KI-Schummeln im Interview ist die Norm. So lösen Sie es

Als KI-Schummeln im Interview bezeichnet man den Einsatz von Echtzeit-KI-Assistenten, Voice-Mode-LLMs oder Deepfakes, um ein Live-Interview auf unlautere Weise zu bestehen. Bei einer Auswertung von 19.368 KI-geführten Interviews im Jahr 2026 wurden 38,5 % der Kandidatinnen und Kandidaten wegen KI-gestützten Schummelns markiert, und 61 % von ihnen lagen dennoch über der Bestehensgrenze. Das Live-Interview allein belegt keine Fähigkeiten mehr, und zunehmend belegt es auch die Identität nicht mehr.

Das ist der unangenehme Befund für alle, die „hat die technische Runde bestanden“ als gesicherte Wahrheit behandeln. Das Signal, auf das sich Ihre ganze Pipeline stützt, hat stillschweigend aufgehört, Echt von Falsch zu trennen. Dieser Leitfaden zeigt, wie verbreitet das Problem tatsächlich ist, warum Ihr Bestehenswert seine Bedeutung verloren hat, warum in einer gesonderten, noch beunruhigenderen Welle manche Kandidaten gar keine echten Menschen sind – und welche konkreten Prozessänderungen Vertrauen zurückbringen, ohne dass Sie ein einziges Stück Überwachungssoftware kaufen müssen.

Wie schlimm ist KI-Schummeln im Interview 2026?

Schlimm, und es wird schnell schlimmer, besonders im Engineering. Der klarste Datensatz stammt von Fabric, einer KI-Interviewplattform, die zwischen Juli 2025 und Januar 2026 19.368 Live-Interviews auswertete und 38,5 % der Kandidatinnen und Kandidaten wegen KI-gestützten Schummelverhaltens markierte.

Der Verlauf ist der alarmierende Teil. Fabrics Markierungsrate stieg von 9 % im Juli 2025 auf 45 % im September 2025 und blieb dann bis Januar 2026 auf hohem Niveau. Das ist eine Verfünffachung in einem einzigen Quartal, keine „Verdreifachung“, wie manche Berichte meldeten. Wie hoch der Faktor genau ausfiel: Schummeln wurde in rund neunzig Tagen vom seltenen Sonderfall zum Münzwurf.

Das Engineering ist das Epizentrum. Im selben Datensatz zeigten Interviews im Software-Engineering eine Schummelrate von 48 % gegenüber 12 % im Vertrieb. Diese Lücke ist kein Rätsel. Coding-Fragen haben saubere, überprüfbare Antworten – genau die Art Ergebnis, die ein Echtzeit-KI-Assistent gut liefert. Ein Verkaufs-Rollenspiel ist unübersichtlich und zwischenmenschlich; eine Datenstruktur-Aufgabe ist nur einen Prompt von einer korrekten Lösung entfernt.

Lesen Sie die 48 % aber nicht als „nur ein Problem bei Junior-Entwicklern“. Die Werkzeuge, die diese Zahl treiben, sind rollenunabhängig und mühelos: Ein Overlay schert sich nicht darum, ob die Frage ein LeetCode-Medium oder ein Senior-System-Design-Prompt ist, und derselbe Assistent, der eine Binärbaum-Traversierung löst, entwirft bereitwillig auch eine plausible Architektur-Antwort. Je höher die Rolle, desto teurer der Fehler – und desto geschliffener wirkt vor der Kamera meist der Kandidat, den ein Overlay coacht.

Eine ehrliche Einschränkung, bevor wir weitergehen: Fabric verkauft sowohl KI-Interviews als auch Schummel-Erkennung und hat damit ein kommerzielles Interesse an möglichst alarmierenden Zahlen. Behandeln Sie die Werte als Richtungsangabe. Der Grund, der Richtung dennoch zu trauen: Unabhängige Ankerpunkte, zu denen wir weiter unten kommen, erzählen aus völlig anderen Blickwinkeln dieselbe Geschichte.

