HR hat die falschen Antworten auf KI, Talent und Sourcing | Ben Eubanks

Ben Eubanks wusste schon als Teenager, dass er im HR-Bereich arbeiten wollte. Nach Jahren in der Praxis wechselte er in die Forschung, analysiert Trends und schreibt die Bücher, die CHROs in ihren Regalen stehen haben. Sein erstes Buch, Artificial Intelligence for HR, wurde zur meistzitierten Ressource zu diesem Thema. Das zweite, Talent Scarcity, griff die Frage auf, die alle HR-Leader beschäftigt: Wo sind all die Arbeitskräfte geblieben?

In Folge #18 von Xobin Talks stellt Guru die schwierigen Fragen. Er will wissen, warum HR-Leader bei KI noch zögern und was Talentknappheit demografisch bedeutet. Außerdem fragt er, ob globale Lohngleichheit realistisch ist und was Sourcer tun sollten, bevor die Automatisierung sie einholt.

Sind HR-Leader bereit, in KI zu investieren, oder halten sie sich noch zurück?

Guru startet mit einer Frage, die er oft von Xobin-Kunden hört: Trotz aller Diskussionen rund um KI zögern viele CHROs und HR-Einkäufer noch. Ist dieses Zögern begründet?

Ben: „KI ist inzwischen fester Bestandteil im Recruiting-Alltag. Unternehmen setzen sie für Aufgaben wie Kandidatensuche, Bewerber-Screening, Matching und die Bewertung potenzieller Mitarbeitender ein. Aber es gibt auch Zurückhaltung – vor allem wegen rechtlicher Vorgaben weltweit, ob wir KI tatsächlich zur Personalauswahl einsetzen dürfen.“

Lighthouse Research führt jährlich eine große Studie zur Talentgewinnung durch. Die aktuellen Daten zeigen: Ein Teil der Arbeitgeber lehnt KI im Recruiting ab. Die drei Hauptgründe folgen einem klaren Muster.

Ben: „Der wichtigste Grund: Wir wollen keine Menschen ersetzen. Wir möchten, dass ein Mensch in die Entscheidung eingebunden ist. Zweitens: Wir wollen unsere Arbeitgebermarke nicht gefährden. KI könnte Dinge sagen oder tun, die wir nicht immer kontrollieren oder vorhersehen können. Drittens: Wir glauben nicht, dass KI schon bereit ist, die grundlegenden Recruiting-Aufgaben zu übernehmen.“

Die Junior-Recruiter-Analogie

Hier macht Ben eine Beobachtung, die die Debatte neu einordnet.

Ben: „Ein Junior-Recruiter, den wir ins Team holen, birgt dieselben Risiken. Auch er kann Fehler machen, etwas Unpassendes posten, einen Prozess vermasseln oder an einfachen Aufgaben scheitern. Wir projizieren all diese Ängste auf KI-Systeme, obwohl es diese Risiken schon immer gab. Wir erwarten von KI Perfektion ab dem ersten Tag – das ist eines der Probleme.“

Die Analogie ist treffend: Kein Unternehmen würde auf Junior-Recruiter verzichten, nur weil sie Fehler machen könnten. Menschliche Fehler werden toleriert, von Algorithmen wird Perfektion verlangt – das ist keine rationale, sondern eine emotionale Haltung. Ben stellt klar: Die Einführung von KI schreitet ohnehin voran.

Ben: „Viele Unternehmen nutzen KI bereits als Wettbewerbsvorteil. Wir erwarten, dass sich die Kluft zwischen diesen Vorreitern und den Nachzüglern weiter vergrößert.“

Drei Viertel der HR-Fachleute sind laut SHRM Talent Trends Report 2024 überzeugt, dass KI den Wert menschlicher Urteilsfähigkeit im Recruiting in den nächsten fünf Jahren steigern wird (SHRM). Für Ben ist die wachsende Lücke zwischen Unternehmen, die KI als strategisches Werkzeug nutzen, und jenen, die noch abwarten, das eigentliche Problem.

Gehen verschiedene Generationen unterschiedlich mit KI-Entscheidungen um?

Guru beobachtet in Xobins Daten: Die Mehrheit der eingereichten Lebensläufe ist inzwischen mithilfe generativer KI erstellt oder stark überarbeitet. Die Berufseinsteiger von heute sind mit KI aufgewachsen, die Entscheidungsträger oft nicht.

