KI-gestützte Programmierfähigkeit in technischen Interviews bewerten

Die Interview-Frage hat sich verändert

Zwei Jahre lang war die lauteste Frage in der technischen Personalvermittlung hat der Kandidat ChatGPT benutzt? Das war die falsche Frage. Die richtige Frage ist wie gut nutzt er es? – denn Mitte 2026 wird jeder Ingenieur, den Sie einstellen, den halben Tag mit einem KI-Assistenten arbeiten. Eine Auswahl gegen KI-Nutzung ist eine Auswahl gegen die Arbeit selbst.

Meta, Shopify und Google haben ihre Prozesse zuerst angepasst: KI ist erlaubt, manchmal sogar erforderlich, und das Rubrik bewertet, wie der Kandidat promptet, verifiziert und sich erholt. Wenn Ihr Interview noch danach bewertet wird, ob die Lösung in 30 Minuten sauber kompiliert, messen Sie eine Fähigkeit, die nicht mehr zum Job passt.

Dies ist das Rubrik und Format, das wir für die Bewertung von KI-gestützter Programmierfähigkeit empfehlen – und wie Sie das Signal mit den Integritätswerkzeugen, die Sie bereits haben, verlässlich halten.

Warum das alte „ohne KI"-Interview fehlschlägt

Drei Gründe, warum es nicht mehr funktioniert:

• Die Aufgabe im Job ist KI-gestützt. Ihre Senior Engineers versenden Code mit Copilot oder Claude. Die Einstellung basierend auf der ungekoppelten Version wählt eine kleinere, engere Fähigkeit aus als die Rolle tatsächlich benötigt.
• Erkennung ist asymmetrisch. Selbst mit Codeanalyse zur Konsistenzprüfung und Keystroke-Biometrie schlüpfen disziplinierten Betrüger durch und gut gemeinte Kandidaten werden zu Unrecht gekennzeichnet. Die Kosten-Nutzen-Relation funktioniert nur für hochriskante Positionen.
• Starke Kandidaten wählen sich selbst ab. Ein Senior, der täglich mit KI arbeitet, wird nicht so tun, als würde er das nicht bei Ihrem 45-Minuten-Screening tun. Er wird ein Angebot bei einem Unternehmen annehmen, das ihm erlaubt, so zu arbeiten, wie er es tut.

Die Lösung ist nicht, die Integrität aufzugeben – Keystroke- und Code-Konsistenz-Signale sind immer noch wichtig, um Identitätsdiebstahl zu erkennen. Es geht darum, was Sie bewerten, von „hat es alleine geschrieben" zu „hat die KI gut gesteuert".

Das Vier-Dimensionen-Rubrik

Bewerten Sie jede Dimension mit 1–5 anhand der folgenden Anker. Integrieren Sie sie in Ihre vorhandene Interview-Bewertung – sie ersetzen die Achse „Code-Qualität" bei Senior und sitzen bei Junior daneben.

1. Prompt-Qualität

Was Sie messen: Können sie das Modell dazu bringen, nützliche Arbeit ohne langes Hin und Her zu leisten?

• 5 — Prompts beinhalten das Ziel, die Einschränkungen, den relevanten Code oder das Schema und das gewünschte Ausgabeformat. Ein einzelner Prompt liefert eine nutzbare Antwort.
• 3 — Prompts führen in 2–3 Runden zum Ziel. Einiger unnötige Umfang oder fehlender Kontext.
• 1 — Einzeiler wie „behebe das." Hofft, dass das Modell errät, was sie meinen.

2. Ausgabe-Verifikation

Was Sie messen: Vertrauen sie dem Modell oder überprüfen sie?

• 5 — Führt den generierten Code gegen Testfälle aus, bevor sie ihn liest. Erkennt einen fehlenden Edge Case, einen subtil falschen Standard, eine veraltete API. Schreibt einen weiteren Test zum Bestätigen.
• 3 — Liest den Code sorgfältig, vertraut aber hauptsächlich darauf, dass er läuft. Findet nur offensichtliche Fehler.
• 1 — Klebt ein und sendet ein. Wenn man fragt „seid ihr sicher?", kann nicht erklären warum.

3. Fehlerbehandlung bei schlechten Generierungen

Was Sie messen: Wenn das Modell entgleist, können sie es zurücklenken?

• 5 — Erkennt das Fehlermuster (halluzinierte Methode, falsches Framework, erfundene Umgebungsvariable) innerhalb von Sekunden. Rahmt den Prompt mit dem fehlenden Kontext neu oder schreibt selbst die Behebung.
• 3 — Bemerkt es nach einem fehlgeschlagenen Lauf. Versucht einen anderen Prompt. Kommt manchmal ans Ziel.
• 1 — Sitzt in einer Schleife fest. Promptet immer wieder auf die gleiche Weise und klebt den gleichen fehlerhaften Code wieder ein.

4. Kommunikation

Was Sie messen: Können sie erklären, was sie der KI gestellt haben, was sie bekamen und warum sie es behielten oder verwarfen?

• 5 — Kommentiert die Wahl live: „Ich habe ihr das Schema gegeben und um eine Query gebeten, die die Soft-Delete-Spalte verarbeitet – sie gab mir einen Join zurück, den ich nicht brauche, also trimme ich ihn." Steht dazu.
• 3 — Erklärt nachträglich. Größtenteils genau.
• 1 — Kann nicht artikulieren, warum der Code so aussieht. Die KI hat ihn geschrieben; sie haben ihn versendet.

