KI-generierte Bewerbungen: Wie Arbeitgeber ihre Auswahlprozesse anpassen

Warum perfekte Unterlagen weniger aussagen und Kompetenzprüfungen wichtiger werden

Alexander Schmid

7. Oktober 2026 | 8 Minuten

Ein professionelles Anschreiben galt lange als Hinweis auf Sorgfalt, Motivation und Ausdrucksfähigkeit. Generative KI kann dieses Signal heute mit geringem Aufwand erzeugen. Das bedeutet nicht, dass Bewerbungen mit ChatGPT oder anderen Systemen grundsätzlich unbrauchbar sind. Es bedeutet aber, dass Unternehmen Formulierungsqualität und berufliche Eignung konsequenter voneinander trennen müssen.

Was ist eine KI-generierte Bewerbung?

Bei einer KI-generierten Bewerbung wurden Inhalte vollständig oder zu wesentlichen Teilen durch ein generatives KI-System erstellt. Davon zu unterscheiden ist die KI-gestützte Bewerbung: Hier dient KI zur Korrektur oder Überarbeitung, während Erfahrungen, Tatsachen und Kernaussagen von der kandidierenden Person stammen und verantwortet werden.

Für die Risikobewertung ist diese Abgrenzung entscheidend. Eine sprachliche Überarbeitung verändert zunächst nur die Darstellung. Problematisch wird der Einsatz, wenn das System nicht vorhandene Kompetenzen ergänzt, Verantwortlichkeiten überzeichnet oder Unterlagen automatisiert und ohne sachliche Prüfung an zahlreiche Stellen übermittelt. Erfundenen Abschlüssen oder Tätigkeiten liegt dagegen keine besondere „KI-Frage“ zugrunde, sondern eine falsche Tatsachenangabe.

Veröffentlichte Befragungen zur Nutzung generativer KI in Bewerbungen sind nur eingeschränkt vergleichbar. Sie unterscheiden häufig nicht sauber zwischen Rechtschreibkorrektur, Texterstellung und automatisiertem Versand. Selbstauskünfte einzelner Gruppen lassen sich deshalb nicht als exakter Marktwert verwenden.

Merksatz: Nicht die Nutzung von KI ist das zentrale Recruiting-Risiko, sondern die fehlende Überprüfbarkeit relevanter Angaben.

Warum KI-generierte Unterlagen das Recruiting verändern

Generative KI senkt die Kosten für sprachlich einwandfreie und auf eine Stellenanzeige zugeschnittene Texte. Dadurch können sich Anschreiben stärker ähneln, während Stil, Fehlerfreiheit und scheinbar individuelle Motivation weniger über die tatsächliche Eignung aussagen. Gleichzeitig kann KI formal schwächere Bewerbungen verbessern, etwa wenn geeignete Personen wenig Bewerbungserfahrung haben oder nicht in ihrer Erstsprache schreiben.

Für Arbeitgeber können Risiken in sechs Bereichen entstehen: Die Informationsqualität kann sinken, wenn Texte wenig konkrete Substanz enthalten. Prozesskosten können steigen, wenn mehr Unterlagen geprüft werden müssen. Fehlentscheidungen drohen bei überzeichneten Fähigkeiten. Ungeprüfte Detektoren können die Fairness beeinträchtigen. Externe Systeme werfen Datenschutzfragen auf. Bei sensiblen Tätigkeiten können falsche Identitäten oder Qualifikationen zudem die Sicherheit berühren.

Nicht jedes ungewöhnlich glatte Anschreiben ist jedoch ein Warnsignal. Auch wiederkehrende Formulierungen, ein sachlicher Stil oder Fehlerfreiheit beweisen keine maschinelle Autorenschaft. Ein Verdachtsmerkmal darf daher keine Auswahlentscheidung ersetzen.

Warum KI-Detektoren keine belastbare Hauptstrategie sind

KI-Textdetektoren bewerten statistische Muster und geben Wahrscheinlichkeiten aus. Sie können jedoch menschliche Texte fälschlich als KI-generiert einstufen und überarbeitete Maschinentexte übersehen. Die zitierte unabhängige Untersuchung zeigt erhebliche Grenzen solcher Werkzeuge; sie liefert jedoch keine spezifischen Fehlerquoten für deutschsprachige Bewerbungen.^[1]

Detektorergebnisse sind deshalb weder ein sicherer Urhebernachweis noch eine geeignete alleinige Ablehnungsgrundlage. Hinzu kommen Datenschutz- und Gleichbehandlungsrisiken, wenn Bewerbungsdaten an externe Dienste übertragen oder bestimmte Sprachgruppen häufiger markiert werden.

Merksatz: Arbeitgeber müssen nicht feststellen, wer einen Text geschrieben hat. Sie müssen feststellen, ob die behauptete Eignung vorhanden ist.

