Sie bewerben sich bei zwanzig Firmen. Wie viele Entscheidungen sind es wirklich? Sie bewerben sich bei zwanzig Firmen. Wie viele Entscheidungen sind es wirklich?

Die Zahl zwanzig verspricht mehr Vielfalt, als sie belegt

In einer Bewerbungsübersicht sehen zwanzig Zeilen nach Streuung aus. Zwanzig Unternehmen, zwanzig Stellen, zwanzig mögliche Antworten. Eine Absage kann an der Erfahrung liegen, eine andere an einer internen Besetzung, die nächste an einer stärkeren Mitbewerberin. Hinter jedem Firmennamen vermuten wir ein eigenes Urteil.

Doch diese Vorstellung setzt etwas voraus, das in keiner Bewerbungsübersicht steht: Die Entscheidungen müssen hinreichend unabhängig voneinander sein. Viele Versuche verteilen das Risiko nur dann wie erwartet, wenn nicht überall dieselbe verborgene Regel gegen dieselben Personen wirkt.

Genau hier beginnt die algorithmische Monokultur. Der Begriff bezeichnet eine Situation, in der mehrere Entscheider dasselbe System oder hinreichend ähnliche technische Komponenten verwenden. Das kann ein gemeinsamer Anbieter sein, dasselbe Bewertungsmodell, eine geteilte Modellarchitektur oder ein ähnlicher Datensatz. Auch unterschiedliche Produkte können auf demselben Basismodell aufbauen oder dieselbe Vorstellung eines plausiblen Karrierewegs übernehmen.

Monokultur bedeutet nicht, dass jede Firma identisch entscheidet. Arbeitgeber formulieren andere Stellenprofile, setzen eigene Grenzwerte und führen unterschiedliche Gespräche. Die wichtigere Frage lautet, ob ihre Fehler zusammenhängen. Wenn ein ungewöhnlicher Berufsweg von mehreren Systemen auf ähnliche Weise unterschätzt wird, begegnet die betroffene Person möglicherweise nicht zwanzig Irrtümern. Sie begegnet demselben blinden Fleck an zwanzig Türen.

Die kurze Antwort lautet deshalb: Zwanzig Bewerbungen bleiben zwanzig Versuche. Sie sind aber nicht zwangsläufig zwanzig unabhängige Chancen.

Zwischen Firma und Urteil liegt eine gemeinsame technische Mitte

Eine Bewerbung durchläuft mehrere Schichten. Der Arbeitgeber definiert die Stelle. Ein Portal liest Dokumente ein. Weitere Systeme ordnen Kompetenzen zu, vergeben Werte oder empfehlen, wer weiterkommen soll. Erst danach sieht möglicherweise ein Mensch die Unterlagen.

Die Unternehmen an den Rändern dieses Ablaufs können verschieden sein, während die technische Mitte ähnlich bleibt. Zwei Firmen nutzen vielleicht denselben Anbieter mit unterschiedlichen Modellen. Produkte verschiedener Marken können auf einer gemeinsamen Architektur beruhen. Selbst getrennt entwickelte Systeme können korrelierte Modellfehler erzeugen, wenn sie aus vergleichbaren Daten lernen und dieselben Abweichungen vom üblichen Lebenslauf als fehlende Eignung interpretieren.

Rechtlich und organisatorisch trifft weiterhin jedes Unternehmen seine eigene Entscheidung. Gemessen an der Herkunft des Urteils kann die Zahl eigenständiger Bewertungen jedoch kleiner sein.

Angenommen, drei Systeme treffen auf eine seltene Berufsbezeichnung. Das erste stuft sie als fachfremd ein. Das zweite findet zu wenige bekannte Schlüsselbegriffe. Das dritte übersetzt sie in eine verbreitete Kategorie und verliert dabei die eigentliche Spezialisierung. Die Programme reagieren unterschiedlich. Der Fehler bleibt verwandt: Alle behandeln dieselbe Abweichung vom Standard als Informationsverlust.

