Canva verlangt KI im technischen Interview. Sie auch?

Ja, Sie dürfen von Kandidatinnen und Kandidaten verlangen, im technischen Interview KI einzusetzen – und drei der größten Arbeitgeber für Softwareentwicklung tun genau das inzwischen. Canva, Meta und Google haben jeweils eine einzelne Runde für KI-Assistenten geöffnet. Sie haben das den Kandidaten vorab mitgeteilt und die Aufgabe so umgeschrieben, dass ein einzelner Prompt sie nicht löst. Keines der Unternehmen hat einen firmenweiten Schalter umgelegt. Entscheidend ist nicht, ob Sie KI erlauben. Entscheidend ist, welche Phase sie erlaubt – und was Sie dort bewerten.

Canva hat aufgehört, KI im Interview zu unterbinden, und verlangt sie jetzt

Am 11. Juni 2025 veröffentlichte Canvas Engineering-Team einen Beitrag von Simon Newton mit einem Titel, der keinen Interpretationsspielraum ließ: „Yes, You Can Use AI in Our Interviews. In fact, we insist you do.“ – Ja, Sie dürfen KI in unseren Interviews nutzen, wir bestehen sogar darauf.

Für Kandidatinnen und Kandidaten im Backend, im Machine Learning und im Frontend hat Canva sein Interview zu Informatik-Grundlagen gestrichen, also die Runde zu Algorithmen und Datenstrukturen, und durch eine neue Kompetenz ersetzt: KI-gestütztes Programmieren. Die Kandidaten bringen ihre eigenen Werkzeuge mit. Der Beitrag nennt Copilot, Cursor und Claude. Die Begründung fiel unverblümt aus: „Statt gegen diese Realität anzukämpfen und den KI-Einsatz zu überwachen, haben wir uns entschieden, auf Transparenz zu setzen und mit dieser neuen Realität zu arbeiten.“

Aufschlussreich ist nicht die Regel, sondern das, was mit der Aufgabe passiert ist. Canva hat in sich geschlossene Übungen wie Conways Game of Life aussortiert und durch mehrdeutige Produktszenarien ersetzt. Das veröffentlichte Beispiel: ein Steuerungssystem für Starts und Landungen an einem stark ausgelasteten Flughafen. Das lässt sich nicht in einem Zug erledigen. Es gibt keine Lösung zum Auswendiglernen und keinen Weg hindurch, ohne zu entscheiden, was zuerst gebaut wird, und diese Entscheidung laut zu begründen.

Canva hat den Kandidaten außerdem gesagt, was auf sie zukommt. Im Wortlaut des Unternehmens: „Wir informieren Kandidaten inzwischen vorab darüber, dass von ihnen der Einsatz von KI-Werkzeugen erwartet wird, und wir empfehlen dringend, dass sie das vorher üben.“

Die interne Begründung war nüchtern und dürfte den meisten Entwicklungsteams bekannt vorkommen: Fast die Hälfte der Frontend- und Backend-Entwickler bei Canva nutzte ohnehin täglich ein KI-Werkzeug beim Programmieren. Das Interview hatte sich von der Arbeit entfernt.

Das defensive Vorgehen liefert kein Signal

Die meisten Teams sind den anderen Weg gegangen, und die Zahlen legen nahe, dass dieser Aufwand verpufft.

Karats „2025-2026 AI Workforce Transformation Report“, veröffentlicht am 7. Januar 2026 und gestützt auf 400 Engineering-Verantwortliche in den USA, Indien und China, kam zu drei Befunden, die erst zusammen Sinn ergeben. 62 % der Organisationen verbieten KI im technischen Interview nach wie vor. Dieselben Verantwortlichen schätzen, dass über die Hälfte der Kandidaten sie trotzdem einsetzt – Verbot hin oder her. Und 71 % sagen, dass sich technische Fähigkeiten durch KI schwerer beurteilen lassen.

In einem Satz gelesen: Die meisten Teams verbieten es, die meisten Teams halten das Verbot für wirkungslos, und die Beurteilung ist dennoch schwieriger geworden. Das Verbot erkauft Compliance-Theater, keine Messung.

