Einstellungskriterium KI-Affinität:
Worauf Mittelständler beim Recruiting jetzt achten müssen

Die Auswahlfrage hat sich verschoben

Jahrzehntelang funktionierte Personalauswahl im Mittelstand als Vergleich von Nachweisen: Wer die bessere Ausbildung, die längere Berufspraxis und die passenderen Stationen vorwies, bekam die Stelle. Dieses Raster setzt voraus, dass die Arbeit von morgen der Arbeit von gestern ähnelt. Genau diese Annahme trägt in Funktionen mit hohem Text-, Rechen- und Routineanteil nicht mehr.

Wie groß der Unterschied im Arbeitsergebnis werden kann, deuten zwei vielbeachtete US-Untersuchungen an — beide ausdrücklich keine deutschen Felddaten, aber methodisch belastbar. Eine im Quarterly Journal of Economics publizierte Feldstudie mit über 5.000 Kundensupport-Kräften maß nach Einführung eines KI-Assistenten im Schnitt 15 Prozent mehr bearbeitete Vorgänge pro Stunde — mit den größten Zuwächsen bei den weniger erfahrenen Kräften (Brynjolfsson, Li, Raymond, 2025). Ein in Science veröffentlichtes Experiment des MIT mit 453 Berufstätigen fand bei typischen Schreibaufgaben 40 Prozent kürzere Bearbeitungszeiten bei zugleich besser bewerteten Ergebnissen (Noy, Zhang, 2023).

Für das Recruiting ist der Nebenbefund der ersten Studie der entscheidende: Der Hebel wirkt am stärksten bei Berufseinsteigern. Ein junger Bewerber, der Prozesse von vornherein automatisiert denkt, kann eine langjährige Fachkraft überholen, die dieselben Werkzeuge innerlich ablehnt. Berufsjahre schlagen KI-Verweigerung nicht mehr zuverlässig — das ist die neue Rechenlage am Auswahltisch.

Warum das Zeugnis nichts über KI-Affinität sagt

Ein Abschlusszeugnis dokumentiert, was jemand zu einem Stichtag in einem Curriculum gelernt hat, das Jahre vorher festgelegt wurde. Ein Arbeitszeugnis dokumentiert Leistung unter den Werkzeugen der damaligen Stelle. Beides sind Rückspiegel — und im Rückspiegel ist nicht zu sehen, wie jemand auf ein Werkzeug reagiert, das seine Arbeitsweise infrage stellt.

Eine Modellrechnung mit angenommenen Werten zeigt, was auf dem Spiel steht. Zwei Fachkräfte für die Buchhaltung, gleiche Ausbildung, gleiche Noten: Die eine erledigt die monatliche Abschlussroutine — Belege zuordnen, Konten abstimmen, Auswertungen kommentieren — wie gelernt in drei Arbeitstagen. Die andere lässt die Zuordnung von einem geprüften Automatismus vorbereiten, kontrolliert die Vorschläge und schafft dieselbe Routine in einem Tag. Zwei Tage Unterschied pro Monat sind 24 Arbeitstage im Jahr — bei identischem Zeugnis. Die Zahlen sind Annahmen; das Muster überträgt sich auf jede Funktion mit wiederkehrender Schreibtischroutine.

Bemerkenswert ist, wo diese Verschiebung stattfindet: kaum in eigens ausgeschriebenen KI-Stellen. Eine Auswertung von rund 60 Millionen Online-Stellenanzeigen durch Bertelsmann Stiftung und Institut der deutschen Wirtschaft zeigt den Anteil expliziter KI-Jobs seit 2022 bei etwa 1,5 Prozent stagnierend. Der Wandel läuft nicht über neue Jobtitel — er läuft als stille Zusatzerwartung durch die ganz normalen Stellenprofile. Wer darauf wartet, dass „KI-Stellen" im eigenen Stellenplan auftauchen, sucht am falschen Ort.

