KI-Agenten im HR: Was sie heute leisten, was noch Zukunft ist

Klassische HR-Automatisierung (z.B. RPA) folgt festen, vorab definierten Regeln und kann nicht auf unvorhergesehene Situationen reagieren. Ein KI-Agent kann Kontext interpretieren, Entscheidungsalternativen abwägen und eigenständig externe Systeme abfragen. Ein RPA-Bot leitet einen Urlaubsantrag nur bei erfüllter Bedingung weiter, ein KI-Agent versteht die Formulierung "Ich brauche nächste Woche frei" in einer E-Mail, prüft den Resturlaub, identifiziert Überschneidungen mit Teamabwesenheiten und schlägt einen freien Slot vor.

KI-Recruiting kann DSGVO-konform gestaltet werden, ist es aber nicht automatisch. Entscheidend sind: eine Rechtsgrundlage für die Datenverarbeitung (z.B. Art. 6 Abs. 1 lit. b DSGVO für die Vertragsanbahnung), eine Transparenzinformation gegenüber Bewerbenden über den KI-Einsatz, kein vollautomatisierter Ablehnungsbescheid ohne menschliche Prüfung (Art. 22 DSGVO), Datenminimierung und definierte Löschfristen nach Abschluss des Recruiting-Prozesses. Hinzu kommen ein Auftragsverarbeitungsvertrag nach Art. 28 und geeignete Garantien bei Datenübermittlung in Drittstaaten.

HR-KI gilt als Hochrisikosystem nach Anhang III des EU AI Act (Verordnung (EU) 2024/1689), wenn sie Entscheidungen zu Einstellung, Beförderung, Aufgabenzuweisung, Leistungsbewertung oder Kündigung von Mitarbeitenden vorbereitet, empfiehlt oder trifft. Das gilt unabhängig davon, ob die finale Entscheidung ein Mensch trifft; allein die KI-gestützte Vorbereitung löst die Hochrisiko-Pflichten aus (Risikobewertung, Schulung, Protokollierung, menschliche Aufsicht). Generische Chatbots ohne Auswirkung auf Beschäftigungsbedingungen, reine Terminplanungs-KI und Lernpfad-Empfehlungen ohne Beförderungslogik fallen in der Regel nicht darunter. Die Pflichten für Anhang-III-Systeme gelten nach dem Digital Omnibus (Verordnung (EU) 2026/1744) ab dem 2. Dezember 2027. Die maßgebliche Frage ist: Bereitet das System eine Entscheidung vor, die individuelle Beschäftigungs- oder Arbeitsbedingungen beeinflusst?

Nein, zumindest nicht in absehbarer Zukunft. KI kann administrative, repetitive und datenintensive Aufgaben erheblich beschleunigen und teilweise vollständig übernehmen. Sie kann jedoch keine Empathie zeigen, keine vertraulichen Gespräche führen, keine komplexen Interessenkonflikte moderieren und keine Unternehmenskultur gestalten. Die Rolle der HR-Abteilung verschiebt sich von der Verwaltung hin zu Strategie, Change Management und menschlicher Führungsunterstützung.

Bias in HR-KI erkennen Sie durch regelmäßige Analyse von Ablehnungsraten nach Geschlecht, Herkunft, Alter und anderen geschützten Merkmalen (§ 1 AGG), Vergleich der KI-Empfehlungen mit tatsächlichen Einstellungsentscheidungen sowie externe Algorithmus-Audits durch unabhängige Prüforganisationen. Das Amazon-Beispiel (Reuters, Oktober 2018) zeigt: Das Unternehmen stellte intern 2017 ein KI-Recruiting-System ein, nachdem festgestellt wurde, dass es weiblich konnotierte Begriffe systematisch schlechter bewertete. Falls Ihre KI-Software keine Reporting-Funktionen für Ablehnungsraten nach Merkmalen bietet, ist das selbst ein Warnsignal. Nach § 22 AGG trägt der Arbeitgeber die Beweislast, sobald ein Bewerber Indizien beweist, die eine Benachteiligung vermuten lassen.

Breit einsetzbar sind Anwendungen mit geringem Entscheidungsbezug: KI-Erstellung und Optimierung von Stellenanzeigen, HR-Chatbots für Standardanfragen (Urlaub, Gehalt, Policies), Terminplanung für Vorstellungsgespräche und die Auswertung von Freitexten aus Mitarbeiterbefragungen. Nach Bitkom (September 2026) nutzen 9% der Unternehmen in Deutschland KI für Stellenanzeigen, 6% für die erste Durchsicht von Bewerbungen und 2% für Bewerbungsgespräche. Noch in der Erprobung mit schwankenden Ergebnissen sind Predictive Attrition Analytics, vollautomatisierte Performance-Review-Zusammenfassungen und kompetenzbasierte Lernpfadempfehlungen. Funktionen, die Auswahl oder Bewertung vorbereiten, fallen unter die Hochrisiko-Pflichten des EU AI Act.

