NLP im Recruiting: Wie Textanalyse Bias abbaut – und wo sie neue Risiken schafft
Zwei Stellenanzeigen, fast identischer Job, fast identisches Unternehmen. Die eine sucht "durchsetzungsstarke Machertypen für ein forderndes, wettbewerbsorientiertes Umfeld". Die andere sucht "engagierte, verlässliche Teamplayer:innen, die Verantwortung übernehmen wollen".
Zwei Wörterwolken, zwei völlig unterschiedliche Bewerberpools – ohne dass irgendjemand im Unternehmen das bewusst so geplant hätte. Genau an diesem Punkt setzt eine Technologie an, die in der Recruiting-Debatte gerade zwei Rollen gleichzeitig spielt: NLP, also Natural Language Processing, die maschinelle Analyse von Sprache.
Auf der einen Seite verspricht sie, genau solche unbewussten Muster sichtbar zu machen und damit Bias in Stellenanzeigen, beim Screening und bei der Bewertung zu verringern. Auf der anderen Seite steckt in denselben Technologien – vor allem, sobald sie von gesprochener Sprache im Interview losgelassen werden – das Potenzial, ganz neue, subtilere Formen von Diskriminierung zu erzeugen. Beides ist wahr, gleichzeitig, und genau das macht das Thema für TA-Teams in der Schweiz, Deutschland und Österreich gerade jetzt relevant.
Der Sprachtest, den fast keine Anzeige besteht
Wie gross das Problem tatsächlich ist, zeigt eine aktuelle Auswertung von StepStone, die 683'000 Stellenanzeigen im DACH-Raum durchleuchtet hat. Ergebnis: 96 Prozent der Anzeigen enthalten geschlechtsspezifisch codierte Sprache. 50 Prozent davon sind männlich geprägt, 32 Prozent weiblich, und gerade einmal 17 Prozent formulieren wirklich neutral.
Typisch männlich codierte Adjektive sind demnach "eigenständig", "individuell", "herausfordernd" oder "karriereorientiert", typisch weiblich codierte dagegen "engagiert", "zuverlässig", "verantwortungsbewusst" oder "motivierend". Besonders deutlich wird der Effekt in der Führungsebene: Führungspositionen werden zu 62 Prozent als männlich codiert formuliert, Einstiegspositionen hingegen nur zu 49 Prozent.
Wer also gezielt Frauen für Führungsrollen gewinnen will, arbeitet mit einer Anzeigensprache, die genau dagegen wirkt, ohne dass jemand das beabsichtigt.
Textio, ein auf genau solche Textanalysen spezialisierter Anbieter aus den USA, hat den Zusammenhang noch direkter belegt: In der Auswertung von fast 79'000 Stellenanzeigen aus dem Engineering-Bereich enthielten Anzeigen, die am Ende zu männlichen Neueinstellungen führten, fast doppelt so viele männlich getönte Formulierungen wie weiblich getönte – und umgekehrt bei Anzeigen, die zu weiblichen Neueinstellungen führten. Anzeigen für Machine-Intelligence-Rollen fielen dabei mit deutlichem Abstand am männlichsten formuliert aus, verglichen mit Data Science, Backend, Frontend oder Full-Stack. Die Sprache in der Anzeige sagt also nicht nur etwas über den Ton des Unternehmens, sondern sie sagt tatsächlich etwas darüber voraus, wer sich am Ende bewirbt und eingestellt wird.
Genau hier setzt die konstruktive Seite von NLP an. Tools, die Anzeigentexte automatisiert scannen, arbeiten nicht mit einer starren Wortliste, sondern mit statistischen Mustern aus echten Bewerbungs- und Einstellungsdaten – sie erkennen also nicht nur "das Wort böse", sondern lernen aus der Korrelation zwischen Formulierung und dem tatsächlichen Bewerberpool.
Für ein TA-Team heisst das im Alltag: Bevor eine Anzeige live geht, lässt sie sich durch einen Sprachcheck schicken, der Tonalität, Klischees und Geschlechtercodierung markiert – ein einfacher, günstiger Hebel mit direkter Wirkung auf die Vielfalt der Bewerbungen, lange bevor überhaupt ein Lebenslauf gesichtet wird.