Warum Ihr Bestehenswert nichts mehr bedeutet

Der Fehlermodus ist nicht, dass Schummler das Interview vergeigen – sondern dass sie es bestehen. In Fabrics Auswertung lagen 61 % der markierten Schummler dennoch über der Bestehensgrenze von 7,0 von 10 und wären ganz ohne Erkennung weitergekommen.

Lassen Sie das einen Moment sacken. Der Wert, den Ihr Bewerbermanagementsystem erfasst – der, den eine Personalverantwortliche als „nachweislich kompetent“ liest – hat die Mehrheit der Menschen bestehen lassen, die er hätte herausfiltern sollen. Das Schummeln hat das Signal nicht an den Rändern verschlechtert. Es hat es umgekehrt. Ein hoher Wert in einem Echtzeit-Abruftest korreliert heute mindestens so sehr mit gutem Werkzeug wie mit guten Fähigkeiten.

Die Methoden erklären, warum eine Erkennung nach Bauchgefühl scheitert. Fabrics Aufschlüsselung, wie Kandidatinnen und Kandidaten schummelten:

Die zwei obersten Kategorien, rund vier von fünf Fällen, hinterlassen in einem gewöhnlichen Screenshare keine Spur. Interview-Assistenten wie Cluely und Interview Coder werden offen als unsichtbare Overlays vermarktet, die während eines Live-Calls Antworten einspielen, ohne aufzutauchen, wenn der Kandidat seinen Bildschirm teilt. Das werden Sie nicht erkennen, indem Sie jemandem in die Augen schauen. Das Format selbst ist kompromittiert.

Der Vollständigkeit halber: Fabric fand außerdem, dass 83 % der Kandidaten angaben, sie würden schummeln, wenn sie wüssten, dass sie nicht erwischt würden. Das ist eine selbstberichtete Einstellung, kein Verhalten – messen Sie ihr also kein allzu großes Gewicht bei. Aber sie rückt das Problem in den richtigen Rahmen: Es geht nicht um ein paar schwarze Schafe. Es ist die Standardreaktion auf ein System, das Schummeln trivial und Erkennung zum Theater gemacht hat.

Das zweite Problem: Ist der Kandidat überhaupt ein echter Mensch?

Antwort-Schummeln setzt echte Kandidatinnen und Kandidaten voraus, die unerlaubte Hilfe erhalten. Die neuere, beunruhigendere Welle hebt diese Annahme auf. In einem wachsenden Anteil der Fälle ist die Person im Call nicht die, für die sie sich ausgibt – und manchmal gar kein einzelner echter Mensch.

Die Demonstration, die das Argument „unsere Videointerviews fangen das ab“ beenden sollte, kam von Unit 42 von Palo Alto Networks. Ein Forscher ohne Erfahrung in Bildmanipulation baute mit einer fünf Jahre alten Consumer-GPU in rund 70 Minuten einen überzeugenden synthetischen Videokandidaten. Kein staatliches Labor. Ein Nachmittag und eine Gaming-Grafikkarte. Wenn das die Untergrenze ist, sind vier Live-Videointerviews keine Identitätsprüfung.

Die Größenordnung wird von Quellen bestätigt, die keine Interview-Software verkaufen. Der 2026er-Bericht von GetReal Security ergab, dass 41 % der Verantwortlichen in IT, Cybersicherheit, Risiko und Betrugsprävention sagen, ihre Organisation habe einen betrügerischen Kandidaten eingestellt und eingearbeitet, und 88 % gaben an, zumindest gelegentlich auf Deepfake- oder Identitätsbetrugsversuche gestoßen zu sein. Gartner, ein Analystenhaus ohne eigenes Interesse am Erkennungsgeschäft, prognostiziert, dass bis 2028 weltweit jedes vierte Bewerberprofil gefälscht sein wird. Das ist ausdrücklich eine Prognose, weist aber in dieselbe Richtung wie alles andere.

