP) versteht die Inhalte von Lebensläufen und Stellenprofilen, nicht nur einzelne Schlagwörter. CV-Parsing liest wichtige Informationen wie Qualifikationen, Projekterfahrung und Branchen-Know-how automatisch aus. Maschinelles Lernen lernt zusätzlich aus erfolgreichen Besetzungen der Vergangenheit und erkennt Muster: Welche Profile funktionieren in welchen Kontexten besonders gut? Damit das klappt, braucht es aber eine saubere Datengrundlage. Wenn Kandidatenprofile noch zwischen Excel, E-Mail-Postfach und verschiedenen Tools verteilt sind, kann KI ihr Potenzial nicht entfalten. Und: Der Mensch bleibt die letzte Entscheidungsinstanz. KI kann die Shortlist verbessern, aber ob ein SAP-Berater wirklich in die Kultur eines mittelständischen Unternehmens passt, entscheidet am Ende ein:e erfahrener: Recruiter:in.

Lukas Scherzer (Digital Technology Manager / Adecco Group)

Du hast herausgefunden, dass Kompetenzentwicklung der stärkste Erfolgsfaktor für KI-Reife ist – sogar stärker als eine ausgefeilte Strategie. Was bedeutet das konkret für ein Unternehmen, das Spezialist:innen rekrutiert?

Das heißt konkret: Investiert zuerst in eure Leute, nicht in das teuerste Tool. Schulungen sollten über klassische Anwendertrainings hinausgehen. Wichtig ist, dass Recruiter:innen verstehen, wie ein Algorithmus zu seinen Vorschlägen kommt – und erkennen, wann die KI danebenliegt. Ein typisches Beispiel: Ein Kandidat mit untypischem Lebenslauf wird von der KI aussortiert, obwohl er fachlich und menschlich perfekt passen würde. Hier braucht es Recruiter, die die Entscheidung der KI hinterfragen und korrigieren. Theoretisch spricht man von „Dynamic Capabilities“ – der Fähigkeit von Organisationen, sich immer wieder an neue Technologien anzupassen. In der Praxis heißt das: Technologie alleine macht keinen Vorsprung. Den Unterschied machen die Menschen, die sie klug einsetzen.

Datenqualität ist eine deiner fünf Dimensionen. Wie wichtig ist saubere, strukturierte Datenhaltung bei spezialisierten Stellenprofilen?

Bei Spezialistenrollen ist Datenqualität entscheidend. Bei Standardpositionen kann KI aus vielen ähnlichen Profilen lernen. Bei einem SAP-FI/CO-Berater:in-Profil mit Banking-Expertise ist die Datenbasis viel kleiner – und jeder einzelne Datensatz wird wichtiger. Die Studie zeigt: Die Dateninfrastruktur weist den stärksten Größeneffekt aller Dimensionen auf. Größere Unternehmen haben hier oft einen Vorsprung, weil sie mehr in integrierte Systeme investieren. Für Mittelständler heißt das aber nicht, dass sie sofort eine Enterprise-Lösung brauchen. Wichtiger ist, früh anzufangen, HR-Daten systematisch und strukturiert zu erfassen. Eine einfache, saubere und zentrale Datenbasis ist die Grundlage, auf der später alles aufbaut.

Viele DIS-AG-Kunden sind klassische Mittelständler. Deine Studie zeigt, dass nur 5% der KMU KI im HR systematisch nutzen. Was hält die anderen 95% zurück – und wie können sie starten?

JWir sehen vier zentrale Barrieren: mangelnde digitale Fähigkeiten im HR-Team, fehlende strategische Ausrichtung, unzureichende Dateninfrastruktur und Unsicherheit bei ethischen und rechtlichen Fragen. Der Future of Jobs Report 2025 von Word Economics Forum zeigt zudem: 63% der Arbeitgeber:innen sehen Skill Gaps als größte Hürde für die Transformation. Mein Rat an KMU: Nicht alles gleichzeitig lösen. Mit der Kompetenzentwicklung starten und zwei bis drei Personen aus dem HR-Team in ein gutes KI-Grundlagentraining schicken. Dann einen konkreten Use Case wählen, zum Beispiel die automatisierte Vorauswahl bei einer Standardposition. Erfahrungen sammeln, Vertrauen aufbauen und erst dann schrittweise skalieren. In meinem Modell nenne ich das Stufe 2: „Experimentell“ – und diese Stufe reicht meiner Meinung nach für den Anfang völlig aus.

Der EU AI Act stuft KI-Systeme im HR-Bereich als Hochrisiko ein. Was sollten Unternehmen beachten, die KI bei der Besetzung qualifizierter Positionen einsetzen wollen?

