Künstliche Intelligenz im Personalwesen: Chancen und Herausforderungen der Gesichtserkennung

Gesichtserkennung und KI im Personalwesen: Eine Analyse der aktuellen Entwicklungen

Die fortschreitende Digitalisierung und die rasante Entwicklung Künstlicher Intelligenz (KI) transformieren zahlreiche Bereiche der Wirtschaft und Gesellschaft. Ein besonders dynamisches Feld ist das Personalwesen, in dem KI-gestützte Systeme zunehmend zur Anwendung kommen. Diese Technologien versprechen Effizienzsteigerungen und eine objektivere Entscheidungsfindung. Gleichzeitig werfen sie aber komplexe ethische, soziale und rechtliche Fragen auf, insbesondere im Kontext der Gesichtserkennung und der Ableitung persönlicher Merkmale.

Die Rolle der KI im Recruiting: Potenzial und Herausforderungen

Der Einsatz von KI im Recruiting hat sich in den letzten Jahren erheblich weiterentwickelt. Ursprünglich beschränkten sich digitale Recruiting-Methoden auf Job-Boards und Suchmaschinen. Mit der Einführung von KI-basierten Systemen verschieben sich die Möglichkeiten jedoch deutlich. Unternehmen wie Johnson & Johnson, die jährlich Hunderttausende von Bewerbungen erhalten, können durch KI-gestützte Prozesse erhebliche Effizienzgewinne erzielen. Die Automatisierung des Screenings, die Identifikation von Talenten in sozialen Netzwerken und die Verbesserung der Kommunikation mit Bewerbern durch Chatbots sind nur einige Beispiele für die vielfältigen Anwendungsfelder.

KI-Systeme können beispielsweise Textanalysen nutzen, um aus Bewerbungsunterlagen oder Online-Profilen nicht nur explizite Fachkenntnisse, sondern auch implizite Eigenschaften wie Arbeitseinstellung oder Motivation abzuleiten. Darüber hinaus kommen Chatbots und Voicebots zum Einsatz, um Standardfragen zu beantworten, Bewerbungsprozesse zu erläutern und Termine zu koordinieren. Diese Systeme sind darauf ausgelegt, die Bewerbererfahrung zu verbessern und gleichzeitig den administrativen Aufwand für Personalabteilungen zu reduzieren.

Ein besonders viel diskutierter Bereich ist die KI-basierte Videoanalyse. Bei synchronen oder asynchronen Videointerviews können KI-Systeme nicht nur den sprachlichen Inhalt, sondern auch nonverbale Signale wie Mimik, Gestik, Stimmlage und Sprechgeschwindigkeit analysieren. Ziel ist es, daraus Persönlichkeitsfaktoren wie Selbstsicherheit, Beharrlichkeit oder Gewissenhaftigkeit abzuleiten. Diese Analysen können theoretisch dazu beitragen, ein umfassenderes Bild der Bewerber zu erhalten und die Passung zu einer Stelle besser einzuschätzen.

Aktuelle Forschung und ihre Implikationen

Eine Studie der University of Pennsylvania hat kürzlich für Aufsehen gesorgt, indem sie nahelegt, dass KI-Systeme Persönlichkeitsmerkmale und sogar Aspekte des beruflichen und finanziellen Erfolgs allein anhand von Gesichtsmerkmalen prognostizieren können. Die Forscher analysierten LinkedIn-Profilfotos von rund 96.000 MBA-Absolventen, um fünf zentrale Persönlichkeitsmerkmale (Offenheit, Gewissenhaftigkeit, Extraversion, Verträglichkeit und Neurotizismus) abzuleiten. Anschließend korrelierten sie diese Merkmale mit den beruflichen Werdegängen der Personen. Die Ergebnisse deuteten auf statistische Zusammenhänge hin, beispielsweise dass Extraversion positiv mit hohem Einkommen assoziiert sein könnte.

Diese Erkenntnisse, obwohl wissenschaftlich kontrovers diskutiert, verdeutlichen das potenziell weitreichende Einsatzgebiet von Gesichtserkennungstechnologien. Die Autoren der Studie weisen selbst auf die ethischen Probleme hin, die sich ergeben könnten, wenn solche Systeme im Bewerbungsprozess eingesetzt würden. Eine solche Entwicklung könnte dazu führen, dass Individuen versuchen, ihr Aussehen durch Retuschen oder kosmetische Eingriffe zu optimieren, um den Algorithmen besser zu entsprechen.

