Was passiert, wenn Sie KI-Recruiting-Tools abschalten? Abhängigkeiten, Risiken und Exit-Strategien

Die unterschätzte Kehrseite der Automatisierung im Recruiting

KI-gestützte Recruiting-Tools versprechen schnellere Prozesse, bessere Kandidatenauswahl und geringere Kosten pro Einstellung. Viele Unternehmen haben diese Tools inzwischen tief in ihre Recruiting-Prozesse integriert; wie weit der KI-Einsatz in deutschen Unternehmen reicht, dokumentiert der Bitkom-Studienbericht zu Künstlicher Intelligenz [3]. Doch was passiert, wenn das Tool abgeschaltet wird – sei es wegen Preiserhöhungen, Anbieterwechsel, Datenschutzbedenken oder schlicht, weil es nicht mehr den Anforderungen entspricht?

Dieser Artikel analysiert die Abhängigkeiten, die bei der Nutzung von KI-Recruiting-Tools entstehen, und zeigt, wie Unternehmen ihre Handlungsfähigkeit bewahren können.

1. Wo entstehen Abhängigkeiten? Die vier Dimensionen des Lock-in

Die Bindung an ein KI-Recruiting-Tool geht weit über den Softwarevertrag hinaus. Sie manifestiert sich in vier Dimensionen:

Übersicht: Abhängigkeitsdimensionen

2. Datenabhängigkeit: Was bleibt, wenn das Tool weg ist?

2.1 Welche Daten sind betroffen?

In einem typischen KI-Recruiting-Tool sammeln sich über die Nutzungsdauer erhebliche Datenbestände an:

2.2 Das Problem proprietärer Bewertungsmodelle

Viele KI-Recruiting-Tools erstellen interne Scores oder Rankings für Kandidaten. Diese basieren auf proprietären Algorithmen und den spezifischen Trainingsdaten Ihres Unternehmens (welche Kandidaten wurden eingestellt, wie haben sie performt etc.). Diese Bewertungen sind:

• Nicht übertragbar auf ein anderes Tool
• Nicht reproduzierbar ohne den gleichen Algorithmus und die gleichen Trainingsdaten
• Nicht nachvollziehbar, wenn der Anbieter die Berechnungslogik nicht offenlegt – wobei KI-Systeme im Recruiting nach der EU-KI-Verordnung als Hochrisiko-Anwendung mit besonderen Transparenz- und Dokumentationspflichten gelten [4]

In der Praxis bedeutet das: Wenn Sie das Tool wechseln, starten Sie bei der Kandidatenbewertung bei null.

2.3 DSGVO-Aspekt: Datenlöschung vs. Datenerhalt

Die DSGVO schreibt vor, dass personenbezogene Daten nach Wegfall des Verarbeitungszwecks gelöscht werden müssen. Beim Wechsel eines Recruiting-Tools stellt sich die Frage:

• Dürfen Sie Kandidatendaten einfach in ein neues System migrieren?
• Liegen gültige Einwilligungen vor, die den neuen Verarbeitungszweck abdecken?
• Kann der alte Anbieter eine vollständige Datenlöschung nachweisen?

Diese Fragen sollten vor der Einführung eines Tools vertraglich geregelt werden.

3. Prozessabhängigkeit: Wenn der Workflow am Tool hängt

3.1 Typische Prozessintegrationspunkte

Je länger ein KI-Recruiting-Tool im Einsatz ist, desto tiefer wird es in die bestehenden Prozesse eingebettet:

3.2 Was bei Abschaltung passiert

Szenario: Sofortige Abschaltung (z. B. bei Insolvenz des Anbieters)

Ohne Vorwarnung fallen alle automatisierten Prozesse gleichzeitig aus. In einem Unternehmen mit 50–100 offenen Stellen und mehreren hundert aktiven Bewerbungen bedeutet das:

• Bewerbungen gehen verloren oder landen in einem nicht überwachten Postfach
• Kandidaten erhalten keine Rückmeldung – Reputationsschaden
• Laufende Auswahlverfahren können nicht fortgesetzt werden
• Termine werden nicht mehr koordiniert

Geschätzte Wiederherstellungszeit bei sofortiger Abschaltung: 4–12 Wochen bis ein manueller oder alternativer Prozess produktiv läuft.

Szenario: Geplanter Wechsel (3–6 Monate Vorlauf)

Auch bei geordnetem Übergang entstehen erhebliche Aufwände:

4. Kompetenzabhängigkeit: Wenn das Team das Handwerk verlernt

Ein oft übersehener Effekt langfristiger Toolnutzung: Die manuellen Fähigkeiten im Recruiting-Team erodieren.

Typische Kompetenzverluste

• CV-Screening: Wenn ein KI-Tool 2 Jahre lang die Vorauswahl trifft, können Recruiter die schnelle, qualitative Einschätzung von Lebensläufen verlernen.
• Boolean Search: Aktive Sourcing-Techniken auf LinkedIn oder Xing werden seltener trainiert, wenn das Tool automatisch Kandidaten vorschlägt.
• Marktgespür: Wer sich auf KI-generierte Gehaltsbenchmarks und Marktanalysen verlässt, verliert den eigenen Überblick.
• Kandidatenbeziehungen: Automatisierte Kommunikation kann dazu führen, dass persönliche Netzwerke und Beziehungen zu Kandidaten verflachen.

