CV Screening und Pre-Screening mit KI: Bewerbungen vorqualifizieren

Was ist CV Screening und was ist Pre-Screening im Recruiting?

CV Screening ist die Prüfung von Lebensläufen gegen die Anforderungen einer Stelle. Pre-Screening ist die anschließende Vorqualifizierung, bei der Kandidat:innen strukturierte Fragen beantworten, bevor ein Interview geplant wird.

Beim CV Screening arbeitet das Recruiting ausschließlich mit Unterlagen: Lebenslauf, Anschreiben, Zeugnisse. Das Ergebnis ist eine Einschätzung, ob die dokumentierte Erfahrung zur Rolle passt. Beim Pre-Screening entsteht zusätzliche Information, die in keinem Dokument steht: frühester Eintrittstermin, Schichtbereitschaft, Gehaltsrahmen, Sprachkenntnisse, Führerschein oder die Motivation für den Wechsel.

Vorqualifizierung (Pre-Screening) ist der zweite Schritt nach dem CV Screening. Im Buch „The AI (enabled) Recruiter“ unterscheidet Yannis Niebelschütz entlang der KI-Recruiting-Journey ausdrücklich zwischen KI-CV-Screening und KI-Pre-Screening, das „strukturierte Vorgespräche“ führt und „Motivation und Kompetenzen“ zusammenfasst (Kap. 2, S. 27).

KI-gestütztes Screening ist in deutschen Unternehmen noch die Ausnahme. Laut einer Bitkom-Umfrage vom 28. September 2026 (Bitkom Research, 602 Unternehmen ab 3 Beschäftigten, telefonisch befragt) setzen 6 Prozent der Unternehmen KI für die erste Durchsicht eingehender Bewerbungen ein, weitere 27 Prozent können sich das vorstellen. KI-basierte Kompetenz- oder Potenzialanalysen nutzen laut derselben Umfrage 5 Prozent, 34 Prozent zeigen Interesse.

Wie funktioniert KI-gestütztes CV Screening?

KI-gestütztes CV Screening liest Lebensläufe ein, übersetzt sie in strukturierte Daten und gleicht sie mit den Anforderungen der Stelle ab. Recruiter:innen erhalten eine Priorisierung mit Begründung und entscheiden selbst.

Laut „The AI (enabled) Recruiter“ kann KI-CV-Screening „Qualifikationen analysieren, Skills erkennen, Berufserfahrung strukturieren, Bewerbungen priorisieren, und Kandidat:innen intelligent vorqualifizieren“ (Kap. 2, S. 29). Technisch geschieht das in sechs Schritten.

1. Anforderungen festlegen

   Muss- und Kann-Kriterien aus der Stellenbeschreibung ableiten und schriftlich festhalten. Ohne klare Kriterien sortiert auch die beste KI nach unklaren Maßstäben.

2. Unterlagen einlesen

   Ein CV-Parser ist eine Software, die Stationen, Zeiträume, Abschlüsse, Skills und Sprachen aus PDF- oder Word-Dateien extrahiert und strukturiert ablegt.

3. Mit der Stelle abgleichen

   Ein Sprachmodell prüft, welche Anforderungen der Lebenslauf belegt, nur andeutet oder gar nicht erwähnt. Semantische Verfahren erkennen auch Synonyme und vergleichbare Erfahrung.

4. Priorisieren und begründen

   Das System ordnet Bewerbungen nach der Stärke der Evidenz in Stufen, etwa „passend“, „teilweise passend“ und „manuell prüfen“, und zeigt, auf welchen Angaben die Einschätzung beruht. Ein Matching-Score ohne Begründung macht die Logik für Recruiter:innen und Bewerber:innen nicht nachvollziehbar.

5. Lücken per Pre-Screening schließen

   Offene Punkte klärt eine strukturierte Rückfrage per Chat, Telefon oder KI-Interview, statt die Bewerbung wegen fehlender Angaben zurückzustellen.

6. Menschlich prüfen und entscheiden

   Recruiter:innen prüfen die Ergebnisse, übersteuern sie bei Bedarf und treffen jede Absage oder Einladung selbst.

Die Vorqualifizierung per Rückfrage (Schritt 5) ist der wichtigste Unterschied zum klassischen ATS-Filter. Im Buch heißt es dazu: KI-gestütztes Screening soll „nicht nur Unterlagen analysieren, sondern Kandidat:innen aktiv qualifizieren - durch strukturierte Fragen, KI-Interviews, KI-Telefonate oder conversational Screening“ (Kap. 2, S. 29).

Welche Screening-Methoden gibt es und wann eignet sich welche?

