Blog

Unternehmen klagen über Fachkräftemangel, fehlende Bewerbungen und Schwierigkeiten, geeignete Menschen zu finden. Gleichzeitig sind Auswahlverfahren immer ausgefeilter geworden. Bewerbermanagementsysteme, strukturierte Interviews, Assessments, automatisiertes Screening und KI im Recruiting sollen dabei helfen, schneller und zuverlässiger die richtigen Personen zu finden.

Trotzdem lohnt sich eine andere Frage: Wie gut sind Unternehmen eigentlich darin, Talent zu erkennen?

Mit Talent ist dabei nicht das vermeintliche Genie gemeint, das alles besser kann als alle anderen. Menschen können in bestimmten Tätigkeiten Fähigkeiten besitzen, die deutlich über dem Durchschnitt liegen: besondere Mustererkennung, räumliches Denken, technisches Verständnis, Feinmotorik, sprachliches Gespür, Präzision oder ein Auge für Fehler, die anderen entgehen.

Solche Fähigkeiten müssen im Bewerbungsprozess nicht automatisch sichtbar werden. Wer in einem bestimmten Bereich deutlich vom Durchschnitt abweicht, entspricht nicht zwingend besonders gut dem Bild, das ein Auswahlverfahren von einem geeigneten Kandidaten erwartet.

Die eigentliche Frage ist deshalb nicht, wie sauber ein Verfahren Bewerbungen sortiert. Entscheidend ist, ob es jene Fähigkeiten überhaupt sichtbar macht, wegen der jemand eingestellt werden soll.

Was messen wir eigentlich?

Ein Lebenslauf zeigt Ausbildung, Berufserfahrung und bisherige Stationen. Zeugnisse dokumentieren Leistungen, Zertifikate bestätigen absolvierte Kurse, im Vorstellungsgespräch lässt sich beobachten, wie jemand auf Fragen reagiert und sich selbst darstellt. All das liefert Informationen. Es ist nur nicht dasselbe wie die Fähigkeit, eine bestimmte Arbeit besonders gut zu erledigen.

Das wird ausserhalb klassischer Wissensberufe schnell sichtbar. Ein guter Schreiner kennt nicht nur die Eigenschaften verschiedener Hölzer. Manche entwickeln ein aussergewöhnliches Gefühl für Material, erkennen Spannungen und sehen früh, wo später etwas nicht passen wird. Ein Mechaniker hört vielleicht an einer Maschine etwas, das anderen entgeht. Ein Koch entwickelt ein Gespür für Geschmack, Timing und Konsistenz. Vieles davon lässt sich lernen, die Unterschiede zwischen Menschen bleiben trotzdem erheblich.

Auch in Wissensberufen ist es nicht anders. Zwei Entwickler können dieselbe Ausbildung, vergleichbare Erfahrung und dieselben Programmiersprachen im Lebenslauf haben. Der eine löst eine Aufgabe zuverlässig, der andere erkennt nach wenigen Minuten eine Abhängigkeit, die dem gesamten Team entgangen ist.

Gerade solche Unterschiede interessieren Unternehmen, wenn sie von Talent sprechen. Im Recruiting werden aber häufig andere Merkmale herangezogen, weil sie leichter zugänglich und vergleichbar sind.

Wenn Abweichung zum Nachteil wird

Auswahlverfahren brauchen Kriterien. Bei hundert oder fünfhundert Bewerbungen lässt sich nicht jeder Mensch mehrere Tage beobachten. Ausbildung, Berufserfahrung, Berufsbezeichnungen, Zertifikate, bisherige Arbeitgeber, Kommunikation und Auftreten schaffen Vergleichbarkeit und helfen dabei, die Zahl der Kandidaten zu reduzieren.

Damit entsteht gleichzeitig eine Vorstellung davon, wie ein geeigneter Bewerber aussieht.

Wer deutlich davon abweicht, kann Probleme bekommen, auch wenn die Abweichung wenig mit der späteren Arbeit zu tun hat. Ein ungewöhnlicher Lebenslauf, wenig überzeugender Small Talk, eine nicht geradlinige Karriere oder eine ungewohnte Art zu kommunizieren können bereits reichen, damit jemand schlechter bewertet wird.

Gerade neurodivergente Menschen machen diesen Widerspruch sichtbar. Ein autistischer Bewerber kann beispielsweise besondere fachliche oder analytische Stärken besitzen und trotzdem in einem klassischen Vorstellungsgespräch schlechter wirken, wenn dort soziale Signale bewertet werden, die für die eigentliche Arbeit kaum relevant sind. Untersuchungen mit simulierten Bewerbungsgesprächen zeigen genau diesen Effekt: Autistische Kandidaten wurden bei sichtbaren sozialen Signalen schlechter bewertet; wurden dieselben Interviews nur als Transkript beurteilt, kehrte sich der Unterschied teilweise um. Studie zu Autismus und Bewerbungsgesprächen und angepasste Interviewfragen.

