Früher war ein Lebenslauf ein Dokument. Zwei Seiten Papier, manchmal drei, gelegentlich ein Verbrechen an der Typografie, aber immerhin: ein Versuch, ein Berufsleben in eine lesbare Ordnung zu bringen. Man sah Stationen, Brüche, Fortschritte, Irrtümer, Umwege, Wechsel, Mut, Müdigkeit, Ehrgeiz und manchmal auch schlicht Pech. Ein Lebenslauf war nie die ganze Wahrheit, aber er war eine Einladung zum Hinsehen.

Heute ist der Lebenslauf oft zuerst kein Dokument mehr, sondern Rohmaterial. Er wird hochgeladen, zerlegt, ausgelesen, normalisiert, sortiert, verglichen, bewertet und in Felder gedrückt. Was früher gelesen wurde, wird heute ‘geparst’. Was früher eine Geschichte war, wird heute zu Datenpunkten. Und was früher ein Mensch mit Erfahrung, Bauchgefühl und Berufswissen einordnete, läuft nun immer häufiger durch Systeme, die erstaunlich viel erkennen, aber erstaunlich wenig verstehen.

Das ist der eigentliche Kulturbruch im Recruiting. Nicht die Digitalisierung. Nicht die Software. Nicht einmal die künstliche Intelligenz. Der Bruch liegt dort, wo Unternehmen beginnen, technische Lesbarkeit mit beruflicher Qualität zu verwechseln.

Denn ein Mensch kann hervorragend qualifiziert sein und trotzdem schlecht durch ein System kommen. Ein Lebenslauf kann sauber, ehrlich und beruflich stark sein, aber maschinell schwach wirken. Umgekehrt kann ein künstlich aufgeblasener CV aussehen wie ein Kompetenzfeuerwerk, obwohl dahinter kaum mehr steckt als Textkosmetik, Hashtag-Staub und eine Bewerbungsstrategie, die eher Suchmaschinenoptimierung als Selbstbeschreibung ist.

Willkommen im neuen Bewerbungsmarkt. Hier wird nicht nur gefragt, wer etwas kann. Hier wird zuerst gefragt, ob ein System erkennt, dass jemand etwas kann.

Vom Lebenslauf zum Datensatz

CV-Parsing klingt harmlos. Fast technisch trocken. Ein Parser liest einen Lebenslauf aus und überträgt relevante Informationen in ein Bewerbermanagement-System. Name, Adresse, Ausbildung, Berufserfahrung, Arbeitgeber, Fähigkeiten, Sprachkenntnisse, Zertifikate, vielleicht noch Branchenbegriffe und Zeiträume. Das spart Zeit. Das reduziert manuelle Erfassung. Das verhindert Tippfehler. Das ist praktisch. So weit, so unproblematisch.

Schwierig wird es erst, wenn aus dem Auslesen ein Vorentscheiden wird. Wenn Software nicht mehr nur überträgt, sondern gewichtet. Wenn sie nicht mehr nur erkennt, sondern bewertet. Wenn sie nicht mehr nur hilft, sondern vorprägt, welche Bewerbungen sichtbar werden und welche irgendwo in der digitalen Abstellkammer verstauben.

Das ist keine Science-Fiction mehr. Moderne ATS- und Recruiting-Systeme arbeiten längst nicht mehr nur als elektronische Ablage. Sie filtern, strukturieren, priorisieren, schlagen vor, errechnen Übereinstimmungen, erkennen Muster, vergleichen Profile mit Stellenanforderungen und erzeugen damit eine neue Rangordnung der Sichtbarkeit. Offiziell trifft vielleicht immer noch ein Mensch die Entscheidung. Praktisch aber sieht dieser Mensch oft zuerst das, was ihm ein System nach oben gespült hat.

Und genau dort beginnt die stille Macht der Maschine. Sie entscheidet nicht zwingend endgültig. Aber sie entscheidet mit, wer überhaupt noch ernsthaft angeschaut wird.