Das ist kein hypothetischer Betrug, der irgendwann eintreten könnte. Es ist eine aktive, industrialisierte Maschinerie. Das US-Justizministerium hat eine Reihe von Verfahren gegen ein systematisches nordkoreanisches Schema angestrengt, das mit Deepfakes und gestohlenen Identitäten Agenten in Remote-Tech-Rollen in den USA einschleust, und CNBC hat berichtet, wie Tech-CEOs beschreiben, dass gefälschte Bewerber ihre Remote-Recruiting-Trichter fluten. Der Sprachanalyse-Anbieter Pindrop maß einen Anstieg der Deepfake-Betrugsversuche um 1.300 % im Jahr 2024. Nehmen Sie solche konkreten Anbieterzahlen als Richtungsangabe – der springende Punkt ist die Übereinstimmung über Strafverfolgung, Analysten und unabhängige Forscher hinweg.

Der Musterfall ist der nordkoreanische Agent bei KnowBe4. Im Juli 2024 stellte das Security-Training-Unternehmen einen „Softwareentwickler“ ein, der sich als nordkoreanischer Agent entpuppte: Er nutzte eine gültige US-Identität, die einer realen Person gestohlen worden war, ergänzt um ein passend per KI bearbeitetes Stockfoto. Die Tarnidentität überstand eine Hintergrundprüfung, verifizierte Referenzen und vier separate Videointerviews. In dem Moment, als der firmeneigene Mac ankam, begann er, Schadsoftware zu laden; KnowBe4s Werkzeuge erkannten die Anomalie und sperrten das Gerät innerhalb von 25 Minuten. Es kam zu keinem Sicherheitsvorfall, doch die Lehre ist eindeutig: Vier Live-Videointerviews sind keine Identitätsprüfung, und dies ist mittlerweile eine dokumentierte, systematische Operation, kein Einzelfall.

Beachten Sie, dass die schlagkräftigsten Identitätsstatistiken ebenfalls von Anbietern stammen, die Deepfake-Erkennung verkaufen. Deshalb stützen sich die tragenden Aussagen hier auf die unabhängigen Ankerpunkte: Gartners Prognose, die praktische Demonstration von Unit 42 und der vollständig dokumentierte KnowBe4-Vorfall. Die Anbieterzahlen sind mit diesen Ankern vereinbar, aber kein Ersatz für sie.

Warum Live-Coding-Interviews zum schwächsten Glied wurden

Das Live-Coding-Interview ist besonders exponiert, weil es zwei Dinge verbindet, in denen KI gut ist: saubere, überprüfbare Antworten zu produzieren und das unsichtbar zu tun. Es ist das wertvollste Ziel in Ihrer Pipeline und zugleich am leichtesten zu kompromittieren.

Überlegen Sie, was eine Echtzeit-Coding-Runde eigentlich prüft. Sie belohnt den schnellen Abruf algorithmischer Muster unter Beobachtung – genau die Aufgabe, in der ein Sprachmodell glänzt und ein nervöser Mensch nicht. Kandidatinnen und Kandidaten mit Overlay müssen die Lösung nicht verstehen. Sie müssen sie nur vom Bildschirm ablesen, während sie nicken. Der Interviewer sieht einen Screenshare, der völlig normal aussieht, weil der Assistent außerhalb der geteilten Fläche gerendert wird.

Das ist dieselbe strukturelle Schwäche, die das Whiteboard als eigenständiges Signal bereits erledigt hat. Wie wir in unserem Plädoyer gegen Whiteboard-Interviews dargelegt haben, messen beobachtete Rätselformate eher die Leistung unter Beobachtung als das technische Urteilsvermögen – und KI-Overlays haben die Arbeit vollendet, indem sie es trivial machten, die Rätsel lautlos zu lösen. Die Antwort, die funktioniert, ist keine Überwachungssoftware. Es ist ein Formatwechsel hin zu Bewertungen, die Denkweise und Kommunikation prüfen – die zwei Dinge, die ein Overlay in einem lebendigen Hin und Her noch nicht fälschen kann.

Es gibt hier eine verlockende Abkürzung, und es lohnt sich, sie zu benennen, damit Sie sie ablehnen können. Wenn Teams merken, dass die Live-Runde kompromittiert ist, ist der erste Reflex meist, Überwachung zu kaufen: Tastenanschlag-Protokollierung, Eye-Tracking, Browser-Lockdown, erzwungene Rundum-Kameraschwenks. Widerstehen Sie. Es bestraft ehrliche Kandidaten mit einem verhörartigen Erlebnis, es richtet nichts gegen einen Deepfake aus, der jeder Prüfung bereitwillig nachkommt, und die Overlay-Anbieter iterieren schneller als die Detektoren. Sie können sich aus einem Formatproblem nicht herausüberwachen. Sie gestalten das Format neu.

