Der Fachkräftemangel ist Realität – ebenso wie der wachsende Einsatz von Künstlicher Intelligenz (KI) in HR-Prozessen. Was passiert, wenn beide Trends aufeinandertreffen, ist brisant. Immer häufiger sortieren Algorithmen Bewerber:innen aus – nicht wegen mangelnder Qualifikation, sondern weil sie „zu alt“ sind. Und das geschieht vollautomatisch. Ohne Bewusstsein. Was nach Science-Fiction anhört, ist längst Realität. ?? In den USA läuft aktuell eine Sammelklage gegen Workday. Der Vorwurf: Menschen ab 40 Jahren wurden systematisch benachteiligt – durch automatisierte Auswahlverfahren. Kein menschlicher Blick, keine faire Chance. In Deutschland steht Workday unter Beobachtung wegen Datenschutzverstoß im Testsystem. Das Problem liegt nicht allein in der Technologie, sondern auch in den Traingsdaten: KI ist kein objektiver Entscheider. Sie lernt aus dem, was wir ihr beibringen. Und wenn diese historischen Daten Altersdiskriminierung enthalten, verfestigen sich Vorurteile – und skalieren sich. In Zeiten, in denen Unternehmen händeringend nach Fachkräften suchen, ist es paradox, ganze Bevölkerungsgruppen systematisch auszuschließen. Menschen wegen ihres Alters zu benachteiligen, aber auch „grundlos“ wegen des Alters zu bevorzugen, ist unternehmerischer Unsinn. Alter darf keine Rolle spielen. Wir suchen „the best fit“ und nicht „the right age“, dabei gibt es weder „zu alt“ aber auch nicht „zu jung“.
Stereotype auf allen Ebenen – nicht nur in HR
Die Herausforderung geht über den Recruiting-Prozess hinaus. Auch in der Produktentwicklung, im Marketing, im Design und sogar in der Innovationsplanung wirken stereotype Altersbilder nachhaltig. Sie sind in den Köpfen der Teams – und oft auch in den Algorithmen der KI. Interagieren diese beiden Ebenen miteinander, entstehen Produkte und Services, die ältere Menschen entweder nicht erreichen (Stigma) – oder sie ausschließen (Overload). Das Ergebnis: Diskriminierung durch Design.
Was Unternehmen jetzt brauchen
Kompetenzen zum demografischen Wandel – und zwar in allen Abteilungen. Training für Führungskräfte, Entwickler:innen und Data Scientists: Was ist Age Bias? Wie erkennt man ihn? Und wie begegnet man ihm? Diverse Daten – in Alter, Lebenssituation, Tech-Erfahrung und Perspektiven. Einseitige Trainingsdaten produzieren einseitige Ergebnisse.
Eine neue Haltung: Alter ist kein Defizit. Es ist eine Ressource.
Wir alle haben ein Zukunfts-Ich. Altersdiskriminierung betrifft nicht nur „die anderen“. Sie betrifft auch uns – früher oder später. Sei es als 40jähriger IT-Entwickler auf der Jobsuche oder als 60jähriger der eine Versicherung abschließen will. Wer heute zulässt, dass Ältere ignoriert oder gar aussortiert werden, baut an einer Welt, in der auch er oder sie irgendwann nicht mehr mitgedacht wird. Es ist an der Zeit, diesen Kreislauf zu durchbrechen. Mit fairer KI, klugen Daten – und dem Willen, Vielfalt nicht nur zu akzeptieren, sondern aktiv zu gestalten.