Vom Dokumenten- zum Kompetenzcheck

Ein KI-resilienter Recruiting-Prozess gewichtet Anschreiben entsprechend ihrem tatsächlichen Erkenntniswert und verbindet standardisierte Vorauswahl mit strukturierten Interviews, Nachweisen und kurzen Arbeitsproben. Forschung zur Personalauswahl unterstreicht den Wert anforderungsbezogener und konsistent bewerteter Verfahren.^[2] Die DIN 33430 formuliert ergänzend Qualitätsanforderungen für berufsbezogene Eignungsdiagnostik.^[3]

Ein praxistauglicher Prüfprozess in sechs Schritten

1. Anforderungsprofil schärfen: Muss-Kriterien und beobachtbare Kompetenzen vor der Sichtung festlegen.
2. Unterlagen standardisiert prüfen: Alle Bewerbungen nach denselben stellenbezogenen Kriterien bewerten.
3. Risikorelevante Angaben markieren: Nur Widersprüche und entscheidungsrelevante, schwer überprüfbare Aussagen vertiefen.
4. Konkrete Beispiele erfragen: Kandidaten sollen Vorgehen, eigenen Beitrag und Ergebnisse nachvollziehbar erläutern.
5. Kompetenzen arbeitsnah prüfen: Kurze, vergleichbare und verhältnismäßige Aufgaben verwenden.
6. Entscheidung dokumentieren: Bewertung, Verantwortlichkeit und Eskalationsweg konsistent festhalten.

Die Methode sollte zur Stelle passen: Für eine Entwicklerrolle eignet sich eine begrenzte praktische Aufgabe, für kaufmännische Positionen eine Fallanalyse und für Führungskräfte ein strukturiertes Gespräch mit situativen Fragen. Im gewerblich-technischen Recruiting können praktische Handgriffe oder Fehlersuchen aussagekräftiger sein als ausführliche Bewerbungstexte.

Effizienz entsteht durch eine risikobasierte Prüfung. HR muss nicht jede Formulierung verifizieren, sondern nur Angaben, die für Einstellung, Vergütung, Berechtigungen oder Sicherheit relevant sind. Geeignete Kennzahlen sind die Interview-to-hire-Rate, Time-to-hire, Abbruchquote, der Anteil nicht verifizierbarer Angaben und die spätere Qualität der Einstellung. Eine isolierte „KI-Verdachtsquote“ misst dagegen nicht die Qualität der Personalauswahl.

Rechtliche Leitplanken und strategischer Ausblick

Wer KI im Recruiting einsetzt, muss den konkreten Verwendungszweck betrachten. Nach der Datenschutz-Grundverordnung benötigen Verarbeitung und Datenübermittlung eine Rechtsgrundlage, Transparenz und angemessene Schutzmaßnahmen. Ausschließlich automatisierte Entscheidungen mit erheblicher Wirkung unterliegen zusätzlichen Grenzen.^[4] Die Datenschutzkonferenz empfiehlt unter anderem, Zweck, Datenflüsse, Risiken und menschliche Kontrolle nachvollziehbar zu dokumentieren.^[5]

Seit dem 2. August 2026 findet die EU-KI-Verordnung grundsätzlich Anwendung. KI-Systeme, die bestimmungsgemäß für die Einstellung oder Auswahl natürlicher Personen eingesetzt werden, insbesondere um Bewerbungen zu analysieren und zu filtern oder Kandidaten zu bewerten, sind nach Anhang III grundsätzlich Hochrisiko-Systeme. Eine Ausnahme kann unter den engen Voraussetzungen des Artikels 6 Absatz 3 greifen. Welche Pflichten gelten, hängt von der Funktion, der Anbieter- oder Betreiberrolle und dem konkreten Einsatz ab.^[6] Zusätzlich sind das Allgemeine Gleichbehandlungsgesetz sowie mögliche Mitbestimmungsrechte zu berücksichtigen.^[7] Die rechtliche Bewertung sollte für das eingesetzte System individuell geprüft werden.

Unternehmen benötigen deshalb eine interne Recruiting-Governance: Welche Werkzeuge dürfen eingesetzt werden? Welche Bewerberdaten dürfen nicht in öffentliche KI-Dienste gelangen? Wann ist menschliche Kontrolle erforderlich? Wie werden Kandidaten über automatisierte Verarbeitung informiert? Klare Regeln schützen nicht nur Daten, sondern auch konsistente Entscheidungen.

Langfristig dürften Bewerbungsagenten und automatisierte Bewerbungen die Aussagekraft klassischer Unterlagen weiter verringern. Arbeitgeber gewinnen Orientierung, wenn sie Dokumente nicht überbewerten, entscheidungsrelevante Angaben gezielt verifizieren und Kompetenzen mit fairen, standardisierten Verfahren messen. Die faire Antwort auf generative KI ist nicht mehr Bauchgefühl, sondern mehr Standardisierung.

FAQs

Quellen

1. Weber-Wulff, D. et al. (2023): Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, 26.
2. Sackett, P. R. et al. (2022): Revisiting meta-analytic estimates of validity in personnel selection. Personnel Psychology, 75, 879–912.
3. DIN 33430:2016-07: Anforderungen an berufsbezogene Eignungsdiagnostik.
4. Verordnung (EU) 2016/679: Datenschutz-Grundverordnung, insbesondere Artikel 5, 6, 13 bis 15, 22 und 35.
5. Datenschutzkonferenz (2024): Orientierungshilfe Künstliche Intelligenz und Datenschutz, Version 1.0.
6. Verordnung (EU) 2024/1689 über künstliche Intelligenz, insbesondere Artikel 6, 26, 113 und Anhang III.
7. Allgemeines Gleichbehandlungsgesetz sowie Betriebsverfassungsgesetz, insbesondere § 87 Absatz 1 Nummer 6 und § 94 BetrVG.