KIs in Vorstellungsgesprächen: Trust sinkt nach Absage, Fairness hängt von Avatar-Identität ab

Wahrnehmung von Fairness bei KI-gestützten Vorstellungsgesprächen

Der Einsatz Künstlicher Intelligenz (KI) in Auswahlverfahren gewinnt zunehmend an Bedeutung. Neben der automatisierten Analyse von Lebensläufen werden KI-Systeme auch dazu verwendet, Vorstellungsgespräche durchzuführen – häufig in Form von Avataren, die als animierte Figuren fungieren und Entscheidungen treffen. Eine aktuelle Untersuchung zeigt, dass Bewerbende diesen Avataren zunächst großes Vertrauen entgegenbringen, dieses jedoch nach einer Absage deutlich abnimmt. Die Empfindung der Fairness hängt dabei maßgeblich von den visuellen Merkmalen der Avatare ab.

Studienaufbau und Methodik

Ein Forschungsteam der Technischen Universität München (TUM) und der Universität Lund führte eine Studie mit rund 220 Teilnehmenden aus Deutschland, Großbritannien und den USA durch. Die Probanden absolvierten ein kurzes simuliertes Vorstellungsgespräch für eine fiktive Position im Kunden-Support. Die Befragung erfolgte durch einen fotorealistischen Avatar, der auf Antworten reagierte und Rückfragen stellte. Vier Varianten des Avatars wurden eingesetzt, die sich hinsichtlich Geschlecht (männlich/weiblich) und Hautfarbe (dunkel/hell) unterschieden. Mittels Eye-Tracking wurde die visuelle Aufmerksamkeit der Teilnehmenden erfasst. Anschließend füllten sie einen Fragebogen zur Wahrnehmung des Gesprächs aus.

Ergebnisse der Eye-Tracking-Analyse

Die Auswertung zeigte, dass die Probanden das Gesicht des Avatars intensiver betrachteten, wenn dessen Hautfarbe von ihrer eigenen abwich. Trotz dieser Unterschiede war das Vertrauen in die KI während des Gesprächs durchgehend hoch, unabhängig von der Übereinstimmung bei Geschlecht oder Hautfarbe zwischen Avatar und Testperson.

Veränderung der Fairnesswahrnehmung nach Absage

Nach Erhalt einer Absage für die simulierte Stelle änderte sich die Einschätzung der Teilnehmenden. Die Wahrnehmung von Ungerechtigkeit nahm zu, wobei die Fairnessbewertung stark von den Identitätsmerkmalen des Avatars beeinflusst wurde. Personen, deren Hautfarbe vom Avatar abwich, vermuteten eher eine voreingenommene Entscheidung. Überraschenderweise fühlten sich jene Probanden am ungerechtesten behandelt, die in mindestens einem Merkmal (Geschlecht oder Hautfarbe) mit dem Avatar übereinstimmten. Diese Gruppe bewertete die Fairness negativer als sowohl jene, die in beiden Merkmalen übereinstimmten, als auch jene, die sich vollständig unterschieden.

Implikationen für das Design von KI-Systemen

Die Studienleiterin Enkelejda Kasneci betont, dass die Diskussion um Fairness bei KI bisher vor allem auf die Vermeidung von Vorurteilen in der Programmierung fokussiert war. Die Ergebnisse verdeutlichen jedoch, dass die subjektive Wahrnehmung von Fairness auch durch soziale Faktoren beeinflusst wird, die über die technische Neutralität hinausgehen. Daher sei es essenziell, soziale Verhaltensmuster bei der Entwicklung von KI-Lösungen zu berücksichtigen, um Akzeptanz und Vertrauen im Einsatz, beispielsweise im Recruiting, zu gewährleisten.

Zusätzliche Informationen

• Die Studie wurde auf der CHI Conference on Human Factors in Computing Systems mit einem Honourable Mention Award ausgezeichnet.
• Die Forschung wurde durch HeyGen unterstützt.
• Prof. Enkelejda Kasneci ist an der TUM School of Social Sciences and Technology sowie der TUM School of Computation, Information and Technology tätig. Sie leitet das TUM Center for Educational Technologies und ist Mitglied des Munich Data Science Institute.
• Die Autorinnen Ka Hei Carrie Lau und Enkelejda Kasneci sind Teil des Munich Center for Machine Learning.

Kontakt für wissenschaftliche Rückfragen

Prof. Dr. Enkelejda Kasneci
Technische Universität München (TUM)
Lehrstuhl für Human-Centered Technologies for Learning
Telefon: +49 89 289 24348
E-Mail: enkelejda.kasneci@tum.de
https://www.edu.sot.tum.de/hctl/

Originalpublikation

Lau, K. H. C., Stark, P., Bozkir, E., & Kasneci, E. (2026): Skin-Deep Bias: How Avatar Appearances Shape Perceptions of AI Hiring. Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems
https://doi.org/10.1145/3772318.3790379

Auch interessant: Buisiness.Bucheditionen