KI als Bewerber sinnvoll einsetzen

Endlich tut sich was in Sachen AI-Slop. LinkedIn bietet die Möglichkeit, selbigen zu melden und hat seine Algorithmen auch in Richtung automatischer Erkennung und Zurückstufung umgebaut. Ich bin sehr froh darüber und denke, es war wirklich an der Zeit! Die Sinnhaftigkeit der Plattform stand in Frage und mittelfristig auf der Kippe.

Auch an anderer Stelle tut sich etwas: Das Match zwischen KI-Bewerbungen, deren Erkennung und KI-Agenten geht in die nächste Runde. Wie in der Recruiting-Praxis damit umgegangen wird und wie ein sinnvoller Einsatz aussehen kann, habe ich hier analysiert.

Watermarking

Regulatorisch ist das Thema seit 2. August 2026 live: Art. 50 AI Act verlangt maschinenlesbare Markierung durch LLM-Anbieter und sichtbare Kennzeichnung durch Betreiber, wobei redaktionell geprüfte Texte mit klarer Verantwortungszuweisung ausgenommen sind.

Technisch sind audiovisuelle Medien eindeutiger detektierbar, es gibt allerdings Remove-Software. Im textlichen Bereich geht es um die C2PA-Metadaten, die automatisch über die Syntax eingebaut werden. Sie überleben auf jeden Fall Copy-Paste. Paraphrasieren, deutliches Umschreiben, Screenshots und Re-Encoding sind oft allerdings ausreichend, um eine eindeutige Identifikation zu verhindern.

Detection

Die Anbieter der LLM-Modelle bieten zum Teil Detektoren an, die allerdings derzeit noch auf bestimmte Nutzungszwecke beschränkt sind. Erkennung von KI-Bewerbung gehört nicht dazu. Nachträgliche AI-Detektoren produzieren wiederum zweistellige Fehlerraten. Schwierig ist daher auch die Einordnung: Ein Signal kann immer nur ein Indiz sein. Tendenziell werden sie aus meiner Sicht trotzdem eingesetzt werden.

Best Practice Einsatz für Bewerbungsprozesse

Sparring

LLMs eröffnen eine sehr gute Möglichkeit für professionelles Sparring bei der Orientierung am Arbeitsmarkt. Die eigene Positionierung zu schärfen und in Unterlagen zu gießen, die aussagekräftig sind und die eigenen USPs rasch erkennen lassen, sind einer der wesentlichsten Teile der gesamten Jobsuche. Kritisches Hinterfragen ist obligatorisch, wir alle wissen, dass AI halluzinieren, Fakten falsch zusammensetzen und auf eine falsche Fährte führen kann. Immer seltener, aber das Risiko ist da. Im Zweifel hilft immer, sich mit dem Umfeld auszutauschen oder einen Recruiting-Experten um Input zu bitten.

Jobsuche

Bei der Suche nach passenden Ausschreibungen oder interessanten Unternehmen ist AI eine große Hilfe. Kein Mensch kann in derart kurzer Zeit so viele Quellen einbeziehen. Aber auch hier sollte immer mit dem Bewusstsein gearbeitet werden, dass wichtiges durch den Rost fallen kann bzw. jeder Suchlauf unvollständig ist. Zudem ist aufgrund der nicht bekannten Algorithmen oft nicht nachvollziehbar, wie KI die Suche fokussiert hat.

Ideal ist die Kombination aus AI und eigener Suche. Damit deckt man Masse und Spitze optimal ab.

Recherche

Das ist die Phase, die LLMs wirklich sehr gut abdecken. Wenn man ein Target identifiziert hat – also ein Jobinserat oder ein grundsätzlich spannendes Unternehmen, sollte man die Power von AI unbedingt nutzen. Informationen zusammentragen, strukturieren und aufbereiten können Claude & Co sehr gut. Mittlerweile sind daher auch Ihre Mitbewerber oft sehr gut vorbereitet. Daher fällt es umso mehr auf, wenn jemand blank in ein Gespräch geht. Unterschätzen Sie aber nie das eigene Bauchgefühl, es muss unbedingt miteinbezogen werden. Sympathie und die Begeisterung für eine Sache können sich nur durch die eigene Beschäftigung entwickeln bzw. zeigen.

Dokumente

Lebenslauf

Bei der Lebenslauferstellung laufen zwei Ebenen gegeneinander: Einerseits sind eine gute Struktur und schnell zu erfassende Inhalte sowie eine eindeutige Positionierung sehr wichtig. Auf der anderen Seite wissen wir, wie austauschbar AI-generierte Unterlagen sind und wie stark man mit einem genuin menschlich erstellten Dokument herausstechen kann.

Es kommt aus meiner Sicht ein bisschen darauf an, wie stark man in der Erstellung eigener Dokumente ist. Wenn Sie sich gerne damit beschäftigen, machen sie den CV selbst und lassen ihn nur auf Fehler von der KI prüfen. Wenn Sie sich schwer tun, selbst zu verfassen, kann der erste Aufschlag auch vom LLM kommen. Dann aber bitte wirklich ausführlich drüberarbeiten und hinterfragen, ob Formulierungen Sinn machen und Facts der Realität entsprechen. Kürzen ist außerdem noch immer eine menschliche Übung, das kann die KI nicht so gut. Auch auf Vollständigkeit zu prüfen ist ein Gebot der Stunde.