Eine wichtige Abgrenzung: Das ist ein anderes Problem als KI-Bias beim Lebenslauf-Screening. Dort geht es darum, dass Ihr Algorithmus gegenüber echten Kandidaten unfair ist. Hier geht es darum zu verifizieren, dass ein Kandidat wirklich die Person ist, die er vorgibt zu sein, und über die Fähigkeiten verfügt, die er behauptet. Beides zählt, und die Lösungen widersprechen sich nicht – aber verwechseln Sie die beiden nicht.

Was einen Kandidaten wirklich verifiziert: drei Prüfschritte

Die Belege stützen drei strukturelle Schritte, von denen keiner einen Deepfake-Detektor erfordert. Das Ziel ist, Legitimität zu einer Eigenschaft Ihrer Pipeline zu machen statt zu einer Vermutung, die ein müder Interviewer an einem Freitagnachmittag anstellt.

1. Binden Sie die Bewertung an eine verifizierte Identität

Anonyme Videocalls sind das schwache Glied, weil nichts die Person über Ihren Prozess hinweg an eine stabile, überprüfbare Identität bindet. Ersetzen Sie den improvisierten Call-Link durch eine Anmeldung im Kandidatenportal, sodass jede Einreichung und jede Phase an dieselbe authentifizierte Sitzung gebunden ist. Das beweist für sich genommen nicht, dass jemand kein Stellvertreter ist. Was es leistet: Es schafft einen durchgängigen Identitätsfaden, über den Sie nachdenken können, und es gibt Ihnen den natürlichen Ort, an dem Sie einen harten Identitäts-Prüfschritt ergänzen können (etwa eine Ausweisprüfung in der Angebotsphase), wo der Einsatz es rechtfertigt.

2. Verlagern Sie das Gewicht vom Echtzeit-Abruf zu Arbeitsproben

Der Echtzeit-Abruf ist das Format, das sich per KI am leichtesten bedienen lässt. Eine geprüfte Arbeitsprobe – eine berufsrelevante Aufgabe, die Kandidatinnen und Kandidaten erledigen und anschließend verteidigen – ist in der Tiefe weitaus schwerer überzeugend zu fälschen. Sie sagt die Leistung zudem besser voraus als ein Whiteboard-Sprint. Die Belege brauchen hier eine Einschränkung: Ältere Meta-Analysen setzten die Validität von Arbeitsproben bei etwa 0,54 an, doch eine 2022er-Neuanalyse von Sackett und Kollegen korrigierte viele dieser Schätzungen nach unten und verortete Arbeitsproben bei rund 0,33 (strukturierte Interviews bei etwa 0,42). Selbst beim konservativen Wert ist eine Arbeitsprobe ein starkes, rechtlich belastbares Signal, weil sie unmittelbar die Tätigkeit abbildet. Kombinieren Sie sie mit einer Live-Verteidigung, in der der Kandidat seine eigenen Entscheidungen erklärt und ändert – und das Overlay hat nichts zuzuspielen.

3. Führen Sie einen Prüfpfad auf Phasenebene

Wenn die Legitimität einer Einstellung ein halbes Jahr später hinterfragt wird, ist „Ich erinnere mich, das Interview lief gut“ keine Antwort. Sie brauchen einen rekonstruierbaren Pfad: wer den Kandidaten in jeder Phase bewertet hat, wann, anhand welches Artefakts und welchen Wert er vergeben hat. Ein Prüfpfad verhindert Betrug nicht allein, aber er verwandelt eine unbeantwortbare Frage in einen dokumentierten Zeitverlauf – und genau danach werden Auditoren, Sicherheitsteams und Ihr eigenes künftiges Ich fragen.

