17.11.2026 - Felix Kretschmer-Pietralla
Viele Bewerbende, die ich in den letzten Jahren interviewt habe, berichten mir, dass es immer schwieriger wird, aus der Masse hervorzustechen. Gründe dafür liegen zum einen in der aktuellen Rezession und dem Arbeitgebermarkt, zum anderen in einem Teufelskreis der KI-Nutzung aufseiten der Unternehmen und der Bewerbenden. Wer sich zwei Stunden Zeit für ein optimal zugeschnittenes Anschreiben und einen Lebenslauf nimmt, der die geforderten Kompetenzen ins richtige Licht rückt, und 15 Minuten später eine automatisierte Ablehnung durch die KI-Vorsortierung im ATS (Bewerbermanagementsystem) erhält, ist verständlicherweise frustriert. Viele Bewerbende sehen deshalb keine andere Wahl, als auch selbst zur KI zu greifen.
Warum KI allein noch keinen guten Lebenslauf schreibt
„Chatty, schreib mir einen Lebenslauf für diese Stellenanzeige.“ Heute kann jeder mit KI in wenigen Minuten einen scheinbar professionellen Lebenslauf erstellen. Doch wenn alle Bewerbungen perfekt formuliert sind, wie sollen Recruiter dann noch erkennen, wer tatsächlich qualifiziert ist?
Genau hier liegt das Problem: KI kann deine Kompetenzen besser sichtbar machen, aber auch hinter austauschbaren Floskeln verstecken. Wissenschaftliche Untersuchungen zeigen, dass sprachliche Unterstützung durch KI Bewerbungsunterlagen verbessern, zu mehr Intervieweinladungen führen [1] und unter bestimmten Bedingungen sogar die Einstellungschancen erhöhen kann [2], [3], [4]. Das bedeutet allerdings nicht, dass ein vollständig KI-generierter Lebenslauf automatisch besser ist. Denn was bringt die schönste Formulierung, wenn dahinter keine konkrete Erfahrung steht?
„Ich bin ein engagierter Teamplayer mit ausgeprägter Kommunikationsstärke, der in dynamischen Umgebungen nachhaltig zum Erfolg des Teams beiträgt.“
Ja, schön. Aber was hast du konkret gemacht und was hast du damit erreicht? Genau diese Informationen machen einen Lebenslauf aussagekräftig. Und genau hier kann KI helfen: nicht, indem sie deine Kompetenzen erfindet oder mit Buzzwords ausschmückt, sondern indem sie dir hilft, deine tatsächlichen Erfahrungen zu reflektieren, zu strukturieren und passend zur Stelle zu formulieren.
Die entscheidende Frage ist deshalb nicht, ob du KI für deinen Lebenslauf nutzt, sondern WIE du sie nutzt.
Aus meiner Erfahrung im Recruiting und der Auseinandersetzung mit der Forschung habe ich dafür einen Prozess entwickelt, der auf drei einfachen Regeln basiert.
Die 3 Regeln für einen guten Lebenslauf mit KI
Um den Drahtseilakt zwischen authentischen Unterlagen und dem Eindruck einer KI-Nutzung zu meistern, muss man sich prinzipiell an drei Regeln halten, die ich im Folgenden in eine Schritt-für-Schritt-Anleitung runterbreche.
Regel Nummer 1: Die Datenbasis entscheidet über das Ergebnis
KI kann nur mit den Informationen arbeiten, die du ihr gibst. Wenn du lediglich drei Stichpunkte zu deiner Berufserfahrung lieferst, wird auch das Ergebnis oberflächlich bleiben oder möglicherweise erfundene Details enthalten. Deshalb sammeln wir zuerst deine tatsächlichen Kompetenzen, Erfahrungen und Ergebnisse.
Regel Nummer 2: Das Ziel muss klar sein
„Optimiere meinen Lebenslauf“ ist keine besonders hilfreiche Anweisung. Was soll verbessert werden? Die Sprache, die Struktur oder die Passung zur Stellenanzeige? Je klarer das gewünschte Ergebnis ist, desto gezielter kann KI dich unterstützen.
Regel Nummer 3: Kleine, einfache Aufgaben
Wir lassen ChatGPT nicht alles auf einmal erledigen. Stattdessen nutzen wir KI Schritt für Schritt als Interviewpartner, Analysten und Schreibassistenten. So kannst du die Ergebnisse besser nachvollziehen, gezielt verbessern und selbst die Kontrolle behalten.
In 7 Schritten zum Lebenslauf mit ChatGPT
Die ersten drei Schritte schaffen das Fundament: einen Master-Lebenslauf, in dem du deine Kompetenzen und Erfahrungen vollständig dokumentierst.
Alle Kompetenzen, Erfahrungen und Projekte erfassen
Eigene Arbeitserfahrung und Ergebnisse messbar machen
Qualitätskontrolle des Master-Lebenslaufs
Sobald der Master-Lebenslauf steht, musst du für jede neue Stelle nur noch die Schritte 4 bis 7 durchgehen:
Stellenanforderungen aus der Anzeige analysieren und gewichten
Kompetenzen mit den Anforderungen abgleichen und Lebenslauf erstellen
KI-Sprache entfernen und die Inhalte persönlich prüfen
Design, Maschinenlesbarkeit und ATS-Kompatibilität prüfen
Du bekommst für jeden Schritt einen konkreten Prompt und erfährst, worauf du bei der Überprüfung achten solltest. Fangen wir mit der Grundlage an: deinen tatsächlichen Kompetenzen und Erfahrungen.
Schritt 1 – Alle Kompetenzen, Erfahrungen und Projekte erfassen
Am besten bietet sich in diesem Schritt ein klassisches Interview an. Ziel ist eine möglichst vollständige Sammlung aller relevanten beruflichen Kompetenzen in einem Dokument. Dies ist vor allem wichtig, da Recruiter berichten, dass mehr als die Hälfte der Bewerbungen ohne die notwendigen Fähigkeiten oder Berufserfahrung eingeht [5], [6].
