KI im Staffing: Was sich verändert und was bleibt

Wo KI im Staffing heute wirklich steht

Ein Beispiel, wie es passiert: Eine Pharmafirma bucht über eine KI-gestützte Plattform 4 Personen für einen Kongress in Basel. Das System schlägt die am besten bewerteten Profile vor. Am Kongresstag erscheint eine Person, deren Deutschkenntnisse für den Pharmakontext nicht ausreichen. Eine andere kennt die Check-in-Software nicht. Der Algorithmus hatte beide als "geeignet" eingestuft, weil sie in vergangenen Einsätzen gute Scores hatten, in anderen Branchen. Kein Berater hatte die Personen persönlich eingeschätzt. Das System war effizient. Das Ergebnis war teuer.

KI im Staffing ist in der Praxis angekommen. Immer mehr HR-Abteilungen investieren in KI-gestützte Personaltools: Screening, Matching, Einsatzplanung. Die Frage ist nicht mehr ob, sondern wie gut das funktioniert. Und wo die Grenzen liegen, besonders im Event-Staffing, wo jeder Einsatz einmalig ist.

Was KI im Staffing heute konkret leistet

Es lohnt sich, konkret zu sein. KI ist kein monolithisches Werkzeug. Es gibt verschiedene Einsatzfelder, und in jedem hat KI unterschiedlich viel zu bieten.

CV-Screening und Kandidatenfilterung

Ein mittelgrosses Staffing-Unternehmen erhält pro offene Stelle zwischen 80 und 300 Bewerbungen. Manuelle Sichtung dauert Stunden. KI-Tools scannen Lebensläufe in Sekunden. Sie filtern nach Sprachen, Erfahrung, Ausbildung und Verfügbarkeit. Was früher einen halben Tag brauchte, dauert heute 3 Minuten.

Das ist ein echter Effizienzgewinn. Nicht glamourös, aber real. Berater können sich auf das konzentrieren, was sie wirklich einschätzen können: die Person hinter dem Lebenslauf.

Matching-Algorithmen zwischen Profil und Einsatz

Moderne Matching-Algorithmen gleichen mehr als nur Qualifikationen ab. Sie analysieren historische Einsatzdaten, Feedback-Scores und Branchenerfahrung. Das Ergebnis ist eine Vorschlagsliste, gerankt nach Eignung. Im Eventbereich bedeutet das: Wer zuletzt bei einem Pharma-Kongress in Basel überzeugt hat, erscheint zuerst bei der nächsten Pharma-Anfrage.

Das ist nützlich. Aber es ist eine Empfehlung, keine Entscheidung. Der Unterschied ist entscheidend.

Einsatzplanung und Schichtoptimierung

Bei grossen Events mit 50 oder mehr Temporären ist die Einsatzplanung komplex. Schichten, Sprachkompetenzen, Standorte, Backup-Szenarien: KI-Tools können diese Variablen gleichzeitig optimieren. Was ein erfahrener Planer in 2 Stunden erarbeitet, löst ein Algorithmus in 2 Minuten.

Für Grossveranstalter mit standardisierten Profilen ist das wertvoll. Für Boutique-Einsätze mit spezifischen Persönlichkeitsanforderungen bleibt es eine Hilfsfunktion.

Kommunikationstools und Kandidaten-Chatbots

KI-gestützte Chatbots übernehmen erste Kommunikationsschritte: Einladungen zu Briefings, Einsatz-Bestätigungen, Verfügbarkeitsabfragen. Das reduziert administrative Last erheblich. Eine Plattform kann gleichzeitig 200 Personen kontaktieren, ohne dass ein Berater den halben Tag am Telefon verbringt.

Die Grenze ist klar: Sobald es um Inhalt geht, um Nuancen, um echte Antworten auf nicht-standardisierte Fragen, scheitert der Bot.

Was KI im Staffing nicht kann

Hier wird es entscheidend. Die Grenzen von KI im Staffing sind keine theoretischen Einwände. Sie sind praktisch, konkret und folgenreich.

Soft Skills einschätzen

Ob jemand ruhig bleibt, wenn ein Kongressgast laut wird. Ob jemand instinktiv weiss, wie viel Raum er einem VIP lässt. Ob jemand in der Lage ist, auf Französisch zu scherzen und dann nahtlos auf Englisch weiterzumachen. Diese Einschätzungen entstehen durch persönliche Interaktion. Ein CV listet Sprachen auf. Ein Gespräch zeigt, ob sie wirklich da sind.

Kein aktuelles KI-System kann Soft Skills zuverlässig aus Lebensläufen oder vergangenen Einsatzdaten ableiten. Feedback-Scores geben Hinweise. Beurteilung ergibt sich erst im Gespräch.

