Wenn KI die Bewerbung schreibt: Wie erkennt man noch, was jemand kann?

Eine Bewerberin lädt ihre Berufserfahrung in einen Chatbot, ergänzt die Stellenanzeige und erhält ein Anschreiben, das genau auf die gesuchten Fähigkeiten zugeschnitten ist. Ein anderer Kandidat formuliert alles selbst. Wer von beiden eignet sich besser für die Stelle? Aus den beiden Texten lässt sich das kaum noch entscheiden.

Personalabteilungen haben Bewerbungen schon immer mit Vorsicht gelesen. Lebensläufe sind Selbstdarstellungen, Anschreiben keine Arbeitsproben. Generative KI verändert aber die Kosten guter Formulierungen. Die überzeugende Beschreibung einer Kompetenz kann nun entstehen, ohne dass die Person diese Kompetenz im gleichen Umfang beherrscht. Umgekehrt kann KI jemandem helfen, tatsächlich vorhandene Fähigkeiten endlich verständlich darzustellen.

Die Frage lautet deshalb nicht, wie man KI aus Bewerbungen heraushält. Interessanter ist, welche Beobachtung im Auswahlprozess überhaupt noch etwas über die spätere Arbeit aussagt.

Was eine gute Bewerbung zeigt – und was nicht

Ein Anschreiben kann Motivation, relevante Erfahrungen und die Fähigkeit zur schriftlichen Darstellung sichtbar machen. Es beweist weder, dass die geschilderten Situationen genauso stattgefunden haben, noch, dass ein gut formulierter Lösungsansatz allein entwickelt wurde. Das war vor ChatGPT so. Heute ist die Distanz zwischen Textqualität und eigener Formulierungsleistung potenziell größer.

Man muss dabei sauber unterscheiden. Eine Rechtschreibkorrektur verändert die Darstellung. Ein Chatbot, der aus wenigen Stichworten eine plausible Projekterfahrung erfindet, verändert den behaupteten Inhalt. Und ein Sprachmodell, das während eines Tests die Antworten liefert, beeinflusst unmittelbar die gemessene Leistung. Diese drei Fälle gehören nicht in dieselbe Schublade.

Auswahlverfahren müssen daher zwei Fragen getrennt beantworten: Ist die Information über die Person belastbar? Und: Ist die im Verfahren gezeigte Leistung für die konkrete Tätigkeit relevant? Ein pauschaler KI-Verdacht beantwortet keine von beiden.

Im Online-Test macht KI einen messbaren Unterschied

Wie relevant das Problem bei echten Auswahlverfahren ist, untersuchten Chet Robie und Kollegen in zwei Studien mit Bewerbenden, die standardisierte Eignungstests absolvierten. Die 2026 veröffentlichte Untersuchung umfasst eine Stichprobe von 5.675 Personen aus dem dritten Quartal 2024 und eine weitere von 3.356 aus dem dritten Quartal 2025.

In der späteren Studie berichteten 23,2 % der Befragten ohne Warnhinweis, generative KI zumindest selten während des Tests genutzt zu haben. Mit einem Hinweis auf mögliche Konsequenzen waren es 10,6 %. Die meisten, die eine Nutzung zugaben, beschrieben sie als selten. Diese Werte beziehen sich auf die jeweiligen Gruppen und auf Selbstauskünfte. Sie sind keine Schätzung für alle Bewerbungen in Deutschland und kein Nachweis dafür, dass Warnhinweise jede unerlaubte Hilfe verhindern.

Die Warnung kann also die deklarierte Nutzung senken. Sie beweist jedoch nicht, dass ein unbeaufsichtigter Test wieder unverfälscht die Eigenleistung misst. Wer das Ergebnis als reine Kompetenzmessung behandeln möchte, muss diese Grenze berücksichtigen.