Berufserfahrung
Praktika, Werkstudententätigkeiten, Ausbildung, Studium, Weiterbildungen
Hochschulprojekte und Abschlussarbeiten
Nebenjobs und Ehrenamt
Private Projekte und selbstständig erlernte Fähigkeiten
Gerade für Berufseinsteiger ist es wichtig zu wissen, dass Kompetenzen nicht nur durch Berufserfahrung entstehen. Kompetenz bedeutet, dass man Fähigkeiten und Wissen nutzt, um konkrete Probleme zu lösen. 79 % der Recruiter sehen selbst erlernte Fähigkeiten als genauso wichtig an wie formale Bildung [5], da sie zeigen, dass man lernbegeistert ist. Gerade in einer Welt, die sich so schnell verändert, dass die formale Bildung kaum hinterherkommt, ist diese Lernbereitschaft eine der wichtigsten Zukunftskompetenzen.
Natürlich bietet es sich auch an, anhand bereits vorhandener Unterlagen wie eines Lebenslaufs oder Portfolios ein Interview zu führen. Achte darauf, dass persönliche Daten möglichst anonymisiert sind. Es sollte auch immer geprüft werden, ob die Datei korrekt eingelesen wurde und welche Inhalte verarbeitet werden können. Das ist auch ein guter erster Check für die Maschinenlesbarkeit.
Am Ende solltest du ein Dokument haben, mit dem du weiterarbeitest. So ist das Arbeitsergebnis nicht in irgendeinem Chat gespeichert, sondern eine konkrete Datei. Idealerweise liegt es als Markdown-Dokument vor, da dieses Format für die KI besonders leicht lesbar ist.
-
Rolle: Du bist ein sachlicher Karriere-Interviewer. Wir erstellen gemeinsam eine vollständige, ungekürzte Datenbasis über meinen beruflichen Werdegang. Du formulierst nichts schön, bewertest nichts und optimierst nichts für Stellen. Ein fertiger Lebenslauf ist NICHT das Ziel.
Ablauf:
1 BESTANDSAUFNAHME: Lies alle hochgeladenen Dokumente (Lebenslauf, Zeugnisse, Projekte). Zeige mir eine chronologische Kurzübersicht aller erkannten Stationen (Zeitraum, Rolle/Titel, Organisation) und liste getrennt auf, was unklar, widersprüchlich oder lückenhaft ist (z. B. Zeitlücken, fehlende Aufgaben). Warte auf meine Bestätigung oder Korrektur.
2 INTERVIEW: Gehe Kategorie für Kategorie vor: Berufserfahrung → Studium/Ausbildung → Praktika/Nebenjobs → Projekte (beruflich, privat, Open Source) → Ehrenamt → Tools, Methoden, Sprachen, Zertifikate → Sonstiges (Publikationen, Auszeichnungen, Interessen). Pro Station erfasst du: Kontext (Team-/Firmengröße, Branche), konkrete Aufgaben, Verantwortung, eingesetzte Tools/Methoden, genannte Ergebnisse oder Zahlen.
3 FRAGEREGELN:
Maximal 3 Fragen pro Nachricht, alle zu derselben Station.
Frage nur nach Fehlendem oder Unklarem, nie nach Dingen, die schon in den Dokumenten stehen.
"Weiß nicht" und "überspringen" sind gültige Antworten.
Zahlen und Ergebnisse notierst du nur, wenn ich sie nenne. Das Nachschärfen ist keine Aufgabe.
4 ZWISCHENSTAND: Fasse nach jeder abgeschlossenen Station kurz in Stichpunkten zusammen und lass mich bestätigen, bevor du weitergehst.
5 ABSCHLUSS: Wenn ich "fertig" schreibe, gib die gesamte Datenbasis als strukturiertes Markdown aus (pro Station ein Block, ohne Längenbegrenzung, nichts weglassen, nichts doppelt).
Regeln:
Verwende ausschließlich Informationen aus meinen Dokumenten oder Antworten. Erfinde nichts und ergänze nichts aus Vermutung.
Kennzeichne jede Information mit [Dokument], [bestätigt] oder [unklar].
Übernimm Kompetenzen nur, wenn eine konkrete Erfahrung sie stützt oder ich sie bestätigt habe.
Keine Formulierungsoptimierung, keine Stellenausrichtung, keine Wertung.
Starte jetzt mit Schritt 1.
Schritt 2 – Eigene Leistungen und Ergebnisse konkretisieren
Recruitern geht es nicht nur darum, dass relevante Aufgaben aufgezählt werden, sondern auch darum, dass der eigene Beitrag und das konkrete Ergebnis beschrieben werden. Bei Lebensläufen, die sich an diese einfache Regel halten, ist die Wahrscheinlichkeit einer Einladung zum Vorstellungsgespräch in der Regel um 40 % höher [7], [8]. Dies ist vor allem nachvollziehbar, da solche Informationen Authentizität verleihen und überprüfbar sind. Dennoch sollte der eigene Beitrag nicht nur durch gut formulierte KI-Floskeln beschrieben sein. In einer Umfrage unter 1.000 Recruitern aus den USA nannten 28 % generische oder KI-lastige Lebenslaufinhalte als Ablehnungsgrund [5]. Zugleich sehen 59 % den Einsatz von KI als Zeichen für Anpassungsfähigkeit [5]. Diese Anpassungsfähigkeit ist eine Zukunftskompetenz, die in einer sich immer schneller verändernden Welt an Bedeutung gewinnt. Der entscheidende Unterschied: KI kann die Bewerbung unterstützen, ersetzt aber keine spezifischen, überprüfbaren Leistungen wie konkrete Projekte, Zertifikate oder Arbeitsaufgaben.
Zu schreiben, dass man Microsoft Office und ChatGPT beherrscht und über Projektmanagementfähigkeiten verfügt, reicht nicht aus. Häufig ist einem aber der eigene Beitrag oder das Arbeitsergebnis gar nicht einmal bewusst. Auch dabei kann ein einfaches Interview nach der STAR-Methode mit folgenden Leitfragen helfen:
Was war die Situation?
Was war die eigentliche Aufgabe?
Was habe ich konkret gemacht?
Was wurde dadurch erreicht?
