Validität ist nicht gleich Validität.
Validität in Eignungsdiagnostik und KI sind Unterschiede aus zwei Welten.
Klingt banal? Dann lass mich eine kleine Geschichte erzählen:

Stell dir vor, du kaufst eine Tasse Kaffee. In Deutschland. Du bekommst ein dampfendes Getränk, das dich wach macht und gut duftet. Jetzt bestellst du „einen Kaffee“ in den USA – und bekommst eine Tasse schwarzen Filterkaffee. Bestellst du „un caffè“ in Italien? Zack – ein Espresso. Gleiche Bezeichnung, ganz andere Realität.
Genau das passiert uns gerade mit dem Begriff Validität in der Eignungsdiagnostik und der KI-Regulierung.
Validität in der Eignungsdiagnostik – DIN 33430 lässt grüßen
In der Personalauswahl ist die Sache eigentlich klar:
„Validität ist das Ausmaß, in dem Interpretationen von eignungsdiagnostischen Informationen zutreffen.“ (DIN 33430)

Das bedeutet: Wenn ich mit einem Verfahren messe, ob jemand für eine bestimmte Stelle geeignet ist, dann ist die zentrale Frage, ob die Interpretation der Ergebnisse richtig ist. Kurz: Trifft meine Einschätzung auf die tatsächliche Arbeitsleistung zu?
Wenn ein Test für mathematische Fähigkeiten hohe Werte liefert, die Person aber in der Praxis keine komplexen Berechnungen lösen kann, dann ist die Validität schlecht. Klingt logisch, oder?
Validität in der KI-Verordnung – ein komplett anderes Spiel
Jetzt kommt die EU-Verordnung für Künstliche Intelligenz ins Spiel. Hier gibt es auch den Begriff „Validität“, aber er bedeutet etwas völlig anderes. Schauen wir in Artikel 3:
- „Validierungsdaten“ sind Daten, mit denen das KI-System trainiert und justiert wird, um Über- oder Unteranpassung zu vermeiden.
- „Validierungsdatensatz“ ist ein Teil der Trainingsdaten, der zur Feinjustierung der KI dient.
Also: Hier geht es nicht darum, ob die KI eine Person richtig bewertet, sondern darum, ob die KI sich nicht zu stark oder zu wenig an ihre Trainingsdaten anpasst.

Die gefährliche Verwechslung: Warum das in der Praxis problematisch ist
Hier lauert die Falle: Viele Menschen lesen „Validität“ und denken automatisch, es ginge um die Richtigkeit der Eignungsdiagnostik. Doch die EU-Verordnung betont ausdrücklich: Diese Definitionen gelten nur für die Zwecke der Verordnung – nicht für die Anwendung der KI selbst!

Das ist ungefähr so, als würdest du einen Kuchen backen und dich nur darum kümmern, dass der Backofen auf die richtige Temperatur eingestellt ist – aber nie nachprüfst, ob der Kuchen auch tatsächlich schmeckt.
In der Eignungsdiagnostik bedeutet Validität: Treffen die Entscheidungen, die wir mit Hilfe der KI treffen, tatsächlich zu?
In der KI-Verordnung bedeutet Validität: Funktioniert das KI-Modell technisch korrekt?
Siehst du das Problem?
Was bedeutet das für den Einsatz von KI in der Personalauswahl?
Ganz einfach: Eine KI kann sich hervorragend validieren lassen – und trotzdem Unsinn ausspucken.
Ein Algorithmus kann perfekt trainiert sein, super stabil laufen und genau das tun, was er tun soll – aber das heißt noch lange nicht, dass seine Entscheidungen sinnvoll oder richtig sind.
Wenn eine KI in der Personalauswahl eingesetzt wird, dann reicht es eben nicht, dass sie „validiert“ ist im Sinne der KI-Verordnung. Wir müssen sicherstellen, dass sie nach den Prinzipien der Eignungsdiagnostik validiert ist – also dass ihre Empfehlungen auch wirklich zutreffen.
Fazit: Nicht jeder „validierte“ Algorithmus ist auch ein guter Personaler
KI ist ein mächtiges Werkzeug. Aber wir müssen darauf achten, dass wir sie nicht blind vertrauen, nur weil irgendwo „validiert“ draufsteht. Ein Hammer kann perfekt konstruiert und geprüft sein – trotzdem sollte man ihn nicht als Besteck benutzen.
KI ist ein mächtiges Werkzeug. Aber wir müssen darauf achten, dass wir sie nicht blind vertrauen, nur weil irgendwo „validiert“ draufsteht. Ein Hammer kann perfekt konstruiert und geprüft sein – trotzdem sollte man ihn nicht als Besteck benutzen.
Deshalb: Wer KI in der Personalauswahl einsetzt, sollte genau hinschauen, was „Validität“ in diesem Zusammenhang bedeutet. Und wenn jemand behauptet, eine KI sei „validiert“, dann lohnt es sich, einmal mehr nachzufragen:
👉 Validiert nach welchen Kriterien?
👉 Trifft die KI wirklich gute Vorhersagen für die Arbeitsleistung?
👉 Oder wurde sie nur technisch sauber trainiert?
Denn am Ende zählt nicht, wie gut die Maschine läuft – sondern ob die Menschen die richtigen Jobs bekommen.
Mehr von uns zum Thema:
Die Kennzahlen zur Beurteilung von KI: Wie genau ist sie eigentlich?