KI bei der Stellenanzeigen-Erstellung und Bewerberauswahl

Das echte Ausmaß des Problems

In einem mittelständischen Unternehmen mit 100–300 Mitarbeitenden entstehen pro Jahr typischerweise 15 bis 40 neue Vakanzen. Für jede offene Stelle beginnt dasselbe Ritual: HR fragt die Fachabteilung nach einer Stellenbeschreibung, bekommt ein Word-Dokument aus dem Jahr 2019, überarbeitet es halbherzig, fügt ein paar Benefits hinzu und veröffentlicht das Ergebnis auf drei Portalen. Die Anzeige klingt wie alle anderen. Die Resonanz bleibt hinter den Erwartungen.

Das ist kein Zufall. Qualifizierte Kandidaten entscheiden im Fachkräftemangel-Markt schnell, ob eine Anzeige sie anspricht, oder nicht. Formulierungen wie „Sie sind ein Teamplayer mit Hands-on-Mentalität” sind so weit verbreitet, dass sie keinerlei Differenzierungswert mehr haben. Der Schaden ist unsichtbar: Du siehst, wer sich beworben hat, nicht, wer sich gegen eine Bewerbung entschieden hat.

Hinzu kommt die Sichtungsbelastung auf der anderen Seite. Kommen auf eine Stelle 40 bis 150 Bewerbungen und kostet jede Akte 8 bis 12 Minuten, Anschreiben lesen, Lebenslauf prüfen, Qualifikationen abgleichen, Notiz anlegen, dann sind das zwischen 40 mal 8 Minuten, gut 5 Stunden, und 150 mal 12 Minuten, 30 Stunden reine Sichtungszeit, bevor das erste Gespräch stattfindet. Wer in einer HR-Abteilung mit drei Personen gleichzeitig fünf Stellen besetzt, weiß, wie das im Alltag aussieht. Sichten frisst die Zeit, die für echte Kandidatengespräche und strategisches Recruiting fehlt.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeiten sind Annahmen, keine Messung. Für die Sichtung mit KI nennen wir bewusst keine Zahl: Wie viel schneller du bist, hängt davon ab, wie genau du das KI-Kurzprofil gegen die Originalbewerbung prüfst, und das sollst du. Miss es selbst: 20 Bewerbungen einer abgeschlossenen Stelle von Hand, 20 mit KI-Kurzprofil, Zeit und Ergebnis vergleichen.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Stellenanzeigen-Erstellung und Bewerbungssichtung sind die zeitintensivsten Routineaufgaben im Recruiting, und genau dort schlägt KI am direktesten an. Die Reduktion von mehreren Stunden auf unter eine Stunde pro Anzeige ist sofort messbar, und bei 15 bis 40 Vakanzen im Jahr summiert sich das zusammen mit der Sichtung auf viele Arbeitstage. Deshalb der Spitzenwert innerhalb der HR-Branche.

Kosteneinsparung, mittel (3/5) Die direkten Werkzeugkosten sind niedrig (ChatGPT Plus 23 Euro im Monat für die Anzeigentexte), aber die Einsparung entsteht primär über Zeit, nicht über direkte Ausgaben. Im Vergleich zu Zeugniserstellung oder Reporting, wo sich Prozesse komplett ersetzen lassen, bleibt das Recruiting ein Mix aus menschlichem Urteil und KI-Unterstützung. Mittelfeld.

Schnelle Umsetzung, sehr hoch (5/5) Erste KI-Anzeige am gleichen Tag möglich, kein Setup, keine Integration, kein Vorlauf. Einfach ChatGPT öffnen, Anforderungsprofil eingeben, Anzeige erhalten. Das ist der einfachste Einstieg im gesamten HR-Bereich. Für den Sichtungs-Workflow braucht es etwas mehr Vorbereitung (Kriterienentwicklung), aber auch das ist in 1–2 Wochen einsatzbereit.

