AUTIMA — Agents Automations Marketing

AUTIMA · FALLBEISPIEL · WAS MÖGLICH IST

HR

Bewerbungen mit KI vorfiltern: schneller sichten, fairer entscheiden

KI liest jede eingehende Bewerbung, prüft Skill- und Erfahrungs-Match gegen die Stelle und sortiert strukturiert vor. Aus hunderten Eingängen wird eine handhabbare Auswahl der wirklich passenden Kandidaten. Dein Team entscheidet weiter selbst, nur deutlich schneller und auf konsistenter Grundlage.

Bewerbungen vorfiltern

ca. 250

Bewerbungen pro ausgeschriebener Stelle im Schnitt (Glassdoor)

6-7,4 Sek.

Erstsichtung pro Lebenslauf im Eye-Tracking (The Ladders / HR Dive)

ca. 44 Tage

durchschnittliche Time-to-Hire (Staffing Industry Analysts)

Das Problem

Hunderte Bewerbungen, wenige Augenpaare

Auf eine attraktive Stelle kommen schnell 100 bis 300 Bewerbungen.

Auswertungen von Glassdoor sprechen von durchschnittlich rund 250 Bewerbungen pro ausgeschriebener Stelle - eingeladen werden vier bis sechs, eingestellt genau eine Person. Dein Recruiting-Team muss diese Masse manuell sichten: Lebensläufe öffnen, Anschreiben überfliegen, mit dem Anforderungsprofil abgleichen, Notizen machen. Das zieht sich über Tage. Unter Zeitdruck entsteht die berüchtigte Schnellsichtung: Eye-Tracking-Studien der Ladders zeigen, dass Recruiter im ersten Durchgang nur sechs bis gut sieben Sekunden auf einen Lebenslauf schauen. In diesen Sekunden fällt eine Vorentscheidung - und genau hier gehen passende Kandidatinnen und Kandidaten verloren, nur weil ihr Profil unglücklich formatiert ist oder ein Schlüsselwort fehlt. Gleichzeitig verlängert das Volumen die gesamte Time-to-Hire, die laut Branchendaten im Schnitt bei rund 44 Tagen liegt. Wer zu langsam sichtet, verliert die Guten an schnellere Arbeitgeber.

Trichter pro Stelle

Von 250 Bewerbungen bleibt eine Einstellung

ca. 250Eingegangene Bewerbungen
müssen alle gesichtet werdenGlassdoor, 50 HR & Recruiting Stats
4-6Eingeladen zum Gespräch
rund 2 Prozent der EingängeGlassdoor, 50 HR & Recruiting Stats
1Eingestellt
eine einzige PersonGlassdoor, 50 HR & Recruiting Stats

Warum es offen bleibt

Warum das Problem trotz ATS bleibt

Die meisten Unternehmen haben längst ein Bewerbermanagement-System.

Trotzdem bleibt das Vorfiltern Handarbeit - aus mehreren Gründen. Recruiter sind schlicht überlastet: Bei dreistelligen Bewerberzahlen pro Stelle bleibt kaum Zeit für eine faire Tiefenprüfung. Klassische Keyword-Filter sind zu grob - sie sortieren nach exakten Begriffen und übersehen, dass jemand dieselbe Kompetenz nur anders benennt, oder lassen unpassende Profile durch, die die richtigen Buzzwords gelernt haben. Das ATS selbst ist meist eine starre Datenbank: Es speichert und verwaltet, aber es bewertet nicht inhaltlich gegen dein Anforderungsprofil. Und die manuelle Sichtung ist nicht neutral. Unter Zeitdruck wirken unbewusste Verzerrungen - Name, Foto, Lücken im Lebenslauf, Herkunft der Ausbildung beeinflussen die Bauchentscheidung in den ersten Sekunden, ohne dass es jemand merkt. Mehr Bewerbungen bedeuten also nicht automatisch bessere Einstellungen, sondern oft nur mehr Hektik und mehr Zufall.

Illustration: ein grober, starrer Filter lässt manche passende Bewerbung ungewollt durchfallen

Was sich ändert

Was sich mit KI verändert

Der Hebel liegt nicht darin, die Auswahl an eine Maschine abzugeben, sondern die Vorsortierung zu strukturieren.

Ein KI-gestützter Schritt liest jede eingehende Bewerbung, extrahiert die relevanten Informationen und gleicht sie gegen ein klar definiertes Anforderungsprofil ab - mit nachvollziehbarer Begründung je Kriterium. So lässt sich der mechanische Teil der Arbeit, grob geschätzt rund 80 Prozent des reinen Sichtens und Strukturierens, vorbereiten und priorisieren. Die entscheidenden rund 20 Prozent - die finale Bewertung, die Einladung, das Gespräch und die Absage - bleiben beim Menschen. Wichtig: Die KI trifft keine Absage-Entscheidung. Sie ordnet, fasst zusammen und macht transparent, warum ein Profil zur Stelle passt oder nicht. Dein Team bekommt eine begründete Vorsortierung statt eines unkommentierten Stapels und kann seine Zeit dort investieren, wo Urteilsvermögen wirklich zählt: bei den Menschen, die in die engere Wahl kommen.

