Die KI-Bewerbungsflut ist hausgemacht

Die Flut an generischen KI-Bewerbungen ist kein Problem der künstlichen Intelligenz, sondern der Stellenanzeigen, auf die sie antworten. Wer eine generische Anzeige schreibt, bekommt generische Bewerbungen zurück - mit oder ohne KI.

Recruiting-Verantwortliche kennen das Phänomen, das sich in den vergangenen zwei Jahren immer deutlicher zeigt: Die Zahl der eingehenden Bewerbungen wächst, aber das Gefühl, darunter passende Kandidaten zu finden, schwindet. Anschreiben sind sprachlich einwandfreier geworden, aber auch uniformer. Die Struktur stimmt, die Grammatik stimmt, die richtigen Schlagworte sind vorhanden. Aber was der Mensch dahinter konkret kann, was ihn von anderen unterscheidet und warum er genau diese Stelle in genau diesem Unternehmen will, bleibt unklar. Was früher an schlechter Formulierung gescheitert wäre, kommt heute als glattpoliertes Dokument an.

Die Ursache ist bekannt, und die Zahlen, die eine aktuelle Studie des Bewerbermanagementsystems softgarden liefert, passen zu dem Bild: Mehr als 40 Prozent der Bewerbenden setzen inzwischen KI für ihre Unterlagen ein.^[1] Das meistgenutzte Tool ist fast überall ChatGPT, kein spezialisiertes Bewerbungstool, kein individuell erarbeiteter Profil-Kontext. Eine Stellenanzeige als Input, ein Anschreiben als Output.

So richtig zufrieden sind die Nutzer dabei dann aber offensichtlich nicht: nur rund ein Drittel berichtet von messbarem Bewerbungserfolg.^[1] Das erklärt sich vielleicht aus genau diesem Mechanismus heraus: KI verstärkt nur, was als Input vorhanden ist. Wer keinen konkreten Profil-Kontext einbringt, bekommt einen sprachlich einwandfreien Text ohne inhaltliche Substanz.

Generische Bewerbungen sind aber kein Problem der künstlichen Intelligenz

Wer Bewerbungsunterlagen aus der Zeit vor ChatGPT kennt, wird feststellen, dass die Klage über fehlende Individualität nicht neu ist. Der Bewerbungsbaukasten hatte schon immer eine erkennbare Grundstruktur: „Ihr Unternehmen ist mir bekannt als…“, gefolgt von einem Interesse, das weder begründet noch belegt wird. Nicht aus Hilflosigkeit, sondern weil die Vorbereitung fehlte, weil kein klares Profil vorhanden war, das man gegen eine Anforderung hätte stellen können, und weil der Aufwand für eine wirklich stellenspezifische Bewerbung hoch war. KI hat diesen Mechanismus nicht erfunden. Sie hat ihn beschleunigt und skaliert.

Das AI-Slop-Battle: Wenn beide Seiten automatisieren

Was gerade im Recruiting entsteht, lässt sich als ein Wettbewerb beschreiben, bei dem zwei Automatisierungssysteme aneinander vorbeilaufen. Auf Kandidatenseite generiert KI strukturierte Anschreiben, die auf den Begriffen der Stellenanzeige aufgebaut sind. Auf Unternehmensseite filtert das Applicant Tracking System (ATS) nach denselben Begriffen aus derselben Anzeige. Softgarden beschreibt das Muster aus Kandidatenperspektive so: Bewerbende richten ihre Formulierungen gezielt an den Schlagworten der Stellenanzeige aus, um von automatisierten Vorfiltern erkannt zu werden.

Das Volumen wächst, die Qualität verschlechtert sich und der eigentliche Inhalt einer Bewerbung, die Frage nämlich, ob jemand das gesuchte Problem wirklich lösen kann, geht im Prozess verloren.

Aber warum nicht einfach KI-generierte Bewerbungen automatisiert erkennen und herausfiltern? Technisch zuverlässig funktioniert das nicht, datenschutzrechtlich ist es auch heikel. Und will man nicht gerade die Kandidaten, die den (reflektierten) Umgang mit modernen KI-Werkzeugen beherrschen?

Was an dieser Stelle eigentlich zur Diskussion stehen müsste: Was kann das Anschreiben als Instrument noch leisten? Und liegt die Antwort auf die Qualitätsfrage bei den Kandidaten, oder liegt sie anderswo?