ROI-Sicherheit, hoch (4/5) Der Nutzen ist direkt messbar: Sichtungszeit, Time-to-Shortlist, Vacancy-Duration. Wer diese KPIs verfolgt, kann den ROI konkret beziffern. Einzige Einschränkung: Der Effekt auf Bewerbungsqualität hängt von der Anzeigengestaltung ab und ist schwerer zu isolieren. Daher kein 5, aber klarer Spitzenwert im Vergleich zu Use Cases mit indirektem Nutzen.

Skalierbarkeit, mittel (3/5) Mehr Stellen bedeuten mehr Prompts, mehr Sichtungs-Arbeit, nicht linear, aber auch nicht nullkostensteigernd. Ohne echte ATS-Integration wächst der Aufwand moderat mit der Vakanzanzahl mit. Für starkes Wachstum braucht es ein Applicant Tracking System, das den Workflow automatisiert. Mittelfeld im HR-Vergleich.

Richtwerte, stark abhängig von Unternehmensgröße, Vakanzstruktur und bisherigem Recruiting-Prozess.

Was KI bei Stellenanzeigen und Screening konkret macht

Der Prozess lässt sich in zwei klar getrennte Bereiche unterteilen, die unabhängig voneinander eingesetzt werden können.

Teil 1, Stellenanzeige erstellen

Du gibst dem Sprachmodell das Anforderungsprofil: Aufgaben, Qualifikationen, Teamgröße, Gehaltsspanne, Besonderheiten der Stelle, Unternehmenskultur, gewünschter Ton. Das Modell, ein Large Language Model (LLM), hat tausende Stellenanzeigen analysiert und kennt, welche Formulierungen Kandidaten einer bestimmten Zielgruppe ansprechen und welche sie abschrecken. Du bekommst in 15 bis 20 Minuten eine vollständige Anzeige.

Wichtig: KI ersetzt nicht das Nachdenken über die Stelle, aber sie ersetzt die stundenlange Formulierungsarbeit danach. Das Anforderungsprofil musst du selbst erstellen. Was die KI nimmt: die leere Seite.

Praktisch nützlich ist auch die Möglichkeit, zwei Varianten zu generieren, eine eher sachlich-nüchterne Version für Fachportale, eine etwas emotionaler und kulturell geprägte Version für LinkedIn. A/B-Tests auf echten Plattformen zeigen dann, welche Ansprache bei deiner Zielgruppe besser ankommt.

Teil 2, Bewerbungen sichten

Alle eingehenden Unterlagen werden von der KI nach vordefinierten Kriterien bewertet, nicht als Schwellwert-Sortierung, sondern als strukturierte Zusammenfassung. Für jede Bewerbung entsteht ein kompaktes Profil: Welche Must-have-Kriterien werden erfüllt? Wo gibt es Lücken? Welche Nice-to-haves sind vorhanden?

Das finale Urteil liegt beim Menschen. Die KI nimmt dir das Zusammensuchen ab, nicht das Lesen: Sie schafft den Überblick, damit du dich auf die vielversprechenden Bewerbungen konzentrieren kannst, aber bevor du jemandem absagst, schaust du in dessen Unterlagen, nicht nur ins Kurzprofil. Eine Absage allein auf Grundlage der KI-Einstufung wäre eine automatisierte Entscheidung nach Art. 22 DSGVO.

Konkrete Werkzeuge, was wann passt

ChatGPT , der einfachste Einstieg für die Anzeigenerstellung. Du beschreibst die Stelle, gibst das Anforderungsprofil an und lässt dir zwei bis drei Versionen generieren. Kein technisches Setup, sofort nutzbar. Für kleinere HR-Teams, die eine Handvoll Stellen pro Jahr besetzen, reicht das als Werkzeug für die Anzeigen vollständig aus. ChatGPT Plus kostet 23 Euro im Monat. Für die Anzeige genügt das, sie enthält keine Personendaten. Bewerbungen gehören dort nicht hinein: In den Consumer-Tarifen gibt es keinen Auftragsverarbeitungsvertrag, siehe Datenschutz.

Jasper , spezialisierter auf Marketing- und HR-Texte mit vordefinierten Templates. Praktisch, wenn mehrere Personen im Team Anzeigen erstellen sollen und ihr eine konsistente Tonalität sicherstellen wollt. Jasper Pro kostet 59 US-Dollar je Sitz und Monat bei jährlicher Zahlung, 69 US-Dollar bei monatlicher, Business gibt es nur nach individuellem Angebot.