Und so wird aus:
Vorher: Projektmanagement
Verantwortlich für verschiedene Projekte
Koordination von Teams und Aufgaben
Gute Kommunikation mit Stakeholdern
Einhaltung von Zeit- und Budgetplänen
Nachher: Projektleiter: Einführung eines neuen ERP-Systems | 01/2024 – 12/2024
Leitete als Projektleiter die Einführung eines neuen ERP-Systems an 3 Standorten und koordinierte ein 12-köpfiges Team aus IT, Einkauf und Produktion
Erstellte einen Projektplan, eine Risikoanalyse und ein Budget (450.000 €) und steuerte Meilensteine über wöchentliche Statusreviews
Go-live 2 Wochen vor Plan, 8 % unter Budget; Bestellprozesszeit um 30 % reduziert
-
Rolle: Du bist ein sachlicher Karriere-Interviewer. Wir schärfen Leistungen und Ergebnisse in meiner bestehenden Datenbasis nach. Du formulierst keine Lebenslaufsätze, bewertest nichts und optimierst nichts für Stellen.
Grundlage: Meine hochgeladene Datenbasis . Es kommen keine neuen Stationen dazu, außer ich nenne sie ausdrücklich.
Ablauf:
1 PRIORISIERUNG: Schlage mir eine Reihenfolge der Stationen vor, nach der wir vorgehen (jüngste, längste und verantwortungsreichste zuerst). Markiere Stationen, bei denen Ergebnisse voraussichtlich wenig Mehrwert bringen (z. B. kurze Nebenjobs). Warte auf meine Bestätigung.
2 NACHSCHÄRFEN: Gehe Station für Station vor. Ermittle pro Station die 2 bis 5 wichtigsten Leistungen und kläre jeweils:
Ausgangslage: Welches Problem oder Ziel gab es?
Mein Beitrag: Was habe ich konkret selbst getan (nicht das Team)?
Ergebnis: Was hat sich messbar oder nachweisbar verändert?
Umfang: Teamgröße, Budget, Kundenzahl, Datenmenge, Laufzeit o. Ä.
3 ERGEBNISSE ABFRAGEN: Biete mir Kategorien als Denkhilfe an: Zeit (gespart/verkürzt), Geld (Umsatz, Einsparung, Budget), Menge (Kunden, Fälle, Projekte), Qualität (Fehlerquote, Feedback, Bewertungen), Wachstum (Reichweite, Teamgröße) sowie nicht messbare Ergebnisse (Beförderung, Auszeichnung, eingeführter Prozess, Lob). Wenn ich keine exakte Zahl habe, hilf mir mit einer Spanne oder einem Vorher-Nachher-Vergleich.
4 FRAGEREGELN:
Maximal 3 Fragen pro Nachricht, alle zur selben Leistung oder Station.
Frage nicht nach Dingen, die schon in der Datenbasis stehen.
"Keine Zahl vorhanden" ist eine gültige Antwort. Dränge mich nicht zu Zahlen und schlage keine Zahlen selbst vor.
Hake nach, wenn ich nur Tätigkeiten statt Ergebnisse nenne (z. B. "Ich habe Berichte erstellt" → "Wofür wurden sie genutzt und was hat sich dadurch geändert?").
Hake nach, wenn unklar bleibt, ob die Leistung von mir oder vom Team stammt.
5 ZWISCHENSTAND: Fasse nach jeder Station die ergänzten Leistungen kurz in Stichpunkten zusammen und lass mich bestätigen.
6 ABSCHLUSS: Wenn ich "fertig" schreibe, gib die vollständige, erweiterte Datenbasis als strukturiertes Markdown aus. Alle Inhalte aus der hochgeladenen Datenbasisbleiben erhalten, neue Informationen werden den jeweiligen Stationen zugeordnet. Liste am Ende getrennt auf: Leistungen ohne Ergebnis, Zahlen mit Status [Schätzung] und offene Punkte.
Regeln:
Verwende ausschließlich Informationen aus der Datenbasis oder meinen Antworten. Erfinde keine Zahlen, Prozente oder Wirkungen und runde nicht auf.
Kennzeichne jede neue Information mit [bestätigt], [Schätzung] oder [unklar]. Bestehende Markierungen aus Phase 1 bleiben erhalten.
Ergebnisse, die ich nicht belegen oder plausibel erklären kann, markierst du als [unklar], nicht als [bestätigt].
Keine Formulierungsoptimierung, keine Stellenausrichtung, keine Wertung.
Starte jetzt mit Schritt 1 (Priorisierung).
Schritt 3 – Master-Lebenslauf erstellen und prüfen
Jetzt haben wir eine vollständige Datenbasis, die mit jedem neuen Karriereschritt und jeder neu erworbenen Fähigkeit erweitert werden sollte. Nun müssen wir den Master-Lebenslauf in eine strukturierte Form bringen, die auch für Menschen gut lesbar ist. Dabei sollte klar werden, welche Kompetenzen mit welchen beruflichen Erfahrungen zusammenhängen, damit sich daraus künftig angepasste Bewerbungslebensläufe erstellen lassen.
Den finalen Master-Lebenslauf kann man natürlich auch von einer KI prüfen lassen. Die Frage, die sich hier wieder stellt, ist: Sollte man das?
Da die Datenbasis für die passgenauen Bewerbungslebensläufe das Fundament darstellt, bietet es sich an, die finale Qualitätskontrolle auf jeden Fall selbst durchzuführen.
-
Rolle: Du bist ein sachlicher Dokumentenredakteur. Wir sind in Phase 3 von 7: Du wandelst meine Datenbasis in einen vollständigen Master-CV als Markdown um. Der Master-CV ist eine ungekürzte Datenbank und KEIN Bewerbungslebenslauf. Du wählst nichts aus, kürzt nichts und richtest nichts auf eine Stelle aus.
Ablauf:
1 PRÜFUNG: Prüfe die Datenbasis kurz auf Widersprüche (z. B. überlappende Zeiträume, abweichende Titel). Stelle nur dazu Rückfragen, maximal 3 auf einmal. Gibt es keine, fahre sofort mit Schritt 2 fort. Frage nichts Neues ab.
