AI interview fraud

KI-Betrug im Bewerbungsgespräch ist ein einziges Etikett, das über drei getrennte Probleme gespannt wird — und die Kontrolle, die eines löst, bringt bei den anderen beiden nichts. Identitätsersetzung: Jemand anderes als die bewerbende Person führt das Gespräch, entweder ein menschlicher Proxy oder ein Echtzeit-Face-Swap, den der Operator steuert. Antwortherkunft: Die Person ist echt, und ein Modell außerhalb des Bildschirms schreibt die Antworten. Persona-Fabrikation: Name, beruflicher Werdegang und Referenzen wurden passend zur Stelle hergestellt. Die kurze Antwort auf die Frage, wie Sie das stoppen: nicht durch mehr Erkennung im Gespräch selbst. Sie verankern die Identität an einem Tor, das Sie kontrollieren, veröffentlichen die KI-Nutzungsregel vor dem Prozess, damit Antwortherkunft eine Policy-Frage statt einer Vermutung wird, und stellen Fragen, deren Antworten ein Modell nicht liefern kann.

Was es nicht ist. Es ist nicht, dass jemand KI zum Schreiben des Lebenslaufs oder zum Üben nutzt — das ist Vorbereitung und heute der Normalfall. Es ist kein Proctoring, und es ist keine Emotions-, Stress- oder Ehrlichkeitserkennung: Artikel 5(1)(f) des EU AI Act verbietet das Ableiten von Emotionen aus biometrischen Daten am Arbeitsplatz, und die Leitlinien der Kommission vom Februar 2025 zu verbotenen Praktiken lesen “Arbeitsplatz” so, dass Bewerbende während der Auswahl erfasst sind. Es ist nicht dasselbe Problem wie Bias beim KI-Screening, bei dem es darum geht, wen Ihre Modelle ablehnen, nicht darum, wer im Call sitzt. Und es ist kein medienforensisches Problem, das Sie mit dem Kauf eines Detektors lösen.

Die drei Klassen und was jede braucht

Diese Taxonomie zählt, weil die meisten Programme eine Kontrolle kaufen und glauben, alle drei abgedeckt zu haben. Eine Identitätsprüfung beim Angebot bewirkt nichts gegen eine echte Person, die von Cluely abliest. Ein Erkennungsmodell für Schummeln bewirkt nichts gegen ein Notebook, das an die Adresse eines Weiterversenders geht.

Was die Belege wirklich hergeben

Eine synthetische Kandidatin zu bauen ist Mittagspausen-Arbeit. Unit 42 veröffentlichte am 21. April 2025 eine Untersuchung, in der ein Forscher ohne Erfahrung in Bildmanipulation in 70 Minuten eine synthetische Identität baute, die ein Video-Interview besteht — auf einem fünf Jahre alten Rechner mit GTX 3070, mit frei verfügbaren Werkzeugen und KI-generierten Gesichtern. Dieselbe Untersuchung benennt die Fehlermodi von Echtzeit-Face-Swaps: Die zeitliche Konsistenz bricht bei schnellen Kopfbewegungen, die Verdeckungsbehandlung bricht, wenn eine Hand das Gesicht kreuzt, die Lichtanpassung bricht bei plötzlichen Helligkeitswechseln, und die audiovisuelle Synchronisation driftet.

Institutionelle Käufer behandeln das inzwischen als Betrugsvektor erster Ordnung. Experians Betrugsprognose vom 13. Januar 2026 nannte KI-generierte Bewerbende unter den Bedrohungen des Jahres und warnte, Arbeitgeber würden Menschen onboarden, die nicht die sind, für die sie sich ausgeben, und ihnen Zugang zu sensiblen Systemen geben.

Werkzeuge zur Antwortherkunft sind finanziert und im Mainstream angekommen. Cluely schloss am 20. Juni 2025 eine von Andreessen Horowitz geführte Series A über 15 Mio. USD bei rund 120 Mio. USD Post-Money-Bewertung ab, nach 5,3 Mio. USD Seed im April. Die Gründer wurden von der Columbia University suspendiert — wegen Interview Coder, dem Vorgänger, der gezielt dafür gebaut wurde, technische Interviews unentdeckt zu bestehen. Das ist keine Randerscheinung, die sich per Richtlinie wegwünschen lässt.