Vier Interview-Signale, die KI-Affinität zeigen

KI-Affinität lässt sich nicht abfragen wie eine Fachkenntnis — auf „Sind Sie offen für neue Technologien?" antwortet jeder Bewerber mit Ja. Tragfähig sind Verhaltensfragen, die vergangenes Handeln und spontane Reaktionen sichtbar machen:

1. Die Werkzeug-Frage: „Welches Werkzeug haben Sie zuletzt aus eigenem Antrieb ausprobiert — und warum?" Der Name des Werkzeugs ist gleichgültig; gewertet wird das Neugier-Verhalten. Wer nichts nennt, probiert nichts aus.
2. Die Rückschau-Frage: „Welche Aufgabe aus Ihrer letzten Stelle würden Sie heute anders lösen?" Wer hier leer bleibt, hat den eigenen Arbeitsablauf nie von außen betrachtet — die Grundvoraussetzung, um Verbesserung überhaupt zu erkennen.
3. Das Umstellungs-Szenario: „Angenommen, ab dem nächsten Quartal übernimmt ein Assistenzsystem die Vorarbeit in Ihrem Kernprozess — was wäre Ihre erste Frage?" Interesse und konkrete Rückfragen sprechen für Affinität; ein sofortiger Abwehrreflex spricht gegen sie.
4. Die Grenzen-Frage: Spricht der Bewerber von sich aus über Fehler, Prüfschritte und Qualitätskontrolle bei KI-Ergebnissen? Wer Grenzen benennen kann, hat wirklich mit den Werkzeugen gearbeitet — wer nur schwärmt, kennt sie aus Schlagzeilen.

Die vierte Frage schützt vor dem Umkehrfehler: Gesucht ist keine Technik-Euphorie, sondern ein nüchternes Arbeitsverhältnis zum Werkzeug. Wie ein solches Verhältnis in der täglichen Arbeit aussieht — Anweisung, Ergebnis, Prüfung, Nachschärfen —, beschreibt unser Beitrag über das richtige Kommunizieren mit KI.

Warnsignale — und die rechtliche Randfrage

Genauso aussagekräftig wie die positiven Signale sind die Antworten, die aufhorchen lassen sollten:

• „Das haben wir immer so gemacht" als Antwort auf das Umstellungs-Szenario
• Pauschale KI-Ablehnung ohne konkrete, erfahrungsgestützte Begründung
• Stolz auf manuelle Abläufe als Selbstzweck — Handarbeit als Identität statt als Mittel
• Umgekehrt: kritikloses Vertrauen in KI-Ergebnisse ohne jedes Prüf-Bewusstsein
• Desinteresse an der Frage, wie sich die eigene Rolle in fünf Jahren verändert

Bleibt die Frage, die Geschäftsführer an dieser Stelle zuverlässig stellen: Darf man danach auswählen? Die kurze Einordnung — ohne Anspruch auf Rechtsberatung: Das Allgemeine Gleichbehandlungsgesetz schützt in § 1 sechs abschließend aufgezählte Merkmale, von Alter bis sexuelle Identität. Eine fachliche Anforderung wie der kompetente, lernbereite Umgang mit KI-Werkzeugen zählt nicht dazu und ist als Auswahlkriterium so zulässig wie jede andere Qualifikation. Eine Flanke gibt es dennoch: Wer das Kriterium generationell auflädt — etwa mit einem „jungen, digitalaffinen Team" in der Stellenanzeige —, schafft einen mittelbaren Bezug zum geschützten Merkmal Alter. Das Kriterium gehört deshalb fachlich formuliert, nie demografisch. Bei Detailfragen zur konkreten Ausschreibung ist eine arbeitsrechtliche Fachberatung der richtige Weg.

Haltung schlägt Werkzeug-Kenntnis

KI-Affinität bezeichnet die Bereitschaft, neue Werkzeuge auszuprobieren, den eigenen Arbeitsablauf daran zu messen und Ergebnisse kritisch zu prüfen — eine Haltung, kein Kenntnisstand. Die Unterscheidung ist wichtiger, als sie klingt, denn sie entscheidet darüber, wonach im Gespräch überhaupt gesucht wird.

Wer heute geübt mit einem bestimmten Assistenzsystem umgeht, kann in achtzehn Monaten trotzdem den Anschluss verlieren, wenn die nächste Werkzeug-Generation anders funktioniert und die Übung nicht erneuert wird. Momentaufnahmen veralten mit dem Werkzeug. Die Haltung dahinter veraltet nicht — Lernbereitschaft, Experimentierfreude und Prüf-Disziplin tragen durch jeden Generationswechsel. Deshalb ist das Kriterium auch fair gegenüber älteren Bewerbern: Eine Haltung hat kein Geburtsjahr.

