Skill-Matching statt Keyword-Filter: Warum ein Lebenslauf für gutes Recruiting nicht reicht

Recruiting hat sich verändert. Unternehmen müssen Stellen schneller besetzen, Kandidat:innen erwarten mehr Transparenz und künstliche Intelligenz unterstützt immer mehr Schritte im Bewerbungsprozess.

Die wichtigste Frage bleibt dabei dieselbe: Wie finden die richtigen Menschen und die richtigen Unternehmen zusammen?

Bei humatter sind wir überzeugt: Ein Lebenslauf allein kann diese Frage nicht beantworten.

Wenn Keywords über den nächsten guten Match entscheiden

Klassisches Recruiting arbeitet häufig mit bekannten Mustern: Ausbildung, Studium, frühere Arbeitgeber, Jobtitel und Jahre an Berufserfahrung. Diese Angaben sind wichtig – sie erzählen aber nur einen Teil der Geschichte.

Zwei Menschen mit fast gleichem Lebenslauf können ganz unterschiedliche Fähigkeiten, Erfahrungen und Arbeitsweisen mitbringen. Umgekehrt kann jemand hervorragend zu einer Stelle passen, obwohl im Lebenslauf nicht genau die Begriffe stehen, nach denen gesucht wurde. Das betrifft beispielsweise Quereinsteiger:innen oder Kandidat:innen, deren Erfahrungen aus anderen Branchen, Rollen oder Technologien stammen.

Das Problem beginnt dort, wo aus einer Suchhilfe ein Ausschlusskriterium wird. Fehlt ein bestimmtes Keyword, kann eine eigentlich relevante Bewerbung übersehen werden.

Jira gesucht, Azure DevOps gefunden

Nehmen wir ein einfaches Beispiel. Ein Softwareunternehmen sucht eine Projektmanagerin oder einen Projektmanager mit Erfahrung in Jira.

Eine Bewerberin hat Jira noch nie benutzt. Sie hat aber vier Jahre lang agile Teams mit Azure DevOps gesteuert, Sprints geplant, Backlogs priorisiert und mit unterschiedlichen Stakeholdern gearbeitet.

Ein reiner Keyword-Filter sucht nach „Jira“. Kein Jira im Lebenslauf. Kein Treffer.

Im schlechtesten Fall wird die Bewerbung aussortiert, bevor sich überhaupt ein Mensch mit ihrem tatsächlichen Erfahrungshintergrund beschäftigt hat.

Skill-basiertes Matching stellt deshalb eine andere Frage: Welche Fähigkeiten braucht die Stelle tatsächlich – und bringt die Person diese vielleicht bereits auf einem anderen Weg mit?

Ein Matching-Ergebnis könnte beispielsweise so aussehen:

Match 84 %

• ✓Agiles Projektmanagement
• ✓Sprint-Planung und Backlog-Priorisierung
• ✓Stakeholder-Kommunikation
• ◐Jira: keine direkte Erfahrung, aber vier Jahre Erfahrung mit einem vergleichbaren Tool – Azure DevOps
• →Im Gespräch klären: Einarbeitungszeit und Übertragbarkeit der vorhandenen Erfahrung auf Jira

Die fehlende Jira-Erfahrung wird damit nicht ignoriert oder schöngerechnet. Sie wird sichtbar – aber im Kontext der vorhandenen Fähigkeiten eingeordnet.

Skills statt Schlagworte

Genau darin liegt für uns der entscheidende Unterschied. Matching sollte nicht nur fragen, ob zwei Texte dieselben Begriffe enthalten. Es sollte dabei helfen zu verstehen, welche Kompetenzen hinter diesen Begriffen stehen.

Dazu gehören Fragen wie:

• Welche Fähigkeiten sind für die Position tatsächlich entscheidend?
• Welche Anforderungen sind Must-haves und welche „nice to have“?
• Welche vorhandenen Kompetenzen lassen sich übertragen?
• Wo fehlen Erfahrungen?
• Welche Punkte sollten im persönlichen Gespräch genauer betrachtet werden?