Aufgabenteilung

KI sortiert vor, der Mensch entscheidet

80 %KI: Parsing, Strukturieren, begründete Vorsortierung
der mechanische Sichtungsaufwand
20 %Mensch: finale Bewertung, Gespräch, Absage
Urteil und Verantwortung bleiben hier

So funktioniert's

Wie das in der Praxis funktioniert

Am Anfang steht das Parsing: Bewerbungen kommen als PDF, Word-Datei, ATS-Formular oder E-Mail-Anhang.

Die KI liest alle Formate aus und überführt Lebenslauf, Anschreiben und Zeugnisse in eine einheitliche Struktur - Erfahrung, Ausbildung, Kompetenzen, Zeiträume. Im nächsten Schritt wird jede Bewerbung gegen ein vorher festgelegtes Anforderungsprofil abgeglichen: Muss-Kriterien, Kann-Kriterien, Erfahrungsjahre, Qualifikationen. Statt nur Schlüsselwörter zu zählen, erfasst ein Sprachmodell auch sinngleiche Formulierungen. Jede Einschätzung wird begründet - pro Kriterium ist sichtbar, worauf sie beruht. Diese Begründung ist die Grundlage für den Menschen im Loop: Dein Team prüft die Vorsortierung, korrigiert, entscheidet. Damit das fair bleibt, gehören Bias-Sicherung und Compliance fest dazu: diskriminierungsrelevante Merkmale werden bewusst ausgeblendet, die Kriterien werden auf mittelbare Benachteiligung geprüft, und alles wird dokumentiert. Rechtlich ist der Rahmen klar - Bewerber-Screening fällt unter die DSGVO und gilt im EU AI Act als Hochrisiko-Anwendung, was Transparenz, menschliche Aufsicht und Protokollierung verpflichtend macht. Sauber gebaut hängt das System direkt an deinem bestehenden ATS, sodass kein Parallelprozess entsteht.

Illustration: aus einem unsortierten Bewerbungsstapel entstehen strukturierte, begründete Einschätzungen mit menschlicher Endprüfung

Tool-Stack

Womit du das umsetzen kannst

Eine Auswahl gängiger Bausteine - bewusst ohne Empfehlung. Welche Kombination sinnvoll ist, hängt von eurem bestehenden System, eurem Bewerbungsvolumen und euren Datenschutz-Anforderungen ab. Recruiting-Vorfilterung gilt im EU AI Act als Hochrisiko-Anwendung; die Werkzeugwahl ist immer auch eine Compliance-Entscheidung.

ATS / Bewerbermanagement

  • Personio
  • Workday
  • SAP SuccessFactors
  • Greenhouse
  • Recruitee

CV- und Dokumenten-Parsing

  • Affinda
  • Textkernel / Sovren
  • HireAbility
  • Cloud-Document-AI (Azure / Google)

Matching und Scoring

  • Embedding-/Vektor-Abgleich
  • regelbasierte Kriterien-Engine
  • ATS-eigene Matching-Module

Sprachmodell

  • Claude (Anthropic)
  • GPT (OpenAI)

Bias- und Fairness-Prüfung

  • Fairlearn
  • AI Fairness 360
  • dokumentierte Kriterien-Audits

Workflow und Anbindung

  • n8n
  • Make
  • API-/Webhook-Anbindung ans ATS

Datenschutz und Protokollierung

  • DSGVO-Verarbeitungsverzeichnis
  • Audit-Log / Entscheidungsprotokoll
  • Lösch- und Aufbewahrungsregeln

Rechne es für dich durch

Was dich das pro Jahr kostet

8
120 %
45

Entgangener Umsatz pro Jahr

5.200 €

Davon mit KI realistisch zurückgeholt

300 €

Modellrechnung mit deinen Annahmen, kein verbindliches Angebot. Die KI holt erfahrungsgemäß einen Teil der verlorenen Vorgänge zurück, nicht alle.

Häufige Fragen

Entscheidet die KI über Absagen?

Nein. Die KI strukturiert Bewerbungen, gleicht sie gegen dein Anforderungsprofil ab und liefert eine begründete Vorsortierung. Jede Absage und jede Einladung trifft ein Mensch. Ein vollautomatisches Aussortieren ohne menschliche Prüfung ist bei Personalentscheidungen rechtlich heikel und in den meisten Fällen nicht zulässig.

Fällt Bewerber-Screening unter den EU AI Act?

