Für Volumenrollen ist ein strukturiertes Voice-Interview meist der beste erste Schritt; für komplexe Fachrollen folgt nach einer kurzen Vorqualifizierung ein Live-Video-Gespräch; für Frontline- und Non-Desk-Rollen sollten Telefon und Voice als gleichwertige, kamerafreie Wege bereitstehen. Ein AI video interview ist nicht automatisch aussagekräftiger: Es erzeugt mehr Daten und mehr Erklärungsbedarf, ohne für jede Stelle ein besseres Signal zu liefern.

Die richtige Wahl beginnt deshalb nicht mit dem verfügbaren Tool, sondern mit einer Frage: Welche berufsrelevante Information fehlt nach der Bewerbung wirklich? Der Überblick zu KI-Interviews und Voice Recruiting hilft bei der Einordnung; dieser Beitrag trennt die Formate bewusst voneinander, damit der Kanal nicht zum verdeckten Auswahlkriterium wird.

Vier Formate, vier unterschiedliche Aufgaben

1. Das Voice-Interview erhebt Gesprächsinhalte ohne Bild

Ein Voice-Interview ist ein strukturiertes Gespräch per Audio, das Kandidatinnen und Kandidaten zeitversetzt oder als Dialog führen können. Es kann Antworten als Audio und Transkript erfassen und eignet sich, um Motivation, Verfügbarkeit, Schichterfahrung, Sprachverständlichkeit oder konkrete Arbeitssituationen abzufragen. Seine Stärke ist die niedrige technische Hürde bei gleichzeitig vergleichbaren Fragen; seine Schwäche ist, dass es keine belastbare Prüfung visueller Präsentation oder praktischer Arbeit zeigt.

Der Aufwand für Recruiting-Teams sinkt besonders bei vielen ähnlichen Erstgesprächen, weil die Antworten nach einem einheitlichen Raster vorliegen. Im veröffentlichten Sprad-Nutzungsmodell kostet ein fünfminütiges Voice-Interview 28 Credits beziehungsweise rund 1,96 Euro, Stand 20. August 2026. Das ist kein allgemeiner Marktpreis und ersetzt weder fachliche Bewertung noch ein persönliches Gespräch.

2. Das zeitversetzte Video-Interview sammelt aufgezeichnete Antworten

Ein zeitversetztes Video-Interview ist eine Aufnahme: Die Person beantwortet vorgegebene Fragen per Kamera, meist innerhalb eines definierten Zeitfensters. Es schafft für das Team eine einheitlich sichtbare Antwortbasis und kann bei Rollen mit tatsächlicher Kamera-, Präsentations- oder Sprachsituation sinnvoll sein. Seine Schwäche liegt in der zusätzlichen Hürde: Kamera, ruhiger Ort, Licht, Bandbreite und das Gefühl, sich aufnehmen zu müssen, sind Teil der Erfahrung, aber selten Teil der Stellenanforderung.

Der interne Aufwand verlagert sich vom Terminieren zum Ansehen, Dokumentieren und begründeten Bewerten. Ein Video ist nicht einfach eine reichhaltigere Audioantwort: Es enthält Bild, Stimme, Hintergrund und häufig technische Metadaten. Wer ein AI video interview einsetzt, muss deshalb vorab definieren, welcher Teil dieser Daten für die Rolle erforderlich ist und was weder gespeichert noch bewertet wird.

3. Das Live-Video-Interview ist ein gemeinsamer Termin

Ein Live-Video-Interview ist ein synchrones Gespräch zwischen Recruiter oder Fachbereich und Kandidatin oder Kandidat. Es erlaubt Rückfragen, fachliche Vertiefung und das gemeinsame Klären von Erwartungen. Das macht es passend für Fachrollen, Führungsrollen und späte Auswahlstufen, ist aber für eine große Zahl früher Screens teuer: Kalenderkoordination, Gesprächszeit und Auswertung bleiben menschliche Arbeit.

Ein Live-Video-Termin ist nicht mit einem asynchronen Video gleichzusetzen. Im ersten Fall zählt die Gesprächsführung und die Möglichkeit, Missverständnisse aufzulösen; im zweiten bewerten Teams eine Aufnahme ohne Rückfrage. Beide Formate sollten niemals Aussehen, Wohnumfeld oder Bildqualität als stilles Auswahlkriterium behandeln.

