Bewerbungen vorsortieren mit KI: 5 Top-Kandidaten aus 100 in nur 10 Minuten

Warum traditionelle Bewerbungsauswahl zu langsam ist

Die Zahlen sprechen eine klare Sprache: Laut Bundesagentur für Arbeit (2024) dauert die durchschnittliche Bewerbungsvorauswahl 3,2 Stunden pro Position. Bei 100 Bewerbungen sind das bereits 320 Stunden Arbeitszeit.

Doch Zeit ist nicht das einzige Problem.

Der menschliche Faktor: Vorurteile programmiert

Menschen treffen unbewusste Entscheidungen. Studien zeigen: Recruiter benötigen durchschnittlich 6 Sekunden, um eine erste Einschätzung zu treffen. In diesen 6 Sekunden spielen Name, Foto und Herkunft eine größere Rolle als Qualifikationen.

Das ist nicht böser Wille – das ist menschlich. Unser Gehirn nutzt Abkürzungen, um schnell zu entscheiden. Bei der Kandidatenauswahl führt das zu systematischer Benachteiligung.

Inkonsistente Bewertungsmaßstäbe

Morgens um 8 Uhr bewerten Sie anders als um 16 Uhr nach dem fünften Kaffee. Montags strenger als freitags. Diese Schwankungen sind menschlich, aber unfair gegenüber Bewerbern.

KI hingegen wendet immer die gleichen Kriterien an. Konsistent, nachvollziehbar, transparent.

Der Fachkräftemangel verstärkt das Problem

Je mehr Positionen zu besetzen sind, desto oberflächlicher wird die Vorauswahl. Gute Kandidaten fallen durchs Raster, weil schlicht die Zeit für gründliche Prüfung fehlt.

Die Lösung? Intelligente Automatisierung der ersten Auswahlstufe.

Wie KI Bewerbungen diskriminierungsfrei vorsortiert

Moderne KI-Systeme für Bewerbungsanalyse funktionieren anders, als Sie vielleicht denken. Sie scannen nicht nach Buzzwords, sondern analysieren Kompetenz-Muster.

Pattern Recognition statt Keyword-Matching

Stellen Sie sich vor, Sie suchen einen Projektmanager. Ein traditionelles System sucht nach dem Wort „Projektmanager“ im Lebenslauf. KI erkennt Projektmanagement-Kompetenz auch dann, wenn jemand schreibt: „Leitung der Produkteinführung für 15-köpfiges Team mit 200.000€ Budget in 8 Monaten“.

Das ist der Unterschied zwischen oberflächlicher Suche und intelligenter Analyse.

Anonymisierte Bewertung durch Algorithmus-Design

Richtig konfigurierte KI-Systeme blenden diskriminierende Faktoren aus:

• Namen werden anonymisiert oder ignoriert
• Fotos werden nicht ausgewertet
• Geschlechts-spezifische Sprachmuster werden neutralisiert
• Bildungseinrichtungen werden nach Kompetenz-Output bewertet, nicht nach Prestige

Wichtig: Das passiert nicht automatisch. Sie müssen das System entsprechend trainieren und konfigurieren.

Transparente Bewertungskriterien

Jede KI-Entscheidung basiert auf nachvollziehbaren Kriterien. Sie können exakt sehen, warum Kandidat A eine höhere Bewertung erhielt als Kandidat B.

Diese Transparenz schützt Sie rechtlich und hilft bei der kontinuierlichen Verbesserung Ihres Auswahlprozesses.

Bias-Erkennung und Korrektur

Gute KI-Systeme überwachen sich selbst. Sie erkennen, wenn bestimmte Gruppen systematisch benachteiligt werden und justieren automatisch nach.

Das ist ein entscheidender Vorteil gegenüber menschlicher Vorauswahl, die solche Verzerrungen oft jahrelang nicht bemerkt.

Must-have-Kriterien definieren: Der Schlüssel zum Erfolg

Hier entscheidet sich Erfolg oder Misserfolg Ihrer KI-gestützten Bewerbungsauswahl. Unscharfe Kriterien führen zu unbrauchbaren Ergebnissen.

Hard Skills messbar formulieren

Statt „Erfahrung in der Softwareentwicklung“ schreiben Sie: „Mindestens 3 Jahre praktische Erfahrung in Java oder Python, nachgewiesen durch konkrete Projekte oder Zertifizierungen“.