Diese vier Achsen korrelieren mit KI-Produktivität im Job viel besser als das alte „schreibt korrekten Code in 25 Minuten"-Ergebnis.

Das Interview-Format, das diese Signale zeigt

Ein 60-Minuten-Slot, der um KI-gestützte Arbeit herum gebaut ist, nicht dagegen:

1. 0–5 Min: Briefing. Geben Sie dem Kandidaten ein kleines mehrdeutiges Problem – erweitern Sie ein vorhandenes 200-Zeilen-Repo mit einer neuen Funktion oder debuggen Sie einen subtilen Fehler in echtem Code. Sagen Sie ihnen, dass ein KI-Assistent ermutigt wird und die Prompts, die sie verwenden, Teil der Bewertung sind.
2. 5–45 Min: Bauen mit KI. Sehen Sie ihnen in einem kollaborativen Code-Editor mit ihrem KI-Assistenten ihrer Wahl zu. Unterbrechen Sie nicht in den ersten 10 Minuten. Machen Sie Notizen pro Rubrik-Achse.
3. 45–55 Min: Verteidigen Sie das Ergebnis. Führen Sie den Code zusammen aus. Bitten Sie sie, durch eine Funktion zu gehen, die sie von der KI akzeptierten, und eine, die sie umschrieben. Warum jeweils? Wobei lag das Modell falsch?
4. 55–60 Min: Erweiterung. „Wenn die Eingabe 100-mal größer wäre, wie würde die KI-Lösung brechen?" Der Kandidat, der den Code wirklich verstanden hat, wird das Problem in 30 Sekunden benennen.

Eine kleine Wendung eines LeetCode-freien Formats: Statt den Kandidaten zu fragen, die Funktion ohne KI zu erweitern, bitten Sie ihn, es mit KI zu tun und die Zusammenarbeit zu bewerten.

Fragen, die KI-Flüssigkeit an die Oberfläche bringen

Verwenden Sie diese in der Mitte des Interviews, nicht am Ende:

• „Zeigen Sie mir den Prompt, den Sie dafür schreiben würden."
• „Was ist eine Sache, die das Modell dir gerade erzählt hat, der du nicht traust? Warum?"
• „Wenn deine KI offline wäre, wie würdest du das anders lösen?"
• „Zeige mir diese Funktion – was hat sie generiert vs. was hast du geändert?"

Die letzte Frage ist die höchst signalisierte Frage in der Schleife. Ein Kandidat, der bei einer Funktion blank zieht, die er vor zwei Minuten „geschrieben" hat, versendet KI-Ausgaben, die er nicht versteht. Das ist der Fehlermodus, gegen den Sie einstellen.

Häufige Fehlermodi und was sie dir sagen

• Prompt-und-Einfügen, nie ausführen. Niedrige Verifikationsbewertung. Wird fehlerhaften Code in der Produktion versenden.
• Endlose Wiederherstellung desselben fehlerhaften Outputs. Niedrige Wiederherstellungsbewertung. Kann ihre Werkzeuge nicht debuggen.
• Slicke verbale Erklärung, kann einer Nachfrage nicht antworten. Wahrscheinlich vorher mit der KI vor dem Anruf einstudiert. Drücke stärker auf die „was würdest du ändern?"-Frage, ähnlich der Technik zum Durchfragen einer Take-Home-Einreichung.
• Weigert sich, die KI überhaupt zu benutzen. An sich kein Fehler – aber 2026 ist es eine Überlegung wert, zu fragen, wie sie in ihrem aktuellen Job versenden.

Integritätssignale eingeschaltet halten

KI zu erlauben ist nicht das Gleiche wie das Ausschalten der Integritätsprüfung. Halten Sie Keystroke-Ereigniserfassung und Gesichtspräsenz-Checks an, damit Sie Identitätsdiebstahl und Bildschirmübergabe noch erkennen können. Was sich ändert, ist das, was gekennzeichnet wird: Ein Burst-Einfügen von ChatGPT in den Editor ist kein rotes Flagge mehr – es ist ein Datenpunkt über Prompt-Qualität. Der Integritätsbericht wird zum Beweis von wie der Kandidat arbeitete, nicht ob er betrog.

Was als nächstes zu tun ist

Drei Änderungen zahlen sich dieses Quartal aus:

1. Fügen Sie das Vier-Dimensionen-KI-Rubrik zu Ihrer Bewertung für eine Rolle hinzu. Führen Sie es bei fünf Kandidaten durch und vergleichen Sie mit alten Bewertungen.
2. Schreiben Sie einen technischen Interview-Prompt neu, um KI-Nutzung anzunehmen. Halten Sie das strukturierte Interview-Format – nur das Rubrik ändert sich.
3. Kalibrieren Sie das Panel. Sehen Sie sich gemeinsam eine aufgezeichnete Sitzung an und bewerten Sie jede Achse unabhängig, bevor Sie besprechen. Uneinigkeit bei der Kommunikationsachse ist normalerweise dort, wo Sie Ihr stärkstes Signal finden.

Stellen Sie Leute für die Arbeit ein, die die Rolle tatsächlich macht. 2026 ist diese Arbeit KI-gestützt; Ihr Interview sollte es auch sein.