Ein Demo-Termin, ein glänzendes Interface, ein Vertriebler, der jeden zweiten Satz mit „KI-gestützt” beginnt. Klingt nach 2026. Und genau da beginnt das Problem.
Eine Demo, eine einfache Frage
Der Recruiting-Teamlead sitzt in einer Produktdemo. Auf dem Bildschirm: ein cleanes Dashboard, sanfte Animationen, ein Chat-Fenster, das in Echtzeit Vorschläge einblendet. Der Vertriebler erklärt engagiert: „Unsere KI erkennt Muster, lernt ständig dazu und optimiert euren gesamten Recruiting-Prozess automatisch.”
Der Teamlead nickt, dann stellt er eine einzige, unspektakuläre Frage: „Wenn ich jetzt die Verfügbarkeit einer Kandidatin ändere — sehen das alle anderen Module sofort, oder muss ich das irgendwo synchronisieren?”
Kurze Pause. Dann eine ausweichende Antwort über „geplante Integrationen” und „in einem zukünftigen Release”. Die Demo läuft weiter, glänzend wie zuvor. Nur die Antwort auf die eigentliche Frage ist ausgeblieben.
Ein Interface, viele Versprechen
Das Problem ist nicht, dass der Vertriebler gelogen hätte. Das Problem ist, dass inzwischen fast jeder Anbieter dieselben Worte benutzt. Glänzende Oberfläche, sichere Sprache, das Wort „KI” an prominenter Stelle. Laut aktuellen Trend-Reports nutzen bereits rund 78 % der Personalverantwortlichen in DACH mindestens ein KI-Tool im Recruiting. „Wir haben KI” ist damit längst kein Unterscheidungsmerkmal mehr — fast alle haben inzwischen irgendeine Form davon.
Was bleibt, um ein System tatsächlich einzuschätzen, ist nicht die Oberfläche. Es sind die Fragen, die es beantworten kann, wenn man genauer nachhakt.
Was „intelligent" in der Praxis bedeutet
Kennt das System den aktuellen Stand — oder nur den Stand von zuletzt? Ein System, das erst nach einem manuellen Export weiß, was gerade passiert ist, trifft Entscheidungen auf Basis von Vergangenheit, nicht Gegenwart.
Kann es selbst handeln, oder macht es nur Vorschläge? Ein Vorschlag ist bequem. Er ändert aber nichts an der Arbeitslast, wenn jemand ihn am Ende doch manuell prüfen und bestätigen muss.
Bleibt die Logik nachvollziehbar? Eine Wahrscheinlichkeit ohne Begründung hilft wenig. Wer wissen will, warum ein System zu einem Ergebnis kommt, sollte eine Antwort bekommen — nicht nur einen Prozentwert.
Passt sich das System an, wenn sich die Situation ändert? Recruiting-Prozesse verändern sich laufend. Ein System, das mit veralteten Annahmen weiterrechnet, wird mit jedem Tag ungenauer, ganz gleich wie beeindruckend die Anfangs-Demo war.
„Aber …" — die Einwände, die in dieser Diskussion immer kommen
„Unser Tool wird doch ständig mit neuen Daten trainiert."
Trainiert werden und aktuell sein sind zwei unterschiedliche Dinge. Ein Modell kann exzellent trainiert sein und trotzdem auf einem veralteten Datenstand arbeiten, wenn die Anbindung an den Rest des Systems fehlt. Die Frage ist nicht, wie gut das Modell lernt, sondern wie aktuell die Daten sind, mit denen es gerade arbeitet.
„Die KI gibt uns doch klare Handlungsempfehlungen."
Eine Empfehlung ist noch keine Handlung. Wenn am Ende jemand im Team die Empfehlung liest, bewertet und manuell umsetzt, hat sich am eigentlichen Arbeitsaufwand wenig geändert — nur ein zusätzlicher Schritt ist dazugekommen.
Was nicht passiert wäre
Mit einem System, das den aktuellen Stand kennt, selbst handelt und seine Antworten nachvollziehbar macht, hätte die Frage aus der Demo eine direkte Antwort gehabt — keine Ausweichformulierung, kein Verweis auf ein zukünftiges Release.
Nicht, weil der Vertriebler besser vorbereitet gewesen wäre. Sondern weil es an dieser Stelle schlicht nichts zu verbergen gegeben hätte.
Das ist auch der Grund, warum sich der Markt gerade verschiebt: Wenn „KI haben” kein Unterscheidungsmerkmal mehr ist, verlagert sich der Wettbewerb dorthin, wo es wehtut — auf die Fragen, die ein System im Alltag tatsächlich beantworten kann, statt nur im Verkaufsgespräch.
Woran echte Intelligenz hängt
Keines der vier Kriterien ist ein einzelnes cleveres Feature. Alle vier hängen an derselben Grundvoraussetzung: Datenqualität durch ein System, das mit sich selbst kommuniziert. Wenn alle Teile eines Systems denselben, aktuellen Stand kennen, ergeben sich aktuelle Antworten, echtes Handeln und nachvollziehbare Logik fast von selbst. Fehlt diese gemeinsame Basis, bleibt es beim glänzenden Interface — unabhängig davon, wie viel „KI” draufsteht.
Sehen, wie das in der Praxis aussieht?
AutoMATE — vier digitale Kollegen, die direkt in staffitpro integriert sind, auf derselben Datenbasis arbeiten.