Das bedeutet nicht, dass jeder ungewöhnliche Kandidat ein verborgenes Talent ist. Die relevante Frage lautet vielmehr: Kann ein Auswahlverfahren Menschen aussortieren, bevor genau jene Fähigkeit sichtbar wird, die für die Stelle entscheidend wäre?

Das kann passieren, ohne dass das Auswahlverfahren insgesamt schlecht funktioniert.

Recruiting reproduziert auch Erwartungen

Wer über Jahre nach ähnlichen Kriterien einstellt, wählt nicht nur Menschen aus. Er reproduziert gleichzeitig eine Vorstellung davon, wie geeignete Menschen aussehen, sprechen und ihren bisherigen Berufsweg gestalten.

Das kann vollkommen sinnvoll sein. Viele Stellen benötigen vor allem Zuverlässigkeit, ausreichende Fachkenntnisse und eine möglichst reibungslose Zusammenarbeit. Wenn ein Unternehmen für eine Aufgabe guten Standard sucht und ein Auswahlverfahren genau diesen Standard zuverlässig erkennt, erfüllt es seinen Zweck.

Nur sollte das Ergebnis danach nicht überraschen.

Ein Verfahren, das vor allem geradlinige Lebensläufe, bekannte Qualifikationen, erwartbares Auftreten und geringe Abweichung belohnt, wird mit hoher Wahrscheinlichkeit Menschen auswählen, die diesen Erwartungen entsprechen.

Wer Standard auswählt, bekommt Standard.

Das ist kein Vorwurf. Für viele Aufgaben ist genau das erwünscht. Merkwürdig wird es erst, wenn dieselbe Organisation später darüber klagt, dass niemand anders denkt, neue Ideen fehlen oder alle nach Schema F arbeiten.

Unternehmen suchen durchaus Menschen, die Probleme schneller erkennen, ungewöhnliche Lösungen entwickeln oder neue Perspektiven einbringen. Gleichzeitig werden Bewerber häufig nach Kriterien vorsortiert, die vor allem Bekanntes gut erfassen.

Unternehmen wollen häufig das Ergebnis von Abweichung, ohne die Abweichung selbst auszuhalten.

Besondere Mustererkennung kann mit ungewohnter Kommunikation einhergehen. Ein Quereinsteiger bringt selten den geradlinigsten Lebenslauf mit. Und Menschen, die hartnäckige Probleme anders lösen, entsprechen oft auch an anderen Stellen nicht exakt dem bekannten Muster.

Passung bleibt ein sinnvolles Kriterium. Sie sollte nur nicht mit Talent verwechselt werden.

Wenn KI sich bei KI bewirbt

Mit KI im Recruiting bekommt diese Frage eine zusätzliche Ebene. Unternehmen können Bewerbungen analysieren, zusammenfassen und mit Stellenprofilen vergleichen. Bewerbende können gleichzeitig Lebensläufe optimieren, Stellenanzeigen mit dem eigenen Profil abgleichen und sich auf Interviews vorbereiten.

In der Schweiz ist die Entwicklung noch asymmetrisch. Eine AMOSA-Erhebung mit rund 700 Unternehmen und knapp 6’000 Stellensuchenden zeigt, dass erst 13 Prozent der befragten Unternehmen KI im Recruiting einsetzen und nur knapp 4 Prozent KI für die eigentliche Vorauswahl verwenden. Auf Bewerberseite haben dagegen bereits zwei Drittel KI im Bewerbungsprozess genutzt. Mehr als die Hälfte der Unternehmen beobachtet gleichzeitig, dass Bewerbungsunterlagen standardisierter wirken und es schwieriger wird, daraus Motivation und Authentizität abzuleiten.

Damit werden auf beiden Seiten die sichtbaren Signale besser. Wer KI, ATS und Bewerbungslogik versteht, zeigt damit durchaus Fähigkeiten. Für manche Stellen sind diese sogar relevant. Nur lässt sich daraus nicht automatisch auf andere Fähigkeiten schliessen.

Ein Mechaniker wird nicht besser darin, eine ungewöhnliche Störung zu finden, weil sein Lebenslauf perfekt auf ein Bewerbermanagementsystem abgestimmt ist. Ein Schreiner bekommt kein besseres Materialgefühl, weil die richtigen Keywords in seiner Bewerbung stehen. Auch bei einem Entwickler sagt eine hervorragend optimierte Bewerbung wenig darüber aus, ob er Zusammenhänge erkennt, an denen andere vorbeigehen.

Wer Zeit, Erfahrung mit KI oder professionelle Unterstützung zur Verfügung hat, kann seine Fähigkeiten zudem besser sichtbar machen. Das macht ihn nicht automatisch talentierter, kann aber seine Chancen erhöhen, als passend erkannt zu werden.

Auf Bewerberseite wird damit immer professioneller dafür optimiert, erwartete Signale zu senden, während auf Unternehmensseite immer effizienter genau diese Signale ausgewertet werden. Die entscheidende Frage ist, wie eng diese Signale mit dem zusammenhängen, was jemand später tatsächlich können soll.