So gestalten Sie Ihre Interviewphasen rund um die Verifizierung neu

Entscheidend ist hier ein Umdenken: Verifizierung ist kein Werkzeug, das Sie anschrauben. Sie ist eine Eigenschaft einer Pipeline, in der jede Phase und jede Aufgabe ein erstklassiges Objekt ist, das an eine authentifizierte Kandidatenidentität gebunden ist. Wenn Ihr Bewerbermanagementsystem den Prozess so abbildet, sind die drei Prüfschritte oben keine Frage manueller Disziplin mehr, sondern schlicht die Arbeitsweise des Systems.

Genau deshalb behandelt Kit den Lebenszyklus der Interviewphasen als strukturierte Daten statt als Ordner voller Notizen. Ein paar konkrete Bausteine bilden die Prüfschritte direkt ab:

• Identitätsgebundenes Kandidatenportal. Kit nutzt Magic-Link-Authentifizierung, sodass jede Kandidatenaktion innerhalb derselben authentifizierten Sitzung geschieht statt in einem anonymen Call. Die Arbeit ist über jede Phase hinweg an einen stabilen Identitätsfaden gebunden – das Fundament, das jede Verifizierungs-Erzählung braucht.
• Code-Aufgaben als asynchrone Arbeitsproben. Kits Code-Aufgaben sind GitHub-integriert und werden asynchron geprüft – genau der Formatwechsel, den die Belege empfehlen: weg vom Echtzeit-Abruf, den ein Overlay bedienen kann, hin zu einer verteidigten Arbeitsprobe, die es nicht bedienen kann.
• Teambewertung und Scorecards. Strukturierte, gemeinsame Bewertung ist der Ort, an dem Anomalien auftauchen: eine Live-Antwort, die der Arbeitsprobe widerspricht, ein Wert, der nicht zum Lebenslauf passt, eine Einreichung, die sich „zu sauber anfühlte“. Verstehen Sie das als Prozess, den Ihr Team mit Kits bestehender Bewertung und Abstimmung fährt, nicht als automatischen Betrugsdetektor.
• Verlauf auf Phasenebene als Prüfpfad. Weil Phasen und Aufgaben modellierte Objekte mit Zeitstempeln und Zuständigkeiten sind, erhalten Sie den rekonstruierbaren Pfad automatisch mit. Legitimität wird zu etwas, auf das Sie später zeigen können, nicht zu etwas, an das Sie sich hoffentlich noch erinnern.

Damit klar ist, was das nicht ist: Kit liefert weder Deepfake-Erkennung noch biometrische Verifizierung noch Video-Überwachung, und Sie sollten jedem Anbieter misstrauen, der einen magischen Lügendetektor verspricht. Die dauerhafte Lösung ist strukturell. Eine echte Identitätsprüfung – dort, wo Sie sie wirklich brauchen – ist ein Prüfschritt, den Sie in Phasen mit hohem Einsatz ergänzen, aufgesetzt auf eine Pipeline, die bereits weiß, wer wann was getan hat.

Was bleibt

Das Live-Interview ist kein Beweis mehr. Mit 38,5 % der Kandidatinnen und Kandidaten, die wegen Schummelns markiert werden, 61 % davon, die trotzdem bestehen, und einem synthetischen Kandidaten, der sich in 70 Minuten bauen lässt, ist „hat die technische Runde bestanden“ keine Tatsache mehr, auf die Sie sich verlassen können. Der Reflex, das mit mehr Überwachung zu bekämpfen, ist eine Falle; Overlays sind unsichtbar und Deepfakes sind billig, also wird die Erkennung immer hinterherhinken.

Der Schritt, der trägt, ist strukturell. Binden Sie Bewertungen an eine verifizierte Identität, verlagern Sie das Gewicht Ihres Prozesses auf verteidigte Arbeitsproben statt Echtzeit-Abruf, und führen Sie einen Prüfpfad, sodass sich die Legitimität jeder Einstellung rekonstruieren lässt. Tun Sie das, und Verifizierung hört auf, ein separates Werkzeug zu sein, das Sie kaufen, und wird zu einer Eigenschaft, wie Ihre Pipeline funktioniert. Wenn Sie einen Einstellungsprozess wollen, der von der ersten Phase an so gebaut ist, sehen Sie, wie Kit den Interview-Lebenszyklus abbildet.