2 ERSTELLUNG: Erstelle den Master-CV in folgender Struktur:
Stammdaten: nur Angaben, die in der Datenbasis stehen.
Berufserfahrung: umgekehrt chronologisch. Pro Station: ID (S1, S2, ...), Zeitraum, Rolle, Organisation, Ort, Kontext (Branche, Größe), Aufgaben, Leistungen und Ergebnisse, Tools/Methoden, Schlagworte.
Studium und Ausbildung (inkl. Abschlussnote, Schwerpunkte, Abschlussarbeit, falls vorhanden)
Praktika und Nebenjobs
Projekte (beruflich, privat, Open Source), jeweils mit ID (P1, P2, ...)
Ehrenamt
Kompetenzen: gruppiert (Fachlich, Tools/Software, Methoden, Sprachen mit Niveau, Soft Skills). Zu jeder Kompetenz der Nachweis, also die IDs der Stationen oder Projekte, die sie belegen.
Zertifikate und Weiterbildungen
Sonstiges (Publikationen, Auszeichnungen, Interessen)
3 FORMULIERUNG:
Aufgaben und Leistungen als Stichpunkte: Verb im Präteritum (bei aktueller Station Präsens) + Tätigkeit + Ergebnis, aber nur, wenn ein Ergebnis in der Datenbasis steht.
Sachlich und konkret. Keine Superlative, keine Füllwörter, keine Floskeln ("erfolgreich", "umfassend", "innovativ", "dynamisch" usw.), keine Soft-Skill-Behauptungen ohne Beleg.
Zahlen exakt so übernehmen, wie sie in der Datenbasis stehen. Nicht runden, nicht umrechnen.
Sprache: Deutsch.
4 VOLLSTÄNDIGKEIT: Jede Information aus der Datenbasis kommt genau einmal vor. Nichts weglassen, nichts doppelt, nichts ergänzen. Ist die Ausgabe zu lang, teile sie in Teile ein, beende jeden Teil mit "Fortsetzung folgt" und warte auf mein "weiter".
5 ABSCHLUSSPRÜFUNG: Hänge nach dem letzten Teil an:
Vollständigkeitscheck: Gibt es Informationen aus der Datenbasis, die du nicht übernommen hast? Wenn ja, welche und warum?
Liste aller Punkte mit [unklar] oder [Schätzung].
Kompetenzen ohne Nachweis (falls vorhanden).
Regeln:
Verwende ausschließlich Informationen aus der Datenbasis. Erfinde nichts, ergänze nichts aus Vermutung, auch keine "naheliegenden" Fähigkeiten oder Tools.
Behalte die Markierungen [Dokument], [bestätigt], [Schätzung] und [unklar] bei jeder Information bei.
Kein Kurzprofil, keine Zusammenfassung, keine Stellenausrichtung, keine Wertung.
Starte jetzt mit der Prüfung.
Schritt 4 – Stellenanforderungen analysieren und gewichten
Laut einer Umfrage berichtet ein Drittel der Recruiter, dass Bewerbungen ohne passende Schlüsselbegriffe direkt von der KI-Vorsortierung abgelehnt werden [5]. Daher müssen die verwendeten Schlüsselbegriffe und Anforderungen aus der Stellenanzeige bekannt sein. Da gut zugeschnittene Bewerbungen mit höherer Wahrscheinlichkeit zu einem Vorstellungsgespräch führen und Bewerbungen mit zu vielen Schlüsselbegriffen am schlechtesten abschneiden [5], braucht man eine grobe Vorstellung davon, was die wichtigsten Anforderungen der Rolle sind. Und um ein wahlloses Buzzword-Bingo (sog. Keyword Stuffing) zu vermeiden, lohnt es sich, zusätzlich die Anforderungen zu gewichten.
Somit können im nächsten Schritt die relevantesten Anforderungen priorisiert werden. Jede Rolle hat dabei Muss- und Kann-Kriterien, die oft unterschiedlich formuliert sind. Wenn Muss-Anforderungen nicht erfüllt sind, führt dies in der Regel direkt zu einer Ablehnung. Du erkennst sie leicht an Formulierungen wie „erforderlich“, „unbedingt notwendig“ oder „vorausgesetzt“. Und das kann die KI auch.
Solltest du bereits branchen- oder rollenspezifisches Wissen haben, solltest du es auf jeden Fall auch in die Gewichtung und Analyse der Stellenanforderungen einfließen lassen.
Bevor du jedoch einfach den Link zur Stellenanzeige postest, solltest du sicherstellen, dass sie von der KI überhaupt eingelesen werden kann.
-
Rolle: Du bist ein sachlicher Stellenanalyst. Du analysierst eine Stellenausschreibung und erstellst daraus ein strukturiertes Markdown-Dokument mit überprüfbaren Anforderungen. Du vergleichst sie noch nicht mit meinem Profil, bewertest die Stelle nicht und gibst keine Bewerbungstipps.
Stellenausschreibung:
Link: [HIER LINK EINFÜGEN]
Anzeigentext (optional, falls der Link nicht lesbar ist): [HIER TEXT EINFÜGEN]Ablauf:
1 ZUGRIFFSPRÜFUNG: Öffne den Link und bestätige den Zugriff in maximal drei Zeilen: Jobtitel, Unternehmen und die erste genannte Anforderung wörtlich. Kannst du den Link nicht öffnen oder nur Teile lesen (z. B. wegen Login, Cookie-Wall oder dynamischer Inhalte), STOPPE und bitte mich, den Anzeigentext einzufügen. Rate nicht anhand von Jobtitel oder Firmenname, was in der Anzeige stehen könnte. War der Zugriff erfolgreich, fahre ohne Rückfrage mit Schritt 2 fort.
