KI-Reifegradmodell für das Recruiting: 5 Stufen von manuell bis orchestriert

Was ist ein KI-Reifegradmodell für das Recruiting?

Ein KI-Reifegradmodell für das Recruiting ist ein Stufenmodell, das beschreibt, wie weit ein Unternehmen KI in seinen Recruiting-Prozess integriert hat. Es zeigt den aktuellen Stand und den jeweils nächsten sinnvollen Entwicklungsschritt.

Allgemeine KI-Reifegradmodelle bewerten das ganze Unternehmen, oft in Stufen von ersten Experimenten bis zur integrierten Nutzung: Strategie, Daten, Technologie, Governance und Kultur. Für HR-Teams sind sie oft zu grob, weil sie nicht zeigen, ob KI im Screening, in der Kommunikation oder in Interviews hilft. Im Englischen heißen recruiting-spezifische Modelle Recruiting oder Talent Acquisition Maturity Model. Ein Reifegradmodell für das Recruiting setzt am Prozess an: Wie personenabhängig ist der Ablauf, welche Schritte sind digital, welche automatisiert, und wo unterstützt KI tatsächlich Entscheidungen?

Der Bedarf an KI-Reifegradmodellen wächst mit der Verbreitung von KI. Nach der IKT-Erhebung des Statistischen Bundesamts nutzten 2025 26 Prozent der Unternehmen in Deutschland mit mindestens zehn Beschäftigten KI-Technologien, bei Großunternehmen ab 250 Beschäftigten 57 Prozent und bei mittleren Unternehmen 36 Prozent. Der Vorjahreswert von 20 Prozent (Pressemitteilung 444/2024) ist wegen eines Methodenbruchs nur eingeschränkt vergleichbar: Seit dem Berichtsjahr 2025 gilt der EU-Unternehmensbegriff.

Welche fünf Stufen hat das lizzyAI-Reifegradmodell für KI im Recruiting?

Das Modell hat fünf Stufen: 1. Manuell, 2. Digitalisiert, 3. Automatisiert, 4. AI-enabled (KI-gestützt) und 5. Orchestriert. Den Ausschlag gibt der Sprung von Stufe 3 zu 4, ab dem KI Auswahlentscheidungen vorbereitet. Im Buch „The AI (enabled) Recruiter“ heißt das Modell „AI Recruiting Maturity Model“ (S. 78).

Im Reifegradmodell ist der Sprung von Stufe 3 zu Stufe 4 der entscheidende. Auf Stufe 3 folgen Systeme festen Regeln. Auf Stufe 4 wertet KI Inhalte aus, etwa Lebensläufe oder Interviewantworten, und bereitet damit Auswahlentscheidungen vor. Genau die Screening- und Bewertungsfunktionen dieser Stufe stuft die KI-Verordnung (EU) 2024/1689 in Anhang III Nr. 4 als Hochrisiko-KI ein, mit Betreiberpflichten ab dem 2. Dezember 2027. KI für Kommunikation fällt nicht automatisch darunter. Fragen zur Einordnung beantwortet der AI Act Service Desk der EU-Kommission. Wer Stufe 4 erreicht, braucht deshalb eine belastbare KI-Governance und klare Regeln für Human in the Loop.

KI in der Personalabteilung liegt hinter anderen Unternehmensbereichen zurück. Laut Bitkom-Umfrage unter 604 Unternehmen ab 20 Beschäftigten vom 15. September 2025 (Vorjahreswelle) setzten nur 14 Prozent der Unternehmen, die KI nutzen, sie in der Personalabteilung ein, während 88 Prozent sie im Kundenkontakt einsetzen.

Wie finde ich heraus, ob unser Recruiting bereit für KI ist?

Ob Ihr Recruiting bereit für KI ist, zeigt eine ehrliche Selbsteinschätzung entlang von Prozessen, Daten, Kennzahlen, Team und Governance. Der Selbsttest unten ordnet Ihr Recruiting mit acht Leitfragen und je fünf Antworten einer Stufe des Reifegradmodells zu und nennt den nächsten Schritt.

Wolfgang Brickwedde, Gastautor in „The AI (enabled) Recruiter“, formuliert die Ausgangsfrage so: Die erste Frage solle nicht lauten, welche KI-Tools man einsetzt, sondern „Wie gut ist unser Recruiting heute überhaupt organisiert?“ (S. 64). Sein eigenes Recruiting-Reifegradmodell bewertet die Organisation des Recruitings insgesamt. Der Selbsttest auf dieser Seite ordnet dagegen einer Stufe des Modells aus „The AI (enabled) Recruiter“ zu. Fehlende Daten sind dabei eine reale Hürde. In der Bitkom-Umfrage vom September 2026 nannten 40 Prozent der Unternehmen ohne KI fehlende Daten als Hemmnis.

