KI-Lebenslauf-Screening, das Recruitern zuarbeitet und niemandem absagt

Was die Automatisierung tatsächlich tut

Kommt eine Bewerbung an, zieht der Workflow den Lebenslauf und alle Anhänge, extrahiert die für die Stelle wichtigen Angaben und normalisiert sie in eine einheitliche Struktur, egal wie der Bewerber sein Dokument formatiert hat. Ein LLM liest den Freitext so, wie eine Recruiterin es täte, und bildet Erfahrung, Fähigkeiten und Werdegang auf die Anforderungen ab, die Sie für diese konkrete Stelle definiert haben. Das Ergebnis ist eine ordentliche Zusammenfassung pro Person: was die Stelle verlangt, was die Bewerbung zeigt und wo die Lücken sind.

Entscheidend ist: Das Ranking ist eine Sortierhilfe, kein Urteil. Bewerber werden gruppiert und geordnet, sodass die Recruiterin mit den stärksten Treffern beginnt, aber jede Bewerbung bleibt sichtbar und prüfbar, und die Begründung hinter jeder Platzierung ist in klarer Sprache aufgeschrieben. Niemand wird in eine Ablage gefiltert, die die Recruiterin nie öffnet. Es geht darum, zu verändern, worauf die Recruiterin ihre Aufmerksamkeit richtet, nicht die Entscheidung für sie zu treffen.

• CVs und Anhänge in eine einheitliche Struktur parsen, egal welches Format
• Erfahrung und Fähigkeiten auf die Anforderungen abbilden, die Sie setzen
• Eine klar formulierte Zusammenfassung von Passung und Lücken pro Person
• Als Sortierhilfe ordnen, mit jeder Bewerbung weiterhin sichtbar und prüfbar
• Die Begründung hinter jeder Platzierung aufschreiben, damit ein Mensch sie prüfen kann

Warum wir keinen Auto-Absager bauen

Den naheliegenden nächsten Schritt, das Modell den unteren Teil des Stapels automatisch ablehnen zu lassen, verweigern wir. Ein Screening-Modell, das auf vergangener Einstellung trainiert oder geprompted ist, kann Bias aufnehmen und verstärken und Bewerber aus Gründen benachteiligen, die nichts mit der Stelle zu tun haben. Auto-Ablehnung nimmt außerdem die menschliche Prüfung weg, die die Fehler des Modells fängt: den starken Kandidaten mit ungewöhnlichem Werdegang, die Person, deren CV sie unter Wert verkauft, den falsch-negativen Fall, den niemand je sieht.

Es gibt auch eine rechtliche Dimension. Unter der DSGVO und verwandten Regeln sind Entscheidungen mit erheblicher Wirkung auf eine Person, die ausschließlich automatisiert getroffen werden, streng eingeschränkt, und Einstellung liegt genau in diesem Bereich. Deshalb gestalten wir das Gegenteil: Die KI schlägt eine Reihung und eine Erklärung vor, ein Mensch prüft sie, und die menschliche Entscheidung ist die, die zählt. Das ist kein Compliance-Nachgedanke; so gewinnt das System Vertrauen.

• Kein Bewerber wird je vom Modell abgelehnt; Menschen entscheiden, wer weiterkommt
• Menschliche Prüfung fängt falsch-negative Fälle, die ein Scorer still verwerfen würde
• Kriterien sind ausdrücklich und dokumentiert, nicht in einer Blackbox versteckt
• Gestaltet, um DSGVO-Grenzen für rein automatisierte Einstellungsentscheidungen zu wahren

Fair und nachvollziehbar halten

Gegen die richtigen Dinge zu screenen ist der Weg, es fair zu halten. Wir erarbeiten mit Ihnen, eine Stelle in ausdrückliche, arbeitsplatzbezogene Kriterien zu übersetzen, bevor etwas läuft, damit die KI misst, was die Stelle braucht, statt auf Prestige oder Stellvertreter zu mustern. Wo es hilft, lenken wir das Modell weg von Feldern, die Bias einladen, und hin zu Belegen für die tatsächlichen Fähigkeiten und Erfahrungen, die die Stelle verlangt.

Alles, was die Automatisierung tut, wird protokolliert und ist erklärbar. Für jeden Bewerber können Sie sehen, was das Modell gelesen hat, wie es auf die Kriterien abgebildet wurde und warum es dort gelandet ist. Dieser Prüfpfad schützt Bewerber vor willkürlicher Behandlung und schützt Sie, falls eine Entscheidung je hinterfragt wird. Er erlaubt Ihnen auch, die Kriterien mit der Zeit zu justieren, während Sie lernen, wie eine starke Einstellung für die Stelle wirklich aussieht.

In Ihren Hiring-Stack eingebaut

Die Screening-Schicht verbindet sich mit den Tools, die Sie schon nutzen: Ihrem ATS oder dem Posteingang und den Formularen, über die Bewerbungen ankommen, und Ihre Vorauswahl samt Notizen fließt zurück dorthin, wo Ihre Recruiter arbeiten. Zusammenfassungen landen auf dem Bewerberdatensatz, sodass eine Recruiterin einen Ort öffnet und den strukturierten Lesevorgang neben dem Original-CV sieht. Kein neues Tool zu lernen, keine Daten, die in einem System stranden, das niemand prüft.

Wie alles, was wir bauen, läuft es in Ihren Konten, die Logik ist dokumentiert, und Sie besitzen es. Ändern sich Ihre Anforderungen oder wollen Sie anpassen, wie streng das Modell ein Kriterium liest, kann Ihr Team es tun. Wir lassen Ihnen lieber einen Screening-Prozess, den Sie verstehen und kontrollieren, als eine Scoring-Maschine, der Sie glauben müssen.