zuletzt aktualisiert 19. Juni 2026
Inhaltsverzeichnis
- Einleitung
- Hintergrund: KI schreibt Bewerbungen, KI bewertet Bewerbungen
- Die i10X-Untersuchung: Was getestet wurde
- Zentrale Ergebnisse: Stil-Bias im AI Resume Screening
- Was HR daraus lernen sollte
- EU AI Act: Warum HR-Systeme besonders sensibel sind
- Was Bewerbende und Karriereberatung daraus ableiten können
- Praktischer Prüfrahmen für HR
- Fazit
Einleitung
KI-gestützte Systeme zur Analyse von Lebensläufen sollen Recruiting-Prozesse beschleunigen und Bewerbungen vergleichbarer machen. Eine aktuelle Untersuchung von i10X Research weist jedoch auf ein bislang wenig beachtetes Risiko hin: Nicht nur Qualifikationen, Berufserfahrung oder Passung zur Stelle können die Bewertung beeinflussen, sondern offenbar auch der Stil des KI-Tools, mit dem ein Lebenslauf formuliert wurde.
Für HR-Abteilungen verschiebt sich damit die zentrale Frage: Bewertet ein automatisiertes Screening-System tatsächlich die fachliche Eignung – oder auch die sprachliche und strukturelle Signatur des Tools, das den Lebenslauf geschrieben hat?
Die Studie berichtet von einer maximalen Differenz von 42 Prozentpunkten bei der Hire-Rate für identische Kandidatenprofile. Die Qualifikationen blieben gleich, verändert wurde lediglich, ob der Lebenslauf mit GPT, Claude, Gemini oder Grok erstellt wurde. Grundlage waren 100 synthetische Kandidatenprofile, 400 Lebenslaufvarianten und 1.576 gültige Bewertungen durch vier KI-Modelle. Die Untersuchung wurde im Mai 2026 durchgeführt und am 2. Juni 2026 veröffentlicht.
Hintergrund: KI schreibt Bewerbungen, KI bewertet Bewerbungen
Generative KI wird zunehmend für Bewerbungsunterlagen eingesetzt. Bewerbende nutzen Tools wie ChatGPT, Claude, Gemini oder Grok, um Lebensläufe zu strukturieren, Formulierungen zu verbessern oder Stellenanforderungen präziser aufzugreifen.
Gleichzeitig setzen viele Unternehmen digitale Systeme ein, um Bewerbungen vorzusortieren, Lebensläufe zu analysieren oder Kandidatenprofile mit Stellenanforderungen abzugleichen. Wie weit solche Systeme im Einzelfall automatisiert entscheiden, unterscheidet sich je nach Organisation, Anbieter, Prozessdesign und regulatorischem Umfeld. KI-gestützte Screening- und Matching-Systeme werden jedoch zunehmend in Unternehmen eingesetzt.
Aus dieser Entwicklung entsteht eine neue Konstellation im Recruiting: KI-generierte Lebensläufe treffen auf KI-gestützte Bewertungssysteme. Damit kann ein zusätzlicher Verzerrungsfaktor entstehen, der in klassischen Bias-Debatten bislang nur selten im Mittelpunkt steht: der Stil des Dokuments.
Die i10X-Untersuchung: Was getestet wurde
i10X Research erstellte nach eigener Darstellung 100 synthetische, aber realistische Kandidatenprofile aus zwölf Branchen und vier Karrierestufen. Jedes Profil wurde einer passenden Stellenanzeige zugeordnet. Anschließend wurden pro Profil vier Lebenslaufversionen erstellt – jeweils mit GPT-5.4, Claude Sonnet 4.6, Gemini 3 Pro und xAI Grok 4.3.
Die Fakten in den Lebensläufen blieben identisch. Unterschiede bestanden in Sprache, Struktur und Darstellung. Danach wurden alle 400 Lebensläufe blind durch vier KI-Modelle bewertet. Von 1.600 möglichen Datenpunkten waren 1.576 gültig.
Fehlende Vergleichsgruppe: Wie hätten menschlich verfasste Lebensläufe abgeschnitten?
Eine zentrale offene Frage bleibt: Wie hätten nicht KI-verfasste Lebensläufe im Vergleich abgeschnitten? Die Studie vergleicht unterschiedliche KI-generierte Lebenslaufstile miteinander, enthält aber offenbar keine Kontrollgruppe mit rein menschlich geschriebenen Bewerbungen. Dadurch lässt sich nicht abschließend beurteilen, ob die beobachteten Bewertungsunterschiede spezifisch auf einzelne KI-Tools zurückgehen oder ob KI-generierte Lebensläufe insgesamt anders bewertet werden als klassische Bewerbungen.