Bei der Auswertung des Selbsttests ergibt der Durchschnitt der acht Antworten die Stufe, die niedrigste einzelne Antwort zeigt den Engpass. Ein Team mit KI-Screening, aber ohne gepflegte ATS-Daten steht faktisch auf Stufe 2. Die KI arbeitet dann auf einer schwachen Datenbasis, und der Fortschritt ist nur scheinbar. Kennzahlen wie Time-to-Hire und Abbruchquoten nennt Brickwedde als Grundvoraussetzung (S. 64).

Fehlende Regeln zu menschlicher Kontrolle sind ein häufiger Grund, warum Teams auf Stufe 4 stehen bleiben: 25 Prozent der KI-nutzenden Unternehmen nennen laut Bitkom (2026) mangelnde Nachvollziehbarkeit der Ergebnisse als Hemmnis. Schulungen sind keine Kür, denn seit Februar 2025 verlangt Art. 4 der KI-Verordnung Maßnahmen zur KI-Kompetenz der Beschäftigten.

Welche Recruiting-Aufgaben sollte man mit KI automatisieren und welche nicht?

Automatisieren sollte man Recruiting-Aufgaben mit klarem Input, messbarem Ergebnis und geringen Fehlerkosten, etwa Terminplanung oder Standardkommunikation. Auswahl- und Absageentscheidungen bleiben bei Menschen, weil dort Kontext, Erfahrung und Verantwortung zählen. Die Automatisierungsmatrix auf dieser Seite wendet dafür den Drei-Fragen-Test von Wolfgang Brickwedde auf sechs typische Aufgaben an.

Wolfgang Brickwedde schlägt im Buch drei Fragen zur Einordnung vor. Der Brickwedde-Test lässt sich auf jede einzelne Aufgabe im Recruiting anwenden.

Die rechtliche Grenze der Automatisierung im Recruiting verläuft ähnlich. Eine Absage allein auf Basis einer KI-Bewertung dürfte Art. 22 DSGVO (EUR-Lex) nicht genügen, sofern keine Ausnahme nach Abs. 2 greift. Für die datenschutzrechtliche Prüfung einer KI-Anwendung stellt der Bundesbeauftragte für den Datenschutz (BfDI) einen KI-Fragenkatalog bereit (Version 1.0, Mai 2024). Brickwedde zieht die fachliche Grenze: „Dort, wo Kontext, Erfahrung, Menschenkenntnis und Verantwortung gefragt sind, bleibt Recruiting eine menschliche Disziplin“ (S. 65). Wie KI-Screening mit menschlicher Prüfung funktioniert, beschreibt die Seite zu CV-Screening und Vorqualifizierung.

Wie verändert sich die Rolle von Recruiter:innen auf dem Weg zur Stufe „Orchestriert“?

Auf dem Weg zur Stufe „Orchestriert“ werden Recruiter:innen zu Talent-Orchestrator:innen: Sie verbringen weniger Zeit mit Koordination und mehr mit Beratung, Beziehungsaufbau und der Steuerung von Mensch und KI.

„The AI (enabled) Recruiter“ beschreibt die Verschiebung in Kapitel 1. Künstliche Intelligenz übernimmt nicht „Recruiting“, sondern bestimmte Arten von Arbeit, vor allem repetitive, standardisierte, datenintensive und koordinative Aufgaben (S. 17). Talent-Orchestrator:innen verbinden laut Buch Technologie, Kommunikation, Candidate Experience, Daten, Prozesse und menschliche Interaktion (S. 18). Sie verstehen, welche Aufgaben automatisiert werden können und wo menschliche Interaktion entscheidend bleibt.

Für jede Stufe des Reifegradmodells braucht das Recruiting-Team andere Fähigkeiten. Kapitel 7 des Buchs nennt sechs: KI-Kompetenz (im Buch: AI Literacy), Prozessdenken, Candidate Experience Design, Datenverständnis, Beratungskompetenz und kritische Urteilsfähigkeit (S. 74–77). Rechtlich ist die KI-Kompetenz keine Kür. Seit dem 2. Februar 2025 müssen Unternehmen, die KI einsetzen, nach Art. 4 KI-Verordnung Maßnahmen zur Förderung der KI-Kompetenz ihrer Beschäftigten ergreifen. Mehr dazu auf der Seite zur KI-Kompetenz für HR- und Recruiting-Teams.

Wie wird aus dem Reifegrad eine Recruiting-Strategie?

Eine Recruiting-Strategie mit KI entsteht, wenn Unternehmen ihren aktuellen Reifegrad ehrlich bestimmen, die nächste Stufe als Ziel setzen und dafür konkrete Use Cases, Kennzahlen und Verantwortliche festlegen. Das Ziel ist die nächste Stufe, nicht die höchste.

Wolfgang Brickwedde formuliert die Grenze jeder Tool-Debatte deutlich: „KI ersetzt keine Recruiting-Strategie“ (S. 64). Die Strategie legt fest, welche Talente das Unternehmen braucht, über welche Kanäle es sie erreicht und wie schnell es entscheiden will. KI ist ein Mittel, diese Ziele zu erreichen. Stufen zu überspringen funktioniert selten, weil jede Stufe auf den Daten und Prozessen der vorherigen aufbaut.