Die Maschine sucht nicht den besten Menschen. Sie sucht den am besten übersetzbaren Menschen.

Das grösste Missverständnis über KI und CV-Parsing im Recruiting lautet: Die Software finde die besten Kandidatinnen und Kandidaten. Das ist zu schön, um wahr zu sein. Software findet nicht einfach ‘die Besten’. Sie findet jene Profile, die am besten zu den Suchlogiken, Datenmodellen und Bewertungsrastern passen, mit denen sie gefüttert wurde. Das ist ein gewaltiger Unterschied.

Ein System erkennt vielleicht ‘SAP’, ‘Projektleitung’, ‘Payroll’, ‘Elektrotechnik’, ‘Französisch B2’, ‘Führungserfahrung’, ‘EFZ’, ‘FH’, ‘ISO 9001’ oder ‘Abacus’. Aber erkennt es auch, dass jemand zehn Jahre lang in einem chaotischen KMU den Laden zusammengehalten hat, ohne dass je ‘Change Management’ im Lebenslauf stand? Erkennt es, dass eine kaufmännische Mitarbeiterin aus einem Familienbetrieb oft mehr unternehmerische Verantwortung getragen hat als jemand mit drei englischen Fantasietiteln aus einem Konzern? Erkennt es, dass ein älterer Handwerker mit ruhiger Art, wenig Selbstdarstellung und sauberem Berufsstolz für einen Kunden wertvoller sein kann als ein glänzender Bewerber, der die richtige Sprache der Selbstvermarktung spricht? Manchmal ja. Oft nein.

Maschinen sind stark, wenn Dinge sauber benannt, strukturiert und wiederholbar sind. Sie sind schwach, wenn Biografien sperrig, still, quer, regional, handwerklich, sozial oder nicht normgerecht verlaufen. Genau dort aber liegt ein grosser Teil des echten Arbeitsmarktes. Nicht alle Menschen haben lineare Karrieren. Nicht alle Menschen schreiben wie Berater. Nicht alle Menschen nennen ihre Arbeit so, wie Software sie gerne lesen würde.

Ein guter Disponent schreibt vielleicht: ‘Touren geplant, Kunden betreut, Chauffeure koordiniert.’ Ein System sucht aber vielleicht nach: ‘Supply Chain Coordination’, ‘Transport Management’, ‘Stakeholder Communication’, ‘Resource Planning’.

Beide Beschreibungen können dieselbe Realität meinen. Nur klingt die zweite so, als hätte jemand den Lebenslauf durch einen amerikanischen Management-Toaster geschoben.

Das Märchen von der neutralen Technik

Recruiting war nie neutral. Menschen bringen Vorurteile mit. Sie bevorzugen Bekanntes, Vertrautes, Schönes, Junges, Ähnliches, Akademisches und Glattes. Sie stolpern über Namen, Alter, Lücken, Herkunft, Foto, Sprache, Schule, Berufswechsel und manchmal sogar über die Schriftart. Wer behauptet, das klassische Recruiting sei eine Hochburg der Gerechtigkeit gewesen, hat vermutlich nie lange genug Bewerbungen gelesen.

Die Hoffnung war deshalb verständlich: Vielleicht macht Technik das besser. Vielleicht sortiert Software sachlicher. Vielleicht erkennt Künstliche Intelligenz (KI) Talente, die Menschen übersehen. Vielleicht beseitigt ein Algorithmus jene Vorurteile, die in Personalabteilungen seit Jahrzehnten höflich schweigend mitarbeiten. Das Problem ist nur: Eine Maschine wird nicht automatisch gerecht, nur weil sie kein Gesicht hat.

KI-Systeme lernen aus Daten. Und Daten stammen aus der Vergangenheit. Wenn die Vergangenheit ungerecht war, wird die Maschine nicht zur Reformerin, sondern zur Historikerin mit Rechenleistung. Sie übernimmt Muster, verdichtet sie und verkauft sie anschliessend als objektive Analyse. Das wirkt modern, kann aber im Kern ziemlich altmodisch sein.