Für Bewerbende ist diese Wiederholung kaum erkennbar. Die Absagen tragen andere Logos und andere Formulierungen. Ob ein Modell beteiligt war, welches es war und ob die Unterlagen menschlich gelesen wurden, bleibt häufig unsichtbar. Der Journalbeitrag Das Gespräch beginnt ohne Sie betrachtet diesen verborgenen Beginn innerhalb eines einzelnen Auswahlprozesses. Die Monokulturfrage verschiebt den Maßstab: Was geschieht, wenn sich derselbe Beginn über viele Arbeitgeber hinweg wiederholt?

Vier Prozent: ein starker Befund mit einem schmalen Rand

Ein Forschungsteam um Rishi Bommasani hat erstmals reale, arbeitgeberübergreifende Empfehlungen eines eingesetzten Auswahlsystems untersucht. Die am 26. Mai 2026 veröffentlichte Forschungsarbeit „Algorithmic Monocultures in Hiring“ ↗ analysiert 4.197.168 Bewerbungen von 3.372.132 Personen auf 1.746 Positionen bei 156 Arbeitgebern. Die Daten stammen aus den Jahren 2018 bis 2022. Sämtliche Empfehlungen wurden durch spielbasierte Eignungsmodelle desselben Anbieters, pymetrics, erzeugt.

Der Datensatz zeigt nicht die endgültige Einstellungsentscheidung. Er dokumentiert, ob das jeweilige Modell eine Bewerbung empfahl oder nicht empfahl. Nach Darstellung der Forschenden beeinflussten diese Empfehlungen, welche Personen weiter berücksichtigt wurden. Wie einzelne Arbeitgeber das Ergebnis im Detail nutzten, blieb jedoch außerhalb ihres Einblicks.

Die Besonderheit liegt in der Verbindung über Unternehmensgrenzen hinweg. Der Datensatz macht sichtbar, ob dieselbe Person bei mehreren Positionen ähnlich bewertet wurde. Unter den Bewerbenden mit genau zehn erfassten Bewerbungen wurden vier Prozent bei allen zehn Positionen nicht empfohlen. Diese Quote lag über dem Wert, den statistisch unabhängige Entscheidungen erwarten ließen.

Die Zahl ist relevant, braucht aber ihren Nenner. Im beobachteten Datensatz hatten nur 522 Personen genau zehn Bewerbungen über pymetrics vermittelt. Die vier Prozent dürfen deshalb nicht als allgemeine Absagequote für Menschen mit zehn Bewerbungen gelesen werden. Sie sind ein auffälliger Befund in einer kleinen Untergruppe eines sehr großen Datensatzes.

Als Vergleich analysierte das Team Daten einer Korrespondenzstudie mit 83.000 Bewerbungen bei 108 großen US-Unternehmen. Dort ließen sich die Muster durch statistisch weitgehend unabhängige Entscheidungen erklären. Dieser Vergleich ist kein sauberer Gegensatz zwischen Maschine und Mensch: Die ursprünglichen Reaktionen der Unternehmen können laut Forschungsarbeit aus einer Mischung menschlicher und algorithmischer Prozesse entstanden sein. Belegt ist nur, dass die arbeitgeberübergreifende Homogenität in diesen Vergleichsdaten deutlich geringer war.

Zusätzlich simulierte das Team, wie breit Menschen sich bewerben müssten, damit die Wahrscheinlichkeit einer vollständigen Nichtempfehlung unter 0,1 Prozent fällt. Unter der Annahme unabhängiger Entscheidungen genügten zehn Bewerbungen. In der aus den beobachteten Modellbeziehungen abgeleiteten Simulation waren 25 nötig. Das ist keine Bewerbungsempfehlung und keine universelle Schwelle. Es zeigt, dass zusätzliche Bewerbungen in diesem System halfen, aber langsamer als bei unabhängigen Urteilen.

Auch auf Gruppenebene veränderte die getrennte Betrachtung einzelner Positionen den Befund. Unter dem verwendeten US-amerikanischen Prüfmaßstab und nach statistischer Korrektur zeigten 10,62 Prozent der auswertbaren Positionen einen auffälligen nachteiligen Effekt für Schwarze Bewerbende. Bei asiatischen Bewerbenden waren es 5,32 Prozent. Ein zusammengefasster Wert über alle Stellen ließ diese Unterschiede weniger deutlich erscheinen. Berücksichtigt wurden dabei nur Positionen mit mindestens 30 Personen, die ihre ethnische Zugehörigkeit selbst angegeben hatten.

