KI im Recruiting für KMU: Fachkräftemangel, EU AI Act und was jetzt zu tun ist

Warum Personalsuche für KMU strukturell erschöpft

Der Fachkräftemangel ist in Deutschland seit Jahren das meistgenannte Wachstumshemmnis kleiner und mittlerer Unternehmen – und er hat sich nicht entspannt. Wer heute im Handwerk, in der Gastronomie, im kaufmännischen Bereich oder in spezialisierten Dienstleistungen Mitarbeitende sucht, kämpft nicht nur um knappe Talente, sondern auch gegen den Prozess selbst. Ein Bewerbungsverfahren bindet Führungszeit, und Führungszeit ist in KMU die knappste Ressource überhaupt.

Das fängt bei der Stellenanzeige an. Viele KMU kopieren bestehende Anzeigen, ändern die Berufsbezeichnung und veröffentlichen das Ergebnis auf Stepstone oder Indeed – ohne die Zielgruppe zu kennen, ohne Zielgruppensprache, ohne eine klare Aussage darüber, warum ein qualifizierter Bewerber genau diesen Betrieb wählen sollte. Gehaltsangaben fehlen häufig, weil man intern keine klare Spanne definiert hat oder weil man sich nicht festlegen möchte. Die Folge sind wenige oder unpassende Bewerbungen. Laut Auswertungen des Recruiting-Portals candidate-flow.de erhalten Stellenanzeigen mit konkreter Gehaltsangabe deutlich mehr Bewerbungen als vergleichbare Anzeigen ohne – einer der einfachsten Hebel, der gleichzeitig am häufigsten ignoriert wird.

Wenn dann doch Unterlagen eingehen, liest sie die Inhaberin oder der Geschäftsführer selbst – weil HR-Abteilungen in KMU selten existieren. Zwischen Kundenbetreuung, Kalkulation und Auftragsabwicklung verteilt sich die Prüfung über Tage oder Wochen. Gute Kandidatinnen und Kandidaten warten nicht: Sie nehmen das erste Angebot an, das kommt. Am anderen Ende steht das Volumen. Wer eine populäre Stelle ausschreibt – eine Bürokraft, eine Verkäuferin, einen Auszubildenden – kann schnell dreißig, fünfzig oder achtzig Bewerbungen erhalten. Jede davon manuell zu lesen kostet Zeit, die im KMU schlicht nicht zur Verfügung steht. Das führt zu einem schmerzhaften Paradox: zu wenige Bewerbungen auf spezialisierte Stellen, zu viele auf generische Stellen, und keine Kapazität, beides sorgfältig zu bearbeiten.

Was erschwerend hinzukommt: Das Bewerber-Erlebnis auf Seiten der Kandidatinnen und Kandidaten ist in KMU oft schlecht. Lange Reaktionszeiten, keine Eingangsbestätigung, knappe Absagen ohne Begründung – das alles findet sich auf Bewertungsportalen wie Kununu und wirkt abschreckend auf zukünftige Bewerber. In einem Markt, in dem Talente zwischen mehreren Angeboten wählen können, ist das Bewerber-Erlebnis kein Luxus, sondern ein Wettbewerbsfaktor. KI-Unterstützung kann genau hier ansetzen: schnellere Reaktionen, einheitlichere Kommunikation, strukturierter Prozess.

Was KI im Recruiting-Prozess konkret leisten kann

KI-Unterstützung im Recruiting lässt sich in drei klar abgrenzbare Bereiche gliedern, die unterschiedliches Potenzial und unterschiedliche Compliance-Anforderungen haben: das Erstellen und Optimieren von Stellenanzeigen, das strukturierte Aufbereiten von Bewerbungsunterlagen und die automatisierte Erstkommunikation.

Stellenanzeigen: Sprache, Struktur, Zielgruppe

Eine typische KMU-Stellenanzeige scheitert an zwei Dingen: Sie beschreibt, was das Unternehmen sucht, aber nicht, warum jemand kommen sollte. Und sie verwendet Personalsprache, die zwar korrekt ist, aber niemanden anspricht. Ein Sprachmodell kann aus einem kurzen Briefing – Aufgaben, Team, Gehaltsrahmen, Besonderheiten des Betriebs – eine strukturierte Anzeige in Zielgruppensprache erstellen, die gleichzeitig AGG-konform formuliert ist (keine direkten oder indirekten Hinweise auf Merkmale nach § 1 AGG), eine echte Wertaussage enthält und auf die Stärken des Betriebs eingeht, die intern als selbstverständlich gelten, von außen aber attraktiv wirken. Das Ergebnis ist kein Selbstläufer: Ein Mensch muss prüfen, korrigieren und freigeben. Aber der Zeitaufwand für den ersten Entwurf sinkt von zwei Stunden auf zwanzig Minuten – und das Ergebnis ist meist strukturierter und konsistenter als das, was unter Zeitdruck spontan entsteht. Wichtig: Das Verfassen der Stellenanzeige mit KI-Unterstützung fällt nicht unter den Hochrisiko-Tatbestand des EU AI Act, weil an dieser Stelle keine Auswahl von Personen stattfindet.