Greenhouse , Applicant-Tracking-System mit integrierter KI für Screening und Matching. Sinnvoll, wenn ihr den gesamten Recruiting-Prozess strukturieren wollt, von der Anzeige bis zum Angebot. Vorteil: alles in einem System, Kandidatenhistorie, strukturierte Interviews. Greenhouse nennt keine öffentlichen Preise, das Angebot hängt von Hiring-Volumen und Plan ab.

Personio , für KMU in Deutschland die meistgenutzte HR-Plattform. Enthält Recruiting-Module mit KI-Funktionen für Anzeigenverteilung, Kandidatenmanagement und einfaches Screening. Wenn ihr Personio ohnehin nutzt oder einführen wollt, ist das die natürliche Wahl. Öffentlich nennt Personio nur einen Einstiegspreis: HR-Lösungen ab 7,60 Euro je Mitarbeitendem und Monat netto, bei 10 Mitarbeitenden also mindestens 10 × 7,60 = 76 Euro. Die Recruiting-App und eine einmalige Einrichtungsgebühr kommen dazu, deren Preis steht erst im Angebot.

Datenschutz und Datenhaltung

Bewerberdaten sind Beschäftigtendaten, datenschutzrechtlich beginnt das Beschäftigungsverhältnis mit der Bewerbung. Rechtsgrundlage für die Sichtung ist Art. 6 Abs. 1 Buchst. b DSGVO, die Anbahnung des Beschäftigungsverhältnisses; § 26 BDSG gilt seit dem EuGH-Urteil vom 30.03.2023 (C-34/21) als kaum noch tragfähige eigenständige Grundlage. Die Daten dürfen nicht für andere Zwecke genutzt werden.

Für den Einsatz externer KI-Tools ( ChatGPT , Jasper, cloudbasierte ATS) gilt: Mit jedem Anbieter, der Bewerberdaten verarbeitet, ist ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO abzuschließen. ChatGPT Plus und Claude Pro bieten keinen, und in den Consumer-Tarifen von ChatGPT werden Eingaben zum Training genutzt, solange du nicht widersprichst. ChatGPT Business und Claude Team haben einen AVV und trainieren nicht auf euren Inhalten, beide gibt es erst ab zwei Plätzen.

KI-Verordnung: Wer Bewerbungen von einer KI bewerten, filtern oder in eine Rangfolge bringen lässt, setzt ein Hochrisiko-System nach Anhang III Nummer 4 Buchstabe a des EU AI Act ein. Das gilt auch für eine Rangliste aus einem allgemeinen Chatbot: Wer ein Allzwecksystem selbst für die Bewerberauswahl einsetzt, kann nach Artikel 25 Absatz 1 Buchstabe c vom Betreiber zum Anbieter eines Hochrisiko-Systems werden, mit den Anbieterpflichten. Die Pflichten aus Kapitel III Abschnitte 1 bis 3 gelten für Anhang-III-Systeme nach der Verordnung (EU) 2026/1744 ab dem 2. Dezember 2027. Das Formulieren der Anzeige aus Teil 1 fällt nicht darunter, das gezielte Ausspielen von Anzeigen an ausgewählte Personengruppen dagegen schon.

Was du Bewerbern mitteilen musst: In deiner Datenschutzerklärung und im Bewerbungsprozess muss transparent gemacht werden, dass KI-Systeme bei der Vorauswahl eingesetzt werden, Art. 13 DSGVO verlangt das. Formulierungen wie „Deine Unterlagen werden durch KI-unterstützte Systeme vorgesichtet” reichen in der Regel aus.

Löschfristen: Bewerberdaten müssen nach Abschluss des Verfahrens gelöscht werden, in der Regel nach 6 Monaten. Abgelehnte Kandidaten dürfen nicht ohne Einwilligung in einen Talent-Pool überführt werden.