KI kann mit konkreten, messbaren Anforderungen arbeiten. Schwammige Formulierungen verwässern das Ergebnis.

Soft Skills durch Verhaltensindikatoren definieren

Soft Skills sind schwieriger, aber nicht unmöglich zu erfassen. KI erkennt Muster in Bewerbungsschreiben und Lebenslauf, die auf bestimmte Eigenschaften hindeuten.

Kommunikationsfähigkeit zeigt sich durch:

• Strukturierte, verständliche Bewerbungsschreiben
• Präsentationserfahrung oder Schulungstätigkeiten
• Kundenbetreuung oder interne Kommunikationsrollen
• Vereins- oder Ehrenamtstätigkeiten mit Kommunikationsfokus

Gewichtung der Kriterien festlegen

Nicht alle Anforderungen sind gleich wichtig. Definieren Sie eine klare Hierarchie:

1. Knock-out-Kriterien (100% erforderlich): Ohne diese geht es nicht
2. Wichtige Kriterien (70-90% Gewichtung): Starker Einfluss auf die Bewertung
3. Nice-to-have (30-50% Gewichtung): Zusatzpunkte, aber nicht entscheidend

Branchenspezifische Anpassungen

Ein Maschinenbauingenieur braucht andere Kompetenzen als ein Social Media Manager. Ihre Must-have-Kriterien müssen diese Unterschiede abbilden.

Beispiel IT-Bereich:

• Technische Skills: 60% Gewichtung
• Problemlösungsfähigkeit: 25% Gewichtung
• Teamarbeit: 15% Gewichtung

Beispiel Vertrieb:

• Verkaufserfahrung: 50% Gewichtung
• Kommunikationsstärke: 30% Gewichtung
• Zahlenaffinität: 20% Gewichtung

Kontinuierliche Optimierung der Kriterien

Prüfen Sie regelmäßig: Führen Ihre Kriterien zu erfolgreichen Einstellungen? KI-Systeme können diese Rückkopplung automatisch analysieren und Verbesserungsvorschläge liefern.

KI-Tools für die Bewerbungsvorauswahl im Vergleich

Der Markt für KI-gestützte Recruiting-Tools wächst rasant. Doch nicht jede Lösung passt zu jedem Unternehmen. Hier die wichtigsten Kategorien und ihre Stärken:

Enterprise-Lösungen für große Unternehmen

Diese Systeme können 1000+ Bewerbungen gleichzeitig verarbeiten und bieten umfangreiche Compliance-Features. Typische Anbieter sind Workday, SAP SuccessFactors oder Oracle HCM.

Vorteile:

• Hohe Verarbeitungskapazität
• Umfangreiche Reporting-Funktionen
• Integration in bestehende HR-Systeme
• Starke Compliance-Features

Nachteile:

• Hohe Kosten (ab 50.000€ pro Jahr)
• Komplexe Implementierung (6-12 Monate)
• Overkill für mittelständische Unternehmen

Mittelstands-Lösungen mit KI-Features

Tools wie Personio, Recruitee oder StepStone haben KI-Module integriert, die speziell für Unternehmen mit 50-500 Mitarbeitern entwickelt wurden.

Spezialisierte KI-Recruiting-Tools

Reine KI-Lösungen wie HireVue, Pymetrics oder Ideal fokussieren sich ausschließlich auf intelligente Bewerbungsanalyse.

Diese Tools bieten oft die fortschrittlichsten KI-Algorithmen, erfordern aber Integration in bestehende Systeme.

Custom-Lösungen für spezielle Anforderungen

Manche Unternehmen entwickeln eigene KI-Systeme oder lassen sie entwickeln. Das macht Sinn bei sehr spezifischen Anforderungen oder sensiblen Daten.

Wann eine Custom-Lösung sinnvoll ist:

• Sehr spezifische Branchenanforderungen
• Besondere Datenschutz-Anforderungen
• Integration in komplexe Legacy-Systeme
• Besondere Compliance-Vorgaben

Auswahlkriterien für Ihr Unternehmen

Die richtige Tool-Auswahl hängt von fünf Faktoren ab:

1. Bewerbungsvolumen: Wie viele Bewerbungen verarbeiten Sie pro Monat?
2. Budget: Was können Sie für KI-Recruiting investieren?
3. Bestehende Systeme: Welche HR-Software nutzen Sie bereits?
4. Compliance-Anforderungen: Welche rechtlichen Vorgaben müssen Sie einhalten?
5. Interne Expertise: Haben Sie KI-Knowhow im Team oder brauchen Sie Vollservice?