Jahreszahlendreher, Typos und strukturelle Schwächen sind eigentlich aufgrund der Tool-Verfügbarkeit und Einfachheit der Vermeidung mittlerweile No-Gos.

Motivationsschreiben

Beim Anschreiben ist die Lage eindeutig: Entweder selbst schreiben oder weglassen. KI-generierte Texte sind grosso modo sinnlos, weil sie generisch sind, CV-Daten wiederholen und recht rasch identifiziert werden können. Die eigene Sprache und den eigenen Wortschatz einzubringen, macht den Unterschied!

Also entweder man hat die Muse, selbst das Wesentliche auf den Punkt zu bringen und Informationen mitzuliefern, die einen Neuigkeitswert für den Leser haben, oder man lässt das Schreiben aus. Ablehnungen aufgrund eines fehlenden Motivationsschreibens sind aus meiner Sicht kaum noch realistisch. Wenn es erklärungsbedürftige Umstände gibt – z.B. eine Relocation, den Wechsel des Berufsfeldes oder eine Bewerbung auf eine Position, die am Papier so garnicht zu einem passt – dann ist dazu ein kurzer Absatz ebenfalls ausreichend.

“Human in the loop” vs “Mensch im Driver’s Seat”

Es macht einen großen Unterschied, ob man einfach nur Ergebnisse evauliert oder selbst in der Erstellung im Lead ist. Je mehr sinnvolle Vorgaben, Information und Richtung Sie der KI vorgeben, desto besser sind die Ergebnisse. Bewusstes challengen und widersprechen sind zentral, um Austauschbarkeit zu vermeiden. Je stärker der Mensch das bestimmende Element in der Erstellung von Inhalten ist, desto persönlicher und identifikationsstiftender werden sie am Ende.

Kennzeichnung

Ist es smart, Inhalte zu kennzeichnen, die mit AI erstellt wurden? Ich bin etwas zwiegespalten. Natürlich ist der erste Reflex, wenn man einen entsprechenden Hinweis liest: Na super, also AI-generated. Es kann aber bei stark KI-geprägten Texten auch sinnvoll sein, um den Wind aus den Segeln zu nehmen. Offenheit zieht halt auch. Also je nach Ausmaß der KI-Involvierung muss das jeder selbst entscheiden. Verpflichtend ist es für Bewerber jedenfalls nicht.

Agenten

Ein ganz anderes Feld ist Agentic AI. Die Sinnhaftigkeit steht dabei auf einem eigenen Blatt geschrieben. Sollen Agenten sich im Auftrag eines Menschen automatisiert bewerben? Erzeugt es auf jeden Fall mehr Aufwand als Nutzen? Kommunizieren schließlich und endlich nur mehr Agenten miteinander? Das ist ein Feld, das sich sehr rasch entwickelt und bei dem ich die Richtung derzeit nicht abschließend einschätzen kann.

Wenn man damit als Bewerber experimentiert, sollte man entsprechend firm in der Anwendung sein und sich genau überlegeben, welche Fehlerquellen unbedingt auszuschalten sind. Denn ein Massen- oder Fehlversand von Bewerbungen kann Beziehungen zu interessanten Arbeitgebern langfristig beeinträchtigen.

Learning

KI zu Hilfe zu nehmen, um Neues zu lernen, Skills zu verbessern und die eigene Wissensbasis in Gebieten zu erweitern, die einem fremd sind, finde ich super. Die Frage ist immer, wie man damit seine eigene Lern- und Merkfähigkeit verändert! Wesentliches selbst zu durchdringen – bis hin zum eigentlichen sinnerfassenden Lesen – ist nach wie vor eine ganz wichtige Kompetenz, die man sich nicht „abtrainieren“ sollte. Also auch hier eine Kombination wählen und auf den Einsatz der richtigen Tools achten. Es gibt wirklich spannende Alternativen zu ChatGPT und Gemini…

AI Fluency

Wie immer wieder betont wird, ist KI-Kompetenz kein Skill für eine kleine Expertenschicht mehr. Beinahe jedes Berufsfeld im White Collar Bereich entwickelt sich rasant weiter. Insofern ist hier jeder dazu angehalten, einen informierten, souveränen und effektiven Umgang mit den entsprechenden Tools zu lernen. Der Bewerbungsprozess bietet dafür auch für Einsteiger einen tollen Case, sich etwas ausführlicher und tiefer mit KI, ihren Potenzialen und Grenzen zu beschäftigen.

Neugier

Die Weiterentwicklung von Modellen und Anwendungen ist fast nicht abschließend zu überblicken. Umso wichtiger ist es, neugierig zu bleiben. Was heute state-of-the-art ist, kann morgen Schnee von gestern sein. Beschäftigen Sie sich laufend mit Best Practices, bleiben Sie dran und entwickeln sie Routinen stätig weiter.

Es ist wie eh und je: Nur weil etwas funktioniert, heißt das nicht, dass es nicht längst Möglichkeiten gibt, es besser oder anders zu machen.