Forschungsergebnisse zeigen, dass KI im Personalwesen insbesondere dann einen Mehrwert bietet, wenn sie als unterstützendes Werkzeug eingesetzt wird; etwa zur Strukturierung von Informationen oder zur Vorbereitung menschlicher Entscheidungen [2]. Die Verantwortung für Bewertungen und Entscheidungen bleibt ausdrücklich beim Menschen. Im Folgenden werden Einsatzfelder von KI im Personalwesen vorgestellt, die für KMU besonders relevant sein können. Zu jedem Bereich werden die Funktionsweise, Nutzen für KMU, grundlegende Umsetzungsschritte sowie rechtliche und ethische Aspekte erläutert und anhand eines fiktiven Beispiels veranschaulicht.
KI in der Bewerber:innen-Auswahl
Bei der Auswahl der Bewerbenden kann KI helfen, große Mengen an Bewerbungen vorzusortieren. Dabei werden Bewerbungsunterlagen nach zuvor festgelegten Kriterien ausgewertet, etwa nach Qualifikationen, Berufserfahrung oder bestimmten Fähigkeiten. Ziel ist es nicht, Entscheidungen automatisch zu treffen, sondern eine strukturelle Vorauswahl zu ermöglichen. Hierbei liegt der Vorteil vor allem in der Zeitersparnis und der organisatorischen Entlastung. Bewerbungsprozesse können beschleunigt werden, da weniger manuelle Sichtung erforderlich ist. Gleichzeitig kann eine einheitliche Vorauswahl dazu beitragen, subjektive Verzerrungen zu reduzieren, sofern klare, transparente und arbeitsbezogene Kriterien festgelegt werden [2]. Auch kleinere Unternehmen können so größere Bewerbungszahlen bewältigen, ohne dass Qualität oder Sorgfalt im Auswahlprozess verloren gehen.
Konkrete Umsetzung: Zunächst sollte festgelegt werden, welcher Teil des Bewerbungsprozesses unterstützt werden soll. Wichtig ist, den Einsatz klar zu begrenzen und nicht den gesamten Auswahlprozess zu automatisieren. Im nächsten Schritt werden transparente und nachvollziehbare Kriterien festgelegt, die unmittelbar mit der ausgeschriebenen Tätigkeit zusammenhängen (dies kann bspw. Ausbildung, relevante Berufserfahrung oder erforderliche Zertifikate umfassen). Diese Kriterien bilden dann die Grundlage für die KI-gestützte Auswertung. Bevor es zu ihrem Einsatz kommt, muss die Rolle der KI festgelegt werden. Diese ist ausschließlich unterstützend tätig, die Entscheidung über Einladungen und Einstellungen verbleibt beim Menschen. Anschließend kann erst die technische Lösung, d.h. das konkrete KI-System, welches den ethischen und rechtlichen Anforderungen des Unternehmens und der Gesetzeslage entspricht, in Betracht gezogen werden.
Fiktives Beispiel: Ein Handwerksbetrieb mit 40 Mitarbeitenden erhält auf eine ausgeschriebene Stelle zahlreiche Bewerbungen. Für die Vorauswahl werden Kriterien festgelegt, die unmittelbar mit der Tätigkeit zusammenhängen, etwa eine abgeschlossene Berufsausbildung, relevante Berufserfahrung im Bereich Gebäudetechnik und erforderliche Sicherheitszertifikate. Bewerbungen, die diese zuvor definierten und klar beschriebenen Mindestanforderungen erfüllen, werden strukturiert durch das gewählte KI-System hervorgehoben. Die Geschäftsführung prüft diese Vorauswahl anschließend persönlich und entscheidet über Einladungen zu Gesprächen.
Rechtliche und ethische Aspekte: Ist eine KI in der Auswahl der Bewerbenden involviert, ist es zentral, die Bewerbenden über die unterstützende Nutzung dieser KI zu informieren. Forschung zeigt, dass die wahrgenommene Fairness maßgeblich für die Akzeptanz solcher Systeme ist [2]. Diese Fairness wird insbesondere erreicht durch nachvollziehbare Kriterien, regelmäßige Überprüfung der Ergebnisse und die Möglichkeit menschlicher Korrektur. Ein moralisches Risiko besteht darin, bestehende Verzerrungen unbeabsichtigt zu verstärken, wenn Daten oder Auswahlkriterien unkritisch übernommen werden.
KI zur Unterstützung der Personalentwicklung
Auch in der Personalentwicklung kann der Einsatz Künstlicher Intelligenz KMU unterstützen. KI-basierte Lernsysteme können Lerninhalte an den individuellen Wissensstand und Lernfortschritt von Mitarbeitenden anpassen. Das bedeutet, dass Lernmaterialien nicht für alle Mitarbeitenden identisch sind, sondern auf vorhandenes Wissen, Lerntempo und Lernbedarf abgestimmt werden. Für KMU kann dies ein strukturierter und ressourcenschonender Weg sein, um Weiterbildungen zu organisieren. Mitarbeitende können gezielt gefördert werden, ohne dass umfangreiche Schulungsprogramme entwickelt werden müssen. Studien zeigen, dass solche adaptiven Lernansätze das Lernen über längere Zeiträume unterstützen und individuelle Lernprozesse berücksichtigen können [3; 4].
