Wie fair wirkt die KI beim Vorstellungsgespräch?
Viele Unternehmen setzen bei der Personalauswahl auf KI. Eine neue Studie zeigt nun, dass Bewerberinnen und Bewerber Avataren, die mit ihnen ein Vorstellungsgespräch führen, überwiegend vertrauen – aber nur bis sie eine Absage erhalten. Wie fair diese Entscheidung wahrgenommen wird, hängt von den Identitätsmerkmalen der Avatare ab. Am ungerechtesten behandelt fühlten sich nicht etwa die Testpersonen, die sich am stärksten vom Avatar unterschieden – sondern diejenigen, die entweder beim Geschlecht oder bei der Hautfarbe mit ihm übereinstimmten.
Bei Einstellungsverfahren nutzen Unternehmen immer häufiger Künstliche Intelligenz. Nicht nur Lebensläufe werden automatisiert ausgewertet. KI-Tools können auch Vorstellungsgespräche führen – meist in Form von Avataren, also animierten Personen – und eine Auswahl treffen. Eine wichtige Begründung neben der Zeitersparnis: Die KI sei unvoreingenommener als der Mensch. „Was dabei bislang zu wenig beachtet wurde: Wir alle reagieren unbewusst auf das Aussehen der Avatare, selbst wenn wir wissen, dass wir mit einer Maschine sprechen. Deshalb wird ein Gespräch mit einer Künstlichen Intelligenz zu einer sozialen Interaktion, sobald sie wie ein Mensch auftritt“, sagt Enkelejda Kasneci, Professorin für Human-Centered Technologies for Learning an der Technischen Universität München (TUM).
Ein Team aus Forschenden der TUM und der Universität Lund hat deshalb untersucht, wie Bewerberinnen und Bewerber KI-Entscheidungen in Vorstellungsgesprächen wahrnehmen – abhängig vom Erscheinungsbild des Avatars. Für die Studie führten rund 220 Probandinnen und Probanden aus Deutschland, Großbritannien und den USA ein kurzes simuliertes Vorstellungsgespräch für eine fiktive Stelle im Kunden-Support eines Unternehmens. Befragt wurden sie von einem fotorealistischen Avatar, der menschenähnlich auf die Antworten reagieren und Nachfragen stellen konnte. Das Forschungsteam hatte für die Verkörperung der KI vier Varianten programmiert. Die Avatare waren weiblich oder männlich, sie hatten dunkle oder helle Hautfarbe. Die Blicke der Testpersonen wurden per Eye-Tracking erfasst. Nach dem Gespräch füllten sie einen Fragebogen aus.
Unterschiede beim Eye-Tracking
Die Eye-Tracking-Auswertung zeigte, dass die Probandinnen und Probanden das Gesicht des Avatars genauer betrachteten, wenn sich die Hautfarbe von ihrer (selbst angegebenen) eigenen unterschied. Das Vertrauen in die Künstliche Intelligenz war aber zu diesem Zeitpunkt durchweg hoch – unabhängig davon, ob Geschlecht und Hautfarbe zwischen Testperson und Avatar übereinstimmte oder nicht.
Das änderte sich, nachdem alle Bewerberinnen und Bewerber eine Absage für die Stelle erhalten hatten und erneut befragt wurden. Nun neigten die Testpersonen eher dazu, dass ungerecht über sie geurteilt wurde. Ob sie die Entscheidung als fair empfanden, hing von den Merkmalen der Avatare ab.
Unterschied sich die Hautfarbe des Avatars von der Hautfarbe der Testpersonen, gingen diese eher davon aus, dass die Absage auf einer Voreingenommenheit beruhte. Am ungerechtesten behandelt fühlten sich allerdings diejenigen Probandinnen und Probanden, die mit dem jeweiligen Avatar in einem Merkmal übereinstimmten, also entweder bei Geschlecht oder Hautfarbe. Sie urteilten negativer über den Fairness-Grad der Entscheidung als Testpersonen, die in beiden Charakteristika mit dem Avatar übereinstimmten – aber auch negativer als die Testpersonen, die sich vollständig vom Avatar unterschieden.
„Sozialverhalten beim KI-Design berücksichtigen“
„Die Diskussion über Fairness beim Einsatz Künstlicher Intelligenz hat sich bislang hauptsächlich darum gedreht, ob die Modelle vorurteilsfrei programmiert und trainiert werden. Aber auch wenn dies der Fall ist, kann es sein, dass KI als unfair wahrgenommen wird. Und dieser Effekt kann aus anderen Gründen auftreten, als wir auf den ersten Blick vermuten würden“, sagt Studienautorin Kasneci. „Deshalb müssen Erkenntnisse über unser Sozialverhalten beim Design von KI stärker beachtet werden, wenn die Technologien ihren Zweck erfüllen sollen – wie etwa ein Recruitingverfahren, dessen Qualität alle Beteiligten anerkennen.“
Weitere Informationen:
• Das Studienteam wurde auf der CHI Conference on Human Factors in Computing Systems mit einem Honourable Mention Award ausgezeichnet.
• Die Studie wurde von HeyGen unterstützt.
• Prof. Enkelejda Kasneci forscht an der TUM School of Social Sciences and Technology und der TUM School of TUM School of Computation, Information and Technology. Sie ist Director des TUM Center for Educational Technologies und Mitglied des Munich Data Science Institute der TUM. Die Studienautorinnen Ka Hei Carrie Lau und Enkelejda Kasneci sind Mitglied des Munich Center for Machine Learning.
Wissenschaftlicher Ansprechpartner:
Prof. Dr. Enkelejda Kasneci
Technische Universität München (TUM)
Lehrstuhl für Human-Centered Technologies for Learning
Tel.: +49 89 289 24348
enkelejda.kasneci@tum.de
https://www.edu.sot.tum.de/hctl/
Originalpublikation:
Lau, K. H. C., Stark, P., Bozkir, E., & Kasneci, E. (2026): Skin-Deep Bias: How Avatar Appearances Shape Perceptions of AI Hiring. Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems
https://doi.org/10.1145/3772318.3790379
Ähnliche Pressemitteilungen im idw