Wenn ein Unternehmen in der Vergangenheit vor allem bestimmte Profile eingestellt hat, lernt ein System unter Umständen, dass genau diese Profile ‘erfolgreich’ sind. Wenn Frauen mit Familienpausen seltener befördert wurden, wenn ältere Bewerbende weniger Chancen erhielten, wenn ausländische Abschlüsse schlechter verstanden wurden, wenn Berufswechsel als Risiko galten, dann verschwinden solche Muster nicht einfach. Sie können in Daten weiterleben.

Und weil die Maschine keine Laune hat, keinen schlechten Tag und keine sichtbare Miene, wirkt ihr Urteil besonders sauber. Das ist gefährlich. Denn technische Kälte wird schnell mit Sachlichkeit verwechselt. Ein Mensch kann sich irren und man merkt es vielleicht. Eine Maschine kann sich irren und es sieht aus wie Systematik.

Bewerbende schreiben heute nicht mehr nur für Menschen

Früher schrieb man eine Bewerbung für eine Person. Heute schreibt man sie für eine doppelte Leserschaft: zuerst für die Maschine, dann für den Menschen. Das verändert die Sprache.

Aus ‘Ich habe die Debitorenbuchhaltung betreut’ wird ‘verantwortlich für Accounts Receivable, Mahnwesen, Zahlungseingänge, Kundenstammdaten, Monatsabschlussvorbereitung und Schnittstellenkoordination’. Aus ‘Ich habe Mitarbeitende eingearbeitet’ wird ‘Onboarding, Training, Knowledge Transfer und operative Teamkoordination’. Aus ‘Ich war der, der immer angerufen wurde, wenn es brannte’ wird ‘Troubleshooting, Eskalationsmanagement, Prozessstabilisierung und interne Schnittstellenfunktion’.

Das ist nicht immer falsch. Oft ist es sogar nötig. Viele Menschen unterschätzen ihre eigene Arbeit sprachlich. Gerade in der Schweiz gibt es eine stille Kultur des Untertreibens und der zurückhaltenden Bescheidenheit. Man macht seinen Job, redet nicht gross darüber und wundert sich dann, dass der Lebenslauf aussieht wie ein Beleg aus der Waschküche.

Aber die neue Bewerbungslogik hat auch eine hässliche Seite. Sie belohnt jene, die sich am besten übersetzen können. Wer weiss, wie Systeme lesen, schreibt anders. Wer KI-Tools nutzen kann, baut glattere Bewerbungen. Wer die richtige Sprache kennt, wirkt relevanter.

Dadurch entsteht eine neue Ungleichheit: Nicht zwingend die beste Berufsperson gewinnt, sondern diejenige, die ihre abstrakte ‘Beruflichkeit’ am besten maschinenverständlich verpackt. Das ist bitter. Denn der Arbeitsmarkt braucht nicht die besten CV-Texter. Er braucht Menschen, die arbeiten können.

Der neue Lebenslauf: klar, konkret, maschinenlesbar – aber nicht seelenlos

Was bedeutet das für Bewerbende? Sicher nicht, dass man seinen Lebenslauf mit Schlagwörtern vollstopfen sollte wie ein schlecht geführtes Lager. Keyword-Stuffing ist die Bewerbungsversion von zu viel Parfum im Lift: Man merkt sofort, dass etwas überdeckt werden soll. Ein guter moderner Lebenslauf muss zwei Dinge gleichzeitig leisten. Er muss maschinenlesbar sein und menschlich bleiben. Das klingt einfacher, als es ist.

Maschinenlesbar bedeutet: klare Struktur, eindeutige Berufsbezeichnungen, vollständige Zeiträume, verständliche Arbeitgeberangaben, relevante Systeme, konkrete Tätigkeiten, nachvollziehbare Verantwortlichkeiten. Keine grafischen Kunstwerke, keine Tabellenlabyrinthe, keine Icons statt Text, keine verspielten Balken für Sprachkenntnisse, keine PDFs, die aussehen wie ein Kreativportfolio, aber von Software gelesen werden wie ein zerknüllter Kassenzettel.