Für HR wäre eine solche Human-Baseline besonders relevant, weil reale Auswahlprozesse Bewerbungen mit sehr unterschiedlichen Entstehungsgeschichten enthalten: selbst verfasste Lebensläufe, professionell optimierte Unterlagen, KI-gestützte Entwürfe und vollständig KI-generierte Dokumente. Eine entsprechende Kontrollgruppe würde die Aussagekraft der Ergebnisse deutlich erhöhen.
Wichtig ist die methodische Einordnung: Die Untersuchung stammt von i10X Research selbst. Aus den verfügbaren Angaben geht nicht hervor, wie stark die verwendeten Prompts, synthetischen Profile und Bewertungsmaßstäbe reale ATS- oder HR-Tech-Systeme abbilden. Die Ergebnisse sollten daher nicht als abschließender Nachweis für alle Recruiting-Systeme verstanden werden, sondern als ernst zu nehmender Hinweis auf ein prüfpflichtiges Risiko.
Zentrale Ergebnisse: Stil-Bias im AI Resume Screening
42 Prozentpunkte Unterschied bei identischer Qualifikation
Das auffälligste Ergebnis ist die berichtete maximale Differenz von 42 Prozentpunkten bei der Hire-Rate. Laut i10X empfahl Claude GPT-geschriebene Lebensläufe nur in 42 Prozent der Fälle zur Einstellung, während Claude-geschriebene Lebensläufe bei demselben Evaluator auf 84 Prozent kamen. Die Qualifikationen waren identisch; verändert wurde nur die sprachliche und strukturelle Form des Lebenslaufs.
Für HR ist das relevant, weil ein solches Ergebnis auf eine mögliche Stilpräferenz hinweist. Wenn ein System bestimmte Textmuster bevorzugt oder benachteiligt, bewertet es nicht mehr ausschließlich die Eignung einer Person.
„Maybe“ ist im Recruiting oft keine neutrale Kategorie
Die Studie wertet nur eine ausdrückliche „Hire“-Empfehlung als positives Ergebnis. „Maybe“ und „Reject“ werden beide als Nicht-Einstellung gezählt. Diese Annahme ist aus Recruiting-Perspektive nachvollziehbar: In stark automatisierten Vorauswahlprozessen kann eine unsichere Bewertung dazu führen, dass eine Bewerbung nie in die manuelle Prüfung gelangt.
Das bedeutet: Ein „Maybe“ ist nicht zwingend eine faire Zwischenkategorie. Je nach Prozesslogik kann es faktisch einer Absage entsprechen.
Einzelne Modelle bewerten dieselben Unterlagen unterschiedlich
Besonders problematisch ist der berichtete Fall, in dem zwei Modelle denselben Claude-geschriebenen Lebenslauf um 29 Punkte unterschiedlich bewerteten: GPT vergab 74 Punkte und damit ein „Maybe“, Claude vergab 45 Punkte und damit ein „Reject“.
Solche Abweichungen zeigen, warum KI-Bewertungen nicht automatisch als objektiv gelten sollten. Ein Score ist kein neutrales Faktum, sondern das Ergebnis eines Modells, eines Prompts, eines Bewertungsrasters und einer bestimmten Interpretation von Passung.
Was HR daraus lernen sollte
1. KI-Screening braucht vor dem Einsatz einen Bias- und Konsistenztest
Vor dem produktiven Einsatz sollten HR-Teams prüfen, ob ein System bestimmte Schreibstile, Formate oder KI-generierte Textmuster systematisch bevorzugt. Dazu reichen allgemeine Anbieterzusagen nicht aus. Notwendig sind eigene Tests mit kontrollierten Fallgruppen.
Ein praktikabler Audit-Ansatz kann so aussehen:
- Schritt 1: Testdatensatz erstellen
HR erstellt synthetische oder anonymisierte Lebensläufe mit identischen Qualifikationen, aber unterschiedlichen Formaten, Formulierungen und Strukturen. - Schritt 2: Varianten gegeneinander testen
Die gleichen Profile werden in mehreren Stilvarianten durch das Screening-System geschickt. - Schritt 3: Ergebnisabweichungen messen
Verglichen werden Scores, Ranking-Positionen, Empfehlungsstufen und Ablehnungsquoten. - Schritt 4: Schwellenwerte definieren
Auffällige Abweichungen sollten vorab festgelegt werden. Beispielsweise kann eine Differenz von mehr als zehn Prozentpunkten zwischen vergleichbaren Stilvarianten ein Prüfsignal sein. - Schritt 5: Grenzfälle manuell prüfen
Profile mit mittleren Scores, „Maybe“-Bewertungen oder widersprüchlichen Modellurteilen sollten nicht automatisch aussortiert werden. - Schritt 6: Re-Audits nach Updates durchführen
Da KI-Modelle, Prompts und Anbieterlogiken regelmäßig verändert werden, sollte ein einmaliger Test nicht genügen. Nach größeren Systemänderungen braucht es erneute Prüfungen.
