Das Wichtigste in 30 Sekunden:
→ KI-Tools bewerten Lebensläufe mit Behinderungshinweis systematisch schlechter — selbst wenn sie objektiv besser sind (Glazko et al., 2024).
→ Am stärksten betroffen: Autismus (0 von 10) und Gehörlosigkeit. Neurodivergente und behinderte Talente fallen zuerst durchs Raster.
→ Die KI erfindet diese Vorurteile nicht — sie lernt sie von Menschen und skaliert sie.
→ Der EU AI Act stuft Recruiting-KI als Hochrisiko ein.
→ Schutz bietet die «klassische» Personalpsychologie: strukturierte Auswahl. KI unterstützt, ersetzt sie nicht (Boyce et al., 2026).
Was gerade passiert — und warum es kaum jemand sieht
Immer mehr Unternehmen lassen Lebensläufe von KI vorsortieren. Das spart Zeit. Und es ist längst nicht mehr nur grossen Konzernen mit teurer Software vorbehalten: Jede Person mit ChatGPT kann einen Lebenslauf gegen ein Stelleninserat «matchen» lassen.
Genau hier liegt das Problem. Was nach objektiver Technik aussieht, trägt die Vorurteile aus seinen Trainingsdaten in sich — und wendet sie auf echte Bewerbungen an. Ohne dass jemand es merkt.
Was ein Disability Bias ist
Ableismus ist die Abwertung von Menschen mit Behinderung. Dahinter steckt eine stille Annahme: «ohne Behinderung» oder «neurotypisch» gilt als Norm — Behinderung als Defizit. Wer in diese Kategorie fällt, gilt dann schnell als weniger belastbar, weniger fähig, als Risiko.
Genau das zeigt sich auch in KI-Systemen, in zwei Formen: offen (direkte Stereotype, die gar nicht im Lebenslauf stehen) und subtil (Engagement wird gelobt und gleichzeitig als Nachteil verbucht, Werte werden zur «Abweichung» erklärt). Beides senkt die Bewertung.
Was die Studie zeigt
Ein Forschungsteam der University of Washington (Glazko et al., 2024) hat das systematisch geprüft. Der Aufbau ist bestechend einfach: Die Forschenden nahmen einen echten Lebenslauf und bauten eine zweite Version mit vier behinderungsbezogenen Zusatzpunkten — einer Führungsauszeichnung, einem Stipendium, einem Panel-Beitrag, einer Mitgliedschaft. Diese Version war objektiv besser. Sonst identisch. Ein faires System müsste sie immer vorne reihen.
Das tat die normale KI (GPT-4) nicht. In nur 15 von 60 Fällen wählte sie den besseren Lebenslauf. In drei Vierteln der Fälle bevorzugte sie die schwächere Version — sobald die stärkere eine Behinderung erwähnte (siehe Grafik oben).
Am härtesten traf es neurodivergente und sensorische Behinderungen: Bei Autismus landete der bessere Lebenslauf 0 von 10 Mal vorne, bei Gehörlosigkeit 1 von 10. Das Paradoxe: Selbst wenn klar eine Führungsauszeichnung im Lebenslauf stand, schrieb die KI Sätze wie «weniger Führungserfahrung». Das Signal «Behinderung» überschrieb die Fakten.
Die gute Nachricht: Ein zweites, auf Fairness trainiertes Modell schnitt deutlich besser ab — 37 statt 15 Treffer. Schon einfache Anweisungen halfen. Aber nicht überall: Bei Depression verbesserte sich gar nichts. Ein Training mildert den Bias — es beseitigt ihn nicht.
Und ein wichtiger Kontrollbefund: Eine Zusatzauszeichnung ohne Behinderungsbezug wurde nicht abgestraft, im Gegenteil. Es ist also nicht «mehr Text», der schadet. Es ist das Signal «Behinderung».
Ein Hinweis zur Genauigkeit: ADHS war in dieser Studie nicht enthalten. Der nächstverwandte getestete Fall — Autismus — schnitt am schlechtesten ab. Es liegt nahe, Ähnliches zu erwarten; für ADHS belegt ist es nicht.
Das Paradoxe — die KI hat die Vorurteile nicht erfunden
Hier wird es unbequem. Die KI hat diese Stereotype nicht erdacht. Sie hat sie aus uns gelernt — aus Texten, aus Sprache, aus dem, was Menschen über Behinderung schreiben.
Tausende Bewerbungen, in Sekunden. Das ist nicht «die böse Technik». Das sind unsere eigenen Vorurteile, automatisiert.
Was das für Schweizer KMU bedeutet
Für Schweizer KMU ist das doppelt heikel. Erstens: Wer Lebensläufe blind von KI vorsortieren lässt, siebt genau die neurodivergenten Talente aus, die er eigentlich sucht — 15 bis 20 Prozent der Arbeitsbevölkerung. Schneller als je zuvor und ohne es zu merken. Zweitens: Der EU AI Act stuft KI im Recruiting als Hochrisiko ein. Wer solche Systeme einsetzt, trägt Verantwortung für ihre Verzerrungen — rechtlich wie betrieblich.
Dazu kommt: Der Lebenslauf verliert ohnehin an Aussagekraft. Ein wachsender Teil wird selbst von KI geschrieben. Ihn dann blind von einer zweiten KI bewerten zu lassen, verdoppelt das Risiko.
Was Sie tun können
Die Antwort ist nicht, KI zu verteufeln. Sie ist, bei der Personalauswahl nicht den Kopf auszuschalten. Drei Punkte:
KI nicht blind übernehmen
Nutzen Sie KI als Vorschlag, nie als Urteil. Ein Mensch entscheidet — mit Blick auf den Inhalt, nicht auf das Etikett.
Auf Verzerrung prüfen
Testen Sie Ihre Tools gezielt: Bewertet das System gleiche Qualifikation auch gleich? Genau dafür gibt es einfache «Stresstests».
Auf die valideste Methode setzen
Das strukturierte Interview sagt den Joberfolg am besten voraus — besser als jedes automatisierte Screening (Boyce et al., 2026). Welche Auswahlverfahren wirklich treffen, zeigt die interaktive Übersicht zur Vorhersagekraft →
KI kann in der Personalauswahl unterstützen — beim Sortieren, beim Zusammenfassen, beim Vorbereiten. Aber sie ersetzt das menschliche Urteil nicht. Und schon gar nicht ein sauberes, strukturiertes Verfahren.
Quellen
Glazko, K., Mohammed, Y., Kosa, B., Potluri, V., & Mankoff, J. (2024). Identifying and improving disability bias in GPT-based resume screening. In Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (pp. 687–700). Association for Computing Machinery. https://doi.org/10.1145/3630106.3658933
Boyce, A. S., Hickman, L., & Boyce, C. E. (2026). The future of selection enabled by artificial intelligence. In N. Schmitt & A. M. Ryan (Eds.), The Oxford handbook of personnel assessment and selection (2nd ed.). Oxford University Press. https://doi.org/10.1093/9780197809013.003.0018
Wo steht Ihre Organisation?
30 Minuten, kein Verkaufsgespräch. Sie erzählen, wo es hakt. Ich höre zu. Klartext. Oder starten Sie mit dem kostenlosen NRI-Selbsttest — 7 Minuten, anonym.