Der EU AI Act ist hier sehr klar. KI-Systeme, die bei der Einstellung oder Auswahl von Personen eingesetzt werden, gelten als Hochrisiko-Systeme. Dazu gehören gezielte Stellenanzeigen, die Analyse und Filterung von Bewerbungen oder die automatische Bewertung von Kandidat:innen. Unternehmen müssen strenge Vorgaben erfüllen: Risikomanagement, Daten-Governance, technische Dokumentation, Transparenz und menschliche Aufsicht. In meinem Modell habe ich deshalb Ethik als eigene fünfte Dimension aufgenommen. Meine Empfehlung: Ethik sollte man nicht als nachgelagerte Compliance-Aufgabe verstehen, sondern als integralen Bestandteil der jeweiligen KI-Strategie. Wer ethische Leitlinien von Anfang an verankert, hat später weniger Probleme mit Regulierung – und gewinnt Vertrauen bei Mitarbeitenden und Bewerbenden.

Du schreibst, KMU hätten spezifische Stärken wie Agilität und ethische Sensibilität. Kannst du das an einem Beispiel greifbar machen?

Nehmen wir ein Industrieunternehmen mit 80 Mitarbeitenden. Der Personalleiter kennt viele Kolleginnen und Kollegen persönlich. Wenn ein KI-System im Recruiting einen Kandidaten ungerechtfertigt aussortiert, fällt das schnell auf. In einem Konzern mit tausenden Bewerbungen im Monat bleibt so etwas eher unbemerkt. Unsere Daten bestätigen dieses Bild: Kleinere Unternehmen haben tendenziell höhere Werte bei der ethischen Dimension und auch leicht höhere Werte bei der prozessualen Implementierung. Flache Hierarchien und kurze Entscheidungswege machen es leichter, KI-Anwendungen schnell zu testen und aus der Praxis heraus zu optimieren. Dies kann in kleineren Organisationen häufig schneller gelingen, während größere Unternehmen dafür oft umfassendere Abstimmungs- und Prüfprozesse durchlaufen.

Stell dir vor, du berätst einen DIS-AG-Kunden – ein mittelständisches Industrieunternehmen, das seine ersten Schritte mit KI im Recruiting machen will. Was wären deine drei wichtigsten Empfehlungen?

Es empfiehlt sich, zunächst in die eigenen Mitarbeitenden zu investieren, bevor der Fokus auf Technologie gelegt wird. Insbesondere für HR-Teams kann ein AI-Literacy-Programm sinnvoll sein, das über die reine Tool-Anwendung hinausgeht und die Kompetenz stärkt, KI-Ergebnisse kritisch einzuordnen. Ebenso zeigt sich, dass ein strukturiertes Datenmanagement eine zentrale Voraussetzung ist. Die Konsolidierung von HR-Stammdaten, einheitliche Stellenprofile sowie gepflegte Kandidat:innen-Datenbanken gelten in vielen KMU noch als Herausforderung, bieten jedoch gleichzeitig erhebliches Potenzial. Darüber hinaus kann es hilfreich sein, mit einem klar abgegrenzten Use Case zu starten und ethische Fragestellungen von Beginn an mitzudenken. Häufig wird beispielsweise mit automatisiertem CV-Screening für standardisierte Positionen begonnen. Wichtig ist dabei, vorab Kriterien festzulegen, Ergebnisse zu messen und Transparenz sicherzustellen – auch vor dem Hintergrund kommender regulatorischer Anforderungen wie dem EU AI Act.

Zum Schluss: Wie siehst du die Rolle spezialisierter Personaldienstleister in einer Zukunft, in der KI immer mehr Recruiting-Aufgaben übernimmt?

Ich bin überzeugt: Spezialisierte Personaldienstleister werden zukünfitig immer relevanter. Die KI, die wir heute haben, ist „schwach“ – sie ist auf konkrete Aufgaben spezialisiert. Sie kann Daten aus Lebensläufen auslesen, Muster erkennen und Matching-Vorschläge machen. Was sie nicht kann: Branchen im Kontext verstehen, Unternehmenskulturen einschätzen oder die Person hinter dem Lebenslauf erkennen. KI wird die Arbeitsweise von Personaldienstleistern verändern, weil sie administrativen Aufwand reduziert und mehr Raum für qualitative Beratung schafft. Angesichts von prognostizierten 85 Millionen fehlenden Fachkräften bis 2030 wird die Fähigkeit, die richtigen Spezialisten passgenau zu vermitteln, noch wertvoller werden. KI wird dabei ein wichtiges Werkzeug sein – aber der Mensch bleibt der entscheidende Faktor.

Vielen Dank, Lukas!