2. Stil-Bias sollte als eigene Risikokategorie behandelt werden
Viele Bias-Debatten im Recruiting konzentrieren sich auf demografische Merkmale wie Geschlecht, Alter oder Herkunft. Diese Dimensionen bleiben zentral. Die i10X-Untersuchung zeigt jedoch, dass auch stilistische Faktoren relevant sein können.
Für HR bedeutet das: Ein Lebenslauf kann fachlich gleichwertig sein und dennoch anders bewertet werden, weil er anders geschrieben, anders strukturiert oder anders verdichtet ist. Das betrifft besonders Bewerbende, die KI-Tools nutzen, aber auch Menschen mit unterschiedlichen Sprachstilen, kulturellen Schreibkonventionen oder nicht-linearen Karrierewegen.
Siehe auch: Bevorzugen KIs KI Texte?
3. Keine automatisierte Absage ohne menschliche Kontrollinstanz
Ein einzelnes KI-Modell sollte nicht allein darüber entscheiden, ob eine Bewerbung den nächsten Prozessschritt erreicht. Besonders riskant sind Prozesse, in denen niedrige oder uneindeutige Scores automatisch zur Ablehnung führen.
Aus HR-Sicht sollten mindestens drei Schutzmechanismen vorgesehen werden:
Erstens sollten automatische Ablehnungen nur bei klar definierten, überprüfbaren Mindestanforderungen erfolgen. Zweitens sollten Grenzfälle durch Recruiterinnen oder Recruiter geprüft werden. Drittens sollten Kandidatenprofile nicht allein anhand eines aggregierten Scores beurteilt werden, sondern anhand nachvollziehbarer Kriterien wie Berufserfahrung, Kompetenzen, Muss-Anforderungen und Rollenpassung.
4. Mehrmodell-Ansätze können helfen, ersetzen aber keine Governance
Die i10X-Ergebnisse sprechen dafür, Bewertungen nicht blind einem einzigen Modell zu überlassen. Mehrmodell-Ansätze oder zusätzliche Validierungsschritte können Abweichungen sichtbar machen. Sie lösen das Problem aber nicht automatisch.
Mehrere Modelle können ähnliche Verzerrungen aufweisen, wenn sie vergleichbare Trainingslogiken, Bewertungsmuster oder Prompt-Strukturen nutzen. Deshalb braucht auch ein Mehrmodell-Ansatz klare Regeln: Wie werden widersprüchliche Scores behandelt? Wann wird manuell geprüft? Welche Abweichungen gelten als kritisch? Wer dokumentiert die Entscheidung?
EU AI Act: Warum HR-Systeme besonders sensibel sind
Der EU AI Act verfolgt einen risikobasierten Ansatz für KI-Systeme. Die Europäische Kommission beschreibt die Verordnung als umfassenden Rechtsrahmen, der Risiken von KI adressieren und vertrauenswürdige KI fördern soll.
Für HR besonders relevant ist Anhang III. Dort werden unter anderem KI-Systeme im Bereich Beschäftigung, Personalmanagement und Zugang zur Selbstständigkeit als Hochrisiko-Kontext aufgeführt, sofern sie für bestimmte Zwecke eingesetzt werden. Dazu zählen insbesondere Systeme zur Rekrutierung oder Auswahl natürlicher Personen, etwa zum Analysieren oder Filtern von Bewerbungen und zur Bewertung von Kandidatinnen und Kandidaten.
Artikel 13 des AI Act verlangt bei Hochrisiko-KI Transparenzanforderungen, damit Nutzerinnen und Nutzer die Ergebnisse des Systems angemessen interpretieren und verwenden können. Für HR heißt das praktisch: Es reicht nicht, ein KI-Screening-System einzusetzen und den Score ungeprüft zu übernehmen. Verantwortliche müssen verstehen können, wie das System genutzt werden soll, welche Grenzen es hat und wie seine Ergebnisse in den Entscheidungsprozess einzuordnen sind.
