AIAgentree erfasst die strukturierte Argumentation hinter jeder KI-basierten Entscheidung im Einstellungsprozess – von der Vorauswahl von Lebensläufen über die Bewertung von Kandidaten und die Auswertung von Vorstellungsgesprächen bis hin zu Empfehlungen für Stellenangebote. Wenn eine KI einen Kandidaten ablehnt, bewahrt der „Decision Context Graph“ den vollständigen normativen Argumentationsbaum: Welche Kriterien wurden bewertet, welche Gewichtung hatte jedes einzelne Kriterium, und welche Belege aus der Bewerbung stützten oder widersprachen einer Weiterleitung des Kandidaten im Prozess. Dies ist nicht optional – das New Yorker lokale Gesetz 144 schreibt die Durchführung von Bias-Audits für automatisierte Entscheidungen im Einstellungsprozess vor, die Richtlinien der EEOC fordern dokumentierte Bewertungskriterien, und der EU-KI-Gesetzgebung klassifiziert KI-Systeme im Einstellungsprozess als hochriskant, was eine vollständige Transparenz erfordert. Der „Precedent Flywheel“ erkennt Muster nachteiliger Auswirkungen über verschiedene Entscheidungen hinweg mit statistischer Sicherheit: Wenn die KI bei der Vorauswahl unverhältnismäßig viele Kandidaten aus geschützten Gruppen ablehnt, macht AIAgentree dies anhand der Entscheidungsstruktur sichtbar und nicht erst durch eine nachträgliche Analyse. Die Verfolgung menschlicher Korrekturen erfasst, wann Personalverantwortliche mit den Bewertungen der KI nicht einverstanden sind – diese Korrekturereignisse werden zu den wertvollsten Präzedenzfällen, um zukünftige Verzerrungen zu reduzieren. 12 semantische Elemente, unveränderliche Aufzeichnungen, jedes Kriterium gewichtet und dokumentiert. Sie zeigen Ihnen, dass die KI dem Kandidaten eine niedrige Punktzahl gegeben hat. Wir sagen Ihnen genau, welche Kriterien diese Punktzahl begründet haben und ob ähnliche Muster in der Bewertung nachteilige Auswirkungen zeigen.
Erfassen Sie, WARUM Ihre KI jeden Kandidaten ausgewählt, bewertet und empfohlen hat – nicht nur das Ergebnis. Strukturierte Entscheidungsverläufe mit Erkennung von Voreingenommenheit und vollständigen Prüfprotokollen für KI-gestützte Personalauswahl.
Am besten geeignet für: Personalabteilungen großer Unternehmen, Teams für die Gewinnung von Talenten, Personaldienstleistungsagenturen und Unternehmen im Bereich HR-Technologie, die KI zur Vorauswahl von Lebensläufen, zur Bewertung von Kandidaten und zur Erstellung von Empfehlungen für Neueinstellungen einsetzen.
KI-gestützte Lebenslaufprüfungen und Entscheidungen zur Kandidatenbewertung werden zunehmend rechtlich hinterfragt. Das New Yorker Local Law 144, die Richtlinien der EEOC und das EU AI Act schreiben alle eine Dokumentation von KI-basierten Einstellungsentscheidungen vor. Ohne strukturierte Aufzeichnungen wird jede Klage zu einem Albtraum im Rahmen des Rechtsstreits.
KI-basierte Auswahltools können eine Voreingenommenheit entwickeln, die ohne eine Analyse auf Entscheidungsebene unsichtbar ist. Aggregierte Kennzahlen zeigen Erfolgsquoten, aber ohne strukturierte Nachverfolgungen einzelner Entscheidungen können Sie nicht feststellen, welche Kriterien zu unterschiedlichen Ergebnissen führen.
Abgelehnte Kandidaten fragen zunehmend nach dem Grund für ihre Ablehnung. Artikel 22 der DSGVO räumt EU-Kandidaten das Recht ein, automatisierte Entscheidungen anzufechten. Ohne dokumentierte Begründung ist Ihre einzige Antwort: „Das System hat entschieden“ – was zu Beschwerden bei den Aufsichtsbehörden führt.
Dokumentieren Sie jedes KI-basierte Einstellungskriterium, erkennen Sie Verzerrungen frühzeitig und erstellen Sie nachvollziehbare Prüfprotokolle, die rechtlich haltbar sind.
12 semantische Elemente erfassen den vollständigen Kontext jeder KI-basierten Entscheidung im Auswahlprozess. Abgeglichene Fähigkeiten, bewertete Erfahrungen, angewandte Kriterien-Gewichtungen, Gründe für die Ablehnung und Konfidenzwerte – alles strukturiert und durchsuchbar für jeden Kandidaten.