Menschlich bedeutet: nicht nur Begriffe auflisten, sondern Arbeit sichtbar machen. Nicht ‘Teamfähigkeit’ schreiben, sondern zeigen, in welchem Umfeld man mit wem gearbeitet hat. Nicht ‘belastbar’ behaupten, sondern beschreiben, welche Verantwortung man getragen hat. Nicht ‘Kommunikationsstärke’ deklarieren, sondern sichtbar machen, ob man mit Kunden, Behörden, Lieferanten, Monteuren, Pflegefachpersonen, Geschäftsleitungen oder Lernenden gearbeitet hat.

Ein Lebenslauf darf nicht zur Litanei aus Kompetenzen werden. Er muss lesbar bleiben. Aber er darf auch nicht so bescheiden sein, dass kein System und kein Mensch erkennen, was tatsächlich geleistet wurde. Die neue Kunst besteht darin, präzise zu sein, ohne sich aufzublasen.

Der Karriereknick ist kein Datenfehler

Besonders brutal sind automatisierte Systeme dort, wo Biografien nicht den Erwartungen entsprechen. Eine Lücke. Ein Branchenwechsel. Ein abgebrochenes Studium. Eine längere Familienphase. Eine Krankheit. Eine Migration. Ein Wiedereinstieg. Eine Selbständigkeit, die nicht funktioniert hat. Ein Jahr ohne saubere Berufsbezeichnung. Ein ausländischer Abschluss. Ein Jobtitel, den es nur in einem bestimmten Betrieb gab.

Für Menschen sind solche Dinge erklärbar. Für Systeme sind sie oft Störsignale.

Dabei steckt gerade in sperrigen, knorrigen und ungeraden Lebensläufen oft Substanz. Wer schon einmal neu anfangen musste, bringt Erfahrung mit, die in keinem Kompetenzkatalog sauber vorkommt. Wer nach einer Krise zurückkommt, weiss oft mehr über Belastbarkeit als jemand, der das Wort nur in die Bewerbung schreibt. Wer aus einem anderen Berufsfeld kommt, sieht Dinge anders. Wer nicht stromlinienförmig funktioniert, kann für Unternehmen wertvoll sein, sofern diese noch fähig sind, Wert jenseits des Standards zu erkennen.

Der Arbeitsmarkt redet gerne von Fachkräftemangel. Gleichzeitig baut er Systeme, die alles lieben, was glatt, bekannt und leicht vergleichbar ist. Das ist ein Widerspruch. Wer neue Menschen finden will, darf nicht nur alte Muster schneller sortieren. Ein Unternehmen, das über Fachkräftemangel klagt und gleichzeitig seine Bewerbungen maschinell so eng filtert, dass nur noch Normbiografien durchkommen, hat kein Rekrutierungsproblem. Es hat ein starkes Wahrnehmungsproblem.

Auch Unternehmen müssen ihren Maschinen misstrauen lernen

Es ist bequem, der Software zu glauben. Sie ist schnell, ordentlich und emotionslos. Sie zeigt Scores, Listen, Ampeln, Rankings und Empfehlungen. Das gibt Sicherheit. Oder zumindest die Illusion davon. Aber gute Rekrutierung war nie nur Sortierung. Sie war immer auch Interpretation. Eine Bewerbung ist kein Lagerartikel. Ein Mensch hat keinen Barcode. Berufliche Eignung ist keine simple Summe aus Keywords, Jahren und Systemkenntnissen.

Unternehmen sollten deshalb nicht fragen: ‘Welches Tool nimmt uns die Arbeit ab?’ Sie sollten fragen: ‘Welche Arbeit darf uns ein Tool überhaupt abnehmen?’