Das Problem kann über ein einzelnes Unternehmen hinausreichen. Forschende der Stanford University haben 2026 rund vier Millionen Bewerbungen von etwa drei Millionen Bewerbern untersucht, die durch Systeme desselben Anbieters bewertet wurden. Sie fanden Hinweise auf eine „algorithmische Monokultur„: Ähnliche Algorithmen können über verschiedene Arbeitgeber hinweg wiederholt zu ähnlichen Auswahlresultaten führen. Ein Kandidat, der einem solchen Muster nicht entspricht, kann damit nicht nur bei einem Unternehmen unsichtbar werden.

Was wir übersehen, sehen wir nicht

Eine schlechte Einstellung wird irgendwann sichtbar. Ein übersehenes Talent nicht.

Wer bereits bei der Vorauswahl aussortiert wurde, taucht später in keiner Kennzahl als Fehlentscheidung auf. Das Unternehmen erfährt nicht, ob unter den abgelehnten Bewerbungen jemand war, der eine besondere Fähigkeit mitgebracht hätte, die im bestehenden Team fehlt.

Das macht nicht jede Ablehnung zum Fehler. Recruiting muss reduzieren und wird nie alle geeigneten Menschen erkennen können. Problematisch wird es dort, wo Unternehmen besondere Fähigkeiten suchen, ihre Auswahl aber nach Kriterien treffen, die diese Fähigkeiten kaum erfassen.

Wenn für eine IT-Stelle vor allem analytische Problemlösung wichtig ist, sollte ein schwaches klassisches Interview nicht verhindern, dass diese Fähigkeit überhaupt geprüft wird. Wenn ein Handwerker gesucht wird, darf ein mittelmässiges Anschreiben nicht mehr Gewicht bekommen als das, was jemand tatsächlich mit Werkzeug und Material kann.

Arbeitsproben, praktische Aufgaben oder realitätsnahe Problemstellungen sind ebenfalls keine perfekte Lösung. Neuere Neubewertungen der eignungsdiagnostischen Forschung zeigen, dass auch etablierte Auswahlmethoden spätere Arbeitsleistung deutlich weniger präzise vorhersagen, als ältere Schätzungen lange vermuten liessen. Strukturierte Interviews schneiden vergleichsweise gut ab, auch Arbeitsproben bleiben nützlich – perfekt ist keine der Methoden.

Der entscheidende Vorteil einer guten Arbeitsprobe liegt deshalb nicht darin, dass sie Talent zweifelsfrei beweist. Sie bringt die Auswahl lediglich näher an jene Fähigkeit heran, wegen der eine Person überhaupt eingestellt werden soll.

Wie gut erkennen wir eigentlich, was wir suchen?

KI im Personalwesen kann Auswahl verbessern. Sie kann grosse Mengen an Informationen verarbeiten, menschliche Willkür reduzieren und Zusammenhänge sichtbar machen, die ein Recruiter vielleicht übersehen hätte. Sie kann bestehende Kriterien aber ebenso konsequenter anwenden und damit vorhandene blinde Flecken skalieren.

Entscheidend ist deshalb nicht zuerst, ob ein Unternehmen KI im Recruiting einsetzt oder wie effizient sein Bewerbermanagement funktioniert. Entscheidend ist, ob es weiss, welche Fähigkeit für die konkrete Stelle den Unterschied macht und ob der Auswahlprozess dieser Fähigkeit überhaupt eine Chance gibt, sichtbar zu werden.

Für viele Stellen reicht der gute Durchschnitt vollkommen aus. Dort muss niemand künstlich nach Besonderheit suchen.

Wer dagegen Menschen mit besonderen Fähigkeiten braucht, sollte nicht davon ausgehen, dass diese im Bewerbungsprozess einfach wie besonders gute Durchschnittskandidaten aussehen.

Und wer sehr zuverlässig Standard einstellt, sollte sich später nicht darüber wundern, wenn im Unternehmen viel nach Schema F gearbeitet wird.

Manche Talente fehlen tatsächlich. Andere bewerben sich längst.

Die Frage ist, ob das Unternehmen erkennt, was vor ihm steht.

Wenn Auswahlverfahren zuverlässig funktionieren, aber trotzdem immer wieder ähnliche Menschen, ähnliche Entscheidungen und ähnliche Ergebnisse hervorbringen, lohnt sich ein Blick auf die Logik dahinter.

Im Deep Dive prüfen wir genau solche Zusammenhänge: Welche Annahmen stecken im System, was wird dadurch sichtbar – und was möglicherweise übersehen?

* Bildhinweis: Das Titelbild wurde KI-gestützt mit ChatGPT/Bildgenerierung erstellt. Redaktionelle Vorgabe, Auswahl und Veröffentlichung: Kerstin Milde.

Hinweis zur Erstellung: Dieser Beitrag wurde von Roger Kern konzipiert, geprüft und final bearbeitet. KI-Systeme wurden unterstützend für Struktur, Gegenperspektiven, SEO und sprachliche Varianten eingesetzt.