KI-generierte Anzeigentexte: was geht und was nicht
· 3 Min. Lesezeit
Kurz gesagt
- Ein Sprachmodell schreibt in Sekunden eine korrekte und vollkommen austauschbare Stellenanzeige — weil es aus dem Durchschnitt aller Anzeigen schöpft.
- Gut geeignet ist es für Varianten, Umformulierungen, Kürzungen und Gegenlesen. Schlecht geeignet für den Inhalt selbst.
- Der entscheidende Rohstoff kommt aus deinem Betrieb: drei überprüfbare Argumente. Die kann kein Modell erfinden — und wenn es das tut, erfindet es sie wörtlich.
- Der praktikable Ablauf lautet: du lieferst die Fakten, das Modell liefert die Fassungen, du entscheidest.
- Gefährlichster Fehler: erfundene Angaben stehen lassen. Ein Modell schreibt „30 Tage Urlaub" hin, weil es gut passt — nicht, weil es stimmt.
Wir setzen Sprachmodelle in der eigenen Arbeit an vielen Stellen ein, auch bei Anzeigentexten. Deshalb hier eine nüchterne Einschätzung statt der zwei üblichen Positionen („ersetzt den Texter" oder „taugt nichts").
Warum die erste Fassung immer austauschbar ist#
Ein Sprachmodell erzeugt Text, der zu dem passt, was es gesehen hat. Bei Stellenanzeigen hat es Millionen davon gesehen — und die überwiegende Mehrheit klingt gleich.
Bittet man ein Modell um eine Anzeige für einen Koch, bekommt man mit hoher Wahrscheinlichkeit: „Zur Verstärkung unseres Teams suchen wir ab sofort", „familiäres Betriebsklima", „leistungsgerechte Bezahlung", „Wir freuen uns auf Ihre aussagekräftige Bewerbung". Nicht weil das Modell schlecht ist, sondern weil es den Durchschnitt trifft. Und der Durchschnitt ist genau das Problem, das du lösen willst.
Warum diese Formulierungen konkret schaden, steht in Was in eine Recruiting-Anzeige gehört.
Wofür es tatsächlich taugt#
Varianten erzeugen. Das ist der stärkste Anwendungsfall. Du hast einen guten Aufhänger und brauchst fünf Fassungen davon, um zu testen, welche zieht. Genau das macht ein Modell schnell und zuverlässig.
Umformulieren für eine Zielgruppe. „Schreib denselben Inhalt für jemanden, der seit zehn Jahren im Beruf ist" liefert brauchbare Ergebnisse, wenn der Inhalt vorgegeben ist.
Kürzen. Aus einem 400-Wörter-Absatz die 60 Wörter herausziehen, die in den sichtbaren Anfang der Feed-Anzeige passen. Undankbare Arbeit, gut delegierbar.
Gegenlesen. „Welche Aussagen in diesem Text sind nicht überprüfbar?" ist eine erstaunlich nützliche Frage. Ein Modell findet die Floskeln zuverlässig — es schreibt sie nur eben auch selbst, wenn man es nicht fragt.
Fragen für das Bewerbungsformular vorschlagen. Aus einer Positionsbeschreibung fünf fachliche Fragen ableiten funktioniert gut. Auswählen musst du selbst.
Wofür es nicht taugt#
Den Inhalt liefern. Ein Modell weiß nicht, dass in deiner Küche seit 2019 vier von sechs Leuten nicht gewechselt haben. Es weiß nicht, dass dein Dienstplan vier Wochen im Voraus steht. Das sind genau die Angaben, die deine Anzeige tragen — und sie stehen nirgends, wo ein Modell sie finden könnte.
Erfinden, ohne es zu sagen. Das ist der praktisch wichtigste Punkt. Wenn du ein Modell um eine Anzeige bittest und keine Angaben zu Urlaub, Gehalt oder Benefits machst, schreibt es trotzdem welche hin. „30 Tage Urlaub", „betriebliche Altersvorsorge", „Mitarbeiterrabatte" — plausibel, üblich, und in deinem Fall möglicherweise falsch.
Es gibt dabei keine Warnung. Der erfundene Satz sieht genauso aus wie der richtige. Wer den Text ungeprüft übernimmt, wirbt mit Leistungen, die er nicht bietet — und erklärt das im Vorstellungsgespräch.
Ein Ablauf, der funktioniert#
- Fakten sammeln, ohne Modell. Zehn Minuten. Woher du sie bekommst, steht in Employer Branding für Betriebe ohne Marketingabteilung. Team-Größe, Dienstplan, Ruhetage, Gehaltsspanne, Ausstattung, Anfahrt, was die Leute sagen, die schon lange da sind.
- Diese Fakten dem Modell geben — vollständig, mit dem ausdrücklichen Hinweis, nichts zu ergänzen, was nicht dabeisteht.
- Drei bis fünf Aufhänger erzeugen lassen, nicht ganze Anzeigen. Die erste Zeile ist das, was zählt.
- Selbst auswählen. Welcher Aufhänger stimmt und traut sich etwas?
- Ganze Fassung schreiben lassen, auf Basis des gewählten Aufhängers.
- Streichen. Alles, dessen Herkunft du nicht benennen kannst.
- Testen. Mehrere Fassungen parallel ausspielen, nach vier Tagen entscheidet die Kampagne.
Der Zeitgewinn liegt in den Schritten 3 und 5. Die Schritte 1, 4 und 6 kann dir niemand abnehmen — und sie sind die, die über die Wirkung entscheiden.
Was das für die Zukunft heißt#
Es gibt eine unangenehme Nebenwirkung: Wenn alle Betriebe ihre Anzeigen mit demselben Werkzeug schreiben, werden Anzeigen einander noch ähnlicher als bisher. Der Vorteil liegt dann noch stärker bei dem, der etwas Konkretes zu sagen hat.
Das ist keine Prognose, sondern eine einfache Folgerung: Wenn Sprache billig wird, steigt der Wert von Inhalt. Für einen Betrieb mit drei überprüfbaren Argumenten ist das eine gute Nachricht.
Häufige Fragen
Kann ich meine Stellenanzeige komplett von einer KI schreiben lassen?
Technisch ja, sinnvoll nein. Die erste Fassung ist korrekt und austauschbar, und sie enthält mit hoher Wahrscheinlichkeit Angaben, die auf deinen Betrieb nicht zutreffen. Der Text muss aus deinen Fakten entstehen — das Modell formuliert sie nur.
Woran erkenne ich eine KI-geschriebene Stellenanzeige?
An Vollständigkeit ohne Konkretheit: Alle üblichen Bausteine sind da, aber keine einzige überprüfbare Angabe. Dazu häufig eine auffällig gleichmäßige Absatzlänge und Aufzählungen mit genau drei oder fünf Punkten.
Merken Bewerber, ob ein Text von einer KI stammt?
Meist nicht bewusst. Sie merken aber, dass der Text nichts sagt — und das hat dieselbe Wirkung. Der Schaden entsteht nicht durch die Herkunft des Textes, sondern durch seine Beliebigkeit.
Welche Angaben darf ein Modell auf keinen Fall selbst ergänzen?
Alles Zählbare und alles Zugesagte: Urlaubstage, Gehalt, Arbeitszeiten, Benefits, Teamgröße, Ausstattung. Diese Angaben gehören ausschließlich aus dem Betrieb in den Text.
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