Beziehungen aufbauen und halten

Ein guter Staffing-Berater kennt seine Leute. Er weiss, wer unter Druck stark wird, wer sich lieber im Hintergrund hält und wer bei einem schwierigen Kunden glänzt. Diese Kenntnis entsteht durch persönliche Gespräche, durch Beobachtung, durch Vertrauen über Zeit. KI kann Datenpunkte aggregieren. Beziehungen bildet sie nicht.

Im Schweizer Markt, wo persönliche Netzwerke nach wie vor dominieren, ist das besonders relevant. Ein Berater, der dich kennt, ersetzt nicht das beste Matching-Tool der Welt.

Kontext verstehen und interpretieren

Ein Auftraggeber schreibt: "Wir brauchen jemanden Repräsentatives für unseren Stand." Was bedeutet das konkret? Welche Kleidung? Welcher Ton? Welche Sprachen dominieren die Besucher? Welche Produkte stehen im Fokus? Ist der Auftraggeber konservativ oder modern in seiner Markensprache?

Ein erfahrener Berater fragt nach, analysiert und interpretiert. Ein Algorithmus verarbeitet nur, was explizit eingegeben wurde. Impliziter Kontext ist für KI unsichtbar. Im Event-Staffing ist er oft das Wichtigste.

Last-Minute-Krisen lösen

Es ist 6:45 Uhr. Der Einsatz beginnt um 8:00 Uhr. Eine Person meldet sich krank. Was jetzt? KI kann eine Liste möglicher Alternativen generieren. Anrufen, überzeugen, koordinieren, sicherstellen, dass die Person gebrieft ankommt: Das ist Menschenarbeit. Im Eventbereich, wo jede Stunde zählt, ist dieser Unterschied zwischen Problem und Lösung.

Gute Berater haben eine mentale Liste von Personen, die kurzfristig einspringen können und die auf einen Anruf reagieren. Das entsteht nicht aus Algorithmen. Das entsteht aus Vertrauen, das über Zeit aufgebaut wurde.

Das Risiko der Überautomatisierung

Bias in Algorithmen ist dokumentiert. KI-Systeme, die auf historischen Daten trainiert werden, reproduzieren die Vorurteile dieser Daten. Im Staffing kann das bedeuten: Personen mit bestimmten Namen, Ausbildungshintergründen oder Wohnorten werden systematisch seltener vorgeschlagen. Das passiert nicht aus Bösartigkeit. Es passiert aus Datenlage.

Ein zweites Risiko: Überoptimierung auf Metriken. Ein Algorithmus, der auf bisherige Kundenzufriedenheit optimiert, wird immer dieselben Top-Performer vorschlagen. Das klingt gut. Es führt zur Überbelastung weniger Personen und blockiert die Entwicklung des restlichen Pools. Langfristig schwächt das die Qualität des gesamten Netzwerks.

Ein drittes, oft unterschätztes Risiko: Standardisierung durch KI. Matching-Systeme tendieren dazu, Personen vorzuschlagen, die einem bewährten Muster entsprechen. Das funktioniert für Standardeinsätze. Für Boutique-Aufträge mit spezifischen Persönlichkeitsanforderungen bedeutet es, dass die interessantesten Kandidaten systematisch übersehen werden.

Der Schweizer Kontext: Netzwerke schlagen Algorithmen

Die Schweiz ist ein kleiner Markt. Der gesamte Personalverleih-Umsatz lag laut swissstaffing 2023 bei rund 4,1 Milliarden Franken. Das klingt gross, ist aber im internationalen Vergleich ein überschaubares Ökosystem, in dem persönliche Beziehungen weiterhin dominieren.

Ein Algorithmus, der in einem globalen Markt mit Millionen Profilen trainiert wurde, kennt die spezifische Dynamik des Schweizer Event-Staffings nicht. Er weiss nicht, welche Messen in Zürich wirklich strategisch wichtig sind. Er weiss nicht, welche Kongressprofile in Genf gefragt sind und welche nicht. Er hat keine Ahnung, was ein professioneller Auftritt an der Olma oder der Baselworld bedeutet.

Persönliche Netzwerke, lokale Marktkenntnisse und konkrete Branchenerfahrung ersetzt keiner der gängigen KI-Ansätze. Wer das als Sentimentalität abtut, hat den Schweizer Markt nicht verstanden: Es ist strukturelle Realität.

Was du von einer tech-affinen Agentur erwarten solltest

Technologie ist kein Qualitätsmerkmal an sich. Es ist ein Werkzeug. Was zählt, ist wie es eingesetzt wird.