Bewerbungsscreening: Aufbereitung, keine Entscheidung

Hier beginnt die rechtlich heikle Zone, die weiter unten ausführlich behandelt wird. Technisch kann ein Sprachmodell eingegangene Bewerbungsunterlagen nach einem vorab definierten Kriterienkatalog aufbereiten: Ausbildungsabschluss vorhanden oder nicht, geforderte Berufserfahrung erfüllt, Portfolio-Link vorhanden, Anschreiben bezieht sich auf die konkrete Stelle. Das Modell produziert für jede Bewerbung eine einheitliche Zusammenfassung dieser Punkte – keine Entscheidung, nur eine strukturierte Aufbereitung. Die menschliche Auswahl bleibt vollständig beim Menschen.

Richtig eingesetzt verhindert das den Erschöpfungseffekt, der entsteht, wenn man Bewerbung Nummer vierzig nach drei Stunden Arbeit mit Bewerbung Nummer eins vergleicht und dabei die Maßstäbe verschiebt. Einheitliche Kriterien, einheitlich angewendet – das macht den Auswahlprozess im Zweifel auch belastbarer gegenüber AGG-Vorwürfen, weil die Kriterien vorab definiert und dokumentiert sind.

Erstkommunikation: Eingangsbestätigung, Einladung, Absage

Eingangsbestätigung, Gesprächseinladung und Absage sind Texte, die bei jedem Bewerbungseingang entstehen, sich aber kaum voneinander unterscheiden. Ein n8n-Workflow übernimmt das zuverlässig: Bei Eingang einer Bewerbung per E-Mail oder Online-Formular geht automatisch eine personalisierte Bestätigung raus, die den Zeitraum für eine Rückmeldung nennt. Nach der menschlichen Screening-Entscheidung folgt automatisch die Einladung oder eine wertschätzende Absage. Weder Eingangsbestätigung noch die Absage, die erst nach menschlicher Entscheidung versendet wird, fallen unter den Hochrisiko-Tatbestand – das macht diesen Baustein zum risikoärmsten und gleichzeitig wirksamsten Einstieg in KI-unterstütztes Recruiting.

Der rechtliche Rahmen: EU AI Act, DSGVO Art. 22 und AGG

Der rechtliche Rahmen für KI im Recruiting hat drei Schichten, die unabhängig voneinander wirken und jeweils eigene Anforderungen stellen. Wer alle drei kennt, kann den Prozess einmal richtig aufsetzen – statt später nachzubessern.

Die erste und aktuell relevanteste Schicht ist DSGVO Art. 22. Er verbietet rein automatisierte Entscheidungen, die eine Person erheblich beeinflussen – eine Ablehnung im Bewerbungsprozess fällt eindeutig darunter. Das bedeutet: Eine KI-generierte Absage, die ohne menschliche Prüfung und Freigabe versendet wird, ist eine Datenschutzverletzung. Die Anforderung ist in der Praxis lösbar. Die KI bereitet auf, ein Mensch entscheidet, diese Entscheidung wird dokumentiert, die Absage geht dann automatisiert raus. Bewerber:innen haben außerdem das Recht, eine menschliche Überprüfung zu verlangen – und müssen darüber informiert werden. Fehlt dieser Hinweis, ist das ein eigenständiger Datenschutzverstoß. Diese Anforderungen gelten heute, vollständig, ohne Ausnahme für KMU.

Die zweite Schicht ist das Allgemeine Gleichbehandlungsgesetz. Der Arbeitgeber haftet für Diskriminierung durch den Recruiting-Algorithmus – auch wenn die KI von einem Drittanbieter stammt. Wer ein System einsetzt, das nach Kriterien aussortiert, die mittelbar mit einem AGG-Merkmal nach § 1 korrelieren, trägt das Haftungsrisiko. Typische Risiken ohne direkten Diskriminierungsvorsatz: Lücken im Lebenslauf, die häufiger bei Frauen nach Elternzeit auftreten; Formulierungen im Anschreiben, die auf Bildungsherkunft hindeuten; Wohnort als indirekter Proxy. Ein durchdachtes Kriterienset, das sich ausschließlich auf stellenrelevante Anforderungen beschränkt und explizit keine AGG-Merkmale auswertet, mindert dieses Risiko erheblich. Europäische Anbieter wie Retorio (München) und Zortify (Luxemburg) bieten standardisierte Bias-Audits als Vertragsbestandteil; wer mit einer Eigenentwicklung auf Basis eines Sprachmodells arbeitet, muss diesen Schritt selbst durchführen oder begleiten lassen.