Die Mustererkennung analysiert die Ergebnisse des KI-basierten Auswahlprozesses über verschiedene Kandidatengruppen hinweg. Die statistische Konfidenzbewertung zeigt Unterschiede in den Erfolgsquoten, Rangverteilungen und Empfehlungen für die Weiterentwicklung auf – wodurch potenzielle negative Auswirkungen erkannt werden können, bevor sie zu einem rechtlichen Problem werden.
Verfolgen Sie die Ergebnisse des KI-basierten Auswahlprozesses über demografische Gruppen hinweg mit Berechnungen der Vier-Fünftel-Regel und statistischen Signifikanztests. Erhalten Sie frühzeitig eine Warnung, wenn Muster im KI-basierten Auswahlprozess auf unterschiedliche Auswirkungen auf geschützte Personengruppen hindeuten.
Nur anhängende, unveränderliche Protokolle erstellen manipulationssichere Aufzeichnungen für jede KI-basierte Einstellungsentscheidung. Menschliche Überschreibungen werden mit Begründung erfasst. Die vollständigen Prüfprotokolle sind bereit für NYC LL144-Prüfungen, EEOC-Ermittlungen und die Offenlegung von Informationen im Rahmen von Rechtsstreitigkeiten.
Auswahlkriterien
Jede KI-basierte Auswahl und Bewertung wird mit den angewendeten Kriterien, Gewichtungen und Begründungen dokumentiert.
Integrierte Erkennung
Statistische Analyse der KI-basierten Einstellungsverfahren, um negative Auswirkungen zu erkennen, bevor sie zu einem rechtlichen Problem werden.
Nachweisbarkeit
Unveränderliche Prüfprotokolle, die für NYC LL144, EEOC, EU AI Act und gerichtliche Beweiserhebung bereitstehen.
„Voreingenommenheit bei KI-gestützten Einstellungsverfahren ist ohne strukturierte Aufzeichnungen über Entscheidungen nicht erkennbar. Aus einer Tabelle mit Bewertungen lässt sich kein negativer Einfluss ableiten. Sie benötigen den vollständigen Entscheidungsprozess – welche Kriterien, welche Gewichtungen, welche Beweise –, um festzustellen, ob Ihre KI diskriminiert.“
Die wertvollsten Daten bei der KI-gestützten Personalauswahl sind nicht die Entscheidungen der KI – sondern die Fälle, in denen Menschen die Entscheidung der KI außer Kraft setzen. Jedes Mal, wenn ein Personalverantwortlicher einen Kandidaten weiterleitet, den die KI abgelehnt hat, lernt das System durch dieses Korrekturverfahren etwas, was kein Modelltraining vermitteln kann: nämlich, was Ihrem Unternehmen tatsächlich wichtig ist und was der Algorithmus für wichtig hält.
Rechenschaftspflicht statt Intransparenz. Erworbene Autonomie ist besser als gewährte Autonomie.
Große Sprachmodelle (LLMs) bevorzugen Diagramme. Sie mögen keine flachen Datenbanken. AIAgentree speichert Entscheidungen als strukturierte Argumentationsbäume – das Format, mit dem KI-Modelle am besten arbeiten können.
Jede Beziehung ist entweder unterstützend oder ablehnend – nicht einfach nur generisch „bezogen auf“. LLMs wissen sofort, welche Beweise für oder gegen eine Entscheidung sprechen.
Jede Entscheidung ist ein in sich geschlossener Baum mit 10–100 Knoten und einer natürlichen Wurzel – nicht Millionen von Knoten in einem unübersichtlichen Geflecht. Keine Graphexplosion, keine unkontrollierte Traversierung.
Strukturierte Blöcke mit 300–600 Token extrahieren 120 % mehr relevante Informationen als Kontextfenster mit 8.000 Token. Speziell für die Verwendung in LLMs entwickelt.
Vergangene Entscheidungen werden zu vollwertigen Argumentknoten in neuen Entscheidungen – nicht nur vage Referenzen. Zusammensetzbar, zitierbar, überprüfbares institutionelles Gedächtnis.
Wir machen den Einsatz von KI im Einstellungsprozess nachvollziehbar und transparent. Wir ersetzen Ihr bestehendes Bewerbermanagementsystem oder Ihre Recruiting-Tools nicht.
Ihre KI prüft die Bewerber. AIAgentree verfolgt, warum jeder Bewerber so bewertet wurde – die Kriterien, Gewichtungen und Belege hinter jeder Entscheidung.
