Warum Agentic AI im Recruiting scheitert – und was TA-Teams ändern sollten

Agentic AI ist das heisseste Thema in HR-Tech gerade. Aber die meisten Unternehmen wundern sich, warum der Aufwand nicht zurückkommt. Die Antwort ist unbequem: Das Problem liegt nicht an der KI.

Genpact-SVP Shubhro Pal bringt es auf den Punkt: „Ohne neu gedachte Prozesse bleibt Agentic AI wirkungslos.“ Was er für Unternehmens-IT formuliert hat, trifft Talent Acquisition gerade mit voller Wucht.

Eine neue Studie von Genpact und HFS Research ("Autonomy Requires Trust in AI", April 2026, n=545 Führungskräfte) zeigt: 92 % der Führungskräfte glauben, dass Agentic AI die Art, wie Arbeit ausgeführt wird, grundlegend verändern wird. Gleichzeitig arbeiten fast 80 % der Organisationen noch immer im Supervised-Mode – Menschen genehmigen jeden einzelnen Schritt.

Im Recruiting läuft das genauso. AI-Agenten sourcen, schreiben Kandidaten an, terminieren Interviews – und dann wartet der Agent auf die manuelle Freigabe durch einen Recruiter, der gerade drei andere Dinge jongliert. Der versprochene Autonomie-Gewinn verpufft.

Das Problem: Prozessschuld im Recruiting

Der häufigste Irrtum: „Wir kaufen das Tool, und dann läuft es.“ Aber 33 % der befragten Unternehmen in der Genpact/HFS-Studie nennen unvorbereitete Geschäftsprozesse als größtes Hindernis für Agentic AI – noch vor Datenproblemen und fehlendem Budget.

Im Recruiting manifestiert sich das als klassische Prozessschuld: Stellenanforderungen kommen per E-Mail statt strukturiert im System. Briefings laufen informell ab. Freigaben werden manuell eingeholt, weil keine Entscheidungsregeln definiert sind. Statusupdates an Kandidaten erfolgen nach Gefühl, nicht nach Trigger.

Wer einen AI-Agenten auf manuelle Handoff-Ketten schickt, bekommt einen sehr teuren Autofill-Bot – aber keine echte Automatisierung.

Was Agentic AI im Recruiting wirklich braucht

1. Accountability – Wer ist für was verantwortlich?

Wenn ein AI-Agent einem Kandidaten automatisch eine Absage schickt: Wer hat das zu verantworten? Ohne klare Entscheidungsregeln werden TA-Teams immer zögern, Autonomie abzugeben. Die Lösung ist nicht, weniger zu automatisieren – sondern Entscheidungsregeln explizit zu definieren und zuzuordnen.

2. Measurement – Neue KPIs für neue Arbeitsweisen.

67 % der Unternehmen messen Agentic AI noch mit Produktivitätskennzahlen aus dem letzten Jahrzehnt. Im Recruiting bedeutet das: Man misst weiterhin „Recruiter-Stunden pro Hire“ statt „autonomer Workflow-Completion-Rate“. Wer mit alten Metriken misst, rechtfertigt immer alte Prozesse.

3. People – Neue Rollen, keine Angst.

44 % der Führungskräfte erwarten flachere Strukturen, weil AI Koordinationsaufwand übernimmt. Recruiter brauchen neue Verantwortlichkeiten: Workflow-Orchestrierung, Qualitätssicherung von Agent-Outputs, Candidate Experience für die Momente, die Menschlichkeit brauchen. Das ist keine Bedrohung – es ist ein Upgrade.

4. Process – Prozesse für Autonomie, nicht für Menschen.

Recruiting-Prozesse wurden für menschliche Entscheider gebaut: mit Rückfragen, Bauchgefühl, Ausnahmen. Agentic AI braucht das Gegenteil: klare Entscheidungsbäume, definierte Übergabepunkte, strukturierte Inputs.

Wo sich im Funnel was ändern muss

Stellenanforderung / Intake

Das Problem heute: Der Hiring Manager schreibt eine E-Mail. Oder ruft an. Die Anforderung lebt im Kopf des Recruiters.

