Lebenslauf mit KI schreiben: 7 Schritte mit Prompts

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.

  1. Alle Kompetenzen, Erfahrungen und Projekte erfassen

  2. Eigene Arbeitserfahrung und Ergebnisse messbar machen

  3. Qualitätskontrolle des Master-Lebenslaufs

    Sobald der Master-Lebenslauf steht, musst du für jede neue Stelle nur noch die Schritte 4 bis 7 durchgehen:

  4. Stellenanforderungen aus der Anzeige analysieren und gewichten

  5. Kompetenzen mit den Anforderungen abgleichen und Lebenslauf erstellen

  6. KI-Sprache entfernen und die Inhalte persönlich prüfen

  7. 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.

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

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.

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.

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.

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