Die dritte Schicht ist der EU AI Act. Recruiting-KI ist in Anhang III des AI Acts explizit als Hochrisiko-KI eingestuft: Systeme, die für Einstellung, Auswahl, Beförderung oder Kündigung eingesetzt werden. Der volle Pflichtenkatalog – Risikomanagement, technische Dokumentation, menschliche Aufsicht, Bewerber-Transparenz – gilt nach dem Digital Omnibus (politische Einigung Mai 2026) für eigenständige Anhang-III-Systeme ab dem 2. Dezember 2027. Das gibt KMU gut ein Jahr Vorlaufzeit. Wer den Prozess jetzt im Sinne von DSGVO und AGG sauber aufstellt – menschlicher Aufsichtsprozess dokumentiert, Bewerber:innen informiert, Kriterienkatalog stellenrelevant und schriftlich fixiert – legt damit gleichzeitig die Grundlage für die EU AI Act-Compliance. Das ist kein doppelter Aufwand, sondern cleveres Sequenzieren.

Was bedeutet das praktisch für ein KMU? Nicht der Einsatz von KI im Recruiting ist das Problem, sondern der Einsatz ohne Struktur. Ein Betrieb, der ein KI-Screening-Tool nutzt, einen dokumentierten menschlichen Aufsichtsprozess hat, Bewerber:innen transparent informiert und einen AVV mit dem Anbieter abgeschlossen hat, bewegt sich im sicheren Bereich – für DSGVO und AGG heute, für den EU AI Act in 2027. Der Aufwand für diesen Rahmen liegt bei vier bis sechs Stunden. Wer das ignoriert, riskiert durch ein einziges Beschwerdeverfahren einen unverhältnismäßig hohen Aufwand – Datenschutzaufsicht, AGG-Klage oder beides.

Welche Tools für KMU realistisch in Frage kommen

Der Markt für KI-Recruiting-Tools ist 2026 stark fragmentiert. Große Plattformen wie HireVue sind vor allem für Konzerne konzipiert – technisch leistungsfähig, aber komplex und kostspielig. Für KMU ohne eigene HR-Abteilung sind drei Szenarien realistisch, die sich nach Volumen, Budget und Compliance-Aufwand unterscheiden.

Das erste Szenario ist ein spezialisiertes Bewerbermanagementsystem (ATS) für KMU. Softgarden gilt im DACH-Raum als etablierter Anbieter mit integriertem KI-Matching, automatisierter Bewerberkommunikation und vorgefertigter DSGVO-Dokumentation einschließlich AVV. OnApply ist ebenfalls auf datenschutzkonforme Bewerbungshandhabung ausgerichtet. Diese Systeme kosten typischerweise ab 100 bis 200 Euro monatlich und bieten den Vorteil, dass die Compliance-Infrastruktur größtenteils mitgeliefert wird. Nachteil: Ein weiteres SaaS-Abonnement mit Einrichtungsaufwand, und die KI-Screening-Funktion muss trotzdem intern prozessual eingebettet werden.

Das zweite Szenario ist eine n8n-basierte Eigenlösung. Formulareingang über Typeform oder ein eigenes Webformular, Übergabe der Unterlagen an ein Sprachmodell mit selbst definiertem Kriterienkatalog, strukturierte Notiz pro Bewerbung im eigenen CRM oder einer einfachen Tabelle, automatisierte Eingangsbestätigung und Absagen. Vorteil: Volle Kontrolle über Kriterien und Datenhaltung auf eigenem oder deutschem Server; wenn die Bewerberdaten den Server nicht verlassen, entfällt der Drittanbieter-AVV. Die Compliance-Dokumentation – Kriterienkatalog, menschlicher Aufsichtsprozess, Bewerber-Information – muss man selbst erstellen, hat dafür aber maximale Flexibilität. Nachteil: Einrichtungsaufwand von zehn bis zwanzig Stunden, kein Out-of-the-Box-Bias-Audit.