Das ist eine Führungsfrage. Eine ethische Frage. Eine Qualitätsfrage. Und zunehmend auch eine rechtliche Frage. In der Schweiz ist das Datenschutzgesetz seit dem 1. September 2023 in Kraft, und der EDÖB hält ausdrücklich fest, dass es auch auf KI-gestützte Datenbearbeitungen direkt anwendbar ist. Für automatisierte Einzelentscheidungen sieht Art. 21 DSG Informationspflichten vor; betroffene Personen können unter bestimmten Voraussetzungen ihren Standpunkt darlegen und eine Überprüfung durch eine natürliche Person verlangen.

Auch die EU geht im Bereich Recruiting deutlich in Richtung Regulierung: KI-Systeme, die für Rekrutierung oder Auswahl natürlicher Personen eingesetzt werden, insbesondere zur Analyse und Filterung von Bewerbungen oder zur Bewertung von Kandidierenden, werden im EU AI Act als Hochrisiko-Anwendungen eingeordnet. Der AI Act ist am 1. August 2024 in Kraft getreten und wird grundsätzlich ab 2. August 2026 vollständig anwendbar, mit gestaffelten Ausnahmen.

Man muss daraus keine Panik schaffen. Aber man sollte auch nicht so tun, als handle es sich bei KI-Recruiting nur um eine hübsche Komfortfunktion. Wer Menschen automatisiert vorsortiert, bearbeitet nicht einfach Daten. Er greift in berufliche Chancen ein.

Die neue Pflicht der Recruiter: Nicht weniger denken, sondern besser denken

Die grosse Angst lautet: Wird KI Recruiterinnen und Recruiter ersetzen? Die bessere Frage wäre: Welche Recruiterinnen und Recruiter werden durch KI entlarvt? Wer Recruiting bisher als Weiterleiten von Lebensläufen verstanden hat, wird es schwer haben. Wer nur Schlagwörter abgleicht, Dossiers verschiebt, Absagen standardisiert und Stellenprofile kopiert, ist tatsächlich gefährdet. Nicht, weil KI so menschlich ist, sondern weil manche Recruitingarbeit erschreckend maschinenähnlich geworden ist.

Aber gute Recruiter werden wichtiger, nicht unwichtiger. Sie müssen künftig verstehen, wie Systeme vorsortieren. Sie müssen wissen, wo Software blind ist. Sie müssen erkennen, wann ein Score täuscht. Sie müssen Bewerbungsunterlagen lesen können, ohne sich von maschinellen Empfehlungen hypnotisieren zu lassen. Sie müssen Kunden erklären, warum der beste Mensch vielleicht nicht oben in der Liste steht. Sie müssen Bewerbenden helfen, ihre Erfahrung so zu übersetzen, dass sie sichtbar wird, ohne sie zu verfälschen. Das ist anspruchsvoller als früher. Und wertvoller.

Die Zukunft gehört nicht den Recruitern, die gegen KI schimpfen. Sie gehört auch nicht jenen, die ihr devot alles glauben. Sie gehört denjenigen, die technische Möglichkeiten nutzen, ohne ihre berufliche Urteilskraft abzugeben. Ein gutes ATS ist ein Werkzeug. Kein Gewissen. Ein Parser ist ein Helfer. Kein Menschenkenner. Ein Matching-Score ist ein Hinweis. Kein Urteil. Und KI ist kein Ersatz für Verantwortung.

Was Bewerbende konkret ändern sollten

Wer sich heute bewirbt, sollte nicht naiv sein. Der Lebenslauf muss so geschrieben sein, dass ihn Menschen gerne lesen und Systeme sauber verarbeiten können. Das ist kein Verrat an der eigenen Persönlichkeit. Es ist Übersetzungsarbeit.

Berufsbezeichnungen sollten klar sein. Wenn der interne Titel exotisch war, hilft eine verständliche Ergänzung. Aus ‘Operations Ninja’ wird besser ‘Sachbearbeiter Auftragsabwicklung / Operations’. Aus ‘People Happiness Coordinator’ wird besser ‘HR-Administration und Mitarbeitendenbetreuung’. Aus ‘Allrounder’ wird nur dann etwas Brauchbares, wenn daneben steht, was tatsächlich gemacht wurde.