AGG-Konformität im Screening: Kriterien, die mittelbar diskriminierend wirken könnten (Alter, Aussehen, Name, Herkunft), dürfen nicht als Screening-Parameter genutzt werden. Wer KI-Screening einsetzt, sollte die genutzten Kriterien dokumentieren: Nach § 22 AGG genügen einer abgelehnten Person Indizien für eine Benachteiligung, dann musst du beweisen, dass keine vorlag.

Die Angaben in diesem Abschnitt geben den Stand von September 2026 wieder und ersetzen keine rechtliche Beratung. Für verbindliche Einschätzungen zu DSGVO, KI-Verordnung und AGG im konkreten Fall Rücksprache mit einem Fachanwalt für Arbeitsrecht empfehlenswert.

Was es kostet, realistisch gerechnet

Einmalige Kosten

Wer mit ChatGPT startet, hat kaum Einrichtungskosten. Was Zeit kostet: einen guten Prompt zu entwickeln, der dein Unternehmenswording, deine Zielgruppe und deine typischen Anforderungsprofile kennt. Das sind 3 bis 5 Stunden einmalig, oder 300 bis 600 Euro, wenn ihr das mit externer Unterstützung macht.

Für ein vollständiges KI-Screening mit automatisierter Pipeline sind 3.000 bis 8.000 Euro Projektaufwand realistisch, je nach Komplexität der Anbindung an euer ATS. Wer so eine Pipeline selbst baut, ist nach der KI-Verordnung ab Dezember 2027 Anbieter eines Hochrisiko-Systems, mit Risikomanagement, technischer Dokumentation und Konformitätsbewertung. Dieser Aufwand steckt in der Summe nicht.

Laufende Kosten

• ChatGPT Plus für Anzeigentexte: 23 Euro im Monat
• ChatGPT Business für die Sichtung mit AVV: ab zwei Plätzen, 2 mal 25 US-Dollar im Monat, 2 mal 20 US-Dollar bei Jahreszahlung
• Claude Team als Alternative: ebenfalls ab zwei Plätzen, 2 mal 25 US-Dollar im Monat, 2 mal 20 US-Dollar bei Jahreszahlung
• HR-Plattform mit KI-Funktionen: Personio ab 7,60 Euro je Mitarbeitendem und Monat netto, plus Recruiting-App und Einrichtungsgebühr ohne veröffentlichten Preis; Greenhouse nennt keine öffentlichen Preise
• Jasper Pro für Anzeigentexte: 59 US-Dollar je Sitz im Monat bei jährlicher Zahlung

ROI-Szenario

Angenommen, KI-Kurzprofile sparen bei einer Stelle mit 80 Bewerbungen 8 der rund 11 bis 16 Sichtungsstunden. Bei 15 Stellen sind das 15 mal 8 = 120 Stunden im Jahr, bei 45 Euro Stundensatz ein Gegenwert von 120 mal 45 = 5.400 Euro. Das ist Kapazität, keine Einsparung: Die Stelle im HR-Team bleibt, gewonnen sind Stunden für Gespräche. Kassenwirksam wird es nur, wenn ihr dafür Überstunden, eine Aushilfe oder einen externen Recruiter weglasst. Ob die 8 Stunden stimmen, zeigt erst dein Pilot. Schnellere Besetzung ist nur dann Geld wert, wenn in der Zwischenzeit Arbeit tatsächlich liegen bleibt oder Aufträge entgehen, das weißt du für jede Stelle selbst am besten.

Die Werkzeugkosten sind dagegen klein: ChatGPT Plus kostet 12 mal 23 Euro im Jahr, ein Business-Tarif mit AVV für die Sichtung 12 mal 2 mal 20 US-Dollar bei Jahreszahlung. Eine neu eingeführte HR-Plattform rechnet sich über die Sichtung kaum: Personio macht bei 30 Mitarbeitenden mindestens 30 × 7,60 = 228 Euro, das sind 12 × 228 = 2.736 Euro im Jahr, schon gut die Hälfte des Gegenwerts der gesparten Sichtungsstunden aus 15 Stellen. Dazu kommen Einrichtung und die Recruiting-App, ohne die es hier nicht geht und deren Preis Personio erst im Angebot nennt. Für diesen Zweck lohnt sie sich nur, wenn sie ohnehin im Haus ist.