Schritt-für-Schritt: Bewerbungs-KI richtig implementieren

Die beste KI nutzt nichts, wenn die Implementierung scheitert. Hier der praxiserprobte Fahrplan für erfolgreiche Einführung:

Phase 1: Vorbereitung und Analyse (2-4 Wochen)

Schritt 1: Ist-Analyse des aktuellen Recruiting-Prozesses

Dokumentieren Sie Ihren aktuellen Ablauf minutiös. Wo verlieren Sie Zeit? Welche Schritte sind besonders subjektiv? An welchen Stellen entstehen Bottlenecks?

Schritt 2: Stakeholder-Alignment

Holen Sie alle Beteiligten ins Boot: HR, Fachabteilungen, IT, Betriebsrat und Geschäftsführung. Klären Sie Befürchtungen früh und transparent.

Schritt 3: Must-have-Kriterien definieren

Arbeiten Sie mit den Fachabteilungen die konkreten Anforderungen für jede Position heraus. Nutzen Sie die Erkenntnisse aus dem vorherigen Kapitel.

Phase 2: Pilot-Projekt starten (4-6 Wochen)

Beginnen Sie klein. Wählen Sie eine Position mit hohem Bewerbungsaufkommen aber niedrigem Risiko. IT-Support oder Junior-Positionen eignen sich gut für den Start.

Parallel-Betrieb einrichten:

• KI führt Vorauswahl durch
• Menschliche Vorauswahl läuft parallel
• Ergebnisse werden verglichen und analysiert
• Keine Bewerber werden durch KI-Testlauf benachteiligt

Phase 3: Feintuning und Optimierung (4-8 Wochen)

Die ersten Ergebnisse werden nicht perfekt sein. Das ist normal und erwünscht – KI-Systeme lernen durch Feedback.

Wichtige Optimierungsschritte:

1. Falsch-positive reduzieren (gute Bewerber, die aussortiert wurden)
2. Falsch-negative minimieren (schlechte Bewerber, die durchgerutscht sind)
3. Gewichtung der Kriterien anpassen
4. Neue Must-have-Kriterien ergänzen

Phase 4: Vollständige Einführung (2-4 Wochen)

Erst wenn das System im Pilot zufriedenstellend funktioniert, weiten Sie es auf alle Positionen aus.

Change Management beachten:

• Mitarbeiter-Schulungen durchführen
• Neue Prozesse dokumentieren
• Ansprechpartner für Fragen definieren
• Regelmäßige Review-Termine einrichten

Häufige Implementierungs-Fehler vermeiden

Fehler 1: Zu schnelle Einführung

Manche Unternehmen wollen sofort alle Positionen mit KI besetzen. Das führt zu Chaos und Widerstand im Team.

Fehler 2: Keine Mitarbeiter-Schulung

KI ersetzt nicht menschliches Urteilsvermögen, sondern unterstützt es. Ihre Mitarbeiter müssen verstehen, wie sie die KI-Ergebnisse richtig interpretieren.

Fehler 3: Set-and-forget-Mentalität

KI-Systeme brauchen kontinuierliche Optimierung. Planen Sie monatliche Reviews und Anpassungen ein.

Erfolgsmessung definieren

Legen Sie vor der Implementierung fest, woran Sie Erfolg messen:

• Zeit pro Vorauswahl (Ziel: 70-80% Reduktion)
• Qualität der Kandidaten (Feedback von Fachabteilungen)
• Diversität der ausgewählten Bewerber
• Zufriedenheit der Recruiter
• Time-to-hire verkürzen

Rechtssichere Bewerbungsauswahl mit KI

KI im Recruiting bewegt sich in einem komplexen rechtlichen Rahmen. Das Allgemeine Gleichbehandlungsgesetz (AGG), die DSGVO und das Betriebsverfassungsgesetz setzen klare Grenzen.

