LLMs im HR: Effizienz mit Compliance-Risiko

Im DACH-Raum setzen Unternehmen zunehmend auf Large Language Models (LLMs), um HR-Prozesse zu automatisieren. Tools wie der Manatal AI Interviewer ermöglichen die gleichzeitige Befragung tausender Kandidaten, während KI-gestützte Applicant Tracking Systems (ATS) Bewerbungen vorfiltern. Diese Technologien reduzieren den manuellen Aufwand deutlich, etwa durch automatisierte Lebenslaufanalyse und Kandidatenanreicherung. Besonders in Deutschland, Österreich und der Schweiz gewinnen solche Lösungen an Bedeutung, da sie repetitive Aufgaben wie Vorselektion oder Terminmanagement übernehmen. Allerdings zeigt sich, dass viele Systeme noch nicht vollständig an die strengen DSGVO-Anforderungen angepasst sind. ^[4][6]

Die Integration von LLMs in HR-Systeme erfolgt vor allem über bestehende Plattformen wie RolePilot oder TrueForge. Diese Anbieter bieten Lösungen für Kandidaten-Sourcing, Bias-Erkennung und Predictive Analytics, etwa zur Vorhersage von Fluktuationsrisiken. In der Schweiz setzen Unternehmen vermehrt auf Open-Source-Tools wie TrueForge, um herstellerunabhängig zu bleiben und Kosten zu senken. Gleichzeitig warnen Experten vor der unkritischen Übernahme von KI-Empfehlungen, da Algorithmen oft unbewusste Vorurteile reproduzieren. Besonders in Deutschland müssen Betriebsräte bei der Einführung solcher Systeme einbezogen werden, was den Prozess verlangsamt. ^[6][8]

Der regulatorische Rahmen im DACH-Raum stellt Unternehmen vor Herausforderungen. In Deutschland verlangt das Allgemeine Gleichbehandlungsgesetz (AGG) sowie die DSGVO Transparenz bei automatisierten Entscheidungen, während in Österreich das Arbeitsverfassungsgesetz (ArbVG) Mitbestimmungsrechte der Belegschaft sichert. Die Schweiz setzt auf das Datenschutzgesetz (DSG) und kantonale Vorgaben, die je nach Region unterschiedlich streng ausgelegt werden. Viele KI-Tools verstoßen gegen diese Anforderungen, etwa durch mangelnde Datenminimierung oder fehlende Nachvollziehbarkeit. Unternehmen müssen daher sicherstellen, dass ihre LLM-Lösungen nicht nur effizient, sondern auch compliant sind. ^[3][8]

Ein zentraler Einsatzbereich von LLMs ist die Bewerberkommunikation. KI-gestützte Systeme können standardisierte Rückmeldungen generieren, Interviewtermine koordinieren oder sogar individuelle Feedbackschreiben verfassen. Dies entlastet HR-Teams, birgt jedoch Risiken: Fehlende menschliche Kontrolle kann zu unpersönlichen oder sogar diskriminierenden Formulierungen führen. In Österreich und der Schweiz wird daher empfohlen, KI-generierte Texte stets manuell zu prüfen. Zudem müssen Unternehmen sicherstellen, dass keine sensiblen Daten ungewollt in Trainingsdaten der Modelle einfließen, was besonders bei Cloud-basierten Lösungen problematisch sein kann. ^[4][7]

Trotz der Vorteile stehen viele DACH-Unternehmen dem Einsatz von LLMs in HR skeptisch gegenüber. Eine aktuelle Diskussion beim HR-Breakfast zeigte, dass zwar ein Großteil der Firmen KI bis 2025 einführen will, aber Compliance-Bedenken und ethische Fragen dominieren. Besonders kritisch wird die Nutzung von KI-Interviewern gesehen, da diese oft nicht erklären können, warum ein Kandidat abgelehnt wurde. In Deutschland müssen solche Entscheidungen nach § 22 DSGVO nachvollziehbar sein, was viele Tools nicht leisten. Unternehmen sollten daher zunächst Pilotprojekte starten, um Risiken zu identifizieren. ^[3][7]

Die Zukunft von LLMs in HR hängt davon ab, wie gut Anbieter regulatorische Anforderungen umsetzen. Tools wie Manatal oder RolePilot arbeiten bereits an Lösungen für Bias-Erkennung und Compliance-Checks, doch der Markt ist noch fragmentiert. Besonders in der Schweiz setzen Unternehmen auf Open-Source-Lösungen, um Abhängigkeiten von Anbietern zu vermeiden. Gleichzeitig zeigt sich, dass KI-Systeme nur dann erfolgreich sind, wenn sie als Unterstützung – nicht als Ersatz – für menschliche Entscheidungen dienen. HR-Teams müssen daher geschult werden, um KI-Empfehlungen kritisch zu hinterfragen. ^[4][6]

Unternehmen im DACH-Raum sollten den Einsatz von LLMs in HR strategisch planen. Zunächst gilt es, klare Use Cases zu definieren – etwa die Automatisierung von Standardprozessen wie Lebenslaufscreening oder Terminmanagement. Gleichzeitig müssen Compliance-Anforderungen von Anfang an berücksichtigt werden, insbesondere in Deutschland und Österreich, wo Betriebsräte ein Mitspracherecht haben. Ein schrittweiser Roll-out mit Pilotprojekten hilft, Risiken zu minimieren und Akzeptanz bei Mitarbeitenden zu schaffen. Langfristig können LLMs HR-Prozesse effizienter gestalten, sofern sie verantwortungsvoll eingesetzt werden. ^[7][8]