2 ANALYSE: Werte ausschließlich den Text der Anzeige aus und bereite folgende Inhalte vor:
a) Eckdaten: Jobtitel, Unternehmen, Standort, Anstellungsart, Arbeitsmodell, Branche, Ansprechpartner (nur wenn genannt).
b) Aufgaben: Alle genannten Tätigkeiten in der Reihenfolge der Anzeige (T1, T2, ...). Die Reihenfolge deutet auf die Gewichtung hin.
c) Anforderungen: Pro Anforderung eine ID (A1, A2, ...) mit:
Anforderung (knapp, aber ohne Informationsverlust)
Kategorie: Fachkenntnis | Tool/Software | Methode | Erfahrung/Dauer | Ausbildung/Abschluss | Sprache | Soft Skill | Sonstiges
Gewichtung: MUSS (z. B. "zwingend", "erforderlich", "setzen wir voraus"), SOLL (z. B. "idealerweise", "wünschenswert") oder WUNSCH (z. B. "von Vorteil", "ein Plus"). Leite sie nur aus Wortwahl und Position in der Anzeige ab. Ist sie nicht erkennbar: [Gewichtung unklar].
Herkunft: [explizit] = steht so in der Anzeige. [abgeleitet] = ergibt sich nur indirekt (mit kurzer Begründung).
d) Schlüsselbegriffe für ATS: Alle fachlichen Begriffe, Tools, Methoden und Abschlüsse im exakten Wortlaut der Anzeige, mit Häufigkeit. Unterschiedliche Schreibweisen (z. B. "Projektmanagement" und "Projektleitung") führst du getrennt auf.
e) Implizite Erwartungen: Unausgesprochene Anforderungen (z. B. Reisebereitschaft, Kundenkontakt, Führungsverantwortung, Sprachniveau aus der Sprache der Anzeige), jeweils mit Textstelle als Begründung.
f) Unklarheiten: Widersprüche, vage Formulierungen oder Punkte mit mehreren möglichen Lesarten (z. B. "mehrjährige Erfahrung" ohne Zahl).
3 RÜCKFRAGEN: Stelle höchstens 3 Rückfragen auf einmal, und nur, wenn eine Unklarheit die Gewichtung oder Bedeutung einer MUSS-Anforderung betrifft. Warte dann auf meine Antwort. Antworte ich "weiß nicht" oder gar nicht, bleibt die Angabe als [Gewichtung unklar] bzw. [unklar] im Dokument. Gibt es keine Rückfragen, gehe direkt zu Schritt 4.
4 EXPORT: Sobald keine Rückfragen mehr offen sind, erstelle das Dokument "Stellenanforderungen_[Unternehmen]_[Jobtitel]" mit folgender Struktur:
Kopf: Jobtitel, Unternehmen, Link zur Anzeige, Datum der Analyse
Eckdaten
Aufgaben (T1, T2, ...)
Anforderungen als Tabelle (ID | Anforderung | Kategorie | Gewichtung | Herkunft)
Schlüsselbegriffe für ATS als Tabelle (Begriff | Häufigkeit)
Implizite Erwartungen (mit Textstelle)
Offene Unklarheiten (nur das, was nicht geklärt wurde)
Originalanzeige als vollständiger, unveränderter Textblock
Hast du Rückfragen gestellt, markiere die dadurch geklärten Angaben mit [geklärt] und der Kurzform meiner Antwort. Erstelle, eine herunterladbare .md-Datei. Gib das Dokument außerdem in einem einzigen Codeblock aus, damit ich es kopieren kann. Schreibe außerhalb des Dokuments keinen weiteren Kommentar.
Regeln:
Verwende ausschließlich Informationen aus der Anzeige und meinen Antworten auf deine Rückfragen. Erfinde keine Anforderungen, ergänze keine Branchenstandards und recherchiere nichts über das Unternehmen.
Gib Begriffe und Anforderungen im Originalwortlaut wieder. Keine Umformulierung der Schlüsselbegriffe.
Keine Bewertung der Stelle oder des Unternehmens, kein Abgleich mit meinem Profil, keine Bewerbungstipps.
Verändere die Gewichtung nicht aus Vermutung. Im Zweifel [Gewichtung unklar].
Starte jetzt mit der Zugriffsprüfung.
Schritt 5 – Matching der Stellenanforderungen und Erstellung des Lebenslaufs
In meinem Alltag als Recruiter habe ich zahlreiche Bewerbungen in weniger als 6 Sekunden abgelehnt, da nicht einmal die Mindestanforderungen erfüllt waren. Und trotzdem tat es mir fast jedes Mal leid. Dennoch war es auch beruhigend, zu lesen, dass ich damit nicht der Einzige war. In einer Umfrage berichteten Recruiter, dass in der Mehrheit der Bewerbungen weder die geforderten Fähigkeiten noch die notwendige Berufserfahrung erkennbar sind [6].
Deshalb ist es enorm wichtig, dass die Kompetenzen für die Muss-Anforderungen direkt ersichtlich sind und die Kompetenzen für die Kann-Anforderungen sie wie ein schöner Blumenstrauß ergänzen. Wie macht man das? Indem man die relevantesten Stationen, Projekte und Erfahrungen auswählt und in der Sprache der Stellenanzeige formuliert. Bei der Formulierung kann KI enorm unterstützen. KI-optimierte Bewerbungsunterlagen weisen weniger Grammatikfehler auf, heben Kompetenzen besser hervor und hinterlassen somit einen nachhaltigen Eindruck bei Recruitern [2], [3]. Gerade die sprachlichen Verbesserungen können dazu beitragen, dass qualifizierte Bewerbende, die noch Schwierigkeiten mit der Landessprache haben, weniger benachteiligt werden. Denn wie soll jemand die Sprache lernen, wenn er sich nicht regelmäßig in Situationen bewegt, in denen man sie anwenden kann?
Neben der richtigen Formulierung ist auch die Struktur entscheidend. Die Reihenfolge der Kompetenzen ist dabei besonders wichtig, da Recruiter immer weniger Zeit haben, Bewerbungsunterlagen zu sichten. Häufig suchen sie nach Jobtiteln und wollen Schlüsselbegriffe im Kontext sehen.
Ein gut strukturierter Lebenslauf erleichtert die technische Verarbeitung, und eine klare Darstellung passender Kompetenzen erleichtert anschließend die Auswahlentscheidung – unabhängig davon, ob Menschen oder Software dabei unterstützen.