Auf der Durchsetzungsseite sieht es noch schlechter aus. Interne Amazon-Dokumente, die Business Insider im Februar 2025 vorlagen, weisen Kandidaten an, im Interview keine GenAI-Werkzeuge zu nutzen, sofern das nicht ausdrücklich erlaubt sei; ein Verstoß könne zum Ausschluss führen. Amazon verteilte zudem eine Handreichung, die Interviewern helfen sollte, KI-Nutzung zu erkennen: Anzeichen seien etwa Tippen, während die Frage noch gestellt wird, Ablesen statt Antworten und wandernde Blicke. Das ist Laien-Lügendetektion in einem 45-Minuten-Fenster und zugleich das beste verfügbare Argument dafür, dass Erkennung nicht funktioniert. Dieses Wettrüsten haben wir in Engineers einstellen, wenn alle dieselbe KI nutzen behandelt.

Die Kosten schlagen auch auf Ihren Kalender durch. Robert Half befragte im November 2025 mehr als 2.000 US-Personalverantwortliche: 67 % sagen, die Prüfung KI-generierter Bewerbungen habe die Besetzung verlangsamt, und 65 % sagen, die Fähigkeiten von Kandidaten zu verifizieren sei schwerer geworden.

Was Canva, Meta und Google tatsächlich geändert haben

Drei Unternehmen, drei verschiedene Interviewprozesse, ein identischer struktureller Schritt. Jedes hat KI auf eine einzige Phase begrenzt, den Rest unverändert gelassen und die Kandidaten vor dieser Phase informiert statt danach.

Metas Sprecher stellte es als Selbstverständlichkeit dar: „Wir konzentrieren uns ganz offensichtlich darauf, Entwicklerinnen und Entwickler mit KI in ihrer täglichen Arbeit zu unterstützen. Es sollte deshalb niemanden überraschen, dass wir testen, wie sich diese Werkzeuge auch Bewerbern im Interview bereitstellen lassen.“ Intern kam ein zweites Motiv hinzu: Eine KI-fähige Runde bildet die reale Entwicklungsumgebung besser ab und macht Täuschung per Sprachmodell weniger wirksam. Sobald das Werkzeug erlaubt ist, bringt es keinen Vorteil mehr, es heimlich einzuschleusen.

Brian Ong, VP of Recruiting bei Google, nannte offiziell dieselbe Begründung: Der Pilot solle „besser abbilden, wie unsere Teams im KI-Zeitalter arbeiten“. Laut dem internen Dokument, über das Business Insider berichtete, bewerten die Interviewer drei Dinge: Prompt Engineering, Prüfung der Ausgaben und Debugging-Fähigkeiten.

Der vierte Datenpunkt ist eine Kehrtwende, und er überzeugt am meisten. Anthropic untersagte Bewerbern im Mai 2025 den KI-Einsatz und gab das Verbot im Juli 2025 wieder auf. Was am Ende stand, ist weder ein Ja noch ein Nein: KI ist für Bewerbungsunterlagen und die Interviewvorbereitung erlaubt, bei Aufgaben für zu Hause erlaubt, sofern die Anleitung es vorsieht, und im Live-Interview nicht erlaubt, sofern nichts anderes angegeben ist. Ein KI-Labor bekam ein pauschales Verbot im eigenen Bewerbertrichter nicht durchgesetzt und ersetzte es durch eine Regel je Phase.

KI-offen oder KI-geschlossen ist eine Entscheidung je Phase, nicht je Unternehmen

„Erlauben wir KI?“ ist die falsche Frage, denn der Interviewprozess ist kein einheitliches Gebilde. Eine Aufgabe für zu Hause und ein Gespräch über Systemdesign messen unterschiedliche Fähigkeiten, laufen unter unterschiedlichen Bedingungen ab und sind KI gegenüber völlig unterschiedlich exponiert. Ein einziger Schalter auf Unternehmensebene sorgt garantiert dafür, dass eine dieser Phasen falsch eingestellt ist.

Zwei Definitionen, denn die Begriffe leisten hier echte Arbeit:

• Eine KI-offene Phase erwartet, dass der Kandidat einen Assistenten nutzt, und die Scorecard bewertet, wie er ihn steuert, prüft und korrigiert.
• Eine KI-geschlossene Phase erwartet keinen Assistenten und bleibt kurz und eng genug, dass eine Leistung ohne Hilfsmittel fair verlangt werden kann.

