AI-Recruiting-Agent für Schweizer Versicherungen: 8-Wochen-Plan

Das Problem: HR-Routinen binden Kapazität, Compliance verlangt Kontrolle

Schweizer Versicherungen mit 11 bis 50 Mitarbeitern stecken in einer Zwickmühle: Der Arbeitsmarkt für versierte Underwriter und Claims-Handler ist angespannt, aber die Routineaufgaben im Recruiting – Erstgespräche, CV-Sichtung, Terminvereinbarung – binden 40 bis 60 Prozent der HR-Kapazität. Gleichzeitig verlangt der EU AI Act, der für grenzüberschreitende Geschäfte auch in der Schweiz relevant wird, strenge Vorgaben für KI-Systeme im HR-Bereich. Ein klassisches ATS-Tool löst das nicht, weil es nur Daten speichert, aber keine intelligente Vorarbeit leistet. Die Lösung ist ein Conversational Agent, der strukturierte Interviews führt, Kandidaten vorfiltert und die HR-Abteilung von Routine befreit – aber nur, wenn er compliance-sicher, datenschutzkonform und in bestehende Systeme integriert ist. Dieser Artikel beschreibt den 8-Wochen-Plan, um genau das zu erreichen.

Voraussetzungen: Was vor Woche 1 stehen muss

Bevor der erste Prompt geschrieben wird, müssen diese Voraussetzungen erfüllt sein: 1) Prozessdokumentation: Die aktuellen Recruiting-Schritte sind schriftlich festgehalten, inklusive Entscheidungslogik (welche Kriterien führen zur Ablehnung?). 2) Datenzugang: API-Zugriff auf das bestehende ATS (z. B. Workable, Greenhouse) oder HR-System. 3) Compliance-Grundsatz: Ein schriftliches Statement, dass keine sensiblen Daten (Gesundheit, Ethnie) an externe APIs gesendet werden, ohne vorherige Anonymisierung. 4) Infrastruktur: Ein Server oder Cloud-Instanz in der Schweiz oder EU für die Datenverarbeitung. 5) Budget: 15 000 bis 25 000 CHF für die 8-Wochen-Pilotphase, inklusive API-Kosten und Managed Operations. 6) Sponsoring: Ein C-Level-Sponsor, der die Compliance-Fragen klären kann. Ohne diese Punkte scheitert das Projekt in Woche 2.

Schritte 1-3: Prozess-Audit, Kriterien und Datenfluss

1. Prozess-Audit durchführen: Dokumentiere jeden Schritt des aktuellen Recruiting-Prozesses. Identifiziere die drei häufigsten Routineaufgaben (z. B. CV-Sichtung, Erstgespräch, Terminvereinbarung). Messung: Wie viele Stunden pro Woche binden diese Aufgaben? Ziel: 10 bis 15 Stunden pro Woche einsparen. 2. Kriterien definieren: Formuliere die Auswahlkriterien als klare, messbare Regeln (z. B. ‘mindestens 3 Jahre Erfahrung in Schadenregulierung’). Diese Regeln werden später in den Prompt eingebaut. 3. Datenfluss skizzieren: Zeichne den Weg der Daten: ATS → Anonymisierung → AI-Agent → Bewertung → ATS. Markiere, wo die OpenAI API angesprochen wird und wo lokale Verarbeitung stattfindet. 4. Compliance-Check: Prüfe, welche Daten als ‘sensibel’ gelten (DSG Art. 3, EU AI Act Anhang III). Definiere die Anonymisierungsregeln. 5. Pilot-Scope festlegen: Wähle einen einzigen Prozess (z. B. ‘Screening für Junior-Underwriter’) als Pilot. Nicht mehr. 6. Infrastruktur aufsetzen: Richte einen Server in der Schweiz ein, installiere die API-Verbindung zum ATS und die OpenAI-Client-Bibliothek. 7. Baseline messen: Dokumentiere die aktuelle Zykluszeit (von Bewerbung bis Erstgespräch) und die Fehlerquote (falsch-positive Ablehnungen). Diese Zahlen sind der Maßstab für den Erfolg.