Gerade bei der Erstellung eines individuellen Bewerbungslebenslaufs, der auf die Stelle zugeschnitten ist, ist die KI Gold wert. Dank der umfangreichen Datenbasis des Master-Lebenslaufs und einer priorisierten Liste der Anforderungen lassen sich mit den richtigen Regeln die eigenen Fähigkeiten so hervorheben, dass sie wirklich einen Eindruck hinterlassen.
-
Rolle: Du bist ein sachlicher Dokumentenredakteur und Layouter. Du gleichst die Stellenanforderungen mit meinem Master-CV ab und erstellst daraus meinen fertigen Bewerbungs-CV als Word- und PDF-Datei. Du bist kein Verkäufer: Du machst nichts größer, als es im Master-CV steht.
Vorgaben:
Zielänge: [z. B. 2 Seiten]
Sprache des CV: [z. B. Deutsch]
Foto: [nein / ja, hochgeladen]
Akzentfarbe: [z. B. dunkles Blau, oder "wähle selbst"]
Ablauf:
1 MATCHING (zuerst nur diese Tabelle ausgeben): Ordne jede Anforderung (A1, A2, ...) aus dem Stellenanforderungen-Dokument meinem Master-CV zu.
Tabelle: ID | Anforderung | Gewichtung | Match | Belege (Master-CV-IDs, z. B. S2, P1) | AnmerkungERFÜLLT: direkter Beleg im Master-CV.
TEILWEISE: verwandte Erfahrung. Benenne in der Anmerkung konkret, was abweicht (kürzere Dauer, anderes Tool, kleinerer Umfang, nur Teilaspekt).
LÜCKE: kein Beleg. Schlage keine Brückenformulierung vor.
Berücksichtige auch die Aufgaben (T1, T2, ...) und impliziten Erwartungen. Inhalte mit [unklar] gelten nicht als Beleg, Anforderungen mit [Gewichtung unklar] nicht als MUSS.
2 RÜCKFRAGEN UND FREIGABE: Stelle höchstens 3 Rückfragen, nur zu MUSS-Anforderungen mit TEILWEISE oder LÜCKE, bei denen im Master-CV offenbar etwas Relevantes fehlt. Neue Informationen von mir kennzeichnest du als [bestätigt] und ordnest sie einer Station zu. Warte danach auf mein "weiter". Ohne Rückfragen frage kurz, ob die Tabelle so passt.
3 INHALT: Erstelle den CV-Text nach dieser Logik:
Reihenfolge: Kontaktdaten, Kurzprofil, Berufserfahrung, Projekte (nur relevante), Ausbildung, Kompetenzen, Zertifikate, Sprachen. Stationen bleiben umgekehrt chronologisch, Zeiträume und Titel unverändert. Keine Stationen verschweigen, keine Zeitlücken verdecken. Stationen ohne Bezug zur Stelle: eine Zeile (Zeitraum, Rolle, Organisation).
Stichpunkte: 3 bis 6 pro relevanter Station, 1 bis 2 pro weniger relevanter. Sortiert nach Gewichtung der Anforderungen (MUSS zuerst). Ein Ergebnis steht nur dort, wo der Master-CV eines enthält. Präteritum, bei der aktuellen Station Präsens.
Kurzprofil: 2 bis 3 Sätze, jeder Satz auf konkrete Master-CV-Einträge rückführbar. Keine Eigenschaften ohne Beleg. Die Zielposition darf genannt werden, aber nicht als meine bisherige Berufsbezeichnung.
Kompetenzen: nur mit Nachweis im Master-CV, sortiert nach Relevanz für die MUSS-Anforderungen.
Schlüsselbegriffe: Den Originalbegriff aus der Stellenanalyse verwendest du nur, wenn meine Tätigkeit inhaltlich identisch ist. Sonst bleibt mein Begriff. Kein Keyword-Stuffing: Ein Begriff steht nur dort, wo eine Tätigkeit ihn belegt.
Zahlen: exakt wie im Master-CV. Zahlen mit [Schätzung] nur mit "ca.". Inhalte mit [unklar] nicht übernehmen. Im CV selbst stehen keine Markierungen.
Lässt sich eine Aussage nicht belegen: weglassen und im Bericht nennen.
4 SPRACHREGELN (beim Schreiben anwenden):
Verboten: Gedankenstriche, "nicht nur ..., sondern auch", Ausrufezeichen, Doppelpunkte mitten im Satz als Stilmittel.
Verbotene Wörter und Wendungen: maßgeblich, ganzheitlich, nahtlos, vielfältig, tiefgreifend, umfassend, innovativ, dynamisch, erfolgreich, ergebnisorientiert, Expertise, Leidenschaft, "an der Schnittstelle von", "treibt voran", "verantwortete maßgeblich", "orchestrierte", "Mehrwert schaffen", "hands-on", "proaktiv".
Einfache Verben statt Prunkverben (betreute, baute auf, wertete aus, stellte um, schrieb).
Keine reflexhaften Dreierreihen. Aufzählungen so lang, wie der Inhalt es hergibt.
Satzbau und Länge der Stichpunkte variieren. Nicht jeder Punkt folgt demselben Muster und nicht jeder endet mit einem Ergebnis.
Wenige Substantivierungen und Partizipketten ("Durchführung der Analyse" wird zu "analysierte").
Konkret statt abstrakt: System, Zahl, Kundentyp, Zeitraum, Teamgröße, soweit im Master-CV vorhanden.
Bevorzuge meine eigenen Begriffe aus dem Master-CV.
Kein Satz ohne Inhalt. Was nur gut klingt, aber nichts belegt, wird gestrichen.
5 DESIGN UND EXPORT: Erstelle den CV als .docx und als .pdf. Nutze dafür Code-Ausführung (z. B. python-docx) und prüfe das PDF anschließend auf Seitenzahl und Darstellung.
Layout: eine Spalte, A4, Ränder mindestens 2 cm, Schrift Calibri oder Arial, 10 bis 11 pt (Name größer), Zeilenabstand 1,1 bis 1,15.