Ein Standardprozess sieht dann so aus:

Die Faustregel: Halten Sie eine Phase nur dann KI-geschlossen, wenn Sie benennen können, was Ihnen die Leistung ohne Hilfsmittel verrät, das die KI-offene Variante verdecken würde. „Fühlt sich strenger an“ ist keine Antwort. „In dieser Runde zeigt sich, ob jemand eine Abwägung zu verteilten Systemen im Kopf behält, während ich dagegenhalte“ schon.

Schneiden Sie die Aufgabe so zu, dass ein einzelner Prompt sie nicht löst

Eine Phase für KI zu öffnen, ohne die Aufgabe zu ändern, ist der klassische Fehler. Wenn ein kompetenter Entwickler Ihre Aufgabe für zu Hause 2023 in drei Stunden gelöst hat, erledigt ein Assistent sie heute in zwölf Minuten, und Sie haben aus einer Bewertung eine Formalie gemacht. Vier Änderungen erledigen den Großteil der Arbeit:

1. Machen Sie die Aufgabenstellung mehrdeutig. Canvas Flughafen-Steuerungssystem nennt kein Schema, keinen abgesteckten Umfang und keinen naheliegenden ersten Schritt. Der Kandidat muss wählen, und diese Wahl ist das Signal.
2. Starten Sie mit unvollkommenem Code, nicht mit einem leeren Repository. Liefern Sie ein Start-Repository mit echten Problemen darin aus: eine subtile Race Condition, eine N+1-Abfrage, ein Test, der aus den falschen Gründen grün ist. Verstehen und Korrigieren ist ein härteres Ziel als Erzeugen, und genau darauf baut Googles Pilotrunde auf.
3. Verlangen Sie ein Artefakt über den Arbeitsweg. Bitten Sie um eine Beschreibung des Pull Requests, in der genannt wird, was der Assistent falsch gemacht hat und wie das aufgefallen ist. Wer nie etwas geprüft hat, kann diesen Absatz nicht überzeugend erfinden.
4. Bewerten Sie die benannten Abwägungen, nicht die bestandenen Tests. Wenn Ihre Bewertung aus einer Testsuite besteht, gewinnt die KI die Prüfung, und Sie lernen nichts.

Die Scorecard: Bewerten Sie die Zusammenarbeit, nicht das Ergebnis

In einem technischen Interview mit erlaubter KI bewerten Sie sechs Dinge: wie der Kandidat eine mehrdeutige Aufgabenstellung zerlegt, wann er sich bewusst gegen KI entscheidet, wie er erzeugte Ausgaben prüft, wie er sie diagnostiziert und korrigiert, ob er ungefragt Produktionsfragen aufwirft und ob er Code erklären kann, den er nicht selbst getippt hat.

Die Tabelle führt Canvas fünf veröffentlichte Kompetenzen und Googles drei genannte Kriterien zusammen und knüpft an die Bewertungslogik an, die wir in Wie Sie im KI-Zeitalter echtes Können bei Engineers erkennen beschrieben haben. Wie Sie gewichten, steht in unserem Leitfaden zu strukturierten Scorecards, und die Gewichtung zählt hier mehr als im klassischen Interviewprozess, weil die Varianz bei „Prüfung der Ausgaben“ und „Korrektur“ liegt.

Für diese Gewichtung gibt es Belege. In Stack Overflows Developer Survey 2025 ist der größte Frust mit KI, bei 66 %, dass „KI-Lösungen fast richtig sind, aber eben nicht ganz“, und 45,2 % sagen, das Debuggen von KI-generiertem Code koste mehr Zeit. Aktives Misstrauen gegenüber der Genauigkeit von KI stieg von 31 % im Vorjahr auf 46 %, während nur 3,1 % hohes Vertrauen angeben.