Schritte 4-7: Prompt-Design, Integration und Go-Live

8. Prompt-Design: Entwickle den System-Prompt für den Conversational Agent. Er muss: a) die Rolle definieren (‘Du bist ein HR-Assistent für die [Firmenname] Versicherung’), b) die Auswahlkriterien enthalten, c) die Gesprächsstruktur vorgeben (3 bis 5 Fragen), d) die Antwortform definieren (JSON mit Feldern: ‘pass’, ‘score’, ‘reason’). Teste den Prompt mit 10 fiktiven Kandidaten. 9. Anonymisierungs-Schicht bauen: Schreibe eine Funktion, die Namen, E-Mails und andere PII (Personally Identifiable Information) vor dem Versand an OpenAI ersetzt. Beispiel: ‘Max Muster’ wird zu ‘Kandidat_001’. Die Zuordnung bleibt lokal. 10. API-Integration: Verbinde den Agenten mit dem ATS über REST-API. Der Agent ruft neue Bewerbungen ab, verarbeitet sie und schreibt die Bewertung zurück. Nutze Webhooks für Echtzeit-Updates. 11. Human-in-the-Loop einbauen: Jede Ablehnung muss von einem HR-Mitarbeiter bestätigt werden. Jede Annahme wird vorgeschlagen, aber nicht automatisch versendet. 12. Testing und Tuning: Führe 50 Test-Interviews durch. Messung: Wie oft weicht die AI-Bewertung von der menschlichen ab? Passe den Prompt an, bis die Übereinstimmung über 85 Prozent liegt. 13. Go-Live und Monitoring: Starte den Piloten mit einem echten Jobposting. Monitor: Antwortzeiten, Fehlerquoten, Kandidaten-Feedback. Wöchentliches Review mit dem HR-Team.

Häufige Stolperfallen und wie du sie erkennst

• Bias im Prompt: Wenn der Prompt ungenau formuliert ist, bevorzugt das Modell bestimmte Kandidaten (z. B. ‘Erfahrung in der Finanzbranche’ wird zu ‘Erfahrung in der Schweizer Finanzbranche’). Erkennung: Führe monatliche Bias-Tests durch, indem du 20 fiktive Kandidaten mit unterschiedlichen Hintergründen durchlässt. – Datenleakage: Wenn die Anonymisierung fehlerhaft ist, landen PII-Daten bei OpenAI. Erkennung: Prüfe die API-Logs wöchentlich auf unerwartete Datenmuster. Nutze ein Tool wie ‘OpenAI Data Retention Policy’ um zu sehen, wie lange Daten gespeichert werden. – Übermäßige Automatisierung: Wenn der Agent zu viele Kandidaten ablehnt, ohne dass ein Mensch nachschaut, entsteht ein Compliance-Risiko. Erkennung: Setze eine Obergrenze (z. B. max. 30 Prozent Ablehnungen ohne menschliche Prüfung). – Integration-Fehler: Wenn das ATS-API-Format sich ändert, bricht der Datenfluss. Erkennung: Führe tägliche Health-Checks durch und alarmiere bei Fehlern. – Kandidaten-Abbruch: Wenn der Agent zu langwierig oder unpersönlich wirkt, brechen Kandidaten ab. Erkennung: Messung der Abbruchrate im Gespräch. Ziel: unter 15 Prozent.

Fazit: Vom Piloten zur Skalierung

Nach 8 Wochen hast du einen laufenden Piloten, der 10 bis 15 Stunden pro Woche an HR-Routine einspart und die Compliance-Anforderungen des EU AI Act erfüllt. Der nächste Schritt ist die Skalierung: Erweitere den Agenten auf weitere Jobprofile (z. B. Claims-Handler, Compliance-Officer) und integriere ihn in den gesamten Recruiting-Funnel. Parallel dazu: Dokumentiere die Ergebnisse für die FINMA-Prüfung und bereite die Kandidaten-Informationen vor. Der Managed Operations-Partner übernimmt ab jetzt das Monitoring, die Prompt-Optimierung und die Compliance-Reporting. Du konzentrierst dich auf die strategische HR-Arbeit, nicht auf die Routine.