DSGVO-Compliance bei der Bewerbungsanalyse

Personenbezogene Daten von Bewerbern unterliegen strengem Schutz. Bei KI-Analyse müssen Sie zusätzliche Vorsichtsmaßnahmen treffen:

Rechtmäßige Verarbeitung sicherstellen:

• Einwilligung der Bewerber zur KI-Analyse einholen
• Zweckbindung beachten (nur für Bewerbungsverfahren)
• Datenminimierung umsetzen (nur relevante Daten analysieren)
• Speicherbegrenzung einhalten (Löschung nach Verfahrensende)

Transparenz gegenüber Bewerbern:

Sie müssen Bewerber informieren, dass KI zum Einsatz kommt. Das sollte bereits in der Stellenausschreibung stehen und detailliert in der Datenschutzerklärung erläutert werden.

AGG-konforme Diskriminierungsvermeidung

Das Allgemeine Gleichbehandlungsgesetz verbietet Diskriminierung aufgrund von Geschlecht, Alter, Herkunft, Religion, Behinderung oder sexueller Orientierung.

Technische Schutzmaßnahmen implementieren:

• Bias-Monitoring aktivieren
• Geschlecht-neutrale Bewertung sicherstellen
• Alters-diskriminierende Kriterien eliminieren
• Herkunfts-bezogene Schlüsse verhindern

Dokumentationspflicht beachten:

Automatisierte Entscheidungen müssen nachvollziehbar dokumentiert werden. Speichern Sie für jede KI-Entscheidung:

• Verwendete Kriterien und deren Gewichtung
• Bewertungsergebnis mit Begründung
• Zeitpunkt der Analyse
• Version des verwendeten Algorithmus

Betriebsrat und Mitbestimmung

KI-Systeme im Recruiting sind mitbestimmungspflichtig nach § 94 BetrVG. Der Betriebsrat muss zustimmen, bevor Sie das System einsetzen dürfen.

Praxistipp für die Betriebsrats-Verhandlung:

• Betonen Sie die Objektivierung des Auswahlprozesses
• Zeigen Sie auf, wie KI Diskriminierung reduziert
• Bieten Sie Transparenz über die verwendeten Algorithmen
• Vereinbaren Sie regelmäßige Reviews der KI-Entscheidungen

Haftungsrisiken minimieren

Bei fehlerhaften KI-Entscheidungen können Schadensersatzansprüche entstehen. Schützen Sie sich durch:

Sorgfältige Anbieter-Auswahl:

• Zertifizierte KI-Systeme bevorzugen
• Haftungsübernahme vertraglich regeln
• Regelmäßige Audits der KI-Performance
• Backup-Systeme für kritische Entscheidungen

Europäische KI-Verordnung beachten

Die EU KI-Verordnung klassifiziert KI-Systeme im Recruiting als „hohes Risiko“. Das bedeutet zusätzliche Compliance-Anforderungen:

• CE-Kennzeichnung des KI-Systems erforderlich
• Risikomanagement-System implementieren
• Menschliche Aufsicht sicherstellen
• Transparenz und Erklärbarkeit gewährleisten

Diese Regelungen gelten ab 2025 vollständig. Bereiten Sie sich frühzeitig vor.

Praxisbeispiele: So sparen Unternehmen 80% Zeit bei der Vorauswahl

Theorie ist gut – Praxis ist besser. Hier drei reale Fallstudien, wie Unternehmen KI-gestützte Bewerbungsauswahl erfolgreich umgesetzt haben:

Fall 1: Mittelständischer Maschinenbau spart 15 Stunden pro Woche

Ausgangssituation: Müller Maschinenbau (280 Mitarbeiter) suchte permanent nach Ingenieuren und Facharbeitern. Die HR-Abteilung mit 2 Personen war völlig überlastet.

Problem: 60-80 Bewerbungen pro Woche, durchschnittlich 12 Minuten Bearbeitungszeit pro Bewerbung = 12-16 Stunden reine Vorauswahl-Zeit.

Lösung: Implementierung einer KI-gestützten Vorauswahl mit folgenden Must-have-Kriterien:

• Abgeschlossene technische Ausbildung/Studium
• Mindestens 2 Jahre Berufserfahrung
• CAD-Kenntnisse (SolidWorks, AutoCAD oder Inventor)
• Deutschkenntnisse B2 oder besser
• Bereitschaft zu gelegentlichen Dienstreisen

Ergebnis nach 6 Monaten:

• Vorauswahl-Zeit reduziert von 15 auf 3 Stunden pro Woche
• Qualität der Kandidaten gestiegen (laut Fachabteilungen)
• Weniger Absagen im Bewerbungsprozess
• ROI der KI-Investition bereits nach 4 Monaten erreicht

Fall 2: IT-Dienstleister automatisiert komplexe Skill-Bewertung

Ausgangssituation: TechSolutions GmbH (150 Mitarbeiter) suchte ständig Entwickler, Consultants und Projektmanager für verschiedene Kunden-Projekte.