4. Das Telefonscreening ist der menschlich geführte Audio-Check

Ein Telefonscreening ist ein kurzes, meist recruiter-geführtes Audio-Erstgespräch. Es ist flexibel, vertraut und gut geeignet, wenn Rückfragen sofort nötig sind oder eine Person keine Kamera nutzen kann oder will. Seine Stärke ist der menschliche Kontext; seine Schwäche ist die schwankende Vergleichbarkeit, wenn Fragen, Notizen und Gesprächszeit von Person zu Person variieren.

Die unmittelbaren Softwarekosten können gering sein, doch der Kostenblock ist Arbeitszeit. Im Sprad-Vergleichsmodell stehen 100 fünfminütigen Voice-Interviews für 196 Euro rund 75 Stunden manueller Vorarbeit gegenüber, Stand 20. August 2026. Diese Rechnung ist eine Kapazitätsillustration, keine Zusage für jede Organisation: tatsächliche Gesprächsdauer, Nachfassaufwand und Vergütung müssen lokal gerechnet werden.

Abbruchquote und Barrierefreiheit sind keine Nebenbedingungen

Keine seriöse allgemeine Zahl sagt, dass Video, Voice oder Telefon immer die niedrigste Abbruchquote erzeugt. Abbrüche hängen von Einladungstext, Dauer, Frist, mobilem Zugang, Vertrauen in den Zweck und der Verfügbarkeit einer Alternative ab. Deshalb sollte jedes Team je Format messen: Einladung versendet, begonnen, abgeschlossen, alternative Route gewählt und in die nächste Stufe übernommen.

Video kann für Menschen mit geringer Bandbreite, fehlendem privaten Raum, Kameraangst oder bestimmten Behinderungen eine unnötige Hürde schaffen. Audio kann für gehörlose, schwerhörige oder sprechbeeinträchtigte Menschen ungeeignet sein; Telefon ist für manche Kandidatinnen und Kandidaten ebenfalls nicht zugänglich. Die praktische Regel lautet: Das Format ankündigen, den Zweck erklären, eine gleichwertige Alternative anbieten und diese Alternative nicht als Nachteil werten.

Für operative Zielgruppen ist diese Gestaltung oft wichtiger als ein möglichst aufwendiges Interview. Ein Überblick über Voice-Interview-Tools ersetzt deshalb keine Feldprobe mit echten mobilen Nutzungssituationen, Schichtzeiten und den Sprachen der Zielgruppe.

Mehr Daten bedeuten mehr Verantwortung

Bei einem Telefonscreening entstehen mindestens Gesprächsnotizen und Kontaktdaten, bei Aufzeichnung zusätzlich Audiodaten und ein Transkript. Ein Voice-Interview erzeugt je nach Konfiguration Audio, Textantworten, Zeitstempel und Bewertungshinweise. Ein Video-Format fügt Bild und Hintergrund hinzu; eine Aufzeichnung erhöht damit Datenmenge, Zugriffskreis, Speicher- und Löschaufwand. Das Bild darf nicht deshalb ausgewertet werden, weil es technisch vorhanden ist.

Die DSGVO verlangt, Daten auf das für den Zweck Erforderliche zu begrenzen; das ist der Grundsatz der Datenminimierung in Artikel 5 DSGVO. Praktisch heißt das: Fragen an die Rolle binden, Aufnahme und Transkript getrennt entscheiden, Aufbewahrungsfristen festlegen, Berechtigungen begrenzen und Kandidaten klar erklären, was geschieht. Ein datensparsames Audioformat kann diese Prüfung vereinfachen, hebt sie aber nicht auf.

Bei ausschließlich automatisierten Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung setzt Artikel 22 DSGVO enge Grenzen und nennt unter anderem menschliches Eingreifen als Schutzmaßnahme. Der EU AI Act, Anhang III führt KI für Recruiting, das Filtern von Bewerbungen oder die Bewertung von Kandidaten als Hochrisikobereich auf. Welche Pflichten im Einzelfall greifen, hängt von Zweck, System und Einsatz ab; das ist keine Rechtsberatung und sollte vor dem Roll-out mit Datenschutz, Compliance und Rechtsberatung geprüft werden.

In Deutschland gehört bei Auswahlrichtlinien außerdem der Betriebsrat früh an den Tisch: § 95 Abs. 2a BetrVG erstreckt die Regeln ausdrücklich auf den Einsatz künstlicher Intelligenz. Werden technische Einrichtungen zur Überwachung von Verhalten oder Leistung eingesetzt, ist auch § 87 Abs. 1 Nr. 6 BetrVG relevant. Ein gemeinsames Fragenraster, klare menschliche Entscheidungshoheit und ein dokumentiertes Alternativformat machen die Abstimmung konkreter.