Noch deutlicher wird das in einem vorregistrierten Experiment zu zeitversetzten Videointerviews. Damian Canagasuriam und Eden-Raye Lukacik ließen 245 Teilnehmende Interviewantworten ohne ChatGPT, mit wörtlich übernommenen ChatGPT-Antworten oder mit persönlich angepassten KI-Antworten geben. Die beiden KI-Gruppen erzielten höhere Bewertungen für Inhalt und Gesamtleistung, zugleich niedrigere Ehrlichkeitsbewertungen. Die Untersuchung zeigt einen möglichen Messfehler in dieser Interviewform. Sie zeigt nicht, wie oft Arbeitgeber im Alltag tatsächlich die falschen Personen einstellen.

Der stärkste Einwand: Schreibassistenz kann Talente sichtbarer machen

Es wäre falsch, aus diesen Experimenten abzuleiten, dass Bewerbungen ohne Hilfsmittel grundsätzlich die gerechteren sind. Gute Rechtschreibung, flüssiger Stil und Erfahrung im Verfassen von Bewerbungen sind nicht bei jeder Tätigkeit entscheidende Kompetenzen. Wer sie stark gewichtet, kann Menschen aussortieren, die fachlich gut wären, sich aber weniger überzeugend präsentieren.

Eine groß angelegte Feldstudie liefert dafür ein bemerkenswertes Gegenstück. Emma Wiles, Zanele Munyikwa und John Horton untersuchten in einem Online-Arbeitsmarkt nahezu eine halbe Million Arbeitssuchende. Eine Gruppe erhielt eine algorithmische, nicht generative Schreibhilfe für ihren Lebenslauf. Die so unterstützten Personen wurden um 8 % häufiger eingestellt; die Forschenden fanden keine Hinweise auf geringere Zufriedenheit der Arbeitgeber.

Das ist kein Beleg dafür, dass KI-generierte Berufserfahrungen harmlos wären. Untersucht wurde gerade keine frei erfundene Leistungsdarstellung durch generative KI. Die Studie macht vielmehr den entscheidenden Unterschied deutlich: Eine Hilfe kann ein schwaches Darstellungssignal verbessern, ohne das dahinterliegende Können zu verfälschen.

Die nützliche Grenze verläuft also nicht sauber zwischen „mit KI“ und „ohne KI“. Sie verläuft zwischen einem Hilfsmittel, das vorhandene Fähigkeiten besser sichtbar macht, und einem Hilfsmittel, das im Auswahlverfahren die zu prüfende Leistung übernimmt.

Zuerst festlegen, was überhaupt geprüft werden soll

Eine Softwareentwicklerin muss möglicherweise Code verstehen, testen und Fehler beheben. Ob sie jeden ersten Entwurf ohne Assistenz schreibt, kann für ihre spätere Arbeit zweitrangig sein. Bei einer Stelle mit sicherheitskritischen Entscheidungen kann dagegen wichtig sein, dass jemand Probleme auch ohne externe Hilfe erkennt. Beide Tätigkeiten verlangen Kompetenz – aber nicht denselben Test.

Die OECD empfiehlt in ihrem Bericht zu einem kompetenzorientierten Arbeitsmarkt von 2026, Auswahl stärker auf nachgewiesene Fähigkeiten, strukturierte Bewertungen und kompetenzbezogene Interviews auszurichten. Das ist eine Richtung für das Verfahrensdesign, keine Garantie, dass jede Arbeitsprobe automatisch fair oder prognosekräftig ist.

So entstehen sinnvolle Unterschiede im Auswahlverfahren. Wenn KI im Arbeitsalltag ausdrücklich erwünscht ist, sollte zumindest ein Teil der Auswahl zeigen dürfen, wie jemand sie nutzt. Soll eine Aufgabe eigenständig beherrscht werden, ist eine unkontrollierte KI-Antwort dagegen keine geeignete Messung dieser Eigenleistung.

