Bewerbungs-Screening mit AI

Recruiter verbringen im Schnitt 7 Sekunden pro Lebenslauf beim Erstscreening. Bei 200+ Bewerbungen pro Stelle ist das weder gründlich noch fair. AI-gestütztes Screening verspricht Objektivität und Effizienz — birgt aber auch erhebliche Risiken.

Resume Parsing

Was AI kann

Moderne Resume-Parser extrahieren strukturierte Daten aus jedem Format:

Kontaktdaten: Name, E-Mail, Telefon, LinkedIn
Berufserfahrung: Positionen, Unternehmen, Dauer, Beschreibung
Skills: Technische und Soft Skills, Zertifizierungen
Ausbildung: Abschlüsse, Institutionen, Noten
Sprachen: Niveau und Zertifikate

Genauigkeit 2026: Top-Parser (Textkernel, HireAbility) erreichen 95 %+ bei standardisierten Lebensläufen, 80–85 % bei unkonventionellen Formaten.

Matching-Algorithmen

AI vergleicht geparste Profile mit der Stellenausschreibung:

Keyword Matching: Einfach, aber ungenau ("Java" ≠ "JavaScript")
Semantic Matching: Versteht Bedeutung ("Projektleitung" ≈ "Project Management")
Skill-Gap-Analyse: Welche Skills fehlen? Sind sie schnell erlernbar?
Culture Fit Scoring: Basierend auf Unternehmenskultur-Keywords — sehr umstritten

Ranking-Output: Top-20 % der Bewerbungen als "Shortlist", mittlere 60 % als "Review", untere 20 % als "Absage-Vorschlag".

Bias-Risiken — Die größte Gefahr

Historische Bias

AI lernt aus historischen Daten. Wenn Ihr Unternehmen in der Vergangenheit bevorzugt Männer eingestellt hat, reproduziert die AI diesen Bias.

Berühmtes Beispiel: Amazons AI-Recruiting-Tool (2018) benachteiligte systematisch Frauen — es wurde eingestellt.

Proxy-Variablen

Selbst wenn Geschlecht/Alter/Herkunft entfernt werden:

Uni-Name korreliert mit sozialem Hintergrund
Postleitzahl korreliert mit Ethnie
Hobbys korrelieren mit Geschlecht ("Fußball" vs. "Yoga")
Lücken im Lebenslauf benachteiligen Elternzeit, Krankheit, Migration

Gegenmaßnahmen

Bias-Audits: Regelmäßig prüfen, ob bestimmte Gruppen systematisch benachteiligt werden
Diverse Trainingsdaten: Nicht nur erfolgreiche Einstellungen, sondern auch erfolgreiche Mitarbeiter
Transparente Kriterien: Welche Faktoren fließen in den Score ein?
Mensch-in-the-Loop: AI empfiehlt, Recruiter entscheidet — nie vollautomatisch
Regelmäßige Re-Evaluierung: Mindestens quartalsweise

Rechtlicher Rahmen (EU)

DSGVO: Bewerber haben ein Recht auf Erklärung automatisierter Entscheidungen (Art. 22)
EU AI Act: Recruiting-AI ist als "High Risk" eingestuft — strenge Dokumentationspflichten
AGG: Kein Screening nach Alter, Geschlecht, Herkunft, Religion, Behinderung

Empfehlung: Nutzen Sie AI im Screening als Assistent, nicht als Entscheider. Die Shortlist von der AI, die finale Entscheidung vom Menschen. Und: Dokumentieren Sie alles.