Typische Einstiegsfehler

1. KI-Screening ohne klare Kriterien starten. Wer der KI sagt „such nach guten Kandidaten”, bekommt nichts Brauchbares. KI-Screening funktioniert nur, wenn du vorher klar definiert hast, was ein guter Kandidat für diese spezifische Stelle bedeutet: Welche Qualifikationen sind Pflicht? Welche Erfahrung ist ein K.O.-Kriterium? Was sind Nice-to-haves? Je schärfer das Kriterienprofil, desto besser das Ergebnis. Schreib vor dem ersten KI-Einsatz ein kurzes Scoring-Schema, 5 Must-haves, 3 Nice-to-haves, 2 K.O.-Kriterien.

2. Generierte Anzeige 1:1 übernehmen ohne Unternehmenskontext. KI-generierte Stellenanzeigen klingen professionell, aber oft austauschbar, wenn du keine echten Unternehmensdetails eingibst. Warum arbeiten Leute bei euch? Was ist besonders an diesem Team? Was habt ihr in den letzten zwei Jahren konkret aufgebaut? Diese Infos muss die KI von dir bekommen, sonst füllt sie die Lücken mit generischen Formulierungen. Bereite 5–7 konkrete Unternehmens-Fakten auf und gib sie jedes Mal mit an.

3. AGG-relevante Formulierungen nicht prüfen. KI-generierte Anzeigen können versehentlich Formulierungen enthalten, die gegen das Allgemeine Gleichbehandlungsgesetz (AGG) verstoßen, zum Beispiel altersbezogene Anforderungen wie „junges Team sucht frische Verstärkung” oder geschlechtsbezogene Ansprache. AGG-konforme Ausschreibung ist Pflicht, und Verstöße können zu Schadensersatzklagen führen. Jede Anzeige vor Veröffentlichung explizit auf AGG-Konformität prüfen, entweder durch eine erfahrene HR-Person oder mit einer zweiten KI-Prüfung.

4. Prompts nie aktualisieren, wenn sich Anforderungen ändern. Ein Prompt, der letztes Jahr für eine Junior-Stelle entwickelt wurde, passt nicht für eine Senior-Position mit anderem Schwerpunkt. Wer denselben Prompt monatelang unverändert einsetzt, merkt irgendwann, dass die Anzeigen zunehmend generisch werden. Mindestens einmal pro Quartal oder bei neuen Stellentypen überarbeiten.

Was mit der Einführung wirklich passiert

Die größte Überraschung für die meisten HR-Teams: Das Tool ist nicht das Problem. Das Problem ist das Kriteriendenken.

Wer zum ersten Mal KI für Screening einsetzt, merkt schnell, wie vage die bisherigen Anforderungsprofile waren. „3–5 Jahre Erfahrung”, in was genau? In welchen Technologien? Auf welchem Niveau? Diese Fragen stellt die KI implizit, indem sie ohne klare Antwort schlechte Ergebnisse liefert. Das ist kein Fehler der KI, es ist eine wertvolle Rückmeldung an den Recruiting-Prozess.

Typische Adoptionsmuster: HR-Teams, die bereits strukturiert gearbeitet haben, kommen schnell auf gute Ergebnisse. Teams, die bisher nach Bauchgefühl gesichtet haben, brauchen 2–3 Durchläufe und eine echte Auseinandersetzung mit Kriterienentwicklung.

Führungskräfte, die bisher die Sichtung mitgemacht haben, sind oft skeptisch gegenüber KI-Priorisierungen, bis sie die KI-Liste neben ihre eigene Einschätzung legen. Übereinstimmung schafft Vertrauen, beweist aber wenig: Wenn Mensch und Modell dieselben Vorurteile haben, stimmen sie auch überein. Aufschlussreicher sind die Bewerbungen, bei denen beide weit auseinanderliegen.

Realistischer Zeitplan mit Risikohinweisen

Dein Aufwand: In der Einführungsphase 2–3 Stunden pro Woche. Im Routine-Betrieb rund 30 Minuten pro Stelle für Anzeige und Kriterienraster, dazu die Sichtung selbst.