Problem: Jede Position hatte andere Skill-Anforderungen. Die manuelle Bewertung dauerte pro Bewerbung 20-30 Minuten.

Lösung: KI-System mit dynamischen Skill-Profilen:

Besonderheit: Das System erkennt Skills auch bei unkonventionellen Beschreibungen. Beispiel: „Leitung der Digitalisierung des Einkaufsprozesses“ wird als Projektmanagement und Change Management erkannt.

Ergebnis:

• 89% Zeitersparnis bei der Vorauswahl
• Bessere Passung zwischen Kandidaten und Projekten
• Höhere Erfolgsquote bei Kundeninterviews
• Schnellere Besetzung kritischer Positionen

Fall 3: Handelskette standardisiert Filialleiter-Auswahl

Ausgangssituation: RegionalMarkt AG (45 Filialen) suchte regelmäßig Filialleiter und stellvertretende Leiter. Jede Region bewertete Kandidaten anders.

Problem: Inkonsistente Auswahlkriterien führten zu unterschiedlichen Qualitäten bei den Führungskräften. Manche Regionen waren sehr erfolgreich, andere hatten hohe Fluktuation.

Lösung: Vereinheitlichung der Auswahlkriterien durch KI:

Must-have-Kriterien für Filialleiter:

1. Mindestens 3 Jahre Führungserfahrung im Handel
2. Kaufmännische Ausbildung oder vergleichbare Erfahrung
3. Nachgewiesene P&L-Verantwortung
4. Krisenmanagement-Erfahrung
5. Kundenorientierung (messbar durch Kundenbewertungen früherer Tätigkeiten)

Soft Skills-Indikatoren:

• Teamführung: Nachweis erfolgreicher Teamleitung
• Problemlösung: Beispiele für bewältigte Herausforderungen
• Kommunikation: Kundenschulungen oder Präsentationserfahrung
• Belastbarkeit: Erfahrung in stressigen Umgebungen

Ergebnis nach 12 Monaten:

• Einheitliche Qualität der Filialleiter in allen Regionen
• Fluktuation der Führungskräfte um 40% gesunken
• Umsatzsteigerung in schwächeren Filialen durch bessere Leitung
• Schnellere Nachbesetzung bei Vakanzen

Erfolgsfaktoren aus allen drei Fällen

Was macht diese Implementierungen erfolgreich? Drei gemeinsame Faktoren:

1. Klare, messbare Kriterien

Alle Unternehmen haben ihre Must-have-Anforderungen sehr konkret formuliert. Schwammige Begriffe wie „Teamfähigkeit“ wurden durch messbare Indikatoren ersetzt.

2. Schrittweise Einführung

Keines der Unternehmen hat KI sofort für alle Positionen eingesetzt. Sie begannen mit einer Rolle und weiteten nach Optimierung aus.

3. Kontinuierliche Optimierung

Die KI-Systeme wurden regelmäßig angepasst basierend auf Feedback der Fachabteilungen und Erfolg der eingestellten Kandidaten.

ROI-Berechnung für KI-gestützte Bewerbungsauswahl

Basierend auf den Fallstudien können Sie den Return on Investment für Ihr Unternehmen abschätzen:

Bei typischen Implementierungskosten von 10.000-15.000€ amortisiert sich die Investition bereits nach 5-7 Monaten.

Fazit: KI macht Bewerbungsauswahl fair, schnell und messbar besser

Die Zahlen sprechen für sich: 80% Zeitersparnis, objektivere Entscheidungen, weniger Diskriminierung. KI-gestützte Bewerbungsvorauswahl ist kein Zukunftstraum mehr – sie ist Realität.

Der Schlüssel liegt in der richtigen Implementierung. Klare Must-have-Kriterien, schrittweise Einführung und kontinuierliche Optimierung entscheiden über Erfolg oder Misserfolg.

Aber vergessen Sie nie: KI ersetzt nicht menschliches Urteilsvermögen. Sie unterstützt es. Die finale Entscheidung treffen immer noch Menschen – nur mit besseren, objektiveren Informationen.

