Technischer Kontext
Ich liebe solche Tools nicht wegen ihrer Magie, sondern wegen ihres praktischen Nutzens. Hier hat jemand einen Prompt entwickelt, der Modelle von Google, OpenAI und Anthropic dazu bringt, die Rolle eines firmeneigenen ATS-Moduls zu übernehmen und Lebensläufe nach denselben strengen Kriterien wie ein erster automatischer Filter auszusortieren.
Für die AI Automation ist das ein hervorragendes Muster: Nicht „verbessere meinen Lebenslauf“, sondern „bewerte streng auf der Grundlage von Belegen, nimm nichts an, weise rote Flaggen klar aus und liefere eine Punktzahl mit Empfehlung“. Das sieht endlich nach einer ordentlichen Aufgabenstellung aus, statt nach einer Lotterie mit schönen Worten.
Besonders hängengeblieben bin ich an den Einschränkungen innerhalb des Prompts. Das Modell wird aufgefordert, nicht zu halluzinieren, Lücken als „not stated“ zu kennzeichnen, geschützte Merkmale (protected attributes) zu ignorieren und nicht nur Fähigkeiten zu prüfen, sondern auch das Signal-Rausch-Verhältnis, die Karrierestabilität, den quantitativen Effekt und Anzeichen von künstlicher Aufgabenaufblähung (scope inflation).
Das ist weitaus stärker als typische ATS-Tipps wie „füge Schlüsselwörter aus der Stellenbeschreibung hinzu“. Die Logik hier ist näher am realen Pre-Screening: Es gibt Strengths, Red Flags, einen Composite Score X/100 und ein kurzes Urteil wie Strong Advance oder Reject. Ein solches Format ist für Kandidaten, Recruiter und sogar für Teams, die eine interne artificial intelligence integration in HR-Prozesse aufbauen, äußerst praktisch.
Ein weiterer interessanter Punkt: Der Autor hat das Ergebnis auf über 85 optimiert und dabei recht grenzwertige Tricks getestet, darunter die Änderung der Headline und sogar visuelle Marker wie ✅. An dieser Stelle würde ich bremsen. Wenn der Prompt hilft, den Lebenslauf konkreter und sauberer zu gestalten – hervorragend. Wenn jedoch ein Spiel beginnt, um den Parser dekorativ auszutricksen, kann der Effekt von Modell zu Modell instabil sein.
Auswirkungen auf das Geschäft und die Automatisierung
Das praktische Fazit ist simpel. Kandidaten gewinnen, weil sie vor dem Absenden des Lebenslaufs einen ehrlichen Probelauf erhalten. HR-Teams gewinnen ebenfalls, wenn sie eine ähnliche Logik für ihren internen First-Pass nutzen und keine Zeit mit unpassenden Lebensläufen verschwenden.
Verlierer sind diejenigen, die es gewohnt sind, sich mit vagen Formulierungen durchzuschlagen. Ein solches Screening deckt leere Bullet Points, aufgeblähte Aufgabenbereiche und das Fehlen messbarer Ergebnisse schnell auf.
Ich würde dies nicht als „Generator für schöne Lebensläufe“ implementieren, sondern als Validierungsebene vor dem Absenden oder vor dem Import in das ATS. Wir bei Nahornyi AI Lab lösen solche Probleme regelmäßig: Wenn Ihr HR-, Rekrutierungs- oder Karriereprodukt durch chaotische Formulierungen blockiert wird, kann ich Ihnen helfen, eine AI Implementation so aufzubauen, dass das System die Wahrheit nicht beschönigt, sondern Schwachstellen aufdeckt und Stunden manueller Selektion einspart.