Diese Werte beweisen weder eine rechtswidrige Diskriminierung jeder auffälligen Auswahl noch die allgemeine Untauglichkeit automatisierter Bewerberauswahl. Die Studie nennt selbst erhebliche Grenzen: Sie untersucht einen Anbieter und spielbasierte Tests, nicht den gesamten Markt algorithmischer Personalauswahl. Die Mehrheit der Arbeitgeber saß in Nordamerika und gehörte zu großen Unternehmen. Unabhängige Messwerte für die tatsächliche Eignung der Bewerbenden fehlten ebenso wie vollständige Daten über spätere Interviews und Einstellungen.

Der belastbare Befund ist enger und gerade deshalb bedeutsam: Eine negative Empfehlung kann ihre gesellschaftliche Wirkung verändern, wenn sie nicht an der Grenze eines Unternehmens endet. Aus einem lokalen Auswahlfehler kann ein Marktmuster werden.

Andere Modelle können dieselben blinden Flecken behalten

Der naheliegende Ausweg lautet: Arbeitgeber sollten verschiedene Modelle verwenden. Doch verschiedene Produktnamen garantieren noch keine Vielfalt der Urteile.

Die im Juni 2025 veröffentlichte Studie „Correlated Errors in Large Language Models“ ↗ verglich Antworten von mehr als 350 Sprachmodellen über mehrere Datensätze hinweg. Auf einem der untersuchten Bestenlisten-Datensätze wählten zwei Modelle in durchschnittlich rund 60 Prozent der Fälle dieselbe falsche Antwort, wenn beide falsch lagen. Gemeinsame Anbieter, Architekturen und ähnliche Modellgrößen erhöhten die Fehlerähnlichkeit. Auffällig war zudem, dass leistungsfähigere Modelle auch über Anbietergrenzen hinweg stark korrelierte Fehler zeigten.

Für eine Recruiting-Simulation bewerteten 20 Sprachmodelle 60 reale Lebensläufe anhand von 30 Stellenbeschreibungen. Daraus entstanden 1.800 Kombinationen; 450 davon wurden zusätzlich nach denselben Kriterien von Menschen bewertet. Die Modelle stammten von fünf Anbietern.

Dieses Experiment bildet keinen wirklichen Arbeitsmarkt ab. In jedem simulierten Markt verwendeten alle Firmen dieselbe zufällig ausgewählte Stellenbeschreibung. Jeweils das bestbewertete Viertel der Lebensläufe erhielt ein angenommenes Interview. Die Auswahl lief offline und ohne weitere Unternehmensprozesse. Die Resultate müssen innerhalb dieser engen Versuchsanordnung gelesen werden.

Trotz zufällig verteilter Sprachmodelle blieb bei 20 simulierten Firmen ungefähr ein Fünftel der Lebensläufe überall unberücksichtigt. Der Modellname wechselte, doch die Rangfolgen ähnelten sich noch genug, um dieselben Personen wiederholt auszusortieren. Märkte, in denen alle Firmen dasselbe Modell einsetzten, erzeugten eine deutlich stärkere systemische Ablehnung.

Die Gegenbefunde verhindern eine einfache Moral. In einer weiteren Simulation lieferten die jeweils neueren und einzeln genaueren Modelle den Firmen bessere Zuordnungen als eine zufällig zusammengestellte Modellvielfalt. Stark korrelierte Märkte konnten zudem für jene Bewerbenden, die überhaupt ein Angebot erhielten, zu einer bevorzugteren Zuordnung führen. Gleichzeitig konzentrierte sich dieser Vorteil auf die Personen, die den gemeinsamen Maßstab bereits passiert hatten.

Vielfalt ist also nicht automatisch Qualität. Ein schwaches Modell wird nicht nützlich, nur weil es anders irrt. Hohe Einzelgenauigkeit löst das Monokulturproblem jedoch ebenfalls nicht, wenn mehrere Systeme dieselben Menschen übersehen. Genauigkeit und Unabhängigkeit sind zwei verschiedene Eigenschaften.