Die Kehrseite: Wenn die Lösung selbst zum Problem wird
So klar der Nutzen bei Stellenanzeigen ist, so unklar wird es, sobald dieselbe Technologiefamilie auf die gesprochene Sprache im Bewerbungsgespräch trifft. Hier geht es nicht mehr um geschriebene Wörter, sondern um automatische Spracherkennung, Tonfallanalyse und teilweise sogar Mimikauswertung während des Interviews.
Ein Fall aus den USA zeigt, wohin das führen kann: Eine gehörlose und indigene Mitarbeiterin von Intuit bewarb sich intern auf eine Beförderung und musste dafür ein automatisiertes Videointerview über die Plattform HireVue absolvieren. Ihre Bitte um menschlich erstellte Untertitel als Nachteilsausgleich wurde abgelehnt; die Bewerbung wurde anschliessend abgelehnt.
Die US-Bürgerrechtsorganisation ACLU reichte daraufhin Beschwerde ein und wirft der automatischen Spracherkennung vor, bei nicht-weissen Sprechenden sowie bei gehörlosen und schwerhörigen Menschen systematisch schlechter zu funktionieren – mit der Folge, dass geeignete Kandidatinnen und Kandidaten technisch bedingt aussortiert werden, nicht fachlich bedingt.
An dieser Stelle lohnt sich eine kurze Einordnung, weil das Thema Bias im automatisierten Screening auf diesem Blog schon einmal im Zentrum stand – im Beitrag über False Negatives und das Rescue-Loop-Audit-Playbook für ATS-Filter.
Heute setze ich bewusst woanders an: Statt der Frage, wen ein Score-basierter Filter zu Unrecht rauswirft, geht es hier gezielt um Sprache und Sprechen als Bias-Quelle – also um die Ebene, auf der NLP direkt ansetzt, mit klarem Fokus auf die neue Rechtslage rund um genau diese Technologie. Beide Perspektiven ergänzen sich: die eine schaut auf den Filter als Ganzes, die andere auf das sprachliche Rohmaterial, mit dem er gefüttert wird und über das er urteilt.
Der Gesetzgeber hat auf genau dieses Risiko reagiert, und zwar ungewöhnlich deutlich. Der EU AI Act stuft automatisiertes Bewerbermanagement ab dem 2. August 2026 explizit als Hochrisiko-Anwendung ein, einschließlich CV-Screening, automatisierten Rankings und Performance-Bewertung.
Bestimmte Praktiken werden dabei nicht nur reguliert, sondern schlicht verboten: Emotionserkennung anhand von Mimik in Videointerviews gehört ausdrücklich dazu. Damit landet genau die Kombination aus NLP und Sentiment-Auswertung, die im HireVue-Fall zur Debatte stand, in der Kategorie "nicht erlaubt" – nicht "mit Vorsicht einsetzen".
Was der EU AI Act für die DACH-Praxis konkret bedeutet
Für Hochrisiko-Systeme gelten ab August 2026 sieben zentrale Pflichten: eine Konformitätsbewertung vor dem Einsatz, ein dokumentiertes Risikomanagement über den gesamten Lebenszyklus, nachweislich repräsentative und unverzerrte Trainingsdaten, technische Dokumentation samt Protokollierung, transparente Information der Kandidatinnen und Kandidaten darüber, dass und wo KI eingesetzt wird, menschliche Aufsicht mit der dokumentierten Möglichkeit, eine KI-Empfehlung zu überstimmen, sowie Robustheit und Cybersicherheit. Verstösse können teuer werden:
Bei Hochrisiko-Verstössen drohen bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes, bei verbotenen Praktiken sogar bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes.
Für Deutschland und Österreich als EU-Mitgliedstaaten gilt dies unmittelbar. Für die Schweiz liegt der Fall anders, auch wenn das in vielen Artikeln unter den Tisch fällt: Die Schweiz ist kein EU-Mitglied, der AI Act bindet Schweizer Unternehmen also nicht automatisch. Wer allerdings mit EU-Kandidatinnen rekrutiert, Tools von EU-Anbietern nutzt oder als Teil eines internationalen Konzerns agiert, bekommt die Vorgaben in der Praxis trotzdem zu spüren – über Lieferketten, Mutterkonzerne hinweg oder schlicht, weil der eingesetzte Anbieter seine Software ohnehin AI-Act-konform entwickelt.