Auch Systeme und Fachbegriffe gehören sichtbar in den Lebenslauf. Wer mit Abacus, SAP, Bexio, MS Dynamics, AutoCAD, Messerli, Sorba, zvoove, Polypoint, Lobos, Messerli, Navision oder anderen Anwendungen gearbeitet hat, sollte das nennen. Nicht als Erwähnung, sondern dort, wo es beruflich hingehört.

Tätigkeiten sollten konkret sein. ‘Administration’ ist zu wenig. Administration kann alles bedeuten und nichts. Besser ist: ‘Vertragswesen, Zeiterfassung, Fakturavorbereitung, Debitorenkontrolle, telefonische Kundenbetreuung und Pflege von Personaldaten.’ Das ist nicht aufgeblasen. Das ist sichtbar.

Lücken sollten nicht versteckt werden wie ein Rotweinfleck unter dem Teppich. Man muss nicht jedes private Detail offenlegen. Aber eine plausible, ruhige Einordnung ist oft besser als ein mysteriöses Loch. Maschinen mögen Lücken nicht. Menschen mögen Unklarheit noch weniger. Und vor allem: Bewerbungen sollten nicht klingen, als hätte eine KI sie in einem fensterlosen Sitzungszimmer geschrieben. Wer nur noch ‘motiviert, dynamisch, lösungsorientiert, teamfähig, belastbar und kommunikativ’ ist, ist sprachlich bereits tot, bevor das Gespräch begonnen hat.

Was Unternehmen konkret ändern sollten

Unternehmen sollten ihre Recruiting-Software nicht nur einführen, sondern prüfen. Nicht technisch allein, sondern fachlich. Welche Kriterien werden gewichtet? Welche Bewerbungen fallen früh heraus? Welche Profile werden systematisch bevorzugt? Werden ältere Kandidierende schlechter sichtbar? Werden Quereinsteigerinnen erkannt? Werden ausländische Abschlüsse verstanden? Werden Teilzeitverläufe fair behandelt? Werden Lücken zu stark bestraft? Wird Sprache mit Kompetenz verwechselt? Diese Fragen sind nicht akademisch. Sie entscheiden darüber, ob ein Unternehmen Talente findet oder aussortiert.

Gute Unternehmen brauchen deshalb eine Art Recruiting-Hygiene. Nicht als Bürokratie, sondern als Qualitätskontrolle. Wer automatisiert filtert, sollte regelmässig Stichproben machen. Wer Matching-Scores nutzt, sollte prüfen, ob gute Kandidaturen tief bewertet wurden. Wer KI-generierte Empfehlungen einsetzt, sollte dokumentieren, welche Rolle sie im Entscheidungsprozess spielen. Wer Absagen automatisiert, sollte wenigstens sicherstellen, dass vorher wirklich ein fairer Blick stattgefunden hat.

Und bitte: Kein Unternehmen sollte sich hinter Software verstecken. ‘Das System hat Sie leider nicht berücksichtigt’ ist kein Satz, sondern eine Kapitulation. Systeme berücksichtigen niemanden. Menschen tun das. Oder eben nicht.

Die stille Gefahr: Effizienz ohne Erkenntnis

Digitalisierung im Recruiting wird fast immer mit Effizienz begründet. Schneller ausschreiben. Schneller erfassen. Schneller sortieren. Schneller antworten. Schneller entscheiden. Gegen Geschwindigkeit ist nichts einzuwenden, solange sie nicht zur intellektuellen Abkürzung wird. Denn Recruiting ist kein Paketzentrum.

Natürlich muss man Bewerbungen effizient bearbeiten. Natürlich kann niemand jede unpassende Bewerbung stundenlang meditieren. Natürlich braucht es Systeme, Prozesse und Automatisierung. Aber Geschwindigkeit darf nicht dazu führen, dass Unternehmen nur noch jene Menschen sehen, die sich perfekt in vorhandene Raster einfügen.

