{"id":15683,"date":"2025-06-04T18:00:00","date_gmt":"2025-06-04T16:00:00","guid":{"rendered":"https:\/\/applysia.de\/?p=15683"},"modified":"2025-08-11T13:05:59","modified_gmt":"2025-08-11T11:05:59","slug":"generative-ki-im-personalauswahlprozess-revolution-oder-risiko","status":"publish","type":"post","link":"https:\/\/applysia.de\/en\/wissenschaft-in-60-sek\/generative-ki-im-personalauswahlprozess-revolution-oder-risiko\/","title":{"rendered":"Generative KI im Personalauswahlprozess: Revolution oder Risiko?"},"content":{"rendered":"

K\u00fcnstliche Intelligenz (generative KI) begegnet uns heutzutage \u00fcberall. Auch in der Personalauswahl werden Organisationen zunehmend mit der Nutzung von KI konfrontiert, sowohl von Seiten der Bewerber*innen als auch bei der Durchf\u00fchrung ihrer Assessments. <\/p>\n\n\n\n

W\u00e4hrend einige Arbeitgeber*innen die Nutzung von KI als Gefahr sehen, da unbeaufsichtigte Tests mit Kandidat*innen ihre Wirksamkeit verlieren k\u00f6nnen, bietet KI z.B. auch die M\u00f6glichkeit, Testinstruktionen zu \u00fcbersetzen und so Sprachbarrieren abzubauen.<\/p>\n\n\n\n

Der Frage nach den positiven und negativen Konsequenzen von generativer KI-Nutzung im Auswahl- und Arbeitskontext haben sich auch Lievens und Dunlop (2024) in ihrem Artikel \u201cEffects of Applicants‘ Use of Generative AI in Personnel Selection: Towards a More Nuanced View?\u201d gewidmet. Die Ergebnisse ihrer Untersuchung stellen wir hier einmal vor.<\/p>\n\n\n\n

Generative KI – Was ist das und wie wird sie genutzt?<\/strong><\/h3>\n\n\n\n

Generative K\u00fcnstliche Intelligenz (KI) bezeichnet Systeme, die selbstst\u00e4ndig Inhalte wie Texte, Audios oder Grafiken erzeugen k\u00f6nnen. Die bekannteste KI „GPT“, ein sogenanntes LLM – \u201cLarge Language Model\u201d, wird seit 2022 immer verbreiteter und relevanter, auch im Arbeitskontext. <\/p>\n\n\n\n

Im Kontext von Assessments kann KI die Bewerber*innen unterst\u00fctzen, etwa beim Erstellen eines Anschreibens oder Beantworten von Fragen in einem verbalen Test zum logischen Schlussfolgern. Studien zufolge schneiden KI-Antworten dabei besser ab als mindestens 94% der menschlichen Testteilnehmer*innen (Hickman et al., 2024). Auch in den oft eingesetzten Situational Judgment Tests f\u00fchrt der Einsatz von KI h\u00e4ufig zu h\u00f6heren Testwerten (Borchert et al., 2023). Gleichzeitig zeichnen sich KI-generierte Antworten oft jedoch durch wiederkehrende, charakteristische Formulierungen aus, die wenig kreative Vielfalt in Texte (z.B. Anschreiben) bringen, sodass Kandidat*innen immer eigens \u00fcberpr\u00fcfen sollten, was sie von KI-Antworten \u00fcbernehmen.<\/p>\n\n\n\n

Wie bereits erw\u00e4hnt kann die Validit\u00e4t von unbeaufsichtigten Assessments durch die KI-Nutzung eingeschr\u00e4nkt werden, weshalb sich einige Anbieter*innen sch\u00fctzen, indem sie zus\u00e4tzlich Daten auswerten, die w\u00e4hrend der Tests von den Kandidat*innen produziert werden (z.B. Mausbewegungen) oder Algorithmen einsetzen, um KI-generierte Texte zu identifizieren.<\/p>\n\n\n\n

Doch welche tats\u00e4chlichen Effekte hat der Einsatz von KI auf die Validit\u00e4t der Assessments?<\/strong><\/h3>\n\n\n\n

Zur Beantwortung dieser Frage unterscheiden Lievens und Dunlop drei Szenarien, in denen generative KI auf unterschiedliche Weise genutzt wird, mit jeweils unterschiedlichen Konsequenzen f\u00fcr die „kriteriums-irrelevante Varianz“ (KIV) oder die „kriteriums-relevante Varianz“ (KRV) . Die Varianz zeigt, wie stark die Testergebnisse der Kandidat*innen um ihren Durchschnittswert schwanken, wobei Assessments zur Messung der Eignung einer Person f\u00fcr einen Job verwendet werden. Diese Variable nennt man das Kriterium.<\/p>\n\n\n\n