Wer sich in der Schweiz jetzt schon an den sieben Pflichten orientiert, ist für beide Szenarien gewappnet, egal wie die Digital-Omnibus-Debatte um eine mögliche Verschiebung des Stichtags am Ende ausgeht.
Parallel dazu bleibt die DSGVO relevant, für alle drei Länder gleichermassen. Artikel 22 gibt Bewerbenden das Recht, nicht ausschliesslich einer automatisierten Entscheidung mit rechtlicher oder ähnlich erheblicher Wirkung unterworfen zu werden – eine automatische Ablehnung ganz ohne menschlichen Blick darauf ist damit ohnehin schon heikel, unabhängig vom AI Act. Wer NLP-gestützte Vorauswahl einsetzt, sollte also schon aus Datenschutzgründen einen Menschen im Loop haben, nicht erst, weil es ab 2026 explizit vorgeschrieben ist.
Was TA-Teams mitnehmen können
Für die Praxis lässt sich das auf drei Ebenen reduzieren.
Erstens die einfache, sofort umsetzbare Massnahme: Jede neue Stellenanzeige durch einen Sprachcheck laufen lassen, bevor sie veröffentlicht wird – gerade bei Führungspositionen, wo der Bias laut StepStone-Zahlen am stärksten ausfällt.
Zweitens ein kritischer Blick auf alles, was im Bewerbungsprozess Ton, Tempo oder Sprechweise auswertet: Wird hier lediglich der Gesprächsinhalt transkribiert und ausgewertet, oder fliesst auch Sentiment, Mimik oder Sprechtempo in die Bewertung ein? Genau Letzteres gehört ab August 2026 in weiten Teilen zu den verbotenen Praktiken und sollte schon jetzt hinterfragt werden.
Drittens die organisatorische Hausaufgabe: eine Inventarliste aller im Recruiting eingesetzten KI-Tools erstellen, bevor der Stichtag näher rückt – wer heute schon weiss, welches Tool wofür eingesetzt wird, tut sich beim Nachweis der sieben Pflichten deutlich leichter als jemand, der erst im Sommer 2026 anfängt zu suchen.
Am Ende zeigt sich ein Muster, das im Recruiting immer wieder auftaucht: Dieselbe Technologie kann Bias sichtbar machen und abbauen, oder ihn in neuer Form reproduzieren – je nachdem, an welcher Stelle im Prozess sie ansetzt und wie viel menschliche Aufsicht dabei bleibt. NLP an der Stellenanzeige ist heute schon ein pragmatischer Gewinn.
NLP am Sprechverhalten im Interview ist, Stand jetzt, eher ein Warnsignal als ein Werkzeug – und genau deshalb lohnt sich der zweite Blick, bevor ein Anbieter mit dem Wort "KI-gestützt" die nächste Interviewrunde verkauft.
Quellen
Personalwirtschaft – Sprach-Bias: In wie vielen Stellenanzeigen werden Männer eher adressiert?
Textio – Language in your job post predicts the gender of your hire
HR Dive – AI hiring software was biased against deaf employees, ACLU alleges in ADA case
Skill-Sprinters – KI im Recruiting: Warum der EU AI Act HR ab August 2026 zur Hochrisiko-Zone macht
Transparenzhinweis zur Nutzung von KI
Bei der Erstellung dieses Beitrags wurden Werkzeuge auf Basis künstlicher Intelligenz unterstützend eingesetzt. Sie dienen insbesondere der Recherche und Strukturierung von Informationen, sprachlichen und grammatikalischen Überarbeitung, Übersetzung sowie teilweise der Erstellung oder Bearbeitung von Illustrationen und Bildmaterial.
Konzeption, inhaltliche Aussagen, Bewertungen und Schlussfolgerungen stammen vom Autor und spiegeln dessen persönliche Gedanken, berufliche Erfahrungen und Überzeugungen wider. Sämtliche Inhalte werden vor der Veröffentlichung redaktionell geprüft und verantwortet.
Beiträge auf dieser Website werden nicht automatisiert durch KI erstellt oder veröffentlicht. KI wird als unterstützendes Werkzeug eingesetzt; die inhaltliche und redaktionelle Verantwortung verbleibt vollständig beim Autor.
Kommentare