Der Arbeitsmarkt ist bereits eng genug. Es wäre grotesk, wenn Unternehmen auf der einen Seite ‘Fachkräfte verzweifelt gesucht’ rufen und auf der anderen Seite Bewerbungen durch digitale Siebe schütten, deren Maschen so eng sind, dass viele gute Leute gar nie beim Menschen ankommen. Das ist dann keine Effizienz. Das ist Verlustbeschleunigung.

Der Mensch muss wieder schwerer wiegen als das Feld im System

Ein Lebenslauf ist immer eine Reduktion. Niemand passt wirklich auf zwei Seiten. Kein Formular versteht eine Biografie. Kein Parser erkennt den Tonfall, mit dem jemand Verantwortung übernimmt. Kein Matching-Score weiss, ob jemand morgens zuverlässig auf der Baustelle steht, ob jemand in der Pflege ruhig bleibt, wenn andere nervös werden, ob jemand in der Buchhaltung Fehler riecht, bevor sie teuer werden, ob jemand im Kundendienst Menschen beruhigen kann, ohne sich selbst zu verlieren. Das alles steht selten sauber im CV. Aber es entscheidet oft über gute Arbeit.

Darum ist die Debatte über CV-Parsing und KI im Recruiting grösser als eine technische Frage. Sie zwingt uns, über Menschenbilder zu sprechen. Sehen wir Bewerbende als Datenpakete? Als Risikoprofile? Als Kompetenzcontainer? Als verfügbare Ressourcen? Oder sehen wir sie als Menschen mit Geschichte, Fähigkeit, Grenzen, Entwicklung und Würde?

Die Maschine kann helfen, Ordnung in Masse zu bringen. Sie kann Tempo schaffen. Sie kann Muster zeigen. Sie kann Routinearbeit reduzieren. Aber sie darf nicht zur letzten Instanz werden, nur weil sie schneller ist als der Mensch. Im Recruiting gilt: Wer Menschen finden will, muss Menschen lesen können. Nicht nur Dokumente. Nicht nur Daten. Nicht nur Scores. Menschen.

Fazit: Die Zukunft des Recruitings wird nicht menschlicher, wenn man sie der Maschine überlässt

Der Lebenslauf verschwindet nicht. Er verändert seine Funktion. Er ist nicht mehr nur Visitenkarte, sondern Datenträger. Nicht mehr nur Erzählung, sondern Eingangsmaterial für Systeme. Nicht mehr nur Selbstbeschreibung, sondern maschinenlesbare Identitätsprobe.

Das kann nützlich sein. Aber es ist gefährlich, wenn Unternehmen vergessen, dass Lesbarkeit nicht dasselbe ist wie Eignung. Dass Struktur nicht dasselbe ist wie Substanz. Dass Keywords nicht dasselbe sind wie Können. Dass Effizienz nicht dasselbe ist wie Fairness. Und dass ein Mensch, der von einem System schlecht verstanden wird, nicht automatisch ein schlechter Bewerber ist.

Die beste Recruiting-Zukunft ist deshalb nicht maschinenfrei. Das wäre romantisch und weltfremd. Aber sie muss maschinenkritisch sein. Sie braucht Systeme, die helfen, nicht herrschen. Sie braucht Recruiterinnen und Recruiter, die digitale Werkzeuge verstehen, aber ihnen nicht blind folgen. Sie braucht Unternehmen, die Bewerbungen nicht nur verarbeiten, sondern beurteilen. Und sie braucht Bewerbende, die lernen, ihre Erfahrung sichtbar zu machen, ohne sich in eine glatte Plastikversion ihrer selbst zu verwandeln.

Der Lebenslauf ist nicht tot. Er wartet nur darauf, wieder gelesen zu werden. Richtig gelesen. Von Menschen, die mehr können als klicken.

Absage auf Verdacht: Der Lebenslauf passt nicht ins Weltbild

Lebenslauf-Scamming – die fiese Jagd auf Ihre persönlichen Daten.

Werden Hirnscans den Lebenslauf ersetzen?