KI im Executive Search: was sich ändert – und was Menschen entscheiden

KI im Executive Search: was sich ändert und was nicht

KI im Executive Search verändert zuerst die Arbeit, die niemand sieht: Recherche, Sortieren, Zusammenfassen, Nachhalten. Was eine Suche wertvoll macht, bleibt eine Folge von Urteilen: Welche Kriterien zählen wirklich? Wer passt, obwohl der Lebenslauf anders aussieht? Und warum sollte jemand, der gar nicht sucht, ausgerechnet mit Ihnen sprechen? Dieser Artikel trennt beides und ordnet den EU AI Act ein.

Der Unterschied zu KI im Recruiting allgemein liegt im Maßstab. Im Volumen-Recruiting sortieren Werkzeuge oft viele Bewerbungen auf eine Stelle. Im Executive Search gibt es meist keine Bewerbungen: Die passenden Menschen sind in festen Positionen, werden direkt angesprochen und erwarten Diskretion. Der Nutzen von KI liegt hier weniger im Filtern als im Finden und Strukturieren.

Was KI im Executive Search gut kann

Recruiting mit KI lohnt sich dort, wo Arbeit breit, wiederholbar und gut überprüfbar ist. Die Tabelle zeigt typische Aufgaben und die menschliche Prüfung.

KI senkt den Aufwand für Breite und schafft Zeit für das, was sich nicht automatisieren lässt. Wie eine vollständige Marktkarte aufgebaut ist, beschreibt Talent Mapping im Executive Search. Zwei Grenzen gelten für jede Zeile. Sprachmodelle können Angaben falsch zusammenfassen oder erfinden; was in eine Bewertung eingeht, prüfen Sie an der Quelle. Und wer Daten über eine Person nicht bei ihr selbst erhebt, muss sie innerhalb eines Monats informieren, bei früherer Kontaktaufnahme oder Weitergabe schon dann, soweit keine Ausnahme nach Abs. 5 greift (Art. 14 Abs. 3 DSGVO).

Wo Menschen entscheiden: Urteil, Überzeugung, Vertraulichkeit

Fünf Aufgaben bleiben bei Menschen, nicht aus Prinzip, sondern weil die nötigen Informationen erst im Gespräch entstehen oder weil jemand die Verantwortung tragen muss.

• Führungsqualität beurteilen. Ob jemand ein Team durch einen Umbau führt oder Widerspruch zulässt, steht in keinem Profil. Es zeigt sich in strukturierten Interviews mit Beispielen aus der echten Arbeit (für Profile, die auf dem Papier gleich aussehen, siehe Ex-McKinsey, BCG oder Bain einstellen).
• Gewinnen und überzeugen. Wer nicht sucht, wechselt nicht wegen einer gut formulierten Nachricht, sondern weil ihm jemand glaubhaft erklärt, warum diese Rolle, dieses Unternehmen und dieser Zeitpunkt passen.
• Referenzen führen. Frühere Vorgesetzte, Kolleginnen und Mitarbeitende sprechen offen mit einem Menschen, dem sie vertrauen, nicht mit einem Formular.
• Vertraulichkeit wahren. Viele Suchen sind vertraulich, etwa wenn eine Position noch besetzt ist. Mandatsdetails gehören nicht in KI-Dienste, deren Datenverarbeitung nicht vertraglich geregelt ist.
• Entscheiden. Die Auswahl trifft das Unternehmen, auf Grundlage einer begründeten Empfehlung. Verantwortung lässt sich nicht an ein Modell delegieren.

Was dabei hilft, ist Struktur. In einer Neubewertung der Forschung zur Personalauswahl lagen strukturierte Interviews an der Spitze der Auswahlverfahren (Sackett et al., 2022). Eine Meta-Analyse zeigte zudem: Wurden dieselben Informationen nach festen Regeln verrechnet statt zu einem Gesamturteil verdichtet, verbesserte das die Vorhersage der Arbeitsleistung um mehr als 50 %. Das galt auch gegenüber Fachleuten, die Stelle und Organisation kannten (Kuncel et al., 2013). Feste Regeln brauchen keine KI; eine gewichtete Kriterienliste genügt.