1. Reifegrad bestimmen

   Die acht Leitfragen im Team beantworten, gemeinsam mit Hiring Managern, die Stufe aus dem Durchschnitt ablesen und die schwächste Antwort als Engpass markieren.

2. Nächste Stufe als Ziel setzen

   Ein Ziel für die kommenden 12 Monate formulieren, etwa „von Digitalisiert zu Automatisiert in der Terminplanung“.

3. Use Cases auswählen

   Mit dem Brickwedde-Test zwei bis drei Aufgaben auswählen, die zur Zielstufe passen, und den ersten als Pilot planen.

4. Rahmen klären

   Betriebsrat, Datenschutz und Legal früh einbinden. Für Stufe 4 die Hochrisiko-Pflichten der KI-Verordnung ab 2. Dezember 2027 einplanen.

5. Wirkung messen und neu einstufen

   Kennzahlen gegen die Ausgangslage prüfen und den Reifegrad einmal im Jahr neu bestimmen.

Wie der erste Pilot konkret geplant wird, zeigt die Seite KI im Recruiting einführen mit dem Pilot-Canvas. Welche Fragen Sie Anbietern stellen sollten, beschreibt die Seite zur Auswahl von KI-Recruiting-Software.

Welche Recruiting-Trends prägen 2026 und 2027 den Weg zur nächsten Stufe?

Fünf Recruiting-Trends prägen 2026 und 2027 den Weg zur nächsten Reifegradstufe: wachsende KI-Nutzung, konkrete Pflichten aus der KI-Verordnung, KI-Kompetenz als Pflicht, KI-optimierte Bewerbungen und eine stärker beratende Rolle von Recruiter:innen.

Weitere Zahlen zum KI-Einsatz in deutschen Unternehmen und im Recruiting sammelt die Seite KI im Recruiting: Zahlen und Studien.

Wie unterscheidet sich das lizzyAI-Reifegradmodell von den Modellen von Gartner, Deloitte, Kienbaum und Wolfgang Brickwedde?

Für HR gibt es mehrere Reifegradmodelle: zwei von Deloitte, eines von Gartner, das Reifegradmodell der Studie von Kienbaum und BPM sowie das Recruiting-Reifegradmodell von Wolfgang Brickwedde. Sie bewerten die HR-Funktion oder die Recruiting-Organisation insgesamt. Das lizzyAI-Reifegradmodell betrachtet dagegen nur den KI-Einsatz im Recruiting-Prozess und ist kostenlos veröffentlicht.

Die Modelle der Beratungen setzen bei der ganzen HR-Funktion an. Deloitte hat am 24. Juni 2025 ein „HR AI Maturity Model“ vorgestellt, das HR-Organisationen laut Deloitte-Pressemitteilung in sechs Dimensionen mit Marktpraktiken vergleicht: Strategie, Daten, Technologie, Governance, Solution Delivery und Workforce Enablement. Ein Deloitte-Papier für den öffentlichen Sektor beschreibt außerdem eine „AI-Powered HR Maturity Curve“ mit vier Stufen: Foundational, Transformative, Innovative und Exponential. Gartner bietet ein „AI Maturity Model and AI Roadmap Toolkit“ und ein „AI Maturity Assessment for HR“ an. Die Inhalte im Detail sind Gartner-Kund:innen vorbehalten.

Die Studie „Künstliche Intelligenz in HR“ von Kienbaum und dem Bundesverband der Personalmanager*innen (BPM) ordnet HR-Funktionen fünf Reifegraden zu: Beginner, Entdecker, Architekt, Maestro und Visionär. In der Ausgabe von Juni 2026 (n = 151 Befragte, überwiegend HR-Leitungen, nicht repräsentativ) sahen sich 63 Prozent als Entdecker, 19 Prozent als Architekt, 16 Prozent als Beginner und 2 Prozent als Maestro. Recruiting und Onboarding ist dort das Feld mit dem stärksten Zuwachs: Der produktive Einsatz generativer KI stieg von 18 Prozent (2024) auf 35 Prozent (2026).

Das Recruiting-Modell aus dem Buch und die Modelle der Beratungen schließen sich nicht aus. Ein Modell für die HR-Funktion zeigt, ob Daten, Technologie und Governance insgesamt tragen. Das Recruiting-Modell zeigt, an welcher Stelle im Prozess KI heute hilft und welcher Schritt als nächstes kommt. Für einen Prozess reichen Stufen statt Dimensionen, weil sich jeder Recruiting-Schritt für sich einordnen lässt. Wolfgang Brickwedde beschreibt im Buch ein eigenes Recruiting-Reifegradmodell, mit dem Arbeitgeber sehen können, wo sie stehen und was sie für das nächste Recruiting-Level tun müssen (S. 64). Es ist ein anderes Modell als das lizzyAI-Reifegradmodell und im Buch nicht abgedruckt.

Häufige Fragen zum KI-Reifegradmodell im Recruiting