Wenn KI Bewerbungen optimiert und KI sie aussortiert: Wer erkennt noch die richtigen Talente?
Es gibt einen Moment in vielen Talent-Acquisition-Teams, der sich zunehmend unangenehm anfühlt: Man hat den Screening-Prozess mit KI ausgestattet, die Bewerbungseingänge sind höher als je zuvor, die Shortlists kommen schneller – und trotzdem fühlt sich die Qualität der Auswahlentscheidungen nicht besser an. Manchmal sogar schlechter.
Das ist kein Zufall. Es ist die logische Konsequenz eines Systems, das sich selbst ausgehebelt hat.
Das Dilemma: Wenn KI gegen KI antritt
Stellen wir uns den Auswahlprozess als Kommunikationskanal vor. Auf der einen Seite schicken Kandidat:innen ein Signal – eine Bewerbung, die zeigen soll, wer sie sind und was sie können. Auf der anderen Seite empfangen Unternehmen dieses Signal und versuchen, daraus Rückschlüsse auf Eignung und Potenzial zu ziehen. Dieser Kanal ist gerade massiv gestört.
Auf Kandidatenseite sind KI-Schreibtools längst kein Randphänomen mehr. Je nach Rolle und Seniorität nutzen heute zwischen 40 und 80 Prozent der Bewerber:innen KI-Tools, um ihren Lebenslauf zu schreiben oder ihn auf eine Stelle hin zu optimieren. Das belegt SHRM in einer direkten Untersuchung dieses Phänomens – und beschreibt es als Wettrüsten, von dem weder Unternehmen noch Kandidat:innen profitieren.
Auf Unternehmensseite ist die Reaktion verständlich: KI-gestütztes Screening soll die Flut bewältigbar machen. 43 Prozent der Unternehmen setzen heute KI im Resume-Screening ein, Tendenz steigend. Die Logik ist simpel: Wenn wir nicht mehr manuell lesen können, lassen wir Algorithmen filtern.
Das Problem liegt in der Gleichzeitigkeit beider Entwicklungen. Wenn KI-Tools Bewerbungsunterlagen optimieren, damit sie bestimmte Schlüsselwörter und Formulierungen enthalten – und wenn KI-Screening-Tools genau nach diesen Schlüsselwörtern und Formulierungen suchen – dann misst das System am Ende nicht mehr die Eignung der Kandidat:innen. Es misst, wie gut ihre KI-Tools die KI des Unternehmens einschätzen können.
Was das bedeutet: Signalverlust
Die SHRM-Daten sind in dieser Hinsicht ernüchternd. Trotz der stark gestiegenen KI-Adoption im Screening sind Time-to-Hire und Cost-per-Hire im selben Zeitraum gestiegen. 69 Prozent der Unternehmen berichten, dass sie nach wie vor Schwierigkeiten haben, offene Stellen zu besetzen – ein Wert, der sich seit Beginn der KI-Screening-Welle kaum verändert hat. Der Durchsatz wurde optimiert. Die Ergebnisse nicht.
Die Mechanik ist strukturell: Ein Lebenslauf ist ein Marketingdokument, das von der Verfasserin oder dem Verfasser zum Zweck des Impression-Managements erstellt wurde. Wenn KI-Tools dieses Dokument nun so gestalten, dass es die Screening-Kriterien trifft, extrahiert das KI-Screening keine Information über die tatsächliche Eignung mehr – es extrahiert, wie gut der Kandidat oder die Kandidatin verstanden hat, was das Screening-System belohnt.
Das Ergebnis ist, was SHRM als „Credentialing Theater“ bezeichnet: Beide Seiten spielen für das System, statt miteinander zu kommunizieren. Shortlists bestehen aus Personen, die exzellente KI-Bewerbungen erstellt haben – was für die meisten Rollen jedoch nicht die entscheidende Kompetenz ist.
Hinzu kommt eine operative Konsequenz, die viele Teams unterschätzen: Wenn 400 von 500 Bewerbungen so optimiert sind, dass sie den Filter passieren, liefert das KI-Screening keine kleinere, handhabbare Longlist mehr. Es liefert eine längere Liste nahezu identischer Profile. Laut einer Studie von Robert Half berichten 67 Prozent der HR-Verantwortlichen, dass die Bearbeitung KI-generierter Bewerbungen ihren Einstellungsprozess verlangsamt hat.
Das stille Verliererthema: Die richtigen Kandidat:innen gehen verloren
Während Teams mit der Flut optimierter Bewerbungen beschäftigt sind, treffen sie die Kandidat:innen, die sie tatsächlich wollen, in einem schrumpfenden Zeitfenster. Aktuelle Daten zeigen: Top-Kandidat:innen sind im Schnitt nach 10 Tagen nicht mehr auf dem Markt. Screening-Prozesse, die zwei bis drei Wochen dauern, passen strukturell nicht in dieses Zeitfenster.
Die Ironie: Kandidat:innen, die keine KI-optimierten Unterlagen eingereicht haben – manchmal die direktesten Kommunikator:innen – werden durch Keyword-Matching eher herausgefiltert, weil ihre Formulierungen von der Norm abweichen. Das System diskriminiert Authentizität.
Was sind die neuen Auswahlsignale?