Das automatisierte Angebot, das HR-Leader erschreckt

Ben: „Wenn ich über KI aufkläre, erzähle ich gern von Amazons System: Jemand bewirbt sich, das System liest Abschluss und Erfahrung, verschickt automatisch einen Test, bei Bestehen wird ein Angebot zum Marktpreis generiert – ganz ohne Kontakt zu Recruiter oder Führungskraft. Wenn ich das HR-Leadern erzähle, sehe ich regelrecht, wie sie zurückschrecken.“

Diese Reaktion ist laut Ben nachvollziehbar: Für viele Rollen ist vollautomatisierte Auswahl weder im Sinne der Kandidaten noch für gute Entscheidungen geeignet. Aber sie zeigt auch, dass sich mit der nächsten Generation von KI-affinen Führungskräften etwas ändern wird.

Warum der Lebenslauf kein verlässliches Signal mehr ist

Ben: „Neue Studien zeigen: Rund 70% der Hochschulabsolventen nutzen GPT und generative KI, um ihren Lebenslauf auf die Stellenanzeige abzustimmen. Das macht es schwerer denn je, aus dieser Gruppe die richtigen Talente zu finden, weil alle Lebensläufe gleich aussehen. Was tun wir also? Wir brauchen neue Screening-Methoden.“

Die Lösung ist nicht, KI-generierte Lebensläufe zu erkennen und auszusortieren, sondern den Lebenslauf als zentrales Signal aufzugeben. Ben zieht den Vergleich zu Universitäten: Auch dort werden keine Hausarbeiten mehr erwartet, die zu Hause ohne Hilfsmittel entstehen. Recruiter stehen vor derselben Herausforderung. Das Signal hat sich verändert – also muss sich auch das Screening anpassen.

Wenn die meisten Lebensläufe inzwischen KI-generiert sind – was bedeutet das für das Screening?

Guru hakt hier besonders nach, denn genau dieses Problem will Xobin lösen. Ben argumentiert aus Sicht der Kandidaten, nicht nur der Arbeitgeber.

Ben: „Unsere Daten zeigen: Kandidaten bevorzugen es, wenn sie neben dem Lebenslauf auch eine kurze, berufsbezogene Aufgabe absolvieren dürfen. Sie erfahren so, worauf das Unternehmen Wert legt, was im Job wichtig ist, und können ihre Fähigkeiten zeigen – unabhängig davon, wie gut der Lebenslauf geschrieben ist.“

Das rückt Assessments in ein neues Licht. Sie gelten oft als Instrument zur Effizienzsteigerung, Bias-Reduktion oder besseren Signalgewinnung für Unternehmen. Ben betont: Auch Kandidaten wünschen sich diese Möglichkeit, denn in einer Welt, in der alle Lebensläufe gleich aussehen, können sich gute Bewerber sonst nicht abheben. Ein berufsbezogener Test bietet diese Bühne.

Warum Geschwindigkeit nicht gleich Vertrauen ist

Für Guru bestätigt das Xobins Ansatz: Lebenslauf analysieren, gezieltes Assessment erstellen, prüfen, ob der Bewerber die Anforderungen wirklich erfüllt.

Ben: „Ich habe dieses Beispiel zuletzt öfter gebracht: Ein HR-Tech-Unternehmen hat ein Tool entwickelt, das automatisch komplette Stellenanzeigen generiert. Vor drei, vier Jahren war das beeindruckend – heute kann jeder mit ChatGPT dasselbe kostenlos tun. Es hat Jahre und Hunderttausende gekostet, was jetzt gratis ist.“

Die Geschwindigkeit der Kommodifizierung ist real, Guru spürt sie direkt. Ben hält dagegen: Schnelligkeit ist nicht gleich Vertrauenswürdigkeit. Ein HR-Tech-Käufer vertraut einem Anbieter mit Xobins Reputation mehr als einem, der erst seit zwei Monaten existiert. Der Wettbewerbsvorteil liegt nicht im Neuen, sondern im nachgewiesenen Problemlösungsvermögen und der Bereitschaft, auf neue Anforderungen zu reagieren.

Was verursacht eigentlich die Talentknappheit? Ist sie real oder nur ein Zyklus?

Das Gespräch wendet sich dem Buch zu. Guru weiß, dass es keine einfache Antwort auf Talentknappheit gibt – er sucht die Richtung.