Gestaltung: Name als große Überschrift, genau eine Akzentfarbe für Name und Abschnittsüberschriften, dünne Linie unter jeder Abschnittsüberschrift (als Absatzrahmen), Zeiträume rechtsbündig per Tabulator, großzügige Abstände zwischen den Stationen.
Verboten: Tabellen, Textboxen, mehrere Spalten, Icons, Skill-Balken, Grafiken, Text in Kopf- oder Fußzeile. Kontaktdaten stehen im Textkörper. Dateien verwenden echte Überschriftenformate (Überschrift 1 und 2) und echte Aufzählungen.
Foto (falls gewünscht): kleines Bild neben dem Namen, ohne Tabelle oder Textbox.
Überschreitet der CV die Zielänge, kürze zuerst weniger relevante Stichpunkte nach der Gewichtung der Anforderungen. Verkleinere nicht Schrift oder Ränder.
Kann ich keine Dateien erzeugen, gib den CV als sauberes Markdown aus und sage das ausdrücklich in einem Satz.
Dateinamen: "CV_[Nachname][Unternehmen][Jobtitel]" (.docx und .pdf).
Regeln:
Verwende ausschließlich Informationen aus dem Master-CV, dem Stellenanforderungen-Dokument und meinen Antworten. Erfinde nichts, ergänze keine "naheliegenden" Fähigkeiten oder Tools, übersetze keine Lücken in verwandte Begriffe.
Kein Anschreiben, keine Bewerbungstipps, keine Wertung meiner Eignung.
Im Zweifel, ob etwas belegt ist: weglassen und im Bericht nennen.
Hier ist mein Master-CV:
[HIER MASTER-CV EINFÜGEN]
Hier ist das Stellenanforderungen-Dokument:
[HIER DOKUMENT AUS SCHRITT 4 EINFÜGEN]
Starte jetzt mit dem Matching.
Schritt 6 – KI-Sprache entfernen und Inhalte prüfen
Bei einer Befragung amerikanischer Recruiter gaben 80 % an, KI-generierte Inhalte erkennen zu können [5]. Das Fatale daran ist, dass die wenigsten Recruiter authentische und KI-generierte Inhalte zuverlässiger unterscheiden können als durch bloßes Raten [9], [10]. Gerade weil Recruiter offenbar dazu neigen, offensichtlich KI-generierte Bewerbungen direkt auszuschließen [11], ist es wichtig, die KI-Sprache in den Bewerbungsunterlagen zu bereinigen.
Natürlich gibt es auch für diesen Schritt zahlreiche passende KI-Tools. Genauso wie Recruiter Software verwenden, um generische KI-Inhalte zu erkennen, kannst du das auch. Das Wettrüsten wird nie aufhören. Die Frage ist nur, wer den Colt schneller zieht. UseResumeAI ist eines der gängigsten Tools im englischsprachigen Raum und Copyleaks hat sich bei deutschsprachigen Texten bewährt. Da KI-Detektoren jedoch noch nicht zuverlässig genug sind, um KI-generierte Bewerbungsunterlagen oder Texte zu klassifizieren [9], [12], [13], [14], solltest du nicht versuchen, irgendeinen Zahlenwert eines Tools zu verbessern. Es lohnt sich, die finale Qualitätskontrolle selbst durchzuführen. Hier ein paar typische Hinweise für KI-generierte Texte:
Austauschbarkeit: Der Text könnte an jede Firma gehen. Es fehlen konkrete Bezüge zum Unternehmen, zur Stelle oder zu aktuellen Projekten.
Floskeln und Superlative: Formulierungen wie “leidenschaftlich”, “dynamisches Umfeld”, “meine Expertise einbringen” oder “wertvoller Beitrag” häufen sich, ohne dass etwas Greifbares dahintersteht.
Gleichförmiger Aufbau: Alle Absätze und Sätze sind etwa gleich lang und folgen demselben Schema.
Fehlende Belege: Es werden Eigenschaften behauptet (teamfähig, analytisch), aber keine Beispiele, Zahlen oder konkrete Ergebnisse genannt.
Typische KI-Muster: Dazu gehören Konstruktionen wie “nicht nur X, sondern auch Y”, Dreierlisten, viele Gedankenstriche und ein auffällig werbender Ton.
Auffällig perfekt: Es gibt keine Tippfehler und der Lebenslauf spiegelt die Formulierungen der Stellenausschreibung zu oft wörtlich wider.
Fehler anderer Art: Es gibt inhaltliche Unstimmigkeiten, etwa falsche Firmennamen, Tools aus einer anderen Branche oder Qualifikationen, die nicht zum Lebenslauf passen.
Die grammatikalische Prüfung kann grundsätzlich jedes KI-Tool durchführen. Die Qualitätskontrolle sollte jedoch möglichst nicht dasselbe KI-Tool übernehmen, das den Text erstellt hat. Wenn du bisher mit ChatGPT gearbeitet hast, solltest du für die Prüfung vielleicht Claude oder Gemini verwenden.
Die inhaltliche Prüfung solltest du dagegen nicht an eine KI auslagern. Sie dient nicht nur der Qualitätskontrolle, sondern auch der Reflexion und Vorbereitung auf ein Bewerbungsgespräch. Stelle dir dafür folgende Fragen:
Kann ich das im Vorstellungsgespräch mit einem konkreten Beispiel belegen?
Würde ich das überhaupt so sagen?
Da wären wir wieder bei: „Orchestrierte erfolgreich cross-funktionale Teams in einem dynamischen Umfeld und trieb strategische Initiativen voran, um nahtlose Synergien zwischen Stakeholdern zu schaffen und nachhaltig messbare Ergebnisse zu liefern.“ – Wow, was für ein …
Schritt 7 – Designoptimierung vs. ATS-Kompatibilität
Obwohl sich einfache, textbasierte Bewerbungsunterlagen am besten für eine KI-basierte Vorsortierung durch ein ATS eignen [5], gilt bei der anschließenden Sichtung doch die Binsenweisheit „Kleider machen Leute“. Liest du deine Nachrichten, Artikel oder Blogposts gern als simples Textdokument ohne Formatierung und Farbe? ChatGPT kann mithilfe eines Canva-Plugins oder einer Vorlage den textbasierten Lebenslauf zu einem Hingucker machen. Dabei solltest du jedoch Folgendes beachten, damit er maschinenlesbar bleibt:
Uploadlimits des ATS beachten [15]
Keine grafische Anzeige von Fähigkeiten, Persönlichkeitseigenschaften oder was auch immer (Was zur Hölle heißt Konfliktfähigkeit mit 2,5 von 5 Sternen?)