Bias und Transparenz: wie KI in der Personalauswahl verzerren kann

KI in der Personalauswahl übernimmt Muster aus ihren Trainingsdaten. Eine Audit-Studie testete Text-Embedding-Modelle, mit denen sich Lebensläufe vorsortieren lassen, an über 500 öffentlich verfügbaren Lebensläufen für neun Berufe. Die Modelle bevorzugten in 85,1 % der Fälle Namen, die mit weißen Personen assoziiert werden, und nur in 11,1 % der Fälle weiblich assoziierte Namen (Wilson und Caliskan, 2024). Die Studie arbeitet mit US-amerikanischen Namen und Berufen.

Ein Mensch, der das Ergebnis prüft, ist allein keine Lösung. In einem Experiment mit 528 Personen wählten die Teilnehmenden ohne KI oder mit einer neutralen KI Kandidatinnen und Kandidaten aller Gruppen gleich häufig. Bevorzugte die simulierte KI eine Gruppe, taten es die Teilnehmenden in bis zu 90 % der Fälle auch. Unter bestimmten Umständen galt das selbst dann, wenn sie die Empfehlungen für minderwertig oder unwichtig hielten (Wilson et al., 2025).

Menschen urteilen auch ohne KI verzerrt, wie typische Beurteilungsfehler zeigen. Das Allgemeine Gleichbehandlungsgesetz verbietet Benachteiligungen etwa wegen Geschlecht, ethnischer Herkunft oder Alter, auch bei Auswahlkriterien, und schützt ausdrücklich Bewerberinnen und Bewerber (§§ 1, 2, 6, 7 AGG). Das gilt, gleich ob ein Mensch oder eine Software sortiert. Daraus leiten wir fünf Leitplanken ab (Praxisempfehlung, kein Forschungsergebnis):

• Kriterien vor der Suche festlegen. Rollenspezifisch, gewichtet und schriftlich, bevor das erste Profil bewertet wird.
• KI sortiert nicht endgültig aus. Vorschläge erweitern die Liste; wer herausfällt, fällt durch eine begründete menschliche Bewertung heraus.
• Stichproben prüfen. Regelmäßig vergleichen, wen die Werkzeuge vorschlagen und wen nicht.
• Begründungen dokumentieren. Jede Entscheidung über die Shortlist lässt sich an den Kriterien erklären.
• Offen sagen, was Software tut. Auftraggeber, Kandidatinnen und Kandidaten erfahren, wofür Werkzeuge eingesetzt werden und wofür nicht.

EU AI Act: Recruiting-KI ist hochriskant, die Pflichten gelten ab Dezember 2027

Die KI-Verordnung (EU) 2024/1689 stuft in Anhang III Nr. 4 lit. a als hochriskant ein: „KI-Systeme, die bestimmungsgemäß für die Einstellung oder Auswahl natürlicher Personen verwendet werden sollen, insbesondere um gezielte Stellenanzeigen zu schalten, Bewerbungen zu sichten oder zu filtern und Bewerber zu bewerten“. Ausgenommen sein können Systeme ohne erhebliches Risiko, etwa wenn sie nur eine eng gefasste Verfahrensaufgabe oder eine vorbereitende Aufgabe erfüllen. Ein System, das ein Profiling natürlicher Personen vornimmt, gilt immer als hochriskant (Art. 6 Abs. 3).

Die Pflichten für Hochrisiko-Systeme nach Anhang III sollten ursprünglich ab dem 2. August 2026 gelten. Die Digital-Omnibus-Verordnung zur KI, Verordnung (EU) 2026/1744, wurde am 24. Juli 2026 im Amtsblatt veröffentlicht und trat am 27. Juli 2026 in Kraft. Sie verschiebt den Geltungsbeginn für Systeme nach Anhang III auf den 2. Dezember 2027. An der Einstufung als hochriskant ändert sie nichts.