"Genehmigen" ist nicht der richtige Begriff, aber der Betriebsrat hat weitreichende Rechte. Gemäß § 87 Abs. 1 Nr. 6 BetrVG besteht ein erzwingbares Mitbestimmungsrecht bei technischen Systemen, die Verhalten oder Leistung von Arbeitnehmern überwachen können oder hierzu geeignet sind. Das bedeutet: Ohne Einigung mit dem Betriebsrat kann ein solches KI-System formal nicht eingeführt werden. Bei Nicht-Einigung entscheidet die Einigungsstelle, was KI-Projekte erheblich verzögern kann. Für die Beurteilung von KI darf der Betriebsrat nach § 80 Abs. 3 BetrVG einen Sachverständigen hinzuziehen, dessen Erforderlichkeit gesetzlich als gegeben gilt. Frühzeitige, transparente Einbindung des Betriebsrats ist deshalb rechtlich geboten und strategisch sinnvoll. Eine Betriebsvereinbarung vor Produktiveinführung ist der empfohlene Weg.

Preise für KI-Funktionen sind meist nicht öffentlich und hängen von Anbieter, Tarif und Mitarbeiterzahl ab (Preis auf Anfrage). Teils sind KI-Funktionen in höheren Tarifen enthalten, teils als Zusatzmodul buchbar. Neben den Lizenzkosten fallen Einführung, Schnittstellen, Schulung nach EU AI Act und laufende Pflege an. Eine vollständige TCO-Berechnung ist vor jeder Kaufentscheidung sinnvoll (TCO bei HR-Software).

Es gibt zwei Hauptmodelle: Retrieval-Augmented Generation (RAG) und Fine-Tuning. RAG verbindet ein allgemeines Sprachmodell mit einer internen Wissensdatenbank (z.B. HR-Richtlinien, Betriebsvereinbarungen, Handbüchern). Das Modell wird nicht verändert, es sucht relevante Dokumente vor jeder Antwort. RAG ist meist schneller und günstiger und lässt sich datenschutzrechtlich oft einfacher beherrschen. Fine-Tuning passt das Modell selbst auf Basis eigener Daten an und erfordert große Datensätze, technische Expertise und erhebliche Infrastrukturkosten. Für die meisten DACH-Mittelständler ist RAG der realistischere Einstieg. Wichtig: Bei beiden Modellen gilt die DSGVO, und die Nutzung von HR-Daten für Anbieter-Modelltraining muss vertraglich ausgeschlossen werden.

Generative KI (z.B. ChatGPT, Claude, SAP Joule) erzeugt neue Inhalte: Texte, Zusammenfassungen, Antworten und Vorschläge. Prädiktive KI (z.B. Fluktuationsmodelle, Talent-Matching-Algorithmen) analysiert historische Daten und berechnet Wahrscheinlichkeiten für zukünftige Ereignisse. Beide Typen können kombiniert werden: Ein prädiktives Modell identifiziert Abwanderungsrisiken, eine generative KI formuliert dann personalisierte Retentions-Gesprächsleitfäden für Führungskräfte.

MCP ist ein offener Standard, der KI-Assistenten über eine einheitliche Schnittstelle mit Fachsystemen verbindet. Anthropic hat ihn 2024 vorgestellt und im Dezember 2025 an die Agentic AI Foundation der Linux Foundation übergeben. In HR-Software ermöglicht ein MCP-Server, dass ein Assistent Daten liest und Aktionen auslöst, etwa Bewerberstatus abfragen oder Stellen anlegen. Workable bietet laut Herstellerangabe einen MCP-Server mit 38 Werkzeugen. Entscheidend sind die Rechte der angemeldeten Person, Protokolle und eine menschliche Freigabe für schreibende Aktionen.

Nein. Der Digital Omnibus (Verordnung (EU) 2026/1744, in Kraft seit 27. Juli 2026) hat die Frist für Hochrisiko-KI nach Anhang III auf den 2. Dezember 2027 verschoben, für Systeme in regulierten Produkten nach Anhang I auf den 2. August 2028. Am 2. August 2026 sind dennoch die allgemeine Geltung der Verordnung und die Transparenzpflichten nach Art. 50 für neue Systeme gestartet. Unabhängig vom Aufschub gelten bereits Art. 4 und Art. 5, die DSGVO, § 87 BetrVG und das AGG.

Beginnen Sie mit einem Inventar aller eingesetzten KI-Funktionen, auch der frei genutzten Assistenten. Vergeben Sie Rechte nach dem Prinzip der geringsten Berechtigung, trennen Sie Lesen und Schreiben und verlangen Sie für Aktionen mit Wirkung auf Beschäftigte oder Bewerbende eine menschliche Freigabe. Sorgen Sie für Protokolle, legen Sie Verantwortliche je Prozess fest und schließen Sie eine Betriebsvereinbarung ab.