Was der Agent bräuchte: Ein strukturiertes Intake-Formular mit Pflichtfeldern – Muss-Kriterien, Soll-Kriterien, Ausschlusskriterien, Gehaltsrahmen, Startdatum. Nicht als PDF, sondern als Datenbankeinträge, die das System lesen kann.

Was tun: Intake-Prozess standardisieren. Kein Briefing ohne ausgefülltes Template.

Sourcing & Erstkontakt

Das Problem heute: Wenn Kriterien nicht binär definiert sind, matched der Agent nach Keywords und erzeugt Rauschen statt Leads.

Was der Agent bräuchte: Binär bewertbare Kriterien: Ja/Nein, Minimum X, Ausschluss wenn Y. Nicht „gutes kulturelles Fit“.

Was tun: Eignungskriterien in zwei Schichten aufteilen: Was kann automatisch geprüft werden (Hard Facts)? Was braucht menschliche Einschätzung (Soft Signals)?

Screening & Bewerbungseingang

Das Problem heute: Bewerbungen landen im ATS, aber die Weiterleitungslogik ist unklar. Manche bleiben wochenlang ungesichtet.

Was der Agent bräuchte: Klare Routing-Regeln: Wenn Kriterium A + B erfüllt → direkt zu Telefoninterview. Wenn Kriterium C fehlt → automatische Absage. Wenn Grenzfall → Recruiter-Queue.

Was tun: Entscheidungsbaum für den Erstkontakt aufschreiben. Die meisten Teams haben das noch nie explizit gemacht.

Interview-Koordination

Das Problem heute: Drei E-Mails hin und her, zwei Kalender, ein Hiring Manager, der seinen Kalender nicht freigibt.

Was der Agent bräuchte: Freigabe der Hiring-Manager-Kalender für automatisches Scheduling, klare Regeln für Pufferzeiten, definierte Interview-Panels.

Was tun: Hiring Manager ins Boot holen. Ohne Kalenderintegration ist Scheduling-Automatisierung wirkungslos.

Feedback & Entscheidung

Das Problem heute: Feedback kommt nach dem Interview – irgendwann. Per Slack, in der Kaffeeküche, manchmal gar nicht.

Was der Agent bräuchte: Strukturiertes Feedback-Formular (Go/No-Go + Begründung in Kategorien) innerhalb einer definierten Frist. Trigger: Wenn kein Feedback in 24h → Reminder. Wenn Go → automatisch nächster Schritt.

Was tun: Feedback-SLA einführen und technisch erzwingen. Nicht bitten – einbauen.

Absagen & Candidate Experience

Das Problem heute: Absagen erfolgen zu spät, zu generisch oder gar nicht.

Was der Agent bräuchte: Klare Absage-Trigger und Templates, die der Agent kontextsensitiv befüllt.

Was tun: Kommunikations-Workflows entlang der Candidate Journey definieren. Der Agent übernimmt die Standardkommunikation – Recruiter übernehmen die Momente, die zählen.

Fun Fact: Genau diese Dinge bräuchten auch menschliche Recruiter seit vielen Jahren, um ihren Job besser machen zu können - vielleicht hat die AI ja mehr Glück und bekommt diese Infos in dieser Form.

Prozess-Audit vor Tool-Deployment

Bevor ihr den nächsten AI-Agenten deployed: Geht jeden dieser Schritte durch und fragt ehrlich – haben wir die Entscheidungsregel dafür aufgeschrieben? Wenn die Antwort oft „nein, weil es zu viele Ausnahmen gibt“ lautet, habt ihr kein KI-Problem. Ihr habt ein Prozess-Problem.

Die gute Nachricht: Dieses Audit zahlt sich auch ohne Agentic AI aus. Prozessklarheit macht Recruiting schneller, konsistenter und fairer. Der eigentliche Wettbewerbsvorteil im TA der nächsten Jahre wird nicht das beste Tool sein. Es wird die Fähigkeit sein, Prozesse so zu bauen, dass Tools ihre Wirkung entfalten können.

Basierend auf: Shubhro Pal (Genpact), „Ohne neu gedachte Prozesse bleibt Agentic AI wirkungslos“, IT-Director 31(6), 2026 / Genpact & HFS Research: „Autonomy Requires Trust in AI“, April 2026

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.