🚀 Anthropic greift nach der Spitze
PLUS: 4 weitere Stories, wöchentliche Shorts & Tipps sowie KI-Ranking
Team von KI WEEKLY & Jannik Schaefer
29. Mai
Guten Abend 🌙
Eine Woche ist vergangen, und KI WEEKLY+ hält Dich auf dem neuesten Stand der KI-Welt.
In dieser Ausgabe
KI-Tools der Woche
⚡Gemini 3.5 Flash - Googles neues Flash-Modell, viermal schneller zum halben Preis
🎙️ Dubbing V2 - Die neue Synchronisations-KI von ElevenLabs, die sich an 90 Sprachen anpassen lässt
📹️ Runway - Erstellt Bilder/Videos, jetzt direkt in deinem KI-Assistenten über MCP
🚀 Antigravity 2.0 - Googles agenterbasierter Entwicklungsassistent
💻 Computer - Der Perplexity-Agent ist jetzt in Excel, Word und PowerPoint verfügbar
01
Stanford-Studie zeigt rassistische Verzerrungen bei KI-Bewerbungssystemen
Forscher der Stanford University haben rund vier Millionen Bewerbungen bei 156 Unternehmen analysiert und kommen zu einem klaren Ergebnis: KI-gestützte Recruiting-Tools erzeugen teils erhebliche rassistische Ungleichheiten bei der Bewerberauswahl.
Die Details:
Die Forscher untersuchten positionsbezogene Daten des Recruiting-Anbieters Pymetrics und fanden bei 10,62 Prozent der Stellenangebote eine statistisch nachteilige Behandlung schwarzer Bewerber. Bei asiatischen Bewerbern lag dieser Wert bei 5,32 Prozent.
Das Problem verschärft sich zusätzlich dadurch, dass insgesamt 42 Modelle von mehreren Unternehmen gleichzeitig genutzt werden. Wer bei einem Unternehmen durch ein bestimmtes Modell aussortiert wird, könnte dadurch auch bei anderen Firmen schlechtere Chancen haben.
Vier Prozent der Bewerber, die sich auf zehn Stellen beworben hatten, wurden bei allen Positionen abgelehnt. Dieser Wert liegt höher als bei vollständig unabhängigen Entscheidungen einzelner Arbeitgeber zu erwarten wäre.
Die Forscher betonen allerdings auch, dass sich die Ergebnisse nicht automatisch auf alle KI-Recruiting-Systeme übertragen lassen. Viele moderne Lösungen basieren inzwischen auf LLMs, die technisch anders funktionieren als ältere Matching-Modelle.
Warum das wichtig ist: Die Studie basiert zwar auf Daten aus den Jahren 2018 bis 2022, zeigt aber ein strukturelles Problem, das mit der aktuellen KI-Welle eher größer als kleiner werden dürfte. Besonders kritisch ist die gemeinsame Infrastruktur hinter vielen Tools: Wenn ein großer Anbieter Verzerrungen im Modell hat, verbreiten sich diese Fehler potenziell gleichzeitig über dutzende Unternehmen hinweg, oft ohne dass es jemand bemerkt. Die Gefahr liegt also nicht unbedingt in einzelnen Fehlentscheidungen, sondern die stille Skalierung derselben Fehlannahmen über ganze Märkte hinweg.