Wie eine Arbeitsprobe weniger leicht zum Schreibwettbewerb wird

Man stelle sich eine Bewerbung für eine Stelle im Kundenservice vor. Die Person soll eine schwierige Reklamation beantworten. Ein KI-System kann binnen Sekunden einen höflichen Antwortentwurf schreiben. Daraus allein lässt sich noch nicht erkennen, ob die Bewerberin die entscheidenden Regeln versteht oder die Situation richtig einschätzt.

Eine bessere Arbeitsprobe könnte einen konkreten Fall mit unvollständigen Informationen vorlegen. Zunächst wird festgelegt, ob KI erlaubt ist. Anschließend erklärt die Person, welche Rückfrage sie stellen würde und wo der Entwurf eine unbelegte Zusage enthält. Wird der Fall im Gespräch verändert, muss sie ihre Entscheidung begründen. So rückt die tatsächlich relevante Aufgabe in den Vordergrund: nicht ein glatter Absatz, sondern das fachlich vertretbare Handeln.

Auch dieses Vorgehen hat Grenzen. Ungewohnte Testsituationen, Sprachbarrieren oder Behinderungen können Ergebnisse beeinflussen. Aufgaben müssen zur Stelle passen, Anforderungen transparent und vergleichbar sein; notwendige Anpassungen für Teilnehmende gehören in die Planung. Ein spontan erfundener Härtetest ist deshalb keine bessere Diagnostik.

Für eine fachlich saubere Auswahl hilft es, die Beobachtung vorab zu beschreiben: Welche konkrete Handlung gilt als guter Nachweis? Welche Fehler wären kritisch? Was darf eine KI erledigen, was muss die Person selbst beurteilen? Erst danach sollte eine Bewertungsskala entstehen. Damit wird das Verfahren nachvollziehbarer, auch wenn es nicht jede Unsicherheit beseitigt.

KI-Erkennung ist keine Antwort auf die Eignungsfrage

Selbst ein verlässlich erkannter KI-Einsatz würde zunächst nur belegen, dass ein Hilfsmittel genutzt wurde. Daraus folgt weder automatisch mangelnde Eignung noch ein Regelverstoß. Beides hängt davon ab, was im jeweiligen Schritt vereinbart und gemessen wurde.

Umgekehrt macht ein unauffälliger Text seine Entstehung nicht transparent. Arbeitgeber sollten Auswahlentscheidungen deshalb nicht auf die vermeintliche Sicherheit eines KI-Detektors stützen. Die vorliegenden Studien untersuchen Unterstützung in Tests und Interviews, nicht die Zuverlässigkeit eines bestimmten Erkennungssystems. Eine allgemeine Detektionsquote lässt sich daraus nicht ableiten.

Bei jungen Bewerbenden wird diese Trennung besonders wichtig. Im Beitrag über den Junior-Effekt der KI geht es um die Frage, wie Menschen Erfahrung sammeln, wenn einfache Einstiegsaufgaben automatisiert werden. Im Bewerbungsverfahren stellt sich eine andere Frage: Welche Entwicklungschance und welches bereits vorhandene Können machen wir mit unseren Prüfungen überhaupt sichtbar?

Die bessere Bewerbung entscheidet nicht. Die bessere Beobachtung schon eher.

KI macht überzeugende Bewerbungsunterlagen leichter herstellbar. Das zwingt Personalverantwortliche nicht zu einem generellen Verbot. Es zwingt sie dazu, weniger in die Textoberfläche und genauer auf das jeweilige Kompetenzsignal zu schauen.

Die Forschung zeigt Risiken bei KI-unterstützten Tests und Interviews. Sie zeigt aber ebenso, dass Schreibassistenz eine unnötige Hürde abbauen kann. Wer beides ernst nimmt, prüft Eigenleistung dort, wo sie beruflich erforderlich ist, und den kompetenten Einsatz von Hilfsmitteln dort, wo er zur Arbeit gehört. Der Unterschied muss schon vor der ersten Bewertung feststehen.