Rechtliche Rahmenbedingungen und ethische Grenzen in Deutschland und der EU

In Deutschland und der Europäischen Union unterliegt der Einsatz von Gesichtserkennung und biometrischen Daten sehr strengen rechtlichen Bestimmungen. Die biometrische Gesichtserkennung wird als erheblicher Eingriff in das Recht auf Privatsphäre und informationelle Selbstbestimmung angesehen. Beispielhaft hierfür sind Pilotprojekte in Deutschland, bei denen Gesichtserkennungstechnologien im öffentlichen Raum, wie etwa an Bahnhöfen, zur Fahndung nach gesuchten Personen eingesetzt werden. Solche Maßnahmen sind jedoch an strenge gerichtliche Beschlüsse gebunden.

Der jüngst in Kraft getretene EU AI Act schafft einen harmonisierten Rechtsrahmen für den Einsatz von KI-Systemen in der EU. Er verfolgt einen risikobasierten Ansatz, der KI-Anwendungen in verschiedene Risikoklassen einteilt. Im HR-Bereich werden viele KI-Systeme als Hochrisiko-Systeme eingestuft. Dies betrifft insbesondere Systeme zur Einstellung oder Auswahl natürlicher Personen, zur Leistungsbewertung oder zur Überwachung von Mitarbeitenden. Für diese Hochrisiko-Systeme gelten strenge Anforderungen bezüglich Risikomanagement, Daten-Governance, Transparenz, menschlicher Aufsicht sowie Genauigkeit, Robustheit und Cybersicherheit.

Besonders relevant sind die Verbote bestimmter KI-Praktiken, die ein unannehmbares Risiko darstellen. Dazu zählt explizit die Emotionserkennung am Arbeitsplatz und in Bildungseinrichtungen gemäß Artikel 5 Absatz 1 lit. f) des EU AI Act. Ausnahmen sind nur für medizinische Zwecke oder Sicherheitsgründe vorgesehen. Auch biometrische Kategorisierung, die Rückschlüsse auf sensible Merkmale zieht, und Social Scoring von Mitarbeitenden sind verboten.

Ethische und soziale Herausforderungen

Der Einsatz von KI im Personalwesen birgt neben den potenziellen Vorteilen auch erhebliche ethische und soziale Herausforderungen:

• Verletzung der informationellen Autonomie und Privatsphäre: KI-gestützte Analysen von Gesichtsmerkmalen, Stimmen oder Verhaltensweisen generieren umfangreiche personenbezogene Daten. Die Kontrolle über die Verwendung dieser Daten ist für Bewerber oft kaum möglich, was die informationelle Selbstbestimmung beeinträchtigen kann. Die Analyse des privaten Umfelds bei Videointerviews oder die Ableitung sensibler Informationen aus Online-Profilen sind hier kritische Punkte.
• (Ohn-)Mächtigkeit der Systeme: KI-Systeme können Eigenschaften erkennen, die dem menschlichen Auge verborgen bleiben, was sowohl Vorteile als auch Nachteile mit sich bringen kann. Gleichzeitig können sie blind für Nuancen sein, die im menschlichen Gespräch entscheidend wären. Die Gefahr von Fehleinschätzungen und falschen Schlussfolgerungen ist real, insbesondere wenn Bewerber sich bewusst anders verhalten, um den Algorithmus zu "überlisten".
• Vorurteile und Verzerrungen (Bias): KI-Systeme lernen aus Daten. Wenn diese Daten historisch bedingte Diskriminierungen oder Ungleichheiten widerspiegeln (z.B. eine Bewerberhistorie, die mehrheitlich männliche Kandidaten bevorzugt), können die Algorithmen diese Vorurteile reproduzieren und verstärken. Das Beispiel des Amazon-Chatbots, der weibliche Bewerberinnen benachteiligte, verdeutlicht diese Gefahr.
• Profilbildung: E-Assessments oder die Analyse von Lernplattformdaten ermöglichen eine detaillierte Profilbildung von Individuen. Dies kann in jungen Jahren beginnen und die Karrierechancen nachhaltig beeinflussen, ohne dass der Kontext oder persönliche Umstände ausreichend berücksichtigt werden.
• Ungleichgewicht zwischen Betreiber und Benutzer: Bewerber sind oft nicht vollständig über die Funktionsweise und Reichweite der eingesetzten KI-Systeme informiert. Dies führt zu einem Ungleichgewicht, in dem Betroffene sich wehrlos fühlen können. Die Möglichkeit des Missbrauchs von Daten, etwa durch Manipulation von Bildern oder die unerlaubte Ableitung persönlicher Eigenschaften, stellt ein weiteres Risiko dar.