Die Prävalenzzahlen sind richtungsweisend, nicht gemessen. Die meistzitierte Zahl des Jahres 2026 — 38,5 % von 19.368 Interviews zwischen Juli 2025 und Januar 2026 als KI-Schummelverhalten markiert, technische Rollen bei 48 % gegenüber 12 % im Vertrieb — stammt von Fabric, einem Anbieter, der Interview-Software mit eingebauter Schummelerkennung verkauft. Eine Markierung ist dort die Ausgabe eines Modells oberhalb einer Wahrscheinlichkeitsschwelle von 40 %, kein festgestellter Befund, und eine Falsch-Positiv-Rate wird nicht mitveröffentlicht. Lesen Sie das als Beleg dafür, dass die Richtung nach oben zeigt und das Volumen nicht trivial ist. Setzen Sie es nicht als gemessene Rate ins Board-Deck.

Menschliche Prüfung ist keine Kontrolle. iProov testete im Februar 2025 2.000 Verbraucherinnen und Verbraucher in Großbritannien und den USA; 0,1 % identifizierten jedes echte und synthetische Element der Testreihe korrekt, und die Teilnehmenden schnitten bei synthetischem Video 36 % schlechter ab als bei synthetischen Bildern. Die ehrliche Lesart ist enger als die Schlagzeile: 0,1 % ist eine Alles-richtig-Quote über einen vollständigen Satz, nicht die Chance, dass eine bestimmte Person eine bestimmte Fälschung erkennt. Sie schließt trotzdem aus, “Recruiter darauf zu schulen” zur Hauptverteidigung zu machen.

Warum ein erkennungsgetriebener Ansatz scheitert

Drei Gründe, und sie verstärken sich.

Basisraten. Ein Screening, das 80 % der betrügerischen Bewerbenden bei 5 % Falsch-Positiv-Rate fängt, ergibt bei einer Prior von 2 % eine Markierung, die in etwa einem Viertel der Fälle echt ist. Drei von vier Markierungen treffen unschuldige Menschen. Die Rechnung ist in der Skill zur Interview-Betrugsprüfung ausgeführt, und sie ist der Grund, warum eine Markierung zur Verifikation führt und nie zu einer Absage.

Generalisierung der Detektoren. Deepfake-Detektoren brechen außerhalb ihrer Trainingsverteilung ein, und der Gegner wählt den Generator. Ein Score, den Sie nicht gegen das tatsächlich eingesetzte Modell benchmarken können, ist eine Zahl, keine Kontrolle.

Die Rechtsexposition läuft in die falsche Richtung. Das Video auf Gesichtsgeometrie oder Stimmabdruck zu analysieren, zieht Sie in Illinois’ BIPA und in den AI Video Interview Act hinein, mit Hinweis-, Einwilligungs- und Löschpflichten. Einen Score über eine Person von Dritten zu kaufen, wirft Fragen zu automatisierten Entscheidungen nach NYC Local Law 144 auf. Je schwerer der Erkennungs-Stack, desto mehr Compliance-Fläche gehört Ihnen — für ein Signal, das seine eigene Basisrate nicht übersteht.

Die Kontrollen, die halten

1. Verankern Sie Identität an einem benannten Tor, nicht im Prozess. Amtlicher Ausweis plus Liveness-Check beim Angebot oder Onboarding, abgeglichen mit dem Namen im Lohnabrechnungssatz. Vergleichen Sie die Adresse im Ausweisdokument mit der Versandadresse der Firmenausstattung; eine Abweichung dort ist das billigste verfügbare Signal, und fast niemand schaut hin.
2. Behalten Sie einen synchronen Checkpoint, den ein Proxy nicht besetzen kann. Google, Cisco und McKinsey führten im Lauf des Jahres 2025 genau deshalb wieder Präsenzrunden ein — Scott McGuckin, VP Global Talent Acquisition bei Cisco, verband den Schritt direkt mit gefälschten Bewerbenden, die in die Remote-Einstellung eindringen. Eine Runde genügt; ein vollständiger Onsite-Loop ist nicht gefordert.
3. Veröffentlichen Sie die KI-Nutzungsregel vor dem ersten Gespräch. Entscheiden Sie, ob Assistenz verboten, mit Offenlegung erlaubt oder schlicht erlaubt ist, und schreiben Sie es in die Einladung. Ist nichts veröffentlicht, lautet der ehrliche Standard “erlaubt” — und gegen eine ungeschriebene Regel zu screenen ist nicht verteidigbar.
4. Stellen Sie Fragen, die ein Modell nicht für sie beantworten kann. Die eigenen Commits, die eigenen Entscheidungen, der Tradeoff, den sie bereuen. Unterbrechen Sie. Fragen Sie abseits des Skripts nach. Ein verdeckter Assistent löst die Frage, die er bekommen hat, nicht die dritte Nachfrage zu einer Entscheidung aus dem Jahr 2023.
5. Nutzen Sie Live-Challenges gegen die bekannten Fehlermodi und gewichten Sie sie nicht zu hoch. Eine Profildrehung, eine Hand vor dem Gesicht, ein Lichtwechsel — die Empfehlung von Unit 42 selbst, gerichtet auf Verdeckung und zeitliche Konsistenz. Eine davon nicht zu bestehen ist ein Grund zu verifizieren. Alle drei zu bestehen beweist nichts.
6. Leiten Sie jede Markierung in ein Verifikationsgespräch. Ein strukturiertes 45-Minuten-Gespräch klärt die meisten Markierungen. Das Ergebnis dieses Gesprächs, nicht der Score, erreicht die Einstellungsentscheidung.
7. Prüfen Sie Beschäftigung und Identität beim Angebot, unabhängig vom Prozess. Fabrizierte Werdegänge brechen an Lohnabrechnungssätzen und an selbst recherchierten Referenzen, nie an einer guten Interviewleistung.