Das gilt auch für Modell-Ensembles. Drei Bewertungen ergeben nur dann einen pluralen Blick, wenn die Systeme tatsächlich andere Informationen, Kriterien oder Fehlerprofile einbringen. Drei nahezu identische Urteile sind ein Urteil mit drei Absendern.

Monokultur macht Fehler größer – und sichtbarer

Ein gemeinsamer Maßstab besitzt eine Stärke, die in der Kritik leicht verloren geht: Er kann wiederholbar sein. Dasselbe System lässt sich unter vergleichbaren Bedingungen erneut prüfen. Auswahlraten können nach Positionen und Personengruppen getrennt werden. Modellwechsel hinterlassen zeitliche Grenzen. Ein wiederkehrender Fehler kann als Muster erscheinen, statt in vielen informellen Einzelurteilen zu verschwinden.

Die Felddatenstudie konnte ihre Gegenrechnungen gerade deshalb durchführen, weil die Empfehlungen deterministisch reproduzierbar waren. Das Forschungsteam ließ eine Stichprobe von Bewerbenden nachträglich durch hunderte Modelle des Anbieters bewerten. Eine solche Analyse wäre bei nicht dokumentierten Bauchentscheidungen kaum möglich gewesen.

Auditierbarkeit ist deshalb ein echter möglicher Vorteil standardisierter Systeme. Sie ist aber weder ein Fairnessbeweis noch ein Ersatz für unabhängigen Zugang zu Daten. Ein exakt reproduzierter Fehler bleibt ein Fehler. Seine Wiederholbarkeit macht ihn untersuchbar, nicht unbedenklich.

Diese Logik findet sich auch in der europäischen Regulierung. Nach dem am 20. Oktober 2026 geltenden Stand zählt die Europäische Kommission KI-Systeme für Beschäftigung und Recruiting, etwa Software zur Sortierung von Lebensläufen, zu den Hochrisikoanwendungen. Nach der durch den AI Omnibus geänderten Zeitschiene gelten die einschlägigen Pflichten für Systeme aus Anhang III ab dem 2. Dezember 2027. Vorgesehen sind unter anderem Risikobewertung, Anforderungen an Datensätze, Protokollierung, technische Dokumentation und menschliche Aufsicht. Die Europäische Kommission dokumentiert Einstufung, Pflichten und Zeitplan ↗.

Doch auch ein präzises Audit kann den falschen Ausschnitt wählen. Wenn jeder Arbeitgeber nur seine eigenen Durchschnittswerte untersucht, bleibt womöglich unsichtbar, dass dieselben Personen bei mehreren Unternehmen scheitern. Umgekehrt kann eine Auswertung über alle Positionen hinweg deutliche Nachteile einzelner Modelle oder Stellen verdecken.

Die Prüfebene müsste deshalb der Reichweite des Systems folgen. Wirkt ein Anbieter bei vielen Arbeitgebern, reicht es nicht, jeden Einsatzort als isolierten Fall zu behandeln. Nötig wäre zusätzlich die Frage, ob negative Ergebnisse bei denselben Profilen über Stellen, Standorte und Modellvarianten hinweg wiederkehren.

Zentralisierung kann eine erkannte Korrektur schnell verbreiten. Sie kann einen übersehenen Fehler ebenso schnell vervielfachen. Ob aus Standardisierung Kontrolle oder Abhängigkeit entsteht, entscheidet sich daran, ob Forschung, Prüfung und Widerspruch eine ähnliche Reichweite erhalten wie das System selbst.

Für Deutschland ist das Risiko plausibel, aber nicht vermessen

Die US-amerikanischen Befunde lassen sich nicht direkt auf Deutschland, Österreich oder die Schweiz übertragen. In den geprüften Quellen fehlen arbeitgeber- und anbieterübergreifende Daten, die dieselben Bewerbenden durch mehrere Auswahlprozesse verfolgen. Auch belastbare Marktanteile einzelner Auswahlmodelle oder ihrer technischen Grundlagen liegen dort nicht vor.