Positionierung als Voraussetzung

Im Direktmarketing ist das Grundprinzip, auf dem alles beruht, seit Jahrzehnten dasselbe: Die Qualität einer Reaktion hängt direkt von der Qualität des Angebots ab. Übersetzt auf den Bewerbungsprozess bedeutet das, dass KI-Unterstützung dann zu besseren Ergebnissen führt, wenn der Ausgangspunkt stimmt. Welche Stärken lassen sich aus dem bisherigen Werdegang konkret belegen? In welchen Situationen zeigen sie sich? Welches Problem löst die Person für das Unternehmen, das sie einstellt?

Das Anschreiben ist damit nicht erledigt, aber seine Funktion verschiebt sich: weniger Motivationsbekenntnis, das sich kaum überprüfen lässt, mehr Relevanznachweis. Hat diese Person verstanden, was gesucht wird, und kann sie zeigen, dass die eigene Erfahrung eine Antwort auf das beschriebene Problem ist? Das ist eine andere Art von Text. Eine, die aber nur dann entstehen kann, wenn das Problem in der Stellenanzeige wirklich beschrieben wurde.

Der Hebel liegt bei der Stellenanzeige

Eine Bewerbung ist fast immer eine Reaktion auf eine Stellenanzeige. Wer dort formuliert, was die Rolle leisten muss, welche Situation sie vorfindet und welche Erfahrungen tatsächlich entscheidend sind, der bekommt auch Antworten, die sich darauf beziehen. Eine Formulierung wie „eine motivierte, teamfähige Persönlichkeit mit Erfahrung in xy gesucht“ gibt dem Kandidaten keine Angriffsfläche. Und so erhält man entsprechend Formulierungen, die auf dieselbe Allgemeinheit antworten. Das ist kein neues Phänomen, aber im Umgang mit KI-generierten Bewerbungen wird es folgenreicher.

Denn Kandidaten reagieren in ihrer optimierten Welt nur auf die unspezifischen Vorgaben und ChatGPT & Co. generieren allgemeinen Output ohne Relevanz. Eine Stellenanzeige ist damit heute nicht mehr allein ein Pflichtdokument für die Ausschreibung. Sie ist das strukturierte Anforderungsdokument, gegen das Prozesse auf beiden Seiten arbeiten. Wer dort ungenau bleibt, gibt die Qualität des Matchings aus der Hand.

Ein praktischer Test: Enthält die aktuelle Stellenanzeige ein konkretes Problem, das die gesuchte Person lösen soll? Gibt es Anforderungen, auf die sich mit eigenen Erfahrungen antworten lässt, nicht mit Floskeln, sondern mit Substanz? Wenn nicht, fehlt die Grundlage für eine aussagekräftige Bewerbung, mit oder ohne KI-Unterstützung.

Das Vorstellungsgespräch als eigentliche Bühne

Kennenlerngespräche und strukturierte Interviews hatten im Recruiting immer den höchsten Informationsgehalt, und das wird sich nicht ändern. In dem Maße, in dem der schriftliche Vorfilter an Aussagekraft verliert, weil schriftliche Unterlagen zunehmend uniform wirken, gewinnen diese Gespräche weiter an Gewicht. Wer im Interview zeigen kann, dass er das beschriebene Problem verstanden hat und dass die eigene Erfahrung eine konkrete Antwort darauf ist, differenziert sich. Das Gespräch war schon immer die eigentliche Bühne, auf der sich entscheidet, wer wirklich passt. Jetzt wird das nur offensichtlicher.

Der Ausweg für recruitende Unternehmen

Die Konsequenz aus alldem ist nicht, mehr Ressourcen in die Abwehr von KI-generierten Bewerbungen zu investieren. Denn die KI wird nicht weggehen. Aber das Verhältnis der passenden Bewerbungen zum restlichen Rauschen ist steuerbar. Der entscheidende Hebel für Unternehmen liegt im Ursprung: die Anforderungen an die Stelle so präzise und konkret wie möglich formulieren.

Lieber einen generischen Bullet-Point weniger, dafür eine konkrete Problembeschreibung mehr. Das erfordert eine intensive Zusammenarbeit zwischen HR und Fachbereich. Der Fachbereich weiß, welches Problem die neue Person lösen soll. HR weiß, wie man das formuliert und welche Mindestanforderungen tatsächlich entscheidend sind. Nur so lassen sich im Anschluss die passenden Kandidaten in der KI-Bewerbungsflut identifizieren.