Häufige Fehler

Einen Deepfake-Detektor kaufen und das ein Programm nennen. Der Anbieter misst auf der eigenen Verteilung; Ihr Gegner wählt einen anderen Generator. Schutz: Behandeln Sie jeden Detektor-Score als Routing-Signal in Schritt 6 und stecken Sie das Budget in das Identitätstor aus Schritt 1.

Auf Basis einer Markierung absagen. Bei realistischen Basisraten treffen die meisten Markierungen unschuldige Menschen, und eine Akte unbewiesener Vorwürfe gegen namentlich genannte Personen ist in jedem späteren Verfahren herausgabepflichtig. Schutz: Machen Sie die Absage strukturell unmöglich — das Markierungsfeld routet zur Verifikation und hat keinen Ablehnungspfad.

Gegen eine Regel screenen, die Sie nie veröffentlicht haben. Schutz: Die KI-Nutzungsrichtlinie geht in die Interview-Einladung und auf die Karriereseite, bevor die erste Markierung entsteht.

Die iProov-Zahl als “0,1 % der Menschen erkennen ein Deepfake” lesen. Es ist eine Alles-richtig-Quote über eine Testreihe aus Bildern und Video. Schutz: Zitieren Sie die Studie für die Aussage, die sie trägt — menschliche Prüfung ist keine Kontrolle — und nicht als Erkennungsrate pro Element.

Die Präsenzrunde als vollständige Antwort behandeln. Sie schließt die Identitätsersetzung und bewirkt nichts gegen eine echte angestellte Person, die nach Tag eins Zugangsdaten weitergibt, oder gegen einen fabrizierten Werdegang. Schutz: Kombinieren Sie sie mit Prüfung beim Angebot und mit Zugriffskontrollen, die den Insider-Fall unterstellen.

Challenge-Response, das Bewerbende mit Behinderung benachteiligt. Bewegungs-Challenges, blickbasierte Signale und Schwellen für die Antwortlatenz benachteiligen Menschen mit motorischen, visuellen oder kognitiven Unterschieden. Schutz: Veröffentlichen Sie einen Weg für angemessene Vorkehrungen zusammen mit der KI-Richtlinie, schließen Sie Blick- und Affektsignale vollständig aus, und lassen Sie eine Latenzschwelle nie allein entscheiden.

Zulassen, dass die Betrugsantwort den Prozess für alle verschlechtert. Vier Verifikationsschritte auf einen fünfstufigen Prozess zu setzen kostet Sie echte Bewerbende. Schutz: Begrenzen Sie die schweren Kontrollen auf Stellen mit Produktionszugriff oder vollständig remote Onboarding, und messen Sie den Abbruch an jedem neuen Schritt.

Verwandt

• Interviewunterlagen auf Identitäts- und Antwortherkunftsbetrug prüfen — die Claude Skill und die Basisraten-Rechnung hinter der Regel, zur Verifikation zu routen
• Strukturiertes Interview — das Fragedesign, das Antwortherkunft sichtbar macht
• Design des Interview-Loops — wo der synchrone Checkpoint im Prozess sitzt
• Illinois AI Video Interview Act — die Hinweis-, Einwilligungs- und Löschpflichten, die greifen, wenn Sie das Video analysieren
• NYC Local Law 144 — die Grenze zur automatisierten Entscheidung, die ein gekaufter Betrugsscore überschreiten kann
• KI-Richtlinie für Recruiting-Teams — wo die veröffentlichte KI-Nutzungsregel lebt