Eine deutsche Unternehmensbefragung zeichnet für 2024 ein zurückhaltendes Bild der sichtbaren Nutzung. Bitkom Research befragte zwischen September und November 2024 telefonisch 852 Unternehmen ab drei Beschäftigten. Die am 10. März 2025 veröffentlichten Ergebnisse weisen aus, dass ein Prozent Bewerbungen mit KI-Hilfe sichtete und drei Prozent eine KI-basierte Kompetenz- oder Potenzialanalyse einsetzten. Die Bitkom-Erhebung beschreibt Ergebnisse und Methode ↗.

Zugleich führten 47 Prozent der befragten Unternehmen Online-Tests oder digitale Assessment-Center durch. Diese Zahl ist für die Abgrenzung wichtiger als für einen Alarm. Digital ist nicht automatisch algorithmisch, und algorithmisch bedeutet nicht zwangsläufig generative KI. Ein festes Punkteschema, ein statistisches Eignungsmodell und ein Sprachmodell können denselben Prozessschritt unterstützen, funktionieren aber unterschiedlich.

Die Befragung beantwortet auch nicht, wie der Markt im Oktober 2026 aussieht. Sie beruht auf Selbstauskünften aus dem Jahr 2024. Zudem kann sie technische Komponenten übersehen, die in zugekauften Recruiting-Produkten stecken und den befragten Unternehmen nicht als eigenständiger KI-Einsatz erscheinen.

Die saubere Einordnung bleibt daher schmal: Algorithmische Monokultur ist für den DACH-Arbeitsmarkt ein begründetes Risiko, aber noch kein umfassend belegter Zustand. Die Studien zeigen einen Mechanismus und seine möglichen Folgen. Sie messen nicht seine gegenwärtige Verbreitung in Deutschland.

Für eine belastbare Marktanalyse müssten mehrere Ebenen verbunden werden: Welche Systeme bewerten tatsächlich Bewerbungen? Welche Anbieter, Basismodelle und Datenquellen teilen sie? Wie ähnlich fallen ihre Fehler bei denselben Profilen aus? Und wie oft verändert ein Mensch eine negative Empfehlung noch? Ohne diese Verbindung sagt die sichtbare Zahl der Recruiting-Produkte wenig über die Vielfalt der Urteile.

Die eigentliche Zahl bleibt unsichtbar

Für Bewerbende folgt daraus kein Argument, weniger Bewerbungen zu versenden. Jede zusätzliche Stelle kann andere Anforderungen, ein anderes Team und einen anderen weiteren Auswahlprozess besitzen. Auch in den untersuchten Monokulturen sank das Risiko vollständiger Ablehnung mit zunehmender Zahl der Bewerbungen.

Nur darf die Zahl verschickter Unterlagen nicht mit der Zahl unabhängiger Bewertungen verwechselt werden. Wer Chancen streuen möchte, müsste – soweit das von außen überhaupt erkennbar ist – auch die Auswahlkontexte variieren: Branchen, Unternehmensgrößen, Rollenfamilien und Wege in ein Gespräch. Ein fachlicher Kontakt oder eine persönliche Empfehlung kann einen standardisierten Filter manchmal umgehen. Eine verlässliche Strategie gegen unsichtbare Modellähnlichkeit ist das nicht.

Für Recruiter und Arbeitnehmervertretungen verschiebt sich die Frage ebenfalls. Es genügt nicht zu wissen, ob ein System im Durchschnitt gute Zuordnungen erreicht. Ebenso relevant ist, ob seine Fehler stets dieselben Menschen treffen, ob Modellvarianten tatsächlich andere Urteile hervorbringen und ob nach einer negativen Empfehlung ein wirksamer menschlicher Widerspruch möglich bleibt.

Das ist keine romantische Rückkehr zum Bauchgefühl. Menschliche Auswahl kann willkürlich, voreingenommen und schlecht dokumentiert sein. Die Alternative zur algorithmischen Monokultur ist nicht menschliche Unordnung. Sie ist ein Auswahlprozess, in dem mehrere begründete Perspektiven möglich bleiben und keine davon unbemerkt zur einzigen Sprache des Marktes wird.

Zwanzig Logos belegen zwanzig Adressaten. Wie viele verschiedene Maßstäbe dahinter warten, bleibt die wichtigere und bislang meist unsichtbare Zahl.