5. September 2026 · Brandmonks GmbH
Fast jede HR-Software trägt inzwischen KI-Funktionen. Ein Textvorschlag hier, eine Zusammenfassung dort. Das ist nützlich und ändert an der Anwendung wenig. AI-native meint etwas anderes: eine Architektur, die von Anfang an davon ausgeht, dass Modelle Teil der Verarbeitung sind — mit allem, was daraus folgt.
Der Unterschied liegt in vier Fragen
Wo liegen die Daten, und in welcher Form? Eine KI-Funktion greift auf das zu, was zufällig da ist. Eine AI-native Anwendung hält Daten so vor, dass ein Modell sie nutzen kann: strukturiert, mit Kontext, mit dokumentierter Herkunft.
Was passiert, wenn das Modell falsch liegt? Nicht ob — wenn. Eine KI-Funktion hat darauf meist keine Antwort. Eine AI-native Architektur hat einen definierten Rückfallpfad und macht sichtbar, welcher Schritt maschinell erzeugt wurde.
Wer hat entschieden? In HR-Prozessen ist das keine Komfortfrage, sondern eine rechtliche. Wer bewertet, muss benennbar sein, und die Entscheidung muss nachvollziehbar bleiben.
Was kostet der Betrieb? Modellaufrufe sind laufende Kosten, keine Lizenz. Eine Architektur, die das nicht einkalkuliert, wird im zweiten Jahr teuer.
Warum die Unterscheidung praktisch wird
Der EU AI Act ordnet Systeme, die im Beschäftigungskontext über Menschen entscheiden oder sie bewerten, in eine hohe Risikoklasse ein. Für HR heißt das: Dokumentationspflichten, menschliche Aufsicht, Transparenz gegenüber Betroffenen.
Wer KI als Zusatzfunktion in eine bestehende Anwendung gesetzt hat, muss diese Anforderungen nachträglich einziehen. Wer AI-native gebaut hat, hat sie bereits — weil dieselben Fragen schon die Architektur bestimmt haben.
Die unbequeme Konsequenz
AI-native zu bauen ist am Anfang aufwendiger. Der Nutzen zeigt sich nicht im ersten Release, sondern dann, wenn sich Anforderungen ändern: ein neues Modell, eine neue Rechtslage, ein neuer Prozess. Wer die Architektur richtig gelegt hat, tauscht einen Baustein. Wer nachgerüstet hat, baut neu.
Woran Sie es im Angebot erkennen
Vier Fragen an einen Anbieter genügen, um KI-Funktion von AI-nativer Architektur zu unterscheiden. Wo liegen die Daten, mit denen das Modell arbeitet, und in welcher Form? Was passiert, wenn das Modell gewechselt wird — muss dann der Prozess angepasst werden? Welche Ausgabe wird protokolliert und wie lange? Und wer trägt die Verantwortung, wenn eine Empfehlung falsch war?
Kommen die Antworten in Prosa statt als Architekturbeschreibung, ist die KI eine Funktion. Das ist kein Ausschlusskriterium — man sollte es nur wissen, bevor man einen Prozess darauf aufbaut, der ohne die Funktion nicht mehr läuft.