KI-Agent ist einer der meistmissverstandenen Begriffe in HR-Technologie. Ein Spektrum von regelbasiert bis autonom zeigt, wo ein echter Agent steht. Was er konkret kann (Interview führen, Profil erstellen, Aktionen auslösen) und was nicht (Einstellungsentscheidung, Empathie, Körpersprache) — mit einem vollständigen 5-Schritt-Prozessflow und dem EU AI Act-Rahmen für Hochrisikosysteme.

Ein Konfidenz-Score sagt nicht, ob die KI recht hat — er sagt, wie stark die Signale in eine Richtung deuten. Was 87 % wirklich bedeuten, wie ein Score aus Signalstärke, Konsistenz, Datenvollständigkeit und historischer Kalibrierung entsteht, drei häufige Misslesarten, vier konkrete Anwendungen im Recruiting-Alltag — und warum intransparente Scores unter dem EU AI Act nicht mehr zulässig sind.

„Staplerfahrer" und „Flurförderfahrzeugführer" sind dasselbe — aber eine Keyword-Suche findet das nicht. Embeddings lösen dieses Problem: Sie übersetzen Bedeutung in Zahlen, so dass ähnliche Konzepte ähnliche Werte haben. Was das für semantische Suche, mehrsprachiges Matching und Talent-Rediscovery bedeutet — erklärt ohne Mathematikstudium.

Nicht „78 Punkte" — sondern warum. Drei Erklärbarkeits-Niveaus von der reinen Empfehlung bis zur Gesprächsverankerung, vier Stakeholder die unterschiedliche Erklärungen brauchen (mit Rechtsgrundlagen), ein vollständiges XAI-Erklärungsbeispiel mit Faktor-Visualisierung und Gesprächszitat — und warum Explainability ein schlecht erklärbares Modell nicht fair macht, sondern seine Schwächen sichtbar.

Warum halluziniert ein KI-Chatbot — und wie verhindert RAG genau das? Retrieval-Augmented Generation kombiniert das Sprachverständnis großer Modelle mit dem Zugriff auf echte Unternehmensdaten. Wie der 5-Schritt-Prozess funktioniert, welche HR-Anwendungen davon profitieren und warum die Datenqualität alles entscheidet.

Domänenspezifisch finegetuned" klingt nach Qualitätssignal — ist aber keine automatische Verbesserung. Für die meisten Recruiting-Aufgaben liefert ein Zero-Shot-Modell mit gutem Prompt-Engineering gleichwertige oder bessere Ergebnisse. Wann Fine-Tuning sich wirklich lohnt, welche Fragen man Anbietern stellen muss — und warum Few-Shot-Prompting oft der smarte Mittelweg ist.