Damit verändert sich auch die Rolle eines Matching-Systems. Es soll nicht möglichst schnell Kandidat:innen aussortieren, sondern Recruiter:innen dabei unterstützen, relevante Kandidat:innen besser einzuordnen.

84 Prozent sind ohne Erklärung nur eine Zahl

Ein Matching-Score wirkt zunächst eindeutig. 84 % Match. Aber warum eigentlich 84 %?

Ohne diese Information ist die Zahl für eine fundierte Entscheidung nur begrenzt hilfreich. Entscheidend ist deshalb nicht nur der Score, sondern seine Erklärung.

Welche relevanten Skills wurden erkannt? Welche Anforderungen fehlen? Welche Kompetenzen wurden als übertragbar eingeordnet? Und welche Punkte sollten Recruiter:innen im Gespräch überprüfen?

Aus einem Score wird damit eine nachvollziehbare Grundlage für den nächsten Schritt.

KI sollte Recruiter:innen nicht sagen, wen sie einstellen sollen. Sie sollte ihnen helfen, bessere Fragen zu stellen.

KI unterstützt. Der Mensch bewertet.

Künstliche Intelligenz kann im Recruiting Informationen strukturieren, Zusammenhänge sichtbar machen und dabei helfen, ähnliche Kompetenzen auch dann zu erkennen, wenn sie unterschiedlich beschrieben werden.

Die Entscheidung bleibt trotzdem beim Menschen. Das ist für uns ein zentraler Grundsatz für den Einsatz von KI im Recruiting.

Auch die europäische Regulierung stellt hohe Anforderungen an bestimmte KI-Systeme, die bei Recruiting und Personalauswahl eingesetzt werden. Der EU AI Act ordnet entsprechende Anwendungen grundsätzlich dem Hochrisikobereich zu und stellt unter anderem Anforderungen an Transparenz, Dokumentation und menschliche Aufsicht.

Für uns folgt daraus ein klares Produktprinzip: Empfehlungen müssen nachvollziehbar sein. Recruiter:innen sollen erkennen können, warum ein Match zustande kommt, welche Kompetenzen dafür sprechen und wo Abweichungen bestehen.

Die KI liefert damit eine strukturierte und begründete Empfehlung. Die Bewertung übernimmt der Mensch.

Ein guter Match funktioniert in beide Richtungen

Bis hierhin haben wir vor allem aus Sicht des Unternehmens gedacht. Doch Recruiting funktioniert nicht nur in eine Richtung.

Unternehmen suchen passende Mitarbeiter:innen. Menschen suchen gleichzeitig nach Aufgaben, Teams und Arbeitgebern, die zu ihnen passen. Ein guter Match muss deshalb langfristig zwei Fragen beantworten:

Passt der Mensch zur Aufgabe?Und: Passt die Aufgabe zum Menschen?

Neben fachlichen Skills werden dadurch weitere Faktoren relevant: Erwartungen an eine Rolle, Arbeitsweise, Entwicklungsmöglichkeiten und das Umfeld, in dem jemand arbeiten möchte. Denn ein hoher fachlicher Match allein garantiert noch keine erfolgreiche Zusammenarbeit.

Was das für humatter bedeutet

Genau dafür ist humatter gebaut: Bewerbungen nicht nur nach einzelnen Begriffen zu durchsuchen, sondern Fähigkeiten im Kontext einer konkreten Position einzuordnen, Übereinstimmungen und Abweichungen sichtbar zu machen und Recruiter:innen eine nachvollziehbare Grundlage für das persönliche Gespräch zu geben.

Technologie übernimmt dabei Aufgaben, bei denen sie ihre Stärken ausspielen kann: Informationen strukturieren, Zusammenhänge erkennen und relevante Aspekte sichtbar machen.

Der Mensch übernimmt das, was nicht auf einen Score reduziert werden sollte: Kontext verstehen, Fragen stellen, Menschen kennenlernen und Entscheidungen treffen.

Denn über eine erfolgreiche Zusammenarbeit entscheidet am Ende nicht der perfekte Lebenslauf. Es sind die Menschen, die miteinander arbeiten.

Humans. Teams. Matter.