Konkrete Umsetzung: Ausgangspunkt ist die Frage, welche Kompetenzen im Unternehmen vertieft oder aufgebaut werden sollen. Dabei kann es sich um fachliche Kenntnisse, den Umgang mit internen Prozessen, neue Aufgabenbereiche oder veränderte Anforderungen handeln. Im nächsten Schritt sollten bereits vorhandene Lerninhalte gesammelt und strukturiert werden, da KI nur dann sinnvoll unterstützen kann, wenn diese Inhalte klar beschrieben sind. Dazu zählen beispielsweise Schulungsunterlagen, interne Dokumentationen, Leitfäden oder Wissenssammlungen. Diese Inhalte müssen nicht neu erstellt werden, sollten aber thematisch geordnet und verständlich beschrieben sein, da KI nur mit klar strukturierten Informationen sinnvoll arbeiten kann. Anschließend wird festgelegt, welche Unterschiede zwischen Mitarbeitenden berücksichtigt werden sollen. Dies können etwa Vorerfahrung, aktuelle Aufgabenbereiche oder der individuelle Lernfortschritt sein. Auf dieser Grundlage kann ein KI-System Vorschläge machen, welche Inhalte für welche Mitarbeitenden besonders relevant sind. Wichtig ist, dass die KI dabei ausschließlich Empfehlungen liefert. Die Entscheidung, welche Lernangebote tatsächlich genutzt werden, bleibt bei den Mitarbeitenden und den verantwortlichen Führungskräften.
Fiktives Beispiel: Ein kleines IT-Dienstleistungsunternehmen mit 25 Mitarbeitenden möchte die Einarbeitung neuer Kolleg:innen verbessern. Zunächst werden bestehende Unterlagen zu internen Abläufen, Sicherheitsrichtlinien und genutzten Software-Tools gesammelt und thematisch geordnet. Die KI wird so eingesetzt, dass sie neue Mitarbeitende Schritt für Schritt durch diese Inhalte führt. Alle neuen Mitarbeitenden erhalten zunächst eine grundlegende Einführung in die Unternehmensprozesse. Auf dieser Basis schlägt das System zusätzliche Lerninhalte vor: Mitarbeitende ohne Vorerfahrung im jeweiligen Fachbereich erhalten ausführlichere Erklärungen, Praxisbeispiele und kleine Übungsaufgaben. Mitarbeitende mit einschlägiger Erfahrung bekommen kürzere Wiederholungen oder Hinweise auf weiterführende Informationen. Die Führungskräfte begleiten diesen Prozess, besprechen Lernfortschritte regelmäßig im persönlichen Austausch und passen die Inhalte bei Bedarf an.
Rechtliche und ethische Aspekte: KI darf in der Personalentwicklung ausschließlich unterstützend eingesetzt werden. Sie kann Lernvorschläge machen und Lernprozesse strukturieren, darf jedoch nicht zur verdeckten Leistungs- oder Verhaltenskontrolle genutzt werden. Daher sind klare und transparente Regeln zur Nutzung von Lerndaten notwendig. Mitarbeitende sollten jederzeit wissen, welche Daten erfasst werden, wofür sie genutzt werden und wer Zugriff darauf hat. Zudem ersetzt der Einsatz von KI keine persönliche Betreuung. Entwicklungsgespräche, Feedback und der direkte Austausch zwischen Mitarbeitenden und Führungskräften bleiben zentrale Bestandteile der Personalentwicklung. KI kann diese Prozesse vorbereiten oder ergänzen, sie aber nicht ersetzen.
KI zur Unterstützung der Mitarbeitendenbindung und -entwicklung
KI kann KMU dabei helfen, Hinweise auf Entwicklungsbedarfe, Belastungen oder die allgemeine Zufriedenheit von Mitarbeitenden frühzeitig zu erkennen. Dazu werden beispielsweise Ergebnisse aus anonymisierten Mitarbeiterbefragungen oder Rückmeldungen aus Weiterbildungsmaßnahmen ausgewertet. Ziel ist es nicht, einzelne Personen zu bewerten, sondern Muster auf Organisationsebene sichtbar zu machen. Für KMU bietet dies die Möglichkeit, systematischer auf Veränderungen zu reagieren. Werden etwa wiederholt Hinweise auf hohe Arbeitsbelastung, fehlende Qualifikationen oder mangelnde Entwicklungsmöglichkeiten sichtbar, können gezielt Maßnahmen geplant werden. Forschungsergebnisse zeigen, dass ein solcher vorausschauender Umgang mit den Bedürfnissen der Mitarbeitenden zur langfristigen Bindung dieser beitragen kann [5]. Gerade in kleineren Unternehmen kann KI helfen, solche Signale frühzeitig zu erkennen, bevor Unzufriedenheit oder Fluktuation entstehen.