Am Ende beschreibt KI-Affinität den Kern eines neuen Rollenprofils: die Fachkraft als Auftraggeber ihrer Werkzeuge — sie formuliert, prüft und verantwortet, statt jede Zwischenstufe selbst zu produzieren. Diesen Rollenwandel vom Ausführenden zum Steuernden entwickelt unser Beitrag Domänen-Experte plus KI: Vom Auftraggeber zum Operator ausführlich.

Frühindikator Kreativabteilung: Wo das Anforderungsprofil zuerst kippt

Nirgends verschiebt sich das Stellenprofil derzeit so schnell wie in Grafik- und Kreativabteilungen. Das klassische Ausbildungsbild des Mediengestalters ist um Produktionshandwerk gebaut: Satz, Reinzeichnung, Bildbearbeitung, Formatadaption. Genau diese Produktionsschicht erledigen KI-Systeme inzwischen in Minuten — in brauchbarer, oft in guter Qualität.

Unsere Einschätzung daraus, bewusst zugespitzt: Innerhalb von ein bis zwei Jahren wird kaum noch eine Kreativabteilung eine Stelle ausschreiben, deren Profil allein auf dieses Handwerk zugeschnitten ist. Wer dort künftig eingestellt wird, wird an der Steuerungsarbeit gemessen — Konzept und Briefing, Auswahl und Verdichtung der maschinell erzeugten Varianten, Qualitäts- und Markenkontrolle. Eine herkömmliche Ausbildung ohne diese zweite Ebene erfüllt das Profil dann nicht mehr; das gilt für Berufseinsteiger wie für Wechsler mit langer Berufspraxis. Wie sich die Arbeit in Design-Teams konkret vom Produzieren zum Steuern verlagert, zeigt unser Beitrag über KI in Design-Abteilungen.

Für alle anderen Funktionen ist die Kreativabteilung damit ein Frühindikator: Was dort in Monaten sichtbar wird, erreicht textlastige Verwaltungs-, Kalkulations- und Kommunikationsrollen zeitversetzt — die Buchhaltungs-Modellrechnung weiter oben ist dieselbe Bewegung in Zeitlupe. Wer heute einstellt, besetzt die Stelle, wie sie in zwei Jahren aussieht, nicht wie sie gestern aussah.

Bestandsteam: Entwicklung statt Austausch

So hart das Kriterium bei Neueinstellungen angelegt werden darf, so klar ist die Grenze: Auf die vorhandene Mannschaft übertragen wäre es die falsche Konsequenz. Die Buchhalterin mit zwanzig Jahren Betriebswissen ist kein Auslaufmodell — sie ist die wertvollste Kandidatin für die Steuerungsrolle, wenn der Betrieb ihr Schulung, Regeln und Einarbeitungszeit gibt. Ihr Wissen über Prozesse, Kunden und Sonderfälle ist genau der Rohstoff, den KI-Werkzeuge nicht mitbringen.

Die Zahlen zeigen, wie viel Luft hier ist: Nach der Weiterbildungsstudie des TÜV-Verbands hatten Anfang 2026 erst 27 Prozent der Unternehmen ihre Beschäftigten im Umgang mit KI geschult — doppelt so viele wie zwei Jahre zuvor, aber 45 Prozent sehen weiterhin gar keinen Bedarf. Und je kleiner der Betrieb, desto seltener die Schulung: 49 Prozent bei Großunternehmen stehen 21 Prozent bei Betrieben mit 20 bis 49 Beschäftigten gegenüber. Aus Beschäftigten-Sicht meldet Bitkom, dass 70 Prozent der Berufstätigen vom Arbeitgeber kein KI-Fortbildungsangebot erhalten. Dabei ist das längst Pflichtaufgabe: Die europäische KI-Verordnung verlangt von Unternehmen, die KI einsetzen, seit Februar 2025 ausreichende KI-Kompetenz des Personals — welche Pflichten wann greifen, ordnet unser Beitrag zum EU AI Act ein.

Einstellen nach Affinität und Entwickeln des Bestands sind damit zwei Seiten derselben Personalstrategie — und beide setzen voraus, dass der Betrieb selbst ins Arbeiten kommt. Warum das Zögern der Unternehmensführung das teurere Risiko ist als jeder Fehlstart, begründet der erste Teil dieser Serie: KI-Angst und das falsche Risiko.