Predictive Hiring ist die datenbasierte Vorhersage der Erfolgschancen einer Bewerbung anhand bisheriger Einstellungsdaten und Performance-Metriken. ML-Modelle lernen aus Mustern in den Bewerbungsverläufen vergangener Jahre und schätzen, mit welcher Wahrscheinlichkeit eine neue Bewerbung zu einem erfolgreichen Mitarbeitenden führen würde.
Vorteile sind schnellere Auswahl, datengestützte Entscheidungen und bessere Vergleichbarkeit. Gleichzeitig sind die Risiken erheblich: Wer aus historischen Daten lernt, verstärkt potenziell historische Verzerrungen. Wurden in der Vergangenheit hauptsächlich Männer befördert, könnte das Modell Frauen niedriger bewerten – ein klassischer Bias-Effekt.
Der EU AI Act stuft Predictive Hiring als Hochrisiko-Anwendung ein. Pflicht sind Risikomanagement, Daten-Governance, Transparenz, menschliche Aufsicht, Genauigkeits- und Robustheitsmessungen sowie eine konkrete Prüfung auf Diskriminierung. Auch das AGG bleibt voll anwendbar.
Lunigi setzt nicht auf Predictive Hiring im Sinne klassischer Vorhersagen, sondern auf semantisches Matching zwischen Profil und Stellenanforderung – mit voller Entscheidungshoheit der Suchenden.