Betreiber ist, wer ein KI-System in eigener Verantwortung verwendet; nach unserer Lesart der Arbeitgeber oder eine Suchfirma, die es für ein Mandat einsetzt. Betreiber müssen das System nach der Gebrauchsanweisung verwenden und die menschliche Aufsicht Personen mit Kompetenz, Ausbildung und Befugnis übertragen. Sie überwachen den Betrieb, bewahren Protokolle mindestens sechs Monate auf und informieren die Personen, über die das System Entscheidungen trifft oder vorbereitet (Art. 26). Für leitende Angestellte, um die es im Executive Search oft geht, sieht das Betriebsverfassungsgesetz bei der Einstellung nur eine rechtzeitige Mitteilung an den Betriebsrat vor (§ 105 BetrVG).

Ersetzt KI den Headhunter?

Teilweise: KI ersetzt Recherchestunden, nicht das Mandat. Eine Suche, deren Wert vor allem in einer Namensliste lag, wird durch KI günstiger und leichter vergleichbar. Die Arbeit verschiebt sich zu dem, was die Liste nicht leistet: Kriterien schärfen, Führungsqualität beurteilen, Menschen gewinnen, die nicht suchen, und eine Empfehlung begründen. Wie Honorare heute aufgebaut sind und was sie treibt, erklärt Was kostet ein Headhunter?

Auch viele Menschen misstrauen dem Urteil einer Maschine bei Einstellungen. In einer Umfrage des Pew Research Center im Dezember 2022 unter 11.004 Erwachsenen in den USA sagten 66 %, sie wollten sich nicht bei einem Arbeitgeber bewerben, der KI zur Unterstützung von Einstellungsentscheidungen nutzt. 71 % lehnten KI für die endgültige Einstellungsentscheidung ab, 7 % befürworteten sie (Pew Research Center, 2023). Belastbare Zahlen für Führungskräfte in Deutschland kennen wir nicht. Wer eine sichere Position aufgeben soll, will mit einem Menschen sprechen, der das Unternehmen kennt und für seine Darstellung einsteht.

Wie wir bei LEADBeyond Recruit Werkzeuge einsetzen – und wo wir entscheiden

Klassische Suche beginnt mit einer Namensliste, unsere mit einer Karte des gesamten Marktes. Eigene Werkzeuge übernehmen Breite und Struktur; das Urteil liegt bei uns, die Entscheidung bei Ihnen. Frederic C. Rupprecht und Jonathan M. Günak, die aus McKinsey & Company und Roland Berger kommen, führen jedes Mandat persönlich (Team). Wie wir KI in unserer Strategieberatung einsetzen, beschreibt KI-gestützte Strategieberatung.

1. Kartieren. Wir erfassen den relevanten Markt vollständig: Zielunternehmen, Funktionen, Karrierewege. Sichtbar wird nicht, wer gerade sucht, sondern wer passt (Talent Intelligence).
2. Bewerten. Jedes Profil bewerten wir entlang der mit Ihnen abgestimmten Kriterien, gewichtet je Mandat. Der Fit-Score rechnet live mit, und die Shortlist entsteht aus einem gemeinsamen Maßstab, nicht aus dem Bauch (Profil-Dashboard). Der Fit-Score verrechnet Bewertungen, er ersetzt sie nicht.
3. Führungsqualität prüfen. In strukturierten Interviews und Referenzgesprächen, entlang rollenspezifischer Kriterien und derselben Führungsdimensionen, mit denen wir in Empower arbeiten.
4. Gewinnen. Persönliche, datengestützte Ansprache über mehrere Kanäle. Ein Dashboard zeigt Ihnen und uns in Echtzeit, wo die Suche steht.