Welche Rolle verlangt welches Format?

Volumenrollen: Für viele Bewerbungen mit klaren Muss-Kriterien ist ein kurzes Voice-Interview oft sinnvoller als Video. Es skaliert die wiederkehrenden Fragen und lässt sich mobil nutzen. Ein anschließendes Telefongespräch bleibt die gute Alternative für Personen, die den automatisierten Ablauf nicht nutzen möchten; Informationen zum strukturierten Umgang mit Bewerbungsvolumen finden Sie auch im Hub zu CV-Screening und Bewerbungsflut.

Fachrollen: Beginnen Sie mit einer kurzen schriftlichen oder Audio-Vorqualifizierung, wenn nur einzelne Fakten fehlen. Das Live-Video-Gespräch gehört dorthin, wo Fachbereich und Kandidat gemeinsam Problemverständnis, Zusammenarbeit oder Projektbeispiele vertiefen müssen. Die fachliche Eignung sollte sich aber aus Arbeitsproben, nachvollziehbaren Beispielen und strukturierten Kriterien ergeben, nicht aus Bildqualität oder vermuteter Kamerawirkung.

Frontline- und Non-Desk-Rollen: Telefon und Voice haben meist Vorrang, weil sie keinen Laptop, festen Schreibtisch oder Videoraum voraussetzen. Kanäle wie Anruf oder WhatsApp können den Zugang erleichtern, sofern Einwilligung, Datenschutz und eine alternative Kontaktmöglichkeit sauber gestaltet sind. Ein Voice-Interview im Bewerbungsprozess kann hier über 30 Sprachen anbieten; welche Sprache und welcher Kanal passen, entscheidet dennoch die konkrete Zielgruppe.

Wenn zunächst nur Fakten fehlen: Wählen Sie kein Interview, sondern ein kurzes Formular. Startdatum, Arbeitserlaubnis oder Schichtverfügbarkeit müssen nicht per Stimme oder Video erhoben werden. Für solchen Kontext statt bloßem Lebenslauflesen kann ein strukturiertes CV-Screening der kleinere und damit angemessenere Schritt sein.

Die Entscheidungsregel für den nächsten Prozessschritt

Nutzen Sie Voice, wenn Sie viele vergleichbare, berufsrelevante Antworten ohne Bild benötigen. Nutzen Sie zeitversetztes Video nur, wenn die Fähigkeit, sich in diesem Medium zu präsentieren, tatsächlich zur Rolle gehört und eine gleichwertige Alternative besteht. Nutzen Sie Live-Video, wenn menschliche Rückfragen und fachliche Vertiefung den Mehrwert gegenüber Audio rechtfertigen. Nutzen Sie Telefon, wenn unmittelbarer menschlicher Kontext oder ein kamerafreier Zugang wichtiger ist als Standardisierung.

Die Grenze dieser Regel: Sie ersetzt keine Validierung. Prüfen Sie vor dem breiten Einsatz mit einer kleinen, diversen Testgruppe, ob sich Completion, Zugänglichkeit und die Qualität der späteren Einstellungsentscheidung tatsächlich verbessern. Wenn das Format kein zusätzliches berufsrelevantes Signal liefert, ist das datensparsamere Format die bessere Wahl.

Häufige Fragen zu Voice-, Video- und Telefonscreenings

Ist ein AI video interview immer fairer, weil alle dieselben Fragen bekommen?

Gleiche Fragen erhöhen die Vergleichbarkeit, garantieren aber keine faire Erfahrung. Fristen, Kamerapflicht, Sprache, Auswertung und ein zugänglicher Alternativweg gehören genauso zum Prozessdesign.

Sollten wir Videoaufnahmen speichern?

Nur wenn es einen klaren, dokumentierten Zweck und eine festgelegte Aufbewahrungsfrist gibt. Prüfen Sie zuerst, ob strukturierte Notizen oder ein Transkript für die Auswahl genügen.

Kann KI Bewerber automatisch aussortieren?

Eine automatische Empfehlung ist nicht dasselbe wie eine Entscheidung. Bei erheblichen Entscheidungen sind DSGVO, EU AI Act und ein wirksames menschliches Review besonders wichtig; lassen Sie den konkreten Fall rechtlich prüfen.

Wie lang sollte ein erstes Voice-Interview sein?

So kurz wie möglich, aber lang genug für die fehlende Information. Beginnen Sie mit wenigen rollenbezogenen Fragen und messen Sie Abschlussrate sowie die Qualität der Antworten, statt eine Dauer aus einem anderen Prozess zu übernehmen.