Häufige Einwände, und was dahintersteckt

„KI kann kulturellen Fit nicht beurteilen.” Richtig, und das soll sie auch nicht. KI übernimmt den formalen Abgleich von Qualifikationen, Erfahrung und Must-have-Kriterien. Kulturellen Fit beurteilst du weiterhin selbst, im Gespräch. Wer gut aussiebt, hat mehr Zeit für diese Gespräche, nicht weniger. Das ist genau der Punkt.

„Was ist, wenn KI Bewerbungen von guten Kandidaten aussortiert?” Das ist ein berechtigter Einwand. Die Lösung liegt im Design: KI sortiert nicht aus, sie priorisiert. Alle Bewerbungen bleiben sichtbar, aber du arbeitest dich von oben nach unten durch eine sortierte Liste. Wer Kriterien nicht erfüllt, liegt weiter unten, ist aber nicht verschwunden. Mit einem sorgfältigen Scoring-Schema kann das Risiko sinken, gute Kandidaten zu übersehen. Ob es bei dir so ist, prüfst du, indem du im Pilot auch die unteren Plätze der Liste selbst liest.

„Unsere Stellen sind zu speziell für KI-generierte Anzeigen.” Gerade spezialisierte Stellen brauchen präzise Sprache, und genau darin ist KI gut, wenn du ihr das richtige Briefing gibst. Eine Anzeige für einen Senior Embedded-Software-Entwickler mit AUTOSAR-Kenntnissen lässt sich genauso gut generieren wie die für einen Buchhalter, vorausgesetzt, du lieferst die Fachdetails.

Woran du merkst, dass das zu dir passt

• Ihr bekommt zu wenige Bewerbungen auf Stellenausschreibungen oder zu viele unpassende
• Stellenanzeigen entstehen bei euch durch Überarbeitung alter Vorlagen, nicht durch gezieltes Schreiben
• Die Sichtungsphase frisst HR-Kapazitäten, die dann für Gespräche und Candidate Experience fehlen
• Stellen bleiben länger als 60 Tage unbesetzt, obwohl der Markt eigentlich Kandidaten hergibt
• Ihr habt mehr als 8 Stellen pro Jahr zu besetzen und ein HR-Team, das kleiner als 3 Personen ist

Das passt noch nicht zu dir, wenn: Ihr gerade erst eine neue ATS-Software einführt und der Prozess noch nicht stabil ist, in diesem Fall zuerst die Grundlage legen, dann KI drauflegen. Wer keinen klaren Anforderungsprozess hat, sollte den vor dem KI-Einsatz entwickeln.

Das kannst du heute noch tun

Öffne ChatGPT und beschreibe eine aktuelle Vakanz in 5 Sätzen. Gib dazu 3 Must-have-Qualifikationen und 2 Sätze zur Unternehmenskultur an. Nutze den folgenden Prompt:

Quellen & Methodik

• EU AI Act, Anhang III Nummer 4 Buchst. a und Artikel 25 Abs. 1 Buchst. c, Hochrisiko-Einstufung von Systemen für Einstellung und Auswahl; die Pflichten aus Kapitel III Abschnitte 1 bis 3 gelten für Anhang-III-Systeme nach der Verordnung (EU) 2026/1744 ab dem 2. Dezember 2027
• EuGH, Urteil vom 30.03.2023, C-34/21, Tragfähigkeit nationaler Beschäftigtendatenschutz-Normen wie § 26 BDSG
• AGG §§ 11 und 22, ausschreibungsbezogene Benachteiligungsverbote und Beweislast
• Preise: Personio laut Preisseite (abgerufen am 3. Oktober 2026, sichtbar ist nur der Einstiegspreis für HR-Lösungen), ChatGPT, Claude, Jasper und Greenhouse laut unseren Toolseiten, Stand September 2026
• Die Zeitangaben in Tabelle und ROI-Rechnung sind unsere Annahmen, keine Messung. Für rechtlich verbindliche Einschätzungen Rücksprache mit Fachanwalt für Arbeitsrecht empfehlenswert