Die Frage ist nicht mehr, ob KI im Recruiting kommt. Die Frage ist: Wann fangen Sie an?

Häufig gestellte Fragen (FAQ)

Wie genau funktioniert KI bei der Bewerbungsauswahl?

KI analysiert Bewerbungsunterlagen anhand vordefinierter Kriterien und erkennt Muster in Lebensläufen und Anschreiben. Sie bewertet Skills, Erfahrungen und Qualifikationen objektiv und erstellt ein Ranking der Kandidaten basierend auf der Übereinstimmung mit den Stellenanforderungen.

Ist KI-gestützte Bewerbungsauswahl rechtlich erlaubt?

Ja, aber mit Auflagen. Sie müssen DSGVO-konform arbeiten, Bewerber über den KI-Einsatz informieren und Diskriminierung verhindern. Der Betriebsrat muss zustimmen und die EU KI-Verordnung (ab 2025) beachtet werden. Bei korrekter Implementierung ist KI-Recruiting vollständig legal.

Wie viel kostet eine KI-Lösung für Bewerbungsauswahl?

Die Kosten variieren je nach Unternehmensgröße und Anforderungen. Mittelstandslösungen kosten 200-800€ pro Monat, Enterprise-Systeme ab 50.000€ jährlich. Dazu kommen einmalige Implementierungskosten von 5.000-15.000€. Der ROI wird meist nach 4-7 Monaten erreicht.

Wie lange dauert die Implementierung einer Bewerbungs-KI?

Ein typisches Projekt dauert 3-6 Monate: 2-4 Wochen Vorbereitung, 4-6 Wochen Pilot-Phase, 4-8 Wochen Optimierung und 2-4 Wochen Volleinführung. Die genaue Dauer hängt von der Komplexität Ihrer Anforderungen und der gewählten Lösung ab.

Kann KI alle Arten von Bewerbungen bewerten?

KI funktioniert am besten bei strukturierten Positionen mit klaren Anforderungen. Kreative Berufe, Senior-Management oder sehr spezielle Nischenpositionen sind schwieriger automatisiert bewertbar. Für diese Rollen sollte KI nur als Unterstützung, nicht als Hauptentscheidungskriterium eingesetzt werden.

Wie verhindere ich Diskriminierung durch KI-Algorithmen?

Durch bewusste Konfiguration: Blenden Sie diskriminierende Faktoren aus (Name, Foto, Geschlecht), nutzen Sie Bias-Monitoring, definieren Sie objektive Kriterien und überwachen Sie die Ergebnisse regelmäßig. Wichtig ist auch die Auswahl eines seriösen Anbieters mit nachweislicher Bias-Reduktion.

Was passiert, wenn die KI falsche Entscheidungen trifft?

KI ist ein Unterstützungstool, keine Entscheidungsmaschine. Menschen treffen die finalen Entscheidungen basierend auf KI-Empfehlungen. Falsche Einschätzungen werden durch kontinuierliches Feedback-Learning reduziert. Wichtig: Dokumentieren Sie alle Entscheidungen für Nachvollziehbarkeit und rechtliche Absicherung.

Brauche ich technische Expertise für KI-Recruiting?

Nicht zwingend. Moderne KI-Recruiting-Tools sind benutzerfreundlich gestaltet. Sie brauchen HR-Expertise für die Kriterien-Definition und grundlegendes Verständnis der KI-Funktionsweise. Technische Implementierung übernehmen meist die Anbieter oder externe Dienstleister.

Wie messe ich den Erfolg der KI-gestützten Bewerbungsauswahl?

Relevante KPIs sind: Zeitersparnis bei der Vorauswahl (Ziel: 70-80%), Qualität der ausgewählten Kandidaten (Feedback Fachabteilungen), Reduzierung der Time-to-hire, Diversität der Kandidaten und Zufriedenheit der Recruiter. Messen Sie diese Werte vor und nach der KI-Implementierung.

Können Bewerber gegen KI-Entscheidungen Einspruch einlegen?

Ja, das ist ihr Recht nach DSGVO Art. 22. Sie müssen Bewerbern die Möglichkeit geben, KI-Entscheidungen überprüfen zu lassen und menschliche Bewertung zu fordern. Deshalb sollte KI nie vollautomatisch entscheiden, sondern immer menschliche Überprüfung ermöglichen.