Dabei ist zwischen verschiedenen Rollen zu unterscheiden:
Anbieter müssen Hochrisiko-Systeme so entwickeln, dokumentieren und bereitstellen, dass regulatorische Anforderungen erfüllt werden können.
Betreiber beziehungsweise einsetzende Unternehmen müssen das System sachgerecht verwenden, interne Zuständigkeiten klären, Ergebnisse überwachen und menschliche Aufsicht sicherstellen.
HR-Verantwortliche müssen die praktische Entscheidungslogik im Recruiting so gestalten, dass KI-Ergebnisse nicht unreflektiert zu Ausschlussentscheidungen führen.
Was Bewerbende und Karriereberatung daraus ableiten können
Die Studie legt nahe, dass KI-generierte Lebensläufe nicht als neutraler Standard betrachtet werden sollten. Ein mit KI optimierter Lebenslauf kann klarer, strukturierter und besser auf eine Stelle zugeschnitten sein. Gleichzeitig kann er stilistische Muster enthalten, die von bestimmten Screening-Systemen anders bewertet werden.
In der untersuchten Versuchsanordnung schnitten Gemini-generierte Lebensläufe über alle Evaluatoren hinweg besonders gut ab. Daraus lässt sich jedoch keine allgemeingültige Empfehlung ableiten. Reale Screening-Systeme, Stellenprofile, Branchen und Unternehmensprozesse unterscheiden sich erheblich. Was in einem Testsetting gut funktioniert, muss nicht in jedem Bewerbungsprozess vorteilhaft sein.
Für Karriereberatung, Hochschulen und Coaches ergibt sich daher eine differenziertere Empfehlung: Bewerbende sollten KI nicht als automatischen Lebenslauf-Autor nutzen, sondern als Werkzeug zur Überarbeitung. Entscheidend bleiben fachliche Präzision, belegbare Leistungen, klare Struktur und eine authentische Darstellung der eigenen Erfahrung.
Sinnvoll ist ein modellagnostischer Ansatz: Lebensläufe können mit verschiedenen Tools geprüft, aber nicht ungeprüft übernommen werden. Die finale Version sollte von Menschen gelesen, auf Plausibilität geprüft und auf die konkrete Stelle zugeschnitten werden.
Praktischer Prüfrahmen für HR
HR-Abteilungen, die KI im CV-Screening einsetzen oder evaluieren, sollten folgende Fragen systematisch beantworten:
Bewertet das System Qualifikation oder auch Darstellungsstil?
Identische Profile sollten in unterschiedlichen Formaten getestet werden.
Wie werden „Maybe“-Fälle behandelt?
Unklare Bewertungen sollten nicht automatisch zum Ausschluss führen.
Gibt es messbare Abweichungen zwischen Lebenslaufvarianten?
Starke Unterschiede bei gleicher Qualifikation sind ein Audit-Signal.
Wer überprüft Grenzfälle?
Menschliche Aufsicht muss organisatorisch verankert sein.
Wie wird die Nutzung dokumentiert?
Entscheidungskriterien, Schwellenwerte und Eskalationsregeln sollten nachvollziehbar festgehalten werden.
Wann wird erneut geprüft?
Nach Modell-, Prompt-, Anbieter- oder Prozessänderungen braucht es Re-Audits.
Fazit
Die i10X-Untersuchung macht auf ein Risiko aufmerksam, das im KI-gestützten Recruiting leicht übersehen wird: Automatisierte Lebenslaufanalysen können identische Qualifikationen unterschiedlich bewerten, wenn sich lediglich der Stil des Lebenslaufs unterscheidet. Für HR ist das kein technisches Randthema, sondern eine Frage der Fairness, Qualität und Nachvollziehbarkeit von Auswahlentscheidungen.
Der wichtigste Schluss lautet daher nicht, ein bestimmtes KI-Tool für Lebensläufe zu empfehlen oder ein anderes pauschal abzulehnen. Entscheidend ist, dass Unternehmen ihre eigenen Screening-Systeme prüfen, Grenzfälle nicht automatisiert aussortieren und KI-Ergebnisse nur als unterstützende Entscheidungsgrundlage verwenden.
Professionelles Recruiting mit KI braucht mehr als Effizienz. Es braucht belastbare Audits, klare Verantwortlichkeiten, menschliche Kontrolle und Transparenz gegenüber Bewerbenden. Nur dann kann KI im Recruiting helfen, Auswahlprozesse zu verbessern, ohne neue, schwer sichtbare Verzerrungen zu erzeugen.