Jetzt die unbequemere Zahl. Eine randomisierte kontrollierte Studie von METR vom Juli 2025 gab 16 erfahrenen Open-Source-Entwicklern 246 echte Issues aus ihren eigenen Repositories. Mit verfügbaren KI-Werkzeugen waren sie 19 % langsamer. Hinterher schätzten sie, KI habe sie 20 % schneller gemacht. Die Stichprobe ist klein, doch werten Sie das Ergebnis als Argument für das KI-offene Interview, nicht dagegen. Wenn erfahrene Entwickler nicht erkennen, ob ihr Assistent gerade hilft, dann ist es eine seltene und schwer vorzutäuschende Fähigkeit, zu wissen, wann man keinen weiteren Prompt mehr schickt. Und im KI-geschlossenen Interview bleibt sie unsichtbar, denn am Whiteboard sieht man niemandem an, ob er eine fast richtige Antwort geschluckt oder abgefangen hat.

Informieren Sie vor der Phase, nicht danach

Die Ankündigung ist keine Höflichkeit. Sie ist die Betrugsabwehr.

Gartners Befragung von 3.000 Bewerbern im 2. Quartal 2025 ergab, dass 6 % zugaben, an Bewerbungsbetrug beteiligt gewesen zu sein – sie haben sich also als jemand anderes ausgegeben oder vertreten lassen – und prognostiziert, dass bis 2028 weltweit jedes vierte Bewerberprofil gefälscht sein wird. Jamie Kohn, Senior Research Director im HR-Bereich von Gartner, formulierte es klar: „Für Arbeitgeber wird es immer schwerer, die tatsächlichen Fähigkeiten von Kandidaten zu beurteilen – und in manchen Fällen sogar deren Identität.“

Gartners empfohlene Gegenmaßnahme ist kein Erkennungsanbieter. Sie besteht darin, klare Erwartungen zu setzen und die eigenen Auswahlstandards zu kommunizieren, ausdrücklich einschließlich der Frage, was Sie als akzeptablen KI-Einsatz definieren. Ein Analystenhaus, das sich mit Bewerberbetrug befasst, landet also bei der konstruktiven Antwort.

Es gibt einen zweiten Grund, das offen zu kommunizieren. Dieselbe Befragung ergab, dass nur 26 % der Bewerber darauf vertrauen, dass KI sie fair beurteilt. Wer in eine unausgesprochene KI-Regel hineinläuft, muss Ihren Maßstab erraten und nimmt dabei das Schlimmste an; diese Unklarheit kostet Sie gute Leute am Anfang des Bewerbertrichters.

Übernehmen Sie diesen Text, passen Sie die Details an und hinterlegen Sie ihn direkt in der Phase:

Aufgabe für zu Hause: KI-Werkzeuge erwünscht. Nutzen Sie, was Sie auch bei der Arbeit nutzen, etwa Copilot, Cursor oder Claude. Wir prüfen nicht, ob Sie ohne Hilfsmittel Code schreiben können; wir beurteilen, wie Sie ein mehrdeutiges Problem eingrenzen, prüfen, was Ihr Assistent produziert, und es korrigieren. Nennen Sie uns in der Beschreibung Ihres Pull Requests eine Sache, die der Assistent falsch gemacht hat, und wie Sie darauf gestoßen sind. Ihre nächste Runde ist ein Live-Gespräch über diesen Code ohne KI; reichen Sie deshalb nur Arbeit ein, die Sie Zeile für Zeile verteidigen können.

Dieser letzte Satz tut mehr für die Belastbarkeit Ihrer Bewertung als jede Überwachungssoftware. Wenn auf die KI-offene Phase ein KI-geschlossenes Gespräch über denselben Code folgt, fallen gefälschte Einreichungen beim ersten Kontakt in sich zusammen.

Die Fairness-Probleme, die niemand gelöst hat

Es sind drei, und für keines gibt es eine veröffentlichte Antwort.

Zugang zu Werkzeugen. Brauchbare Tarife von Cursor, Claude und Copilot kosten Geld, eine KI-Pflicht bürdet also einer arbeitslosen Bewerberin ein Abonnement auf. Google stellt Gemini bereit, Meta einen Assistenten in CoderPad. Canvas Beitrag geht auf die Frage, wem die Werkzeuge gehören, gar nicht ein. Stellen Sie das Werkzeug oder das Budget, und lassen Sie die Werkzeugwahl nie zu einem bewerteten Kriterium werden.

Ungleiche Übung. Canva empfiehlt „dringend“, dass Kandidaten üben. Wer aktuell irgendwo mit KI-Budget angestellt ist, übt seit einem Jahr auf Firmenkosten. Veröffentlichen Sie das Format und eine Beispielaufgabe, nicht nur die Regel.

