Kompass-KI:
GenAI-Interaktionstool für zukunftsorientierte Rekrutierungsentscheidungen

Wie kann generative KI Führungskräfte dabei unterstützen, das Anforderungsprofil für eine offene Stelle fundiert und zukunftsorientiert zu bestimmen? Diese Bachelorthesis entwickelt dafür ein Interaktionskonzept, setzt es als Full-Stack-Webanwendung Kompass-KI um und evaluiert sie in einer User Study.

Illustration: ein geführter, mehrstufiger Weg zum zukunftsorientierten Anforderungsprofil

Ausgangslage

Wen stellen wir als Nächstes ein, und was muss diese Person können, wenn sich Aufgaben durch Digitalisierung und KI laufend verändern? Diese Frage präzise zu beantworten ist erfolgskritisch für die Personalgewinnung. Gerade Linienführungskräften in kleineren und mittleren Unternehmen fehlen dafür jedoch häufig Methodik, Zeit und HR-Unterstützung: Ausschreibungen werden aus alten Vorlagen kopiert und schreiben den Status quo fort, statt den künftigen Bedarf abzubilden.

Die Auftraggeberinnen vom Institut für Human Resource Management der Hochschule für Wirtschaft FHNW haben dafür einen strukturierten, mehrstufigen Prozess entwickelt, der Führungskräfte von der Analyse der eigenen Stelle bis zum priorisierten, zukunftsorientierten Anforderungsprofil begleitet. Offen war, wie sich dieser Prozess mit generativer KI als digitale, geführte Anwendung umsetzen lässt, ohne dass die KI zur Blackbox wird.

Zielsetzung

Die Arbeit entwickelt ein Interaktionskonzept für diese Aufgabe und setzt es als vollwertige Full-Stack-Webanwendung um, vom React-Frontend über das agentische KI-Backend bis zur Datenhaltung mit Vektorsuche; in der User Study stand sie live im Einsatz. Im Zentrum stehen zwei Forschungsfragen:

Wie lassen sich ein Chat-Interface und strukturierte UI-Komponenten so kombinieren, dass Führungskräfte den geführten Prozess effektiv und selbstbestimmt durchlaufen?
Welchen Beitrag leisten Transparenzmechanismen wie nachvollziehbare Quellenbelege und Unsicherheitshinweise zu Nachvollziehbarkeit, wahrgenommener Kontrolle und Vertrauen?

Beide Fragen wurden in einer User Study am laufenden Prototyp empirisch untersucht.

Die Oberfläche: Chat, Formulare und Live-Dokument

Die Arbeitsfläche ist geteilt: Links führt ein KI-Begleiter den Dialog und blendet zum passenden Zeitpunkt strukturierte Formulare ein, rechts wächst das Anforderungsprofil als editierbares Live-Dokument mit; die Ansichten lassen sich je nach Arbeitsweise umschalten. Die Oberfläche ist dabei dynamisch: Die KI bedient sie selbst, wechselt den Prozessschritt, öffnet das passende Formular, trägt ihre Vorschläge direkt ein und überarbeitet auf Anweisung auch noch offene Einträge. Jede Ergänzung leuchtet kurz auf; ändert die KI Bestehendes, zeigt eine Änderungsansicht alt und neu, wie man sie aus der Versionsverwaltung kennt, auf einen Blick, was sich geändert hat.

Dabei gilt ein durchgängiges Kontrollprinzip: Jeder inhaltliche KI-Vorschlag erscheint als unbestätigte Karte mit den Aktionen Übernehmen oder Ablehnen. In das Profil und den Export gelangt nur, was die Führungskraft bestätigt hat, und bestätigte Einträge sind vor stillen Änderungen durch die KI geschützt. So entsteht echte Zusammenarbeit zwischen Mensch und KI: Die KI bringt Tempo, Recherche und Struktur ein, die Führungskraft ihr Wissen über Stelle, Team und Kontext. Der Chat erklärt und verfeinert, das Formular entscheidet, das Dokument sammelt das gemeinsame Ergebnis.

Die KI im Hintergrund

Hinter dem Dialog arbeitet ein multimodales, agentisches KI-System: Der Agent entscheidet in jedem Gesprächszug selbstständig, ob er direkt antwortet oder eines seiner Werkzeuge einsetzt, um hochgeladene Dokumente zu durchsuchen, aktuelle Entwicklungen im Web zu recherchieren, Vorschläge zu generieren oder gleich die Oberfläche selbst zu steuern. Fachliche Ableitungen und die Dokumentverarbeitung laufen daneben in eigenen, kontrollierten KI-Pipelines.