Wenn textbasierte Signale in einer Welt allgegenwärtiger KI-Schreibtools ihre Differenzierungskraft verlieren, stellt sich die entscheidende Frage: Was kann nicht massenweise mit KI produziert werden?
Die Antwort verlangt eine Prozessanpassung: alles, was Echtzeitkommunikation, kontextspezifisches Denken und echte Motivation erfordert.
Asynchrone Videoscreens haben sich in einer wachsenden Zahl von Teams als erster Screening-Schritt etabliert. Kandidat:innen beantworten rollenspezifische Fragen auf Video, in eigenen Worten, ohne Vorbereitung durch ein KI-Schreibtool. Was dabei sichtbar wird: Wie jemand kommuniziert. Ob das Denken klar ist. Ob die Motivation zum Unternehmen und zur Rolle authentisch wirkt.
Skill-basierte Assessments mit situativen Szenarien, die echtes Kontextwissen erfordern, ersetzen zunehmend generische Kompetenzfragen. Wenn das Szenario spezifisch genug ist, hilft selbst die beste KI nicht – weil die Antwort echtes Wissen über den konkreten Kontext voraussetzt.
Strukturierte Erstgespräche mit verhaltensbasierten Fragen können ebenfalls differenzieren – wenn gezielt nachgebohrt wird. KI kann einen generischen Text verfassen. Sie kann keine persönliche Erfahrung simulieren, wenn man nach dem konkreten Kontext, der eigenen Rolle und den Lernmomenten fragt.
Wie Prozesse neu kalibriert werden müssen
Das ist keine Einladung zum generellen Misstrauen gegenüber KI im Recruiting. KI bleibt wertvoll – beim Sourcing, beim Scheduling, bei der Transkription, beim Zusammenfassen. Das Problem ist spezifisch: KI zur Bewertung von Unterlagen einzusetzen, die Kandidat:innen mithilfe von KI erstellt haben, führt zu zirkulären Ergebnissen.
Die Konsequenz ist eine klare Trennung: Automatisierung gehört in die Prozesslogistik, menschliches Urteil in die Bewertung.
Erstens: Den Resume-Screen nicht als alleiniges Selektionsinstrument behandeln. Textbasierte Unterlagen können nach wie vor Anhaltspunkte liefern – aber sie sollten durch einen weiteren, nicht textbasierten Schritt ergänzt werden, bevor echte Auswahlentscheidungen fallen.
Zweitens: Screening-Fragen so formulieren, dass sie nicht generisch beantwortet werden können. „Was reizt dich an dieser Stelle?“ beantwortet jede KI problemlos. „Was weisst du über die spezifischen Herausforderungen dieser Rolle in unserem Kontext, und wie gehst du damit um?“ deutlich weniger.
Drittens: Die Prozessgeschwindigkeit ernst nehmen. Solange zwischen Bewerbungseingang und erstem Kontakt mehr als sieben bis zehn Tage vergehen, verliert man systematisch die Kandidat:innen, die am stärksten nachgefragt werden.
Viertens: Die Frage stellen, welche Signale im eigenen Auswahlprozess tatsächlich noch valide sind. Das ist eine unbequeme, aber notwendige Frage. Wenn ein Auswahlsignal mit minimalem Aufwand konstruiert werden kann, hat es seine Vorhersagekraft verloren.
Was bedeutet das für TA-Teams?
Das Wettrüsten zwischen KI-optimierten Bewerbungen und KI-gestütztem Screening ist keine vorübergehende Phase. Es ist der neue Zustand. Und er verschärft sich, weil beide Seiten ihre Werkzeuge weiterentwickeln.
TA-Teams, die jetzt anfangen, ihre Prozesse auf valide Signale auszurichten – statt auf besseres Text-Matching – werden einen strukturellen Vorteil erzielen. Nicht weil KI im Recruiting nichts taugt, sondern weil der Einsatz von KI zur Bewertung von KI-Outputs keine Auswahlentscheidungen erfordert. Nur Auswahlillusionen.
Die eigentliche Frage lautet nicht mehr: Setzen wir KI im Screening ein? Die Frage lautet: Welche Signale unterscheiden sich in einer Welt, in der KI beliebig Text produzieren kann – und wie bauen wir Prozesse, die genau diese Signale abfragen?
Quellen
Transparenzhinweis zur Nutzung von KI
Bei der Erstellung dieses Beitrags wurden Werkzeuge auf Basis künstlicher Intelligenz unterstützend eingesetzt. Sie dienen insbesondere der Recherche und Strukturierung von Informationen, sprachlichen und grammatikalischen Überarbeitung, Übersetzung sowie teilweise der Erstellung oder Bearbeitung von Illustrationen und Bildmaterial.
Konzeption, inhaltliche Aussagen, Bewertungen und Schlussfolgerungen stammen vom Autor und spiegeln dessen persönliche Gedanken, berufliche Erfahrungen und Überzeugungen wider. Sämtliche Inhalte werden vor der Veröffentlichung redaktionell geprüft und verantwortet.
Beiträge auf dieser Website werden nicht automatisiert durch KI erstellt oder veröffentlicht. KI wird als unterstützendes Werkzeug eingesetzt; die inhaltliche und redaktionelle Verantwortung verbleibt vollständig beim Autor.
Kommentare