Konkrete Umsetzung: Auch hier steht zunächst die Zielklärung im Vordergrund; KMU sollten festlegen, welche Fragestellungen mit Hilfe der Datenauswertung beantwortet werden sollen. Dies kann beispielsweise die frühzeitige Erkennung von Überlastung, den Bedarf an Weiterbildung oder allgemeine Entwicklungsthemen betreffen. Im nächsten Schritt werden geeignete Datenquellen definiert. Häufig eignen sich regelmäßige, kurze und freiwillige Mitarbeitendenbefragungen, ergänzt durch strukturierte Rückmeldungen aus Weiterbildungsmaßnahmen. Wichtig ist, dass die Teilnahme freiwillig bleibt und die Ergebnisse anonymisiert werden. Das eingesetzte KI-System sollte ausschließlich zusammengefasste (aggregierte) Daten auswerten, sodass keine Rückschlüsse auf einzelne Personen möglich sind. Die Ergebnisse sollten transparent kommuniziert werden. Sie dienen als Grundlage für Gespräche und gemeinsame Lösungsfindung; nicht als Bewertungsinstrument. Führungskräfte sollten Auffälligkeiten gemeinsam mit den Mitarbeitenden besprechen und Maßnahmen offen erläutern.
Fiktives Beispiel: Ein Produktionsunternehmen mit 60 Mitarbeitenden führt vierteljährlich anonyme Kurzbefragungen durch, in denen unter anderem Arbeitsbelastung, Zusammenarbeit und Weiterbildungsbedarf abgefragt werden. Die KI-gestützte Auswertung zeigt, dass Mitarbeitende in bestimmten Teams wiederholt eine hohe Arbeitsdichte und Zeitdruck nennen. Die Geschäftsleitung greift diese Ergebnisse auf und bespricht sie in moderierten Teamrunden. Gemeinsam werden Maßnahmen entwickelt, etwa eine veränderte Schichtplanung oder zusätzliche Unterstützung in Spitzenzeiten. In den folgenden Befragungen wird überprüft, ob sich die wahrgenommene Belastung verändert hat. So entsteht ein kontinuierlicher Lern- und Verbesserungsprozess.
Rechtliche und ethische Aspekte: Ein zentrales Risiko besteht in der Wahrnehmung von Überwachung durch die Mitarbeitenden. Um dem entgegenzuwirken, müssen Datenerhebung und -auswertung offen kommuniziert werden. Mitarbeitende sollten wissen, dass es um organisatorische Verbesserungen geht und nicht um individuelle Kontrolle. Rückschlüsse auf einzelne Personen müssen technisch und organisatorisch ausgeschlossen sein. KI darf in diesem Bereich ausschließlich zur Unterstützung von Lern-, Entwicklungs- und Verbesserungsprozessen eingesetzt werden. Entscheidungen über Maßnahmen, Prioritäten oder Veränderungen bleiben bei den verantwortlichen Personen im Unternehmen und sollten stets im Dialog mit den Mitarbeitenden erfolgen.
Fazit
Für KMU bietet der Einsatz von KI im Personalwesen die Möglichkeit, Rekrutierungs-, Bindungs- und Entwicklungsprozesse zu strukturieren und Mitarbeitende zu entlasten. Der größte Nutzen entsteht dort, wo KI gezielt eingesetzt wird, um Informationen auszuarbeiten, Muster sichtbar zu machen und Entscheidungen vorzubereiten. Voraussetzung ist ein verantwortungsvoller, transparenter und ethisch reflektierter Einsatz. KI ersetzt keine menschlichen Entscheidungen oder Beziehungen, sondern kann als unterstützender Partner helfen, mit begrenzten Ressourcen fundierte und faire Personalentscheidungen zu treffen.
Literatur
[1] OECD (2019), Artificial Intelligence in Society, OECD Publishing, https://doi.org/10.1787/eedfee77-en.
[2] Hilliard, A., Guenole, N., & Leutner, F. (2022). Robots are judging me: Perceived fairness of algorithmic recruitment tools. Frontiers in Psychology, 13, 940456.
[3] Dutta, S., Ranjan, S., Mishra, S., Sharma, V., Hewage, P., & Iwendi, C. (2024). Enhancing educational adaptability: A review and analysis of AI-driven adaptive learning platforms. In 2024 4th International Conference on Innovative Practices in Technology and Management (ICIPTM). IEEE.
[4] Gligorea, I., Cioca, M., Oancea, R., Gorski, A. T., Gorski, H., & Tudorache, P. (2023). Adaptive learning using artificial intelligence in e-learning: A literature review. Education Sciences, 13(12), 1216.
[5] Filippucci, F. et al. (2024), “The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges”, OECD Artificial Intelligence Papers, No. 15, OECD Publishing, Paris, https://doi.org/10.1787/8d900037-en.