Nutzen Sie Ihr ATS für das Pipeline-Management. AIAgentree arbeitet parallel dazu und erfasst die Entscheidungsfindung an jedem Punkt, an dem KI die Ergebnisse beeinflusst.
Kein Tool beseitigt Voreingenommenheit vollständig. AIAgentree macht Voreingenommenheit sichtbar und messbar durch strukturierte Entscheidungsmuster – so dass Sie sie erkennen, dokumentieren und beheben können.
KI-gestützte Tools zur Personalauswahl prüfen Bewerber. AIAgentree stellt sicher, dass Sie jede getroffene Entscheidung nachvollziehen und verteidigen können.
AIAgentree ist Teil einer Produktfamilie mit vier Produkten, die das gesamte Spektrum der Entscheidungsfindung abdecken – von menschlicher Überlegung bis hin zur KI-Governance.
Strukturierte Debatte zwischen Menschen. Teams erstellen Entscheidungsbäume mit Argumenten für und wider, wobei die Argumente mehrdimensional bewertet werden.
Meeting intelligence →Kollektive KI-Intelligenz. 7+ LLMs argumentieren unabhängig voneinander und bewerten sich gegenseitig – der Konsens zeigt das Vertrauen.
Multi-LLM analysis →KI-Entscheidungsverfolgung. Erfasst, WARUM KI-Agenten Entscheidungen treffen – strukturierte Audit-Trails für die Einhaltung des EU-KI-Gesetzes.
Learn more →KI-Debattensimulationen. 9 KI-Personas diskutieren jedes Thema aus jeder Perspektive – synthetische Fokusgruppen in wenigen Minuten.
AI simulations →AI Agentree erstellt eine strukturierte Entscheidungsdokumentation für jede KI-basierte Auswahl und Bewertung – wobei dokumentiert wird, welche Kriterien angewendet wurden, wie Kandidaten gewichtet wurden, welche Faktoren das Ergebnis beeinflusst haben und wie hoch die Konfidenzstufe ist. Diese Dokumentation ist genau das, was Rechtsabteilungen benötigen, um nachzuweisen, dass KI-basierte Einstellungsentscheidungen auf legitimen, mit der Stelle verbundenen Kriterien und nicht auf geschützten Merkmalen beruhen.
Ja. Die Mustererkennung von AI Agentree mit statistischer Konfidenzbewertung analysiert Entscheidungsmuster über Tausende von KI-gestützten Einstellungsentscheidungen hinweg. Sie deckt Unterschiede bei den Auswahlraten, den Bewertungsverteilungen und den Empfehlungen für die Weiterentwicklung in verschiedenen demografischen Gruppen auf – wodurch potenzielle negative Auswirkungen erkannt werden können, bevor sie zu einem rechtlichen Problem werden.
AI Agentree verfolgt die Ergebnisse von KI-basierten Auswahl- und Bewertungsprozessen über verschiedene Kandidatengruppen hinweg und wendet eine statistische Konfidenzbewertung an, um Muster mit unterschiedlichen Auswirkungen zu erkennen. Wenn sich die KI-basierten Auswahlraten zwischen den Gruppen deutlich unterscheiden, wird dies vom System mit statistischen Belegen angezeigt – wodurch HR-Teams in die Lage versetzt werden, dies zu untersuchen und zu korrigieren, bevor negative Auswirkungen zu behördlichen Maßnahmen führen.
AI Agentree bietet die Infrastruktur für die Entscheidungsverfolgung, die die Einhaltung des NYC Local Law 144 (Anforderungen an KI-basierte Audits bei der Einstellung), der EEOC-Richtlinien zu KI in Einstellungsentscheidungen, der Anforderungen des EU AI Act für risikoreiche KI im Bereich Recruiting, der Dokumentationsanforderungen des Illinois AI Video Interview Act und der allgemeinen Verpflichtungen zur Analyse negativer Auswirkungen gemäß Title VII unterstützt.
AI Agentree arbeitet parallel zu Ihrem bestehenden ATS (Greenhouse, Lever, Workday, iCIMS) und Ihren KI-basierten Auswahltools. Es lässt sich über ein leichtgewichtiges SDK mit einer Latenz von weniger als 10 ms in LangChain, n8n und benutzerdefinierte KI-Agenten-Pipelines integrieren. Die Entscheidungsdokumentation wird erfasst, ohne den bestehenden Einstellungsablauf zu unterbrechen. Exportieren Sie Daten über CSV oder JSON, um sie in HRIS- und Compliance-Reporting-Tools zu integrieren.
Beginnen Sie noch vor Ihrer nächsten Prüfung oder einer möglichen rechtlichen Auseinandersetzung mit der Nachverfolgung von Entscheidungen bei der KI-gestützten Personalauswahl.