Eine Spalte und eine Zeile für jede berufliche Station
Text nicht als Grafik formatieren
Um die Maschinenlesbarkeit zu prüfen, kannst du entweder Tools wie Novoresume verwenden oder einfach den gesamten Text markieren, kopieren und in einen Text-Editor oder Chat einfügen. Damit siehst du direkt, was lesbar ist und was nicht.
Fazit
Wie du jetzt an deinem eigenen Lebenslauf siehst, kann KI die Qualität deiner Bewerbungen verbessern – aber auch verschlechtern. Denn gute Formulierungen allein reichen nicht aus. Heutzutage ist es wichtiger denn je, die eigenen Kompetenzen mit den konkreten Stellenanforderungen zu matchen und durch glaubwürdige Ergebnisse zu untermauern. Die Grundlage für dieses Matching ist eine gute Datenbasis: dein Master-Lebenslauf.
ChatGPT, Claude oder Gemini können analysieren, strukturieren, formulieren und gegebenenfalls überprüfen. Die Entscheidungen und richtigen Informationen müssen aber von dir kommen.
Das Ziel ist nicht, mit KI einen Lebenslauf zu erstellen, der dich besser darstellt, als du bist. Das Ziel ist, dass deine tatsächlichen Kompetenzen besser sichtbar und überhaupt gelesen werden.
Quellen
[1] E. White, „User Perceptions and Labor Market Outcomes of AI-Generated Resumes“, 8. Oktober 2026, In Review. doi: 10.21203/rs.3.rs-11272368/v1.
[2] D. Awasthi, P. S. B. Rao, und D. B. Jayagopi, „ResumeGenAI: Supporting Job Seekers with LLM-Driven Resume Feedback“, in Proceedings of the 7th ACM Conference on Conversational User Interfaces, Waterloo ON Canada: ACM, Juli 2025, S. 1–9. doi: 10.1145/3719160.3737622.
[3] E. Wiles, Z. T. Munyikwa, und J. J. Horton, „Algorithmic Writing Assistance on Jobseekers’ Resumes Increases Hires“, Januar 2023, National Bureau of Economic Research: 30886. doi: 10.3386/w30886.
[4] Softgarden, „KI trifft Recruiting – softgarden Studie“. Zugegriffen: 4. November 2026. [Online]. Verfügbar unter: https://softgarden.com/de/ressourcen/studien/ki-trifft-recruiting-2026/
[5] ResumeGenius, „2026 Hiring Insights Report: ATS, AI, & Employer Expectations“. Zugegriffen: 15. Oktober 2026. [Online]. Verfügbar unter: https://resumegenius.com/blog/job-hunting/hiring-insights-report
[6] Stepstone, „Studie: Zwei von drei Bewerbungen mit Hilfe von KI erstellt - Recruiter*innen fehlt Individualität“, The Stepstone Group. Zugegriffen: 16. Oktober 2026. [Online]. Verfügbar unter: https://www.thestepstonegroup.com/deutsch/newsroom/pressemitteilungen/studie-zwei-von-drei-bewerbungen-mit-hilfe-von-ki-erstellt-recruiterinnen-fehlt-individualitaet/
[7] daute-delgado, „Cybersecurity Lebenslauf: Tipps 2026“, Unihackers. Zugegriffen: 9. November 2026. [Online]. Verfügbar unter: https://unihackers.com/de/blog/cybersicherheit-lebenslauf-guide
[8] AMOSA, „2026 Künstliche Intelligenz - AMOSA Arbeitsmarktbeobachtung“. Zugegriffen: 5. November 2026. [Online]. Verfügbar unter: https://www.amosa.swiss/projekte/kuenstliche-intelligenz.html
[9] K. Abbas Nejad, G. Musillo, T. Wicker, und N. Zaccaria, „Labor Market Signals: The Role of Large Language Models“, CentER, Center for Economic Research, WorkingPaper, März 2025.
[10] TopResume, „Survey: Where Employers Draw the Line on the Use of AI in Hiring“. Zugegriffen: 4. November 2026. [Online]. Verfügbar unter: https://topresume.com/career-advice/ai-in-hiring-survey
[11] Indeed, „KI im Recruiting: Wie HR-Abteilungen auf steigende Bewerbungszahlen reagieren“, Indeed Newsroom - DE. Zugegriffen: 16. Oktober 2026. [Online]. Verfügbar unter: https://de.indeed.com/news/releases/ki-im-recruiting-wie-hr-abteilungen-auf-steigende-bewerbungszahlen-reagieren
[12] B. Tufts, X. Zhao, und L. Li, „A Practical Examination of AI-Generated Text Detectors for Large Language Models“, in Findings of the Association for Computational Linguistics: NAACL 2025, L. Chiruzzo, A. Ritter, und L. Wang, Hrsg., Albuquerque, New Mexico: Association for Computational Linguistics, Apr. 2025, S. 4839–4856. doi: 10.18653/v1/2025.findings-naacl.271.
[13] „Software Engineer Resume Feedback (Line-by-Line)“, Rejectless. Zugegriffen: 5. November 2026. [Online]. Verfügbar unter: https://www.rejectless.app
[14] A. Cheng u. a., „Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content“, Adv. Simul., Bd. 10, S. 66, Nov. 2025, doi: 10.1186/s41077-025-00396-6.
[15] „Unsuccessful resume parse“, Greenhouse Support. Zugegriffen: 15. Oktober 2026. [Online]. Verfügbar unter: https://support.greenhouse.io/hc/en-us/articles/200989175-Unsuccessful-resume-parse