Auswirkung auf die Time-to-Recover

Wenn ein Tool wegfällt und die manuellen Kompetenzen nicht mehr vorhanden sind, verdoppelt sich die Wiederherstellungszeit in der Praxis. Statt 4–8 Wochen dauert es 8–16 Wochen, bis das Team wieder auf dem Produktivitätsniveau vor der Tooleinführung arbeitet – vorausgesetzt, dieses Niveau wird überhaupt noch erreicht.

5. Praxisbeispiel: IT-Dienstleister mit 300 Mitarbeitenden

Ein mittelständischer IT-Dienstleister nutzte seit drei Jahren ein KI-gestütztes Recruiting-Tool, das CV-Screening, Kandidaten-Matching und automatisierte Kommunikation abdeckte. Das Tool wurde vom Anbieter zum Jahresende abgekündigt, da dieser sein Produktportfolio umstrukturierte. Die Vorankündigungsfrist betrug sechs Monate.

Ausgangssituation:

• 30–40 offene Stellen permanent
• Ca. 8.000 Bewerbungen pro Jahr
• 3 Recruiter (Vollzeit), 1 HR-Leitung (Teilzeit Recruiting)
• Toolkosten: 2.200 EUR/Monat
• Automatisierungsgrad: ca. 65 % des Screening-Prozesses

Herausforderungen beim Wechsel:

1. Daten: 15.000 Kandidatenprofile im Tool. Export lieferte nur Basisdaten (Name, Kontakt, letzter Status). KI-Bewertungen, interne Notizen und Kommunikationshistorie gingen verloren.

2. Prozess: Die Recruiter hatten ihre Arbeitsweise komplett um das Tool herum organisiert. Standardisierte Briefings, Screening-Kriterien und Bewertungsschemata existierten nur innerhalb der Plattform.

3. Kompetenz: Das manuelle Screening von Lebensläufen dauerte im Team initial dreimal so lang wie vor der Tooleinführung.

4. Parallelbetrieb: Während der Übergangsphase mussten beide Systeme betrieben werden, was zu doppelten Lizenzkosten und Verwirrung im Team führte.

Kosten des Wechsels (Kalkulationsbeispiel):

Zum Vergleich: Die jährlichen Lizenzkosten des alten Tools betrugen 26.400 EUR. Die Wechselkosten entsprachen also mehr als drei Jahreslizenzgebühren.

Lernerfahrungen des Unternehmens:

• Sie hätten von Anfang an auf regelmäßige Datenexporte bestehen sollen
• Interne Prozessdokumentation unabhängig vom Tool wäre essenziell gewesen
• Regelmäßige „manuelle Tage" hätten die Kompetenz im Team erhalten können

6. Schutzmaßnahmen: So reduzieren Sie Abhängigkeiten

Vor der Tool-Einführung

Während der Nutzung

Für den Exit-Fall

Fazit: Abhängigkeit managen, nicht vermeiden

Die Nutzung von KI-Recruiting-Tools schafft zwangsläufig Abhängigkeiten. Das ist kein Argument gegen ihren Einsatz – aber ein Argument für bewusstes Abhängigkeitsmanagement von Tag eins an.

Einordnung für die Praxis

1. Bewerten Sie Datenportabilität als Auswahlkriterium gleichrangig mit Funktionalität. Ein Tool, das hervorragend funktioniert, aber Ihre Daten einschließt, ist ein strategisches Risiko.

2. Verhandeln Sie Exit-Bedingungen vor der Unterschrift. Nach Vertragsabschluss haben Sie kaum noch Verhandlungsmacht. Klären Sie: Datenexportformate, Herausgabefristen, Löschungsnachweise.

3. Dokumentieren Sie Ihre Recruiting-Prozesse unabhängig vom Tool. Screening-Kriterien, Bewertungsschemata und Entscheidungslogiken gehören in ein internes Dokument, nicht nur in die Toolkonfiguration.

4. Erhalten Sie manuelle Kernkompetenzen. Lassen Sie Ihr Team regelmäßig – etwa quartalsweise – Bewerbungen manuell screenen. Das kostet wenig und sichert Handlungsfähigkeit.

5. Führen Sie monatliche Datenexporte durch und prüfen Sie deren Vollständigkeit. Im Ernstfall ist ein aktueller Datenbestand außerhalb des Tools Gold wert.

6. Kalkulieren Sie Wechselkosten in Ihre TCO-Betrachtung ein. Faustformel: Reservieren Sie 2–3 Jahreslizenzkosten als potenzielles Wechselbudget. Das relativiert vermeintlich günstige Angebote.

7. Vermeiden Sie Mono-Tool-Strategien. Wenn ein einzelnes Tool alle Recruiting-Schritte abdeckt, ist die Abhängigkeit maximal. Modulare Ansätze – auch wenn sie aufwendiger zu integrieren sind – reduzieren das Einzelausfallrisiko.

Anmerkung: Alle Zahlen- und Kostenangaben in den Tabellen dieses Artikels beruhen auf Branchenschätzungen, Praxiserfahrungswerten, marktüblichen Angaben und eigenen Kalkulationsbeispielen.