\n
\"\"<\/figure>\n<\/div><\/div><\/div>\n\n\n\n

The KIV<\/em> kann die Zuverl\u00e4ssigkeit des Assessments negativ beeinflussen, indem sie externe Faktoren misst, die nichts mit der Eignung eines\/einer Kandidat*in zu tun haben. <\/p>\n\n\n\n

The KRV<\/em> hingegen reflektiert und misst die tats\u00e4chlichen Unterschiede in den F\u00e4higkeiten von Personen und ist damit von gro\u00dfer Bedeutung, um valide Vorhersagen mithilfe der Testergebnisse treffen zu k\u00f6nnen.<\/p>\n\n\n\n


Folgende drei Szenarien werden unterschieden:<\/p>\n\n\n\n

1. KI-Nutzung erh\u00f6ht KIV – generative KI zur \u201cKompensation\u201d<\/strong><\/h3>\n\n\n\n

In diesem Fall nutzen Kandidat*innen KI, um ihre Wissensl\u00fccken oder mangelnde Verhaltenskompetenzen vollst\u00e4ndig auszugleichen, indem sie KI-Outputs eins zu eins in ihre Antworten und Lebensl\u00e4ufe \u00fcbernehmen. Folglich spiegeln die Testergebnisse nicht die wahren Eigenschaften der Person wider. Dies f\u00fchrt zu besseren Testergebnissen f\u00fcr den\/die Kandidat*in, aber zu einer geringeren Validit\u00e4t des Assessments, was suboptimale Personalauswahl in Unternehmen zur Folge haben k\u00f6nnte.<\/p>\n\n\n\n

2. KI-Nutzung reduziert KIV – generative KI zum „Chancenausgleich“<\/strong><\/h3>\n\n\n\n

Positive Auswirkungen durch den Einsatz von KI k\u00f6nnen sich ergeben, wenn dadurch Pr\u00fcfungsangst, Unerfahrenheit oder Sprachbarrieren \u00fcberwunden werden. In diesen F\u00e4llen k\u00f6nnen dann die wahren Auspr\u00e4gungen einer Person gemessen werden, was zu einer h\u00f6heren Validit\u00e4t des Assessments f\u00fchrt. Die KI kann z.B. f\u00fcr die Simulation einer Pr\u00fcfungssituation genutzt werden. Diese \u00dcbung k\u00f6nnte dazu f\u00fchren, dass sich Personen mit Pr\u00fcfungsangst in Pr\u00fcfungssituationen (z.B. einem Interview) sicherer f\u00fchlen und besser ausdr\u00fccken k\u00f6nnen. Die Testergebnisse dieser Person spiegeln dann also nicht ihre \u00c4ngstlichkeit wider, sondern ihre job-relevanten Kompetenzen. Dies k\u00f6nnte einen wichtigen Beitrag zu fairen und gleichberechtigten Auswahlprozessen f\u00fcr Menschen mit Benachteiligungen darstellen und den Person-Job-Fit erh\u00f6hen, woraus sich auch Vorteile f\u00fcr Arbeitgeber*innen ergeben.
<\/p>\n\n\n\n

3. KI-Nutzung erh\u00f6ht KRV – generative KI als \u201cPotenzierer\u201d<\/strong><\/h3>\n\n\n\n

KI hat die F\u00e4higkeit, einerseits die St\u00e4rken von Individuen im Auswahlprozess hervorzuheben und gleichzeitig die Schw\u00e4chen einer Person auszugleichen.<\/p>\n\n\n\n

Der Nutzen geht jedoch \u00fcber die Phase des Assessments hinaus. Je nach M\u00f6glichkeiten, die Arbeitnehmer*innen gegeben werden, die KI auch im Job zu nutzen, kann die Verwendung im Bewerbungsprozess wertvolle Aufschl\u00fcsse \u00fcber die Leistung und Effizienz am Arbeitsplatz geben. Bezogen auf die Aufgabenleistung lassen sich recht genaue Vorhersagen treffen, unklar ist jedoch noch, wie nachhaltig die Verbesserungen durch KI sind. Hierbei ist zwischen einmaliger Leistungssteigerung und tiefgehendem Lernen zu unterscheiden.<\/p>\n\n\n\n

Alle drei Szenarien f\u00fchren zu besseren Testergebnissen der Kandidat*innen im Assessment, aber je nach Verwendung der KI lassen sich unterschiedliche Konsequenzen f\u00fcr die Validit\u00e4t des Assessments beobachten.<\/p>\n\n\n\n

Folgende Grafik fasst diese Erkenntnisse noch einmal zusammen:<\/p>\n\n\n\n

\n
\"\"<\/figure>\n<\/div><\/div><\/div>\n\n\n\n

F\u00fcr Organisationen empfiehlt sich folgender Umgang damit bei ihren Assessment Centern:<\/p>\n\n\n\n