Ungleiche Zugewinne. Karat fand, dass KI die durchschnittliche Produktivität um 34 % erhöht – nach Selbsteinschätzung –, allerdings ungleichmäßig: Der Abstand zwischen starken und schwachen Entwicklern wächst. Bei Junior-Besetzungen wirkt das in beide Richtungen, und aufgelöst hat das bisher niemand.

Und wenn eine Aufgabe für zu Hause inzwischen mehrere Stunden dauert und dafür bezahlte Werkzeuge nötig sind, dann vergüten Sie sie. Auszahlungen an Kandidaten lassen sich in Kit für jede Phase konfigurieren.

Führt das zu besseren Einstellungen? Bisher weiß es niemand

Bleiben Sie bei der Beweislage ehrlich, denn die Anbieter, die in diesen Markt hineinverkaufen, werden es nicht sein.

Canva hat weder Bestehensquoten noch Bewerberzahlen noch einen Vergleich zur Qualität der Einstellungen veröffentlicht. Was Joel Knudsen, Global TA Lead for Technology, im November 2025 auf der ATC2025 berichtete, ist qualitativ: reichhaltigere Gespräche über Abwägungen und Randfälle, die Möglichkeit, komplexere realistische Szenarien zu stellen, und die Beobachtung, dass Kandidaten sowohl Prompt-Geschick als auch kritische Code-Review-Fähigkeiten brauchen. Nützlich, aber kein kontrolliertes Ergebnis. Meta und Google befinden sich in Pilotphasen. An METRs Studie nahmen 16 Entwickler teil.

Messen Sie also Ihre eigene Umstellung. Verfolgen Sie sechs Monate vorher und nachher die Bestehensquoten je Phase, den Absprung der Kandidaten in der geänderten Phase und den Zusammenhang zwischen der Bewertung dieser Phase und den Einschätzungen der Führungskraft nach 90 Tagen. Wenn die KI-offene Phase Kandidaten nicht besser trennt als die Runde, die sie ersetzt hat, haben Sie etwas Konkretes gelernt, statt einem Trend zu folgen. Diese Disziplin lohnt sich, wenn man bedenkt, wie selbstbewusst falsch KI-Ratschläge zur Personalauswahl sein können und wie sorgfältig Teams die Grenze bei KI-Autonomie im Interview selbst ziehen müssen.

Einen KI-offenen Prozess in Kit einrichten

Die KI-Regel ist eine Eigenschaft der Phase, nicht Ihres Unternehmens, und gehört deshalb in die Konfiguration der Phase. Kit bildet eine Pipeline als Folge unabhängiger Phasen mit eigener Konfiguration ab; Metas zweigeteilter Prozess braucht damit kein neues Konzept: Eine KI-offene Code-Aufgabe und ein KI-geschlossenes Live-Interview liegen nebeneinander in derselben Pipeline.

Drei Dinge richten Sie ein, wenn Sie die Stellenanzeige erstellen und die Pipeline aufbauen:

1. Schreiben Sie die Regel in die Kandidatenbeschreibung der Phase. Jeder Phasentyp trägt einen Text für die Kandidaten, sodass die Regel genau dann im Portal gelesen wird, wenn sie gilt, statt in einer E-Mail von vor drei Wochen zu versauern. Das ist Canvas Vorabinformation, praktisch umgesetzt. Die Zusammenfassung für den Einstieg gehört in den Hinweis in Ihrem Bewerbungsformular.
2. Legen Sie die KI-Vereinbarung in die Aufgabenstellung. Bei einer Phase mit Code-Aufgabe werden die Anweisungen zusammen mit einer Startvorlage in das private Repository des Kandidaten eingecheckt. Dort benennen Sie die erlaubten Werkzeuge und fordern den Absatz im Pull Request darüber ein, was der Assistent falsch gemacht hat. Ein bewusst unvollkommenes Start-Repository macht aus der Aufgabe eine Übung im Verstehen und Korrigieren.
3. Geben Sie der KI-offenen Phase eine eigene gewichtete Scorecard. Legen Sie Zerlegung, Werkzeugdisziplin, Prüfung der Ausgaben, Korrektur, Produktionsstandards und Erklärung als gewichtete Kriterien an und bewerten Sie sie in der Bewerbungsprüfung. Eine KI-offene Phase sollte sich keine Scorecard mit einer KI-geschlossenen teilen.