Ben: „Demografie-Experten weltweit sagen: Damit eine Bevölkerung langfristig stabil bleibt, braucht es etwa 2,3 Geburten pro Familie. In den USA lag diese Quote zuletzt vor 50 Jahren auf diesem Niveau. Wir produzieren also nicht genug Menschen, um alle Jobs zu besetzen. Bisher war die Lösung: mehr Zuwanderung. Aber das ist nur kurzfristig tragbar – irgendwann brauchen auch andere Länder ihre Arbeitskräfte selbst.“

Die Zahlen seit der Aufzeichnung

Seit dem Gespräch haben sich die Zahlen weiter verschlechtert. Die US-Geburtenrate lag 2025 bei 1,6 pro Frau (CBO), deutlich unter dem für eine nachhaltige Erwerbsbevölkerung nötigen Wert von 2,1. Die Erwerbsquote bewegte sich 2025 meist zwischen 62,4% und 62,7% und fiel 2026 weiter. Die Nettozuwanderung sank 2025 auf etwa 515.000 Menschen, nach rund 2,2 Millionen im Jahr 2024 (Federal Reserve Bank of San Francisco).

Ben: „Indien liegt aktuell bei etwa zwei Geburten pro Familie – also auch unter der Schwelle. Zwar höher als viele andere Industrieländer, aber auch dort sinkt die Quote. Und der Trend ist: Wenn die Zahl einmal fällt, bleibt sie meist niedrig.“

Es handelt sich also nicht um ein zyklisches Problem, das mit dem nächsten Wirtschaftsaufschwung verschwindet, sondern um einen strukturellen demografischen Wandel. Automatisierung kann die Lücke nur teilweise schließen, indem sie Aufgaben verändert, aber keine neuen Arbeitskräfte schafft.

Was tun Arbeitgeber, wenn es weniger verfügbare Menschen gibt?

Ben nennt zwei Stellschrauben und stellt fest, dass die meisten Unternehmen nur an einer drehen.

Intelligenter rekrutieren oder besser halten

Ben: „Wir haben zwei Hebel: Wir können intelligenter rekrutieren – also gezielter suchen, unsere Talentpools erweitern. Oder wir halten die, die wir schon haben: Die leistungsstarken Mitarbeitenden, die Wissen und Erfahrung mitbringen, die wir nicht verlieren wollen. Die Forschung zeigt immer wieder: Standardlösungen funktionieren weder beim Recruiting noch bei der Bindung.“

Bens Forschung ist eindeutig: One-size-fits-all-Ansätze funktionieren weder für Recruiting noch für Retention. Das Problem: Individuelle Lösungen erfordern die Berücksichtigung vieler Variablen – das kann kein Manager allein leisten. Genau hier liegt die Stärke von KI: Sie ersetzt nicht das Urteil, sondern sorgt dafür, dass die richtigen Informationen zur richtigen Zeit verfügbar sind.

Wie KI Abwanderungsrisiken frühzeitig erkennt

Ben: „Wir haben mit einem Unternehmen gearbeitet, das einen Algorithmus zur Vorhersage von Kündigungen nutzt. Er analysiert über hundert Signale. Sobald sich Anzeichen häufen, kann das System konkrete, nachvollziehbare Faktoren melden: Ben hatte seit drei Monaten kein Gespräch mit seiner Führungskraft, die letzte Gehaltserhöhung liegt vier Jahre zurück, die letzte Leistungsbeurteilung war schlechter. Das sind Hinweise, dass Ben bald gehen könnte.“

KI ersetzt nicht das Gespräch mit dem Mitarbeitenden. Sie sorgt aber dafür, dass die Führungskraft rechtzeitig die nötigen Informationen hat. Gute Führungskräfte machen das für ihre engsten Mitarbeitenden ohnehin intuitiv – KI erweitert diese Fähigkeit auf alle, die sonst unbemerkt abdriften würden.

Sollten Talente weltweit unabhängig vom Wohnort gleich bezahlt werden?

Guru stellt eine Frage aus Xobins Daten: Warum verdient ein Ingenieur in San Francisco das Fünffache eines gleich qualifizierten Ingenieurs in Indien – und nähert sich diese Lücke an?

Ben: „Gleicher Lohn für gleiche Arbeit – das ist ein wichtiger Punkt. Wenn ein Team in den USA mit ähnlichen Fähigkeiten und Aufgaben arbeitet wie eines auf den Philippinen oder in Singapur und einer nur einen Bruchteil des anderen verdient, hätte ich damit ein Problem.“

Ein Praxisbeispiel: Globales Talent zum lokalen Tarif

Ben nennt ein Beispiel aus dem eigenen Unternehmen. Lighthouse Research beschäftigt eine Administratorin auf den Philippinen, Jessa, und zahlt ihr US-Admin-Gehalt, weil sie ihre Arbeit priorisieren und nicht verlieren wollen.

