Was KI in der Bewerbervorauswahl wirklich kann
· aktualisiert 05.05.2026 · 4 Min. Lesezeit
Kurz gesagt
- KI erledigt in der Bewerbervorauswahl drei Dinge zuverlässig: Dubletten entfernen, Spam aussortieren, nach Kriterien sortieren.
- Sie erledigt eine Sache systematisch schlecht: beurteilen, ob jemand passt. Dafür fehlt ihr genau das, was die Entscheidung ausmacht.
- Der gefährlichste Fehler ist nicht der falsche Vorschlag, sondern der stille: Ein Modell antwortet auch dann souverän, wenn die Datengrundlage nichts hergibt.
- Praktische Regel: KI reduziert die Menge, ein Mensch trifft die Entscheidung. Wer diese Reihenfolge umdreht, sortiert gute Kandidaten aus, ohne es zu merken.
- Rechtlich relevant: Eine vollautomatisierte Ablehnung ohne menschliche Prüfung ist im Geltungsbereich der DSGVO heikel — Artikel 22 begrenzt automatisierte Einzelentscheidungen.
Über KI im Recruiting wird derzeit viel behauptet, in beide Richtungen. Die eine Seite verkauft ein Modell, das den perfekten Kandidaten findet. Die andere hält alles für Blendwerk.
Wir bauen solche Systeme selbst und setzen sie in unseren Kampagnen ein. Deshalb hier der nüchterne Stand: was tatsächlich funktioniert, was nicht, und woran man den Unterschied erkennt.
Was zuverlässig funktioniert#
Dubletten erkennen. Dieselbe Person bewirbt sich zweimal, einmal mit Rufname, einmal mit vollem Namen, mit zwei verschiedenen Mailadressen. Für einen Menschen ist das mühsame Fleißarbeit, für eine Maschine eine gelöste Aufgabe. Der belastbare Schlüssel ist dabei fast immer die Telefonnummer oder die Mailadresse — nicht der Name. Namensvergleiche produzieren falsche Treffer, und ein falscher Treffer löscht eine echte Bewerbung.
Spam und Unsinn aussortieren. Testeinträge, offensichtliche Fantasienamen, Bewerbungen ohne erreichbaren Kontakt. Bei einer Kampagne mit dreistelliger Bewerberzahl ist das ein spürbarer Anteil.
Nach harten Kriterien sortieren. Wohnort im Umkreis, Führerschein vorhanden, Verfügbarkeit ab Datum, angegebene Berufserfahrung. Alles, was im Bewerbungsformular abgefragt wurde, lässt sich zuverlässig ordnen.
Zusammenfassen. Aus fünf Freitextantworten drei Zeilen machen, die man vor einem Anruf liest. Das spart real Zeit und richtet wenig Schaden an, weil das Original daneben liegt.
Was systematisch schiefgeht#
Eignung beurteilen. Ein Modell kann aus „drei Jahre Erfahrung in der Systemgastronomie" nicht ableiten, ob jemand in eine Küche mit sechs Leuten und hohem Anspruch passt. Es kann aus einem Text auch nicht ablesen, ob jemand zuverlässig ist. Es kann nur Muster wiedergeben, die in ähnlichen Texten vorkamen — und produziert damit eine Bewertung, die plausibel klingt und nichts misst.
Freitext einordnen, wenn die Regel schwierig ist. Wir haben das im eigenen Haus schmerzhaft gelernt: Bei einer automatischen Einstufung von Antworten wurde ein „Bitte löschen Sie meine Daten" als Zustimmung eingeordnet, weil ein anderes Muster im selben Satz stärker gewichtet war. Die Lehre daraus ist nicht „kein KI-Einsatz", sondern: Die Prüfreihenfolge entscheidet mehr als das Modell. Ausdrückliche Aussagen müssen alle anderen Muster schlagen.
Die eigene Unsicherheit angeben. Das ist der unangenehmste Punkt. Ein Sprachmodell antwortet auch dann in vollständigen, überzeugten Sätzen, wenn die Grundlage nichts hergibt. Es gibt keine Fehlermeldung. Ein falsches Ergebnis sieht genauso aus wie ein richtiges — und genau deshalb fällt es nicht auf.
Die Arbeitsteilung, die funktioniert#
Aus beidem folgt eine einfache Regel:
Die Maschine reduziert die Menge. Der Mensch trifft die Entscheidung.
Wie das technisch abläuft, steht in Spam, Dubletten, Karteileichen.
Praktisch heißt das: Aus 130 Bewerbungen macht die Vorauswahl 60, indem sie Dubletten, Spam und eindeutig nicht Passende entfernt und den Rest nach nachvollziehbaren Kriterien ordnet. Diese 60 sieht ein Mensch — und zwar alle, nicht nur die Top 10.
