Serie: Human in the Loop – Folge 2 Recruiting, Lernen und Performance – wie HITL Fairness und Tempo verbindet

Anbieter zum Thema

CADFEM Germany GmbH

d.velop AG

Esker Software Entwicklungs-und Vertrieb

HR steht im Zentrum der KI-Transformation. Wer Recruiting, Lernen und Performance mit Human in the Loop gestaltet, beschleunigt Abläufe und schützt zugleich vor Bias, Regelverstößen oder Fehlentscheidungen. Dies gelingt, wenn klare Kriterien und Governance fester Bestandteil jedes KI-gestützten HR-Prozesses sind.

In kaum einem Unternehmensbereich treffen Effizienz, Risiko und Reputation so direkt aufeinander wie im Personalwesen. KI kann Lebensläufe sichten, Lerninhalte empfehlen und Leistungsdaten zusammenfassen. Aber: Aus einem Ranking eine Einladung machen, aus Lernscores eine Entwicklungszusage ableiten, aus Leistungsindikatoren Beförderungen entscheiden – das bleibt eine verantwortete, menschliche Entscheidung. Human in the Loop (HITL) ist in HR daher kein „nice to have“, sondern ein zwingender Betriebsstandard: Qualitätskriterien definieren, Entscheidungen begründen, Lernschleifen schließen und Governance integrieren.

Recruiting: Schneller vorsortieren, bewusster entscheiden

Gute Praxis beginnt mit einem transparenten Funnel: KI unterstützt das Sourcing, schlägt passende Profile vor und erstellt strukturierte Interviewleitfäden. Menschen entscheiden, wen sie einladen, wie Antworten gewichtet werden und wo Ausnahmen gelten. Wichtig ist das Protokoll: Welche Kriterien waren ausschlaggebend? Wo wurde die KI-Empfehlung überstimmt – und warum?

Auch in der Weiterbildung gilt: KI schlägt Inhalte vor, HR kuratiert Pfade und Qualitätsstandards, Führung verankert Lernzeit im Alltag. Ohne diese Komponenten von Human in the Loop drohen „Content-Sprawl“, fragwürdige Quellen und eine unklare Lernrendite.
Performance und Karriere: dateninformiert, nicht datengetrieben.
Leistungsgespräche, Gehaltsrunden und Beförderungen sind sensible Entscheidungen. KI kann Metriken synthetisieren, Vergleichsmaßstäbe anlegen, Skill-Lücken sichtbar machen. Doch Bewertung und Kalibrierung bleiben ein sozialer Prozess.

Gute Human in the Loop-Praxis im Recruiting heißt daher: strukturierte Kriterien je Rolle, Trainings für Interviewerinnen, Schatten-Reviews zur Bias-Erkennung und saubere Handover-Punkte, wenn die KI unsicher ist oder atypische Profile auftauchen. Und: Betriebsrat sowie Datenschutz früh einbeziehen, inklusive Datenschutz-Folgenabschätzung, wo erforderlich.

Personalisiert kuratieren und sichtbar machen

KI kann Lernpfade empfehlen und interne Chancen sichtbar machen – der Unterschied liegt in der menschlichen Kuratierung und Freigabe.

Human in the Loop: Beispiele aus der Praxis

Schneider Electric: Interne Mobilität mit Freigabe durch Führung.
Auf der AI-gestützten Open-Talent-Market-Plattform posten Führungskräfte Projekte, Rollen und Mentoring-Angebote; die KI schlägt passende Mitarbeitende vor. Managerinnen prüfen Matches, laden ein und entscheiden. Ergebnis: verdeckte Talente werden sichtbar, Mobilität steigt, externe Rekrutierung sinkt – bei klarer menschlicher Verantwortung für Auswahl und Entwicklung.

Unilever: Flex Experiences. Das interne Talentmarktplatz-Modell half, Mitarbeitende in der Pandemie schnell dorthin zu verlagern, wo Bedarf bestand – über KI-Matches und menschliche Freigaben. Profile, Skills und Ambitionen treffen auf Gigs und Rollen; HR sichert Governance, Fachbereiche entscheiden.Unilever beschleunigte den Campus-Recruiting-Prozess mit spielbasierten Assessments und KI-gestützten Video-Interviews – die finale Auswahl trafen dennoch Recruiter und Hiring-Manager.
Das Ergebnis: deutlich kürzere „Time-to-Hire“, breiteres Kandidatenspektrum, jedoch mit klaren Guardrails. Kontroversen um Emotionserkennung führten branchenweit zu Anpassungen: Der Anbieter HireVue entfernte die Gesichtsanalyse-Komponente und stärkte Sprach- und Inhaltsbewertungen – ein Lehrstück dafür, dass Fairness- und Validitätsfragen konsequent Human in the Loop adressiert werden müssen.

IBM: Skills-Intelligenz mit Manager-Kalibrierung. IBM nutzt KI, um aus Projekten, Erfahrungen und Lernhistorien Skill-Profile abzuleiten und Entwicklungswege vorzuschlagen. Führungskräfte behalten die Hoheit: Sie kalibrieren, gewichten Kontext, priorisieren Potenzial und dokumentieren Begründungen. Der Human in the Loop-Ansatz verhindert, dass vergangenheitsnahe Metriken zu starren Karriereschablonen werden.

Auch Lösungen wie SAP SuccessFactors mit Talent-Intelligence-Funktionen zeigen das Muster: Algorithmen machen Vorschläge zu Skills und Entwicklungsoptionen, während Mitarbeitende ihr Portfolio pflegen und Managerinnen kalibrieren – ein klassischer HITL-Fluss, der Transparenz schafft und Bias reduziert, wenn er gut dokumentiert ist.