Ben: „Wir leben dieses Prinzip bereits. Für viele Unternehmen ist das aber schwierig. Selbst in den USA gab es nach dem Wechsel ins Homeoffice die Debatte: Soll jemand weniger verdienen, wenn er in einer Region ohne lokalen Arbeitsmarkt lebt? Viele Unternehmen sagten: Nein, wir zahlen einen Remote-Tarif, egal wo du wohnst. Warum gilt das nicht auch für Teams außerhalb der USA?“

Eine klare Antwort gibt es nicht, denn auch die Daten liefern keine. Aber Guru macht deutlich, warum die Frage immer drängender wird: LLMs überbrücken Sprachbarrieren, Remote-Arbeit ist normal, Plattformen wie Xobin messen Fähigkeiten unabhängig vom Standort. Die technische Argumentation für Lohngleichheit wird immer stärker – auch wenn der Wille zur Umsetzung noch fehlt.

Was sollten Sourcer und HR-Einsteiger tun, bevor ihre Rolle automatisiert wird?

Guru stellt die Frage, die Ben so direkt noch nie gehört hat. Ben notiert sie, bevor er antwortet.

Ben: „Die Fähigkeiten, die zählen – und die Algorithmen schwer nachbilden können – sind die menschlichen. Das gilt nicht nur für HR: Empathie, Kreativität, kritisches Denken. Das lässt sich kaum programmieren.“

Er beschreibt eine Matrix, die er mit HR-Leadern nutzt: Eine Achse reicht von menschenorientiert bis prozessorientiert, die andere von routiniert und wiederholbar bis neuartig und unvorhersehbar. Aufgaben im Bereich menschlich und unvorhersehbar sind am wenigsten automatisierbar, prozessuale Routinen am stärksten gefährdet.

Verbindungen schaffen, die Algorithmen nicht können

Ben: „Wenn deine Stärke darin liegt, Daten zu analysieren und Muster zu erkennen, solltest du dir schnell eine neue Fähigkeit aneignen – denn darin ist KI uns überlegen. Aber Beziehungen aufbauen, Verbindungen herstellen, im Lebenslauf einen Aufhänger finden und daraus ein Gespräch entwickeln – das kann kein Algorithmus, der nur massenhaft Kontakte anschreibt.“

Das hat Ben früh gelernt, als er Blackhawk-Hubschrauberpiloten rekrutierte.

Ben: „Ich habe schnell gemerkt: Wenn ich eine Standardmail an 20 Leute schicke, antwortet niemand. Ich musste individuell werden: ‚Hey Mark, ich sehe, du bist auch Heißluftballonpilot – erzähl mal!‘ Oder: ‚Hey Jamie, ich habe gesehen, du warst in derselben Einheit wie XY – kanntest du ihn?‘ So habe ich Verbindungen geschaffen, die Algorithmen nicht herstellen können.“

Warum Unvorhersehbarkeit der eigentliche Schutz ist

Ben verweist auf ein strukturelles Merkmal menschlicher Arbeit, das viele KI-Forscher unterschätzen: Unvorhersehbarkeit.

Ben: „Algorithmen funktionieren nur in strukturierten Umgebungen mit klaren Regeln und vorhersehbaren Ergebnissen. Die meisten von uns arbeiten aber in sogenannten ‚unkind learning environments‘ – mit wenig oder verzögertem Feedback, langen Rückkopplungsschleifen und ständig neuen Situationen. Das lässt sich nicht programmieren.“

Die Empfehlung für HR-Einsteiger und -Aufsteiger ist klar: Sucht die unvorhersehbaren, menschlichen Aufgaben. Geht dorthin, wo man Beziehungen aufbauen, Ambiguität aushalten, einen Raum lesen oder mit unvollständigen Informationen entscheiden muss. Das sind die Bereiche, die Automatisierung noch lange nicht erreichen wird.

Über Ben Eubanks

Ben Eubanks ist Chief Research Officer bei Lighthouse Research and Advisory, einem internationalen Forschungs- und Beratungsunternehmen für Human Capital Management. Er ist Autor von Artificial Intelligence for HR, der weltweit meistzitierten Ressource zu KI in Recruiting, Entwicklung und Employee Experience. Sein zweites Buch, Talent Scarcity: How to Hire and Retain a Shrinking Workforce, widmet sich direkt dem Arbeitskräftemangel.

Ben bringt über ein Jahrzehnt Erfahrung als HR- und Recruiting-Manager sowie als Arbeitsmarktforscher mit. Er moderiert den Podcast We're Only Human und hat weltweit vor Zehntausenden HR-Profis gesprochen. 2009 gründete er die HR-Community upstartHR, die inzwischen über eine Million Leserinnen und Leser erreicht hat.

Vernetzen Sie sich mit Ben auf LinkedIn | Organisation: Lighthouse Research and Advisory