Der Unterschied ist wichtig. Ein System, das aus 130 Bewerbungen „die besten fünf" auswählt, trifft 125 Entscheidungen, die niemand überprüft. Ein System, das 130 auf 60 reduziert und sortiert, spart genauso viel Zeit, ohne die Entscheidung zu übernehmen.
Und die rechtliche Seite#
Zwei Punkte, die man kennen sollte, ohne dass dieser Beitrag eine Rechtsberatung wäre:
Artikel 22 DSGVO begrenzt Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und rechtliche Wirkung entfalten oder eine Person erheblich beeinträchtigen. Eine vollautomatische Absage fällt potenziell darunter. Eine Vorsortierung, auf die eine menschliche Entscheidung folgt, ist etwas anderes.
Transparenz. Bewerber sollten wissen, dass und wie ihre Daten verarbeitet werden. Das ist keine Formalie, sondern gehört in die Datenschutzinformation, auf die dein Bewerbungsformular verweist.
Woran du einen brauchbaren Anbieter erkennst#
Wenn dir jemand KI-gestützte Vorauswahl verkauft, sind drei Fragen aufschlussreicher als jede Demo:
- „Was passiert mit einer Bewerbung, die das System nicht einordnen kann?" Eine gute Antwort beschreibt einen dritten Zustand — unklar, geht an einen Menschen. Eine schlechte Antwort behauptet, das komme nicht vor.
- „Welche Kriterien fließen ein, und kann ich sie sehen?" Wenn die Antwort „das macht die KI" lautet, kannst du weder prüfen noch korrigieren.
- „Wie viele Bewerbungen werden aussortiert, ohne dass ein Mensch sie sieht?" Die ehrliche Antwort ist eine Zahl. Wenn sie hoch ist, weißt du, was du kaufst.
Dieselben Fragen stellen wir uns bei unseren eigenen Werkzeugen — die Antworten sind der Grund, warum unsere Vorauswahl filtert und ordnet, aber nicht benotet.
Was in unseren Kampagnen tatsächlich läuft#
Damit es nicht abstrakt bleibt: In einer Kampagne durchläuft jede eingehende Bewerbung eine Prüfung auf Dubletten und offensichtlichen Unsinn, wird nach den im Formular abgefragten Kriterien geordnet und mit Kontaktdaten an den Betrieb übergeben — alle, nicht nur eine Auswahl. Die Entscheidung, wen der Betrieb anruft, trifft der Betrieb.
Das ist weniger spektakulär, als „KI-Recruiting" klingt. Es ist aber der Teil, der nachweislich Arbeit spart, ohne Kandidaten zu verlieren.
Häufige Fragen
Kann KI erkennen, ob ein Bewerber zum Unternehmen passt?
Nein. Kulturelle Passung entsteht aus Erwartungen, Arbeitsweise und Persönlichkeit — davon steht nichts in einem Bewerbungsformular. Systeme, die eine solche Bewertung ausgeben, erzeugen eine Zahl, die überzeugend aussieht und nichts misst.
Ist eine automatisierte Absage erlaubt?
Die DSGVO begrenzt in Artikel 22 Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen. Eine Absage, über die ein Mensch entscheidet — auch wenn eine Vorsortierung vorausging —, ist unproblematischer. Im Zweifel gehört das mit der eigenen Rechtsberatung geklärt.
Wie viel Zeit spart KI in der Vorauswahl tatsächlich?
Der Effekt hängt an der Menge. Bei zehn Bewerbungen praktisch nichts. Bei über hundert Bewerbungen ist die Entdoppelung und Spam-Entfernung allein mehrere Stunden Handarbeit — das ist der Bereich, in dem sich der Einsatz rechnet.
Sollte ich Bewerbern sagen, dass KI im Spiel ist?
Ja. Es gehört in die Datenschutzinformation, und es schadet dem Eindruck weniger als gedacht — solange klar ist, dass ein Mensch entscheidet.
Geschrieben von
Dipl.-Ing. Dr. techn. Gerhard Reisinger
Promovierter Automatisierungsforscher (TU Wien), davor Fraunhofer Austria. Baut seit 2022 Recruiting-Kampagnen und die KI dahinter.
- Dissertation TU Wien 2022 — „Entwicklung eines Vorgehensmodells zur automatisierten Informationsversorgung visueller Werkerführungssysteme"
- 318 Zitationen, h-Index 6 (Google Scholar, Stand 30.07.2026)
- Wissenschaftlicher Mitarbeiter, Fraunhofer Austria — MMAssist II, Pilotfabrik Industrie 4.0 der TU Wien