Hochgeladene Dokumente zerlegt das System in referenzierbare Abschnitte und indexiert sie für die semantische Suche. Jeden Vorschlag attribuiert es gegen diese Quellen oder die Web-Recherche; findet sich kein Beleg, deklariert es den Vorschlag ehrlich als eigene Aussage der KI. Zusätzlich prüft eine eigene Prüf-KI jede belegte Antwort samt der ins Formular geschriebenen Werte und stuft das Halluzinationsrisiko dreistufig ein; das farbcodierte Risiko-Badge an der Antwort zeigt auf einen Blick, wo sich genaueres Hinschauen lohnt. Antworten, Quellen, Gedankengang und UI-Aktionen streamen in Echtzeit in den Browser: Man sieht der KI beim Denken und Arbeiten zu.

87.5 von 100

System Usability Scale:
sehr hohe wahrgenommene Usability

6.2 von 7

globales Vertrauen nach Präsentation
aller Transparenzmechanismen

8 Testpersonen

Mixed-Methods-User-Study
live am Prototyp

Ergebnisse

Die acht Testpersonen durchliefen den vollständigen Prozess live am System. Die wichtigsten Befunde:

Die geführte Kombination aus Chat und strukturierten Formularen wurde über alle Prozessabschnitte hinweg als leicht bedienbar erlebt (Aufgabenleichtigkeit im Median 5.5 bis 7 von 7).
Beleggebundene Quellenhinweise wurden am häufigsten als notwendiger Bestandteil eines minimalen Transparenz-Sets gewählt; ein sichtbarer KI-Gedankengang deutlich seltener.
Aus den Befunden wurden Gestaltungsempfehlungen für geführte GenAI-Systeme im HR-Kontext abgeleitet.

Kernaussage
«Ein KI-Agent, der mitdenkt, selbstständig recherchiert und jeden Vorschlag belegt: So wird aus generativer KI ein System, dem Führungskräfte bei Personalentscheidungen vertrauen.»

Technische Schlüsselbegriffe

Agentische KIwerkzeuggestützter KI-Agent, der pro Gesprächszug zwischen direkter Antwort und Werkzeugaufruf entscheidet
Dynamische UI-Direktivendie KI steuert Navigation, Formulare und Vorschläge über geprüfte Kommandos im Ereignisstrom
Split-Viewgeteilte Ansicht aus Chat mit strukturierten Formularen und mitwachsendem Live-Dokument
Grounding und RAGhochgeladene Dokumente werden in referenzierbare Abschnitte zerlegt; Vorschläge werden belegt oder ehrlich als KI-Aussage gekennzeichnet
Web-RechercheRecherche zu aktuellen Entwicklungen mit nachvollziehbaren Quellenangaben
Halluzinations-Checkeine eigene Prüf-KI stuft das Halluzinationsrisiko jeder belegten Antwort dreistufig ein; das Risiko-Badge lenkt den Prüfblick
Echtzeit-Streaming (SSE)Text, Quellen, Gedankengang und UI-Aktionen kommen als Live-Ereignisstrom in den Browser
Human-AI CollaborationMensch und KI arbeiten als Team: die KI liefert Tempo, Recherche und Struktur, die Führungskraft Kontextwissen und Urteil
Human-in-the-Loopjeder Vorschlag wird einzeln übernommen, angepasst oder abgelehnt; bestätigte Inhalte sind geschützt
TransparenzmechanismenQuellenbelege, Unsicherheitshinweise und Erklärungen machen KI-Vorschläge nachvollziehbar
Tech-Stackmultimodale LLMs, LangChain-Ökosystem, React, Python, Vector DB, relationale DB, OAuth 2.0, Docker, CI/CD, GCP und Azure

Auftraggeberinnen

Anja Mücke & Anne Jansen
Institut für Human Resource Management
Hochschule für Wirtschaft FHNW

Das fachliche Konzept und der mehrstufige Prozess hinter Kompass-KI sind die Leistung der Auftraggeberinnen. Die Thesis entwickelt diese Grundlage technisch weiter, setzt sie als Prototyp um und evaluiert sie empirisch.