Auf Messen werden wir regelmäßig gefragt, ob unsere KI auch Kandidaten bewerten kann. Die Frage kommt freundlich und erwartungsvoll, weil das gerade alle anbieten.
Die Antwort ist nein. Und zwar nicht „noch nicht“.
Was Lynn tut
Unsere Assistenz — wir nennen sie Lynn — arbeitet an vier Stellen:
Sie schlägt Besetzungen vor, die Qualifikation, Verfügbarkeit und Auslastung berücksichtigen. Sie liefert zu erkannten Störungen einen Lösungsweg mit qualifiziertem Ersatz und vorbereiteten Nachrichten. Sie formuliert Kommunikation für Absagen, Verschiebungen und Rückfragen. Und sie benennt Auffälligkeiten in den Betriebsdaten, damit sie nicht in einem Diagramm verschwinden.
Alle vier haben eines gemeinsam: Es geht um Organisation, nicht um Eignung. Lynn weiß, wer an welchem Tag Zeit hat. Sie weiß nicht, wer der bessere Kandidat ist — und soll es nicht wissen.
Der fachliche Grund
Eignungsbeurteilung ist ein Handwerk mit einer eigenen Methodenlehre. Sie fragt nach Anforderungsprofilen, nach Validität von Verfahren, nach Beobachterübereinstimmung, nach der Frage, ob ein Instrument für diesen Zweck bei dieser Zielgruppe überhaupt zulässig ist.
Dieses Handwerk üben Psychologen aus. Sie haben es studiert, sie haften fachlich dafür, und sie können begründen, warum sie zu einer Einschätzung kommen.
Ein Sprachmodell kann eine plausible Einschätzung formulieren. Das ist nicht dasselbe. Der Unterschied fällt nicht auf, solange niemand nachfragt — und er fällt katastrophal auf, wenn jemand nachfragt.
Wir bauen ein System für Häuser, in denen Auswahlentscheidungen Konsequenzen haben: Cockpit-Besetzungen, Bestenauslese im öffentlichen Dienst, Führungspositionen. Dort ist „das Modell hat es so eingeschätzt“ keine Begründung, die trägt.
Der zweite Grund: die Rollenverteilung
Wenn eine Plattform die Verfahren organisiert und die Kandidaten bewertet, verschiebt sich etwas Grundsätzliches. Der Anbieter wird zum Mitentscheider — und die Frage, warum jemand abgelehnt wurde, führt zu einem Unternehmen, das seine Modelle nicht offenlegt.
Wir wollen an dieser Stelle nicht stehen. flynne ist auch bei den Testverfahren neutral: Wir liefern keine eigenen Instrumente, sondern binden Ihre Anbieter an. Wer orchestriert und gleichzeitig bewertet, hat einen Interessenkonflikt, den man nicht wegorganisieren kann.
Was das kostet
Es wäre unehrlich, das als reine Prinzipienfrage darzustellen. Die Entscheidung hat einen Preis.
Wir verlieren Gespräche an Anbieter, die mehr versprechen. „KI-gestützte Vorauswahl“ klingt in einer Ausschreibung stärker als „KI-gestützte Disposition“. In Innovationsvergleichen sieht die zurückhaltende Position nach Rückstand aus.
Wir nehmen das in Kauf, weil die Alternative teurer ist: ein Produkt, das in dem Moment unbrauchbar wird, in dem ein Kunde es rechtfertigen muss.
Was der AI Act damit zu tun hat
Wenig — jedenfalls als Anlass. Die Entscheidung war getroffen, bevor die KI-Verordnung ihre Wirkung entfaltete.
Dass sie inzwischen auch regulatorisch bequem ist, freut uns. Systeme, die bei Einstellungsentscheidungen mitwirken, gelten nach Anhang III des AI Act als Hochrisiko, mit entsprechenden Pflichten für Anbieter und Betreiber. Wer diese Systeme nicht einsetzt, hat diese Diskussion nicht.
Aber wir wären zu derselben Entscheidung gekommen, wenn es die Verordnung nicht gäbe. Eine Haltung, die man nur einnimmt, weil der Gesetzgeber es verlangt, hält der ersten Gelegenheit nicht stand.
Was wir uns offenhalten
Kein Dogma ohne Grenze. Es gibt Bereiche, in denen wir KI ausbauen werden — überall dort, wo es um Organisation geht: Prognosen zur Kapazität, bessere Erkennung von Störungsmustern, Vorschläge zur Terminlage über Wochen hinweg, Hilfe beim Formulieren.
Und es gibt einen Bereich, der frei bleibt: die Beurteilung von Menschen.
Das ist keine technische Grenze. Es ist eine Zuständigkeitsgrenze. Sie verläuft dort, wo die Verantwortung nicht an eine Software abgegeben werden kann, ohne dass etwas verloren geht.
Mehr dazu, was Lynn kann und wo bewusst Schluss ist: flynne AI — Lynn.