Ja. KI-Systeme, die im Recruiting Bewerbungen bewerten oder filtern, gelten im EU AI Act als Hochrisiko-Anwendung (Anhang III). Daraus folgen konkrete Pflichten: menschliche Aufsicht, Transparenz über die Funktionsweise, Risikomanagement, Datenqualität und Protokollierung. Ein seriöses System wird von Anfang an entlang dieser Anforderungen gebaut.

Wie verhindert ihr Diskriminierung nach dem AGG?

Das Allgemeine Gleichbehandlungsgesetz verbietet Benachteiligung etwa wegen Geschlecht, Herkunft, Alter, Religion oder Behinderung. Im Vorfilter werden diskriminierungsrelevante Merkmale bewusst ausgeblendet und die Bewertungskriterien zusätzlich auf mittelbare Benachteiligung geprüft - also darauf, ob ein scheinbar neutrales Kriterium bestimmte Gruppen systematisch benachteiligt. Die Dokumentation jeder Einschätzung macht das überprüfbar.

Ist das nicht gerade die Quelle von Bias, vor der alle warnen?

Bias entsteht, wenn ein System unkontrolliert aus verzerrten Altdaten lernt. Genau deshalb setzt ein sauberer Vorfilter nicht auf ein nachahmendes Modell historischer Einstellungen, sondern auf den expliziten Abgleich mit klar definierten, fachlichen Kriterien - plus aktive Bias-Prüfung. Richtig gebaut ist die Vorsortierung transparenter und konsistenter als die Schnellsichtung in sechs Sekunden, in der unbewusste Verzerrungen ungebremst wirken.

Wie genau ist die Vorfilterung?

Sie ist gut genug, um den Stapel sinnvoll zu priorisieren und zu strukturieren - nicht, um den Menschen zu ersetzen. Deshalb ist sie als Vorsortierung gedacht, deren Ergebnis geprüft wird. Wir empfehlen, anfangs großzügig zu sortieren und die Grenzwerte am echten Bewerbungsaufkommen zu kalibrieren, statt früh hart auszusieben.

Was passiert mit den Bewerberdaten? Ist das DSGVO-konform?

Bewerbungsunterlagen sind personenbezogene Daten. Verarbeitung braucht eine Rechtsgrundlage, eine klare Zweckbindung, definierte Löschfristen und Transparenz gegenüber den Bewerbern. Wo möglich werden Daten innerhalb deiner Systeme verarbeitet, und die Auswahl der KI-Bausteine berücksichtigt, wo und wie Daten verarbeitet werden. Datenschutz ist kein Anhängsel, sondern Teil der Architektur.

Müssen wir Bewerbern sagen, dass KI im Spiel ist?

Transparenz ist sowohl rechtlich als auch für die Arbeitgebermarke richtig. Bewerber sollten wissen, dass ein KI-gestützter Schritt bei der Vorsortierung unterstützt, dass die Entscheidungen von Menschen getroffen werden und an wen sie sich bei Fragen wenden können. Diese Offenheit schafft Vertrauen statt Misstrauen.

Wie passt das zu unserem bestehenden ATS?

Der Vorfilter ist kein Ersatz für dein Bewerbermanagement, sondern eine Schicht davor oder daneben. Sauber gebaut hängt er per Schnittstelle am ATS, liest dort eingehende Bewerbungen, schreibt strukturierte Bewertungen und Begründungen zurück und vermeidet einen Parallelprozess. Welche Anbindung möglich ist, hängt vom konkreten System ab.

Was, wenn ein gutes Profil falsch einsortiert wird?

Deshalb ist der Mensch im Loop kein Zugeständnis, sondern der Kern. Jede Einschätzung ist begründet und damit nachvollziehbar; dein Team kann jederzeit gegenprüfen und korrigieren. Außerdem hilft eine bewusst durchlässige Erstsortierung, niemanden vorschnell auszuschließen - im Gegensatz zum starren Keyword-Filter, der lautlos aussortiert.

Wie lange dauert die Einführung?

Das hängt von Bewerbungsvolumen, ATS und der Klarheit eurer Anforderungsprofile ab. Pragmatisch ist ein Start mit ein, zwei Stellenarten als Pilot: Kriterien definieren, an echten Bewerbungen kalibrieren, mit dem Team gegenprüfen, dann ausweiten. So entsteht Vertrauen in die Vorsortierung, bevor sie breit läuft.

Bei dir umsetzbar?

Genau das bauen wir done-for-you in deinem Unternehmen – mit deinen Tools, deinen Daten. Im Erstgespräch schauen wir, wo es bei dir den größten Hebel hätte.

Erstgespräch buchen

Zuletzt aktualisiert:

BEREIT?

Ein Gespräch. Ein klarer Blick auf deinen Prozess. Kein Verkaufsdruck.

Im Erstgespräch schauen wir gemeinsam auf deinen Prozess und zeigen dir, wo dein unsichtbares Team den größten Hebel hätte. Danach entscheidest du in Ruhe.