Handlungsempfehlungen für Unternehmen

Um die Chancen der KI im Personalwesen verantwortungsvoll zu nutzen und gleichzeitig die Risiken zu minimieren, sollten Unternehmen folgende Empfehlungen beachten:

• Einhaltung von Datenschutzgesetzen: Eine detaillierte Kenntnis und strikte Einhaltung der Datenschutz-Grundverordnung (DSGVO) sowie der spezifischen Bestimmungen des EU AI Act sind unerlässlich. Dies beinhaltet auch die Prinzipien von Privacy by Design und Privacy by Default.
• Sicherung von KI-Systemen: KI-Systeme und die damit verbundenen Daten müssen vor unbefugtem Zugriff und Manipulation geschützt werden. Die Vertrauenswürdigkeit und der Standort der Anbieter sind hierbei von Bedeutung.
• Beachtung ethischer Leitlinien und rechtlicher Rahmenbedingungen: Unternehmen sollten die auf EU-Ebene entwickelten Leitlinien und rechtlichen Rahmenbedingungen für KI-Systeme aktiv in ihre Prozesse integrieren.
• Einrichtung eigener Ethikkommissionen: Eine interne Ethikkommission kann helfen, ethische Fragestellungen zu identifizieren, zu diskutieren und Lösungen zu erarbeiten, die über reine Compliance hinausgehen.
• Einbeziehung der Beschäftigten: Die Einführung von KI im Recruiting sollte nicht allein eine Aufgabe der HR-Abteilung sein. Betriebsräte und Mitarbeitervertreter müssen frühzeitig in den Entwicklungsprozess einbezogen werden, um Akzeptanz zu schaffen und potenzielle Bedenken zu adressieren.
• Schaffung von Awareness und Schulungen: Mitarbeiter müssen umfassend über die Chancen und Risiken von KI-Systemen informiert und geschult werden. Dies umfasst technische Aspekte, ethische Implikationen und rechtliche Vorgaben.
• Herstellung von Transparenz: Bewerbern muss größtmögliche Transparenz über den Einsatz von KI-Systemen geboten werden. Sie sollten verstehen, wie die Systeme funktionieren, welche Daten verarbeitet werden und welche Entscheidungen von Algorithmen getroffen oder beeinflusst werden.
• Angebot von Alternativen: Bewerber sollten die Möglichkeit haben, sich für traditionelle Bewerbungsverfahren zu entscheiden oder bestimmte KI-gestützte Verfahren abzulehnen, ohne dass ihnen daraus Nachteile entstehen.
• Nachbereitung und Informationszugang: Nach dem Bewerbungsprozess sollten Bewerber das Recht haben, die über sie gesammelten Daten einzusehen und gegebenenfalls löschen zu lassen. Analysen und maschinelle Entscheidungen sollten erläutert werden.

Ausblick

Die Integration von KI im Personalwesen wird sich voraussichtlich weiter fortsetzen und vertiefen. Die technischen Möglichkeiten zur automatisierten Verhaltensbeeinflussung und zur zukunftsorientierten Gestaltung von Karrieren eröffnen Unternehmen neue Perspektiven in der Personalentwicklung. Es ist jedoch von entscheidender Bedeutung, dass diese Entwicklungen von einer fortlaufenden Diskussion über rechtliche und ethische Grenzen begleitet werden. Die Reduzierung von Arbeitskräften auf reines Humankapital, das durch Systeme verwaltet wird, die viele Betroffene nicht verstehen oder gar ablehnen, kann das Vertrauen und die Motivation nachhaltig beeinträchtigen. Ein menschenzentrierter Ansatz, der Transparenz, Fairness und die Wahrung der individuellen Rechte in den Vordergrund stellt, wird entscheidend sein, um die Vorteile der KI im Personalwesen nachhaltig und verantwortungsvoll zu nutzen.

