Kann KI Lügen in Vorstellungsgesprächen erkennen?

Die maschinelle Lügenerkennung wurde ein Jahrhundert lang versprochen, von Polygraphen über Stimmstress-Analysatoren bis hin zu Mikroausdrucks-Scannern, und die wissenschaftlichen Ergebnisse sind einheitlich: Keine dieser Methoden trennt Täuschung zuverlässig von Nervosität. Stresssignale sind real, aber Vorstellungsgespräche machen auch ehrliche Menschen gestresst, was genau die Population ist, die gescannt wird.

Die Screening-Branche hat diesen Punkt stillschweigend eingeräumt. Video-Interview-Anbieter, die früher Gesichtsanalyse bewarben, entfernten diese Funktionen öffentlich nach anhaltendem Druck von Forschern und Regulatoren, und die verbleibenden Bewertungen bewerten, was Sie sagen, nicht wie sich Ihr Gesicht dabei bewegt. Wo die Gesetzgebung gilt, verlangen mehrere Rechtsordnungen nun Offenlegung oder Einwilligung, bevor KI-Analysen von Interviewvideos durchgeführt werden.

Die direkte Antwort auf die angespannte Version dieser Frage ist also nein: Die KI auf der anderen Seite Ihres Screening-Anrufs liest nicht Ihren Puls durch die Webcam. Was sie stattdessen tut, ist alltäglicher und lohnt es, es genau zu verstehen.

Sie befürchten, dass die Maschine Sie markiert, weil Sie Ihre Berufsbezeichnung etwas aufgewertet haben, und es lohnt sich zu wissen, was die Maschine tatsächlich benotet. Dieser Abschnitt behandelt, was automatisierte Screening-Systeme bewerten und wo Übertreibungen tatsächlich auffliegen.

Automatisierte Screening-Systeme bewerten transkribierten Inhalt: ob Ihre Antwort die Kompetenz anspricht, auf die die Frage abzielt, ob sie konkrete Details enthält, Struktur wie Situation, Handlung und Ergebnis, und Keyword-Überschneidung mit dem Stellenprofil. Einige bewerten grundlegende Präsentationsaspekte wie Tempo und Füllwortrate. Nichts davon ist Wahrheitsüberprüfung; eine beredte Erfindung erzielt auf jedem dieser Punkte gute Wertungen.

Wo Übertreibungen scheitern, passiert das später und auf niedrigtechnologische Weise. Eine behauptete Fähigkeit bricht im technischen Tiefgang zusammen, eine Geschichte, die sich zwischen dem Recruiter-Screening und dem Vor-Ort-Gespräch verändert, wird von Menschen bemerkt, die ihre Notizen vergleichen, und Referenzüberprüfungen decken Titelinflation in Minuten auf. Betrachten Sie eine Kandidatin, die eine Support-Rolle zur Teamleitung aufwertet: Die Screening-KI lässt sie passieren, und die dritte Nachfrage des Einstellungsmanagers zu Personalentscheidungen tut das nicht.

Der Erkennbarkeits-Cluster behandelt die benachbarte Frage, was Interviewer und Plattformen über die von Ihnen verwendeten Tools sehen können, in den Erkennbarkeits- und Datenschutz-Antworten.

Ein Echtzeit-Interview-Assistent transkribiert das Gespräch und schlägt Gesprächspunkte vor, die auf den von Ihnen bereitgestellten Dokumenten basieren. Er überprüft Ihre Aussagen nicht und kann eine erfundene Geschichte nicht wahrmachen; wenn der Lebenslauf, den Sie laden, übertrieben ist, übernehmen die Vorschläge die Übertreibung. Aaron Cao, Gründer von SubcueAI, formuliert die Designgrenze klar: Das Produkt verstärkt die Vorbereitung, und Ehrlichkeit bleibt die Aufgabe des Kandidaten, weshalb die Vorschläge auf Ihrem eigenen Lebenslauf und der Stellenbeschreibung basieren, statt aus dem Nichts generiert zu werden.

Der praktische Schritt, den dies ermöglicht, ist das Gegenteil von Lügen. Ihre echte Erfahrung enthält fast immer besseres Material als eine erfundene Version, und die Lücke ist Abruf unter Druck, nicht Substanz. Ein Probeinterview mit einem KI-Interviewer fördert diese wahren Geschichten im Voraus zutage, mit Folgefragen, die sie so unter Druck setzen, wie es ein Mensch tun würde, damit die Live-Antwort aus einstudierter Erinnerung statt aus Improvisation kommt.

Für erlaubte Live-Kontexte hält die Desktop-App diese einstudierten Punkte während des echten Anrufs in Reichweite; wie die Aufnahme- und Vorschlags-Pipeline funktioniert, ist in den Wie-es-funktioniert-Antworten dokumentiert.