Kit verkauft keine KI-Erkennung und hat kein Häkchen für eine KI-Richtlinie, weil beides nicht nötig ist. Die Regel besteht aus Phasenkonfiguration, Text für die Kandidaten und einer Scorecard. Sobald der Prozess sitzt, sichern Sie ihn als Prozessvorlage, damit die nächste Rolle konfiguriert startet statt neu gebaut zu werden.

Häufige Fragen

Ist es Betrug, im Coding-Interview KI zu nutzen?

Nur wenn die Phase es ausgeschlossen hat. Betrug ist der Verstoß gegen eine ausgesprochene Regel; die Lösung besteht also darin, die Regel je Phase auszusprechen, statt eine gemeinsame Norm vorauszusetzen. Karat fand, dass 62 % der Organisationen KI verbieten, während die Verantwortlichen schätzen, dass mehr als die Hälfte der Kandidaten sie trotzdem nutzt. Genau so endet eine nicht durchsetzbare Regel, wenn ihr ein Werkzeug gegenübersteht, das alle ohnehin offen haben.

Welche Unternehmen erlauben KI im technischen Interview?

Canva erwartet sie in der Kompetenz „KI-gestütztes Programmieren“ für Backend-, ML- und Frontend-Rollen. Meta pilotiert eine KI-fähige Runde, die eine von zwei Coding-Runden vor Ort ersetzt. Google testet eine KI-gestützte Runde zum Codeverständnis für Junior- und Mid-Level-Rollen in den USA mit Gemini. Anthropic erlaubt KI für Bewerbungsunterlagen und für Aufgaben für zu Hause, sofern die Anleitung es vorsieht, aber nicht im Live-Interview. Amazon verbietet sie, sofern sie nicht ausdrücklich erlaubt wurde.

Wie prüft man Entwicklerinnen und Entwickler, wenn alle KI haben?

Ändern Sie, was die Aufgabe verlangt. Stellen Sie eine mehrdeutige Aufgabe ohne eine einzige richtige Lösung, starten Sie mit einer unvollkommenen statt einer leeren Codebasis, verlangen Sie ein Artefakt, das den Arbeitsweg erklärt, und lassen Sie auf die KI-offene Phase ein kurzes KI-geschlossenes Gespräch über denselben Code folgen.

Sollten Aufgaben für zu Hause KI erlauben?

Ja, in fast allen Fällen. Aufgaben für zu Hause sind unbeaufsichtigt und das Verbot ist nicht durchsetzbar; ein Verbot macht aus der Phase also einen Test der Ehrlichkeit statt des Könnens. Erlauben Sie es, ziehen Sie den Schwierigkeitsgrad an und bewerten Sie Prüfung und Korrektur statt der Korrektheit des Ergebnisses.

Wie teilen Sie Kandidaten Ihre KI-Regel mit?

In der Phase, für die sie gilt, in der Kandidatenansicht dieser Phase, bevor es losgeht. Fassen Sie die Gesamtregel bei der Bewerbung zusammen und wiederholen Sie die konkrete Regel dann in jeder Phase. Gartner empfiehlt, die eigene Definition von akzeptablem KI-Einsatz zu kommunizieren, und zwar als Maßnahme gegen Betrug, nicht bloß als Höflichkeit.

Canva, Meta und Google haben nicht entschieden, ob KI in die Personalauswahl gehört. Sie haben entschieden, in welche Runde sie gehört, die Aufgabe entsprechend umgeschrieben und die Kandidaten vorher informiert. Das ist eine Konfigurationsänderung und ein Nachmittag Arbeit an der Scorecard, keine Philosophie. Suchen Sie sich die eine Phase, in der KI-Einsatz der Arbeit am nächsten kommt, öffnen Sie sie, machen Sie die Aufgabe zu mehrdeutig für einen einzelnen Prompt und bewerten Sie die Zusammenarbeit. Und messen Sie danach, ob sie Kandidaten besser trennt als das, was sie ersetzt hat.