Bibliographie

- Adamopoulou, E., & Moussiades, L. (2020). An overview of chatbot technology. In I. Maglogiannis, L. Iliadis, & E. Pimenidis (Hrsg.), Proceedings of AIAI 2020 Neos Marmaras, Greece, June 5–7. Artificial intelligence applications and innovations part II, S. 373–383. - Basso, D. (2021). KI in der Personalgewinnung. Personalmagazin, 2021(7), 82–83. - Bendel, O. (2012). Die Rache der Nerds. UVK, Konstanz. - Bendel, O. (2018a). The uncanny return of physiognomy. In The 2018 AAAI spring symposium series. AAAI Press, Palo Alto, S. 10–17. - Bendel, O. (2018b). Datenschutz-Grundverordnung. In Gabler Wirtschaftslexikon. Springer Gabler, Wiesbaden. - Bendel, O. (2019). Von Cor@ bis Mitsuku: Chatbots in der Kundenkommunikation und im Unterhaltungsbereich. In T. Kollmann (Hrsg.), Handbuch Digitale Wirtschaft. Springer, Wiesbaden, S. 1–17. - Bendel, O. (2021). 300 Keywords Soziale Robotik: Soziale Roboter aus technischer, wirtschaftlicher und ethischer Perspektive. Springer Gabler, Wiesbaden. - Black, S., & van Esch, P. (2020). AI-enabled recruiting: What is it and how should a manager use it? Bus Horiz, 63(2), 215–226. - Campbell, C., Sands, S., Ferraro, C., Tsao, J., & Mavrommatis, A. (2020). From data to action: how marketers can leverage AI. Bus Horiz, 63(2), 227–243. - CIO News. (2021). Den Lebenslauf für Algorithmen optimieren. CIO – IT-Strategie für Manager, September 2021. - Deloitte. (2018). The rise of the social enterprise. - European Commission (Hrsg.). (2021). Excellence and trust in artificial intelligence. - Fernández, C., & Fernández, A. (2019). Ethical and legal implications of AI recruiting software. ERCIM News, 116, 22–23. - Fincken, T. (2025). KI erkennt am Gesicht, wer für einen Job geeignet ist. Computerwoche. - Guinan, P., Parise, S., & Rollag, K. (2014). Jumpstarting the use of social technologies in your organization. Bus Horiz, 57(3), 337–347. - Hickman, L., Bosch, N., Ng, V., Saef, R., Tay, L., & Woo, S. (2021). Automated video interview personality assessments: reliability, validity, and generalizability investigations. J Appl Psychol. - Holdampf-Wendel, A. (2025). Künstliche Intelligenz im Personalwesen. Bitkom. - Hustedt, C., & Knobloch, T. (2024). Policy Paper - Robo Recruiting – Dank Algorithmen bessere Mitarbeiter:innen finden? Bertelsmann Stiftung. - Imping, A. (2021). Digitalisierung im Personalbereich: Rechtliche Rahmenbedingungen und Gestaltungsoptionen bei Betriebsvereinbarungen. Betrieb, 32, 1808–1818. - Kosinski, M., & Wang, Y. (2017). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. (Journal of Personality and Social Psychology). - Kuhlen, R. (2004). Informationsethik: Umgang mit Wissen und Informationen in elektronischen Räumen. UVK/UTB, Konstanz. - McIlvaine, A. R. (2018). Data in the driver’s seat. Human resource executive. - Mülder, W. (2021). Sind Chatbots die besseren Recruiter? Personalmagazin, 2021(6), 66–69. - Norman, W. (1963). Toward an adequate taxonomy of personality attributes: replicated factor structure in peer nomination personality rating. J Abnorm Soc Psychol, 66(6), 574–583. - Paschen, U., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: building blocks and an innovation typology. Bus Horiz, 63(2), 215–226. - Poole, D., & Mackworth, A. (2010). Artificial intelligence: foundations of computational agents. Cambridge University Press, Cambridge. - Ribbrock, C. (2025). KI im Recruiting & HR: Was der EU AI Act für Unternehmen bedeutet. TÜV Rheinland Consulting. - Sharma, A. (2018). How AI reinvented hiring practice at L’Oréal. People Matters. - Talent Board. (2017). Talent board North American candidate experience research report. - Verbraucherzentrale. (2025). Gesichtserkennung - Sicherheit oder Gefahr?. - Verhoeven, T. (Hrsg.). (2020). Digitalisierung im Recruiting: Wie sich Recruiting durch künstliche Intelligenz, Algorithmen und Bots verändert. Springer, Wiesbaden, S. 25–39. - Wilke, G., & Bendel, O. (2022). KI-gestütztes Recruiting – technische Grundlagen, wirtschaftliche Chancen und Risiken sowie ethische und soziale Herausforderungen. HMD Praxis der Wirtschaftsinformatik, 59, 647–666.