Eine seriöse Agentur wie kyo nutzt digitale Tools für administrative Effizienz: Profilverwaltung, Terminplanung, Dokumentation von Einsatzerfahrungen. Das beschleunigt interne Prozesse und verbessert die Datenbasis für spätere Einsätze. Das ist legitim und wertvoll.

Was eine seriöse Agentur nicht tut: Sie überlässt den Besetzungsentscheid einem Algorithmus ohne menschliche Prüfung. Sie verschickt kein Personal, das ausschliesslich durch KI-Matching ausgewählt wurde, ohne dass ein Berater die Person kennt.

• Nutzt KI für Screening und Planung, nicht für finale Besetzungsentscheide
• Hat menschliche Qualitätskontrolle vor jedem Einsatz
• Kennt die Personen im Pool persönlich, nicht nur als Datenpunkt
• Kann Last-Minute-Ersatz durch echte Beziehungen organisieren, nicht nur durch Algorithmen
• Weiss, welche Tools sie nutzt und warum
• Kann erklären, was die finale Entscheidung bei der Besetzung trifft: Mensch oder Maschine

Wenn eine Agentur mit "vollständig KI-gestütztem Matching" wirbt

Frag nach. Was genau macht die KI? Wer trifft die finale Entscheidung bei der Besetzung? Gibt es eine menschliche Qualitätskontrolle vor dem Einsatz? Wie wird Bias im System erkannt und kontrolliert?

Wenn die Antworten vage sind, ist Vorsicht angebracht. Vollautomatisiertes Matching klingt effizient. Es bedeutet in der Praxis oft: Niemand kennt die Person, die an deinem Stand steht. Niemand hat sie persönlich eingeschätzt. Der Algorithmus fand sie passend. Das muss nicht stimmen.

Im Event- und Kongress-Staffing gibt es keine zweite Chance. Der Stand öffnet. Der Kongress beginnt. Das Personal ist da oder nicht. In diesem Moment interessiert die Plattform, die das Matching gemacht hat, niemanden mehr.

Wie Hybrid-Ansätze in der Praxis aussehen

Die besten Agenturen nutzen Technologie genau dort, wo sie hilft, und behalten menschliches Urteil dort, wo es zählt.

Das sieht in der Praxis so aus: Ein Berater bei kyo erhält eine Anfrage für einen Pharma-Kongress in Basel, 3 Tage, 4 Personen, Deutsch und Englisch Pflicht, Französisch erwünscht. Das System schlägt 8 Profile vor, gerankt nach historischer Eignung. Der Berater prüft die 4 stärksten Vorschläge, wählt 2 davon aus, ergänzt 2 weitere aus seinem persönlichen Netzwerk, die das System nicht kennt, und trifft die finale Entscheidung auf Basis seiner Beziehungen zu diesen Personen.

Dieses Modell lehnt KI nicht ab. Es nutzt sie dort, wo sie hilft, und behält menschliches Urteil dort, wo es entscheidend ist.

1. KI übernimmt das initiale Screening und die Vorauswahl
2. Berater prüft die Top-Vorschläge und kennt die Personen
3. Menschliche Einschätzung ergänzt und korrigiert den Algorithmus
4. Finale Besetzungsentscheidung liegt beim Berater, nicht beim System
5. Feedback nach dem Einsatz fliesst in beide Systeme zurück: digital und persönlich

Der Ausblick: Hybrid schlägt rein digital

Die Zukunft im Staffing ist hybrid. KI übernimmt Routineaufgaben und skaliert dort, wo Volumen entscheidend ist. Menschliche Beratung übernimmt die Aufgaben, die Kontext, Urteil und Beziehung verlangen. Keine Konkurrenz, sondern Arbeitsteilung.

Agenturen, die heute ausschliesslich auf Technologie setzen, werden Effizienzgewinne sehen. Agenturen, die Technologie und menschliches Urteil kombinieren, werden bessere Ergebnisse liefern. Für Auftraggeber ist die praktische Konsequenz einfach: Frag jede Agentur, wer die finale Besetzungsentscheidung trifft. Wenn die Antwort "der Algorithmus" ist, weisst du alles, was du wissen musst.

KI macht Staffing schneller. Gute Berater, die ihre Kandidaten kennen, machen Staffing besser. Wer versteht, wofür welches Werkzeug gebaut ist, bekommt beides. Und zahlt am Ende weniger für qualitätvollere Ergebnisse.

Quellen

1. swissstaffing (2023): Jahresbericht & Branchenstatistik. swissstaffing.ch
2. swissstaffing (2023): Personalverleih in der Schweiz: Factsheet. swissstaffing.ch