Das dritte Szenario ist der hybride Ansatz ohne KI-Screening: KI-Unterstützung ausschließlich beim Erstellen der Stellenanzeige, manuelles Screening durch einen Menschen, automatisierte Kommunikation über n8n. Das ist der einfachste Weg für Betriebe mit wenigen Stellen pro Jahr und geringem Bewerbungsvolumen. Kein Hochrisiko-Tatbestand, kein Annex-III-Problem, minimaler Compliance-Aufwand – und trotzdem ein spürbarer Effizienzgewinn durch bessere Anzeigen und schnellere Kommunikation.

Unabhängig vom gewählten Weg gilt: Das Tool ist weniger entscheidend als der Prozess darum herum. Ein schlecht konfiguriertes Marken-ATS mit undokumentiertem menschlichen Aufsichtsprozess ist riskanter als eine einfache n8n-Lösung mit sauber beschriebenem Ablauf und klarer Kommunikation an Bewerber:innen. Der erste Schritt bei jeder Einführung sollte deshalb nicht die Tool-Auswahl sein, sondern die Frage: Wie sieht unser Recruiting-Prozess heute aus, wo soll KI unterstützen, und wer entscheidet am Ende?

Wie sich das in der Praxis umsetzen lässt

Der sinnvolle Einstieg hängt davon ab, wo der Schmerz am größten ist. Für die meisten KMU ist das nicht das Screening von fünfzig Bewerbungen, sondern das Problem, dass überhaupt zu wenige Bewerbungen ankommen. In diesem Fall liegt der erste Hebel bei der Stellenanzeige: Sprache überarbeiten, Gehalt nennen, die Stärken des Betriebs benennen, die intern als selbstverständlich gelten und von außen attraktiv wirken. Das kostet keine Compliance-Prüfung, kein neues Tool – ein Sprachmodell und dreißig Minuten Briefing reichen. Dieser Schritt ist auch der einzige, der keine rechtliche Vorbereitung erfordert: Das Formulieren einer Stellenanzeige mit KI-Unterstützung fällt nicht unter den Hochrisiko-Tatbestand des EU AI Acts.

Der zweite Schritt ist die Kommunikationsautomatisierung. Eine n8n-basierte Eingangsbestätigung, die innerhalb von Minuten nach Bewerbungseingang rausgeht und den Bewerber:innen mitteilt, bis wann sie mit einer Antwort rechnen können, verbessert das Bewerber-Erlebnis spürbar und senkt die Absprungquote qualifizierter Kandidat:innen. Das lässt sich mit einem überschaubaren Einrichtungsaufwand von drei bis fünf Stunden umsetzen und kostet laufend 10 bis 20 Euro monatlich für Hosting und API-Nutzung. Auch hier kein Hochrisiko-Problem, solange in der Bestätigung kein Screening-Ergebnis kommuniziert wird.

Wer anschließend KI-Screening einführen möchte, sollte eine klare Reihenfolge einhalten. Zunächst ein schriftliches Kriteriendokument erstellen: Was ist Pflicht, was ist Wunsch, nach welchem Merkmal wird gewichtet – und explizit: welche Merkmale werden bewusst nicht berücksichtigt. Danach eine Pilotphase mit kleinem Volumen und manueller Parallelprüfung, um zu verstehen, ob die KI-Ausgaben sinnvoll und konsistent sind. Dann die Compliance-Dokumentation abschließen: Eintrag ins Verarbeitungsverzeichnis, Datenschutzhinweis anpassen, Bewerber:innen-Information in die Eingangsbestätigung aufnehmen, menschlichen Aufsichtsprozess schriftlich festlegen und eine verantwortliche Person benennen. Erst nach diesem Vorbereitungsschritt in den Regelbetrieb gehen.

Ehrliche Grenzen, die klar benannt werden sollten: KI ersetzt kein attraktives Arbeitgeberangebot. Wer unter Marktgehalt zahlt, sein Team überbelastet und schlechte Bewertungen auf Kununu hat, wird auch mit dem besten Recruiting-Workflow wenige passende Bewerbungen erhalten. KI-Unterstützung hilft, den Prozess effizienter zu gestalten und Bewerbungen besser zu verarbeiten – sie macht keinen unattraktiven Arbeitgeber attraktiv. Das ist kein Einwand gegen KI im Recruiting, aber es setzt die Maßnahme in den richtigen Kontext: zuerst das Angebot, dann die Effizienz.

Welcher Aufbau konkret Sinn ergibt, welche Bausteine sinnvoll zu kombinieren sind und wie die Compliance-Dokumentation aussehen sollte, lässt sich am besten anhand des konkreten Recruiting-Prozesses und Volumens beurteilen. Details dazu erläutere ich in einer Automatisierungsberatung – inklusive einer konkreten Einschätzung, welcher Ansatz für Ihre Situation sinnvoll ist und wo die tatsächlichen Aufwände liegen.

Häufige Fragen