Die lizzyAI-Screening-Matrix vergleicht vier Methoden: Keyword-Filter, semantisches Matching, strukturierte Vorqualifizierungsfragen und KI-Interviews und ordnet jeder Methode die Normen zu, die sie berührt. Ihre Kernaussage: Keyword-Filter taugen nur für harte Muss-Kriterien, semantisches Matching für die Priorisierung, und Fragen oder KI-Interviews klären, was der Lebenslauf offenlässt.

Die Screening-Matrix bewertet jede Methode nach Stärken, Risiken, Einsatzgebiet und rechtlichen Anknüpfungspunkten. Rechtlich gilt für alle Methoden, die Bewerbungen sichten oder filtern und als KI-System einzustufen sind, die Hochrisiko-Einordnung nach Anhang III Nr. 4 der KI-Verordnung (EU) 2024/1689.

In der Praxis kombinieren Recruiting-Teams die Methoden. Ein Keyword-Filter sichert harte Muss-Kriterien ab, semantisches Matching priorisiert, und strukturierte Fragen oder ein KI-Interview klären, was der Lebenslauf offenlässt. Für gewerbliche Stellen ohne Lebenslauf beginnt die Vorqualifizierung oft direkt im Dialog, wie auf der Seite zu Frontline- und High-Volume-Recruiting beschrieben.

Wie gehen Recruiter:innen mit KI-geschriebenen Bewerbungen um?

Recruiter:innen sollten KI-geschriebene Bewerbungen nicht aussortieren, sondern die Angaben darin validieren. Entscheidend ist nicht, wer den Text formuliert hat, sondern ob die beschriebenen Erfahrungen und Skills tatsächlich vorhanden sind.

Viele Kandidat:innen erstellen oder optimieren Lebensläufe und Anschreiben inzwischen mit KI. Die Unterlagen werden dadurch sprachlich stärker und besser auf die Stellenanzeige zugeschnitten. Für das Screening heißt das: Wenn viele Bewerbungen ähnlich gut klingen, verliert der CV als erstes Signal an Trennschärfe. Das Buch fasst es so zusammen: „Der CV bleibt wichtig. Aber er reicht als alleinige Entscheidungsgrundlage immer weniger aus“ (Kap. 2, S. 29).

Ein Verbot KI-geschriebener Bewerbungen oder ein Detektor im Screening löst das Problem nicht. KI zu nutzen sagt nichts über die Eignung für eine Stelle aus. Zielführender ist eine Verschiebung des Screenings vom Lesen zum Nachfragen. Yannis Niebelschütz schreibt in der Einleitung: „Recruiting muss stärker validieren, einordnen und nachfragen“ (S. 12). Und in Kapitel 2: „Die Zukunft des Screenings liegt deshalb nicht nur im besseren Lesen von CVs. Sondern im besseren Verstehen von Kandidat:innen“ (Kap. 2, S. 30).

Darf KI Bewerbungen vorsortieren?

Ja, KI darf Bewerbungen in Deutschland vorsortieren, aber grundsätzlich nicht allein über eine Absage entscheiden. Grenzen setzen Art. 22 DSGVO, die Mitbestimmung nach §§ 94 und 95 BetrVG und ab Dezember 2027 die Hochrisiko-Pflichten der KI-Verordnung.

Art. 22 Abs. 1 DSGVO gibt Bewerber:innen das Recht, „nicht einer ausschließlich auf einer automatisierten Verarbeitung – einschließlich Profiling – beruhenden Entscheidung unterworfen zu werden“, die ihnen gegenüber rechtliche Wirkung entfaltet oder sie in ähnlicher Weise erheblich beeinträchtigt. Eine Absage allein auf Basis einer KI-Bewertung dürfte Art. 22 DSGVO nicht genügen, sofern keine Ausnahme nach Abs. 2 greift. Die Ausnahmen nach Abs. 2 (Erforderlichkeit für einen Vertrag, gesetzliche Erlaubnis, ausdrückliche Einwilligung) sind eng und verlangen nach Abs. 3 mindestens das Recht auf Eingreifen einer Person. Ein Ranking, das Recruiter:innen prüfen und übersteuern können, ist dagegen Entscheidungsvorbereitung.

Der EuGH hat 2023 entschieden (C-634/21), dass bereits ein Score eine automatisierte Entscheidung sein kann, wenn ein Dritter ihm eine maßgebliche Rolle beimisst (Pressemitteilung 186/23). Für KI-Rankings im Recruiting ist das der Maßstab für die Entscheidungsvorbereitung. Die Datenschutzkonferenz (DSK), das Gremium der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder, verlangt in ihrer Orientierungshilfe „Künstliche Intelligenz und Datenschutz“ vom 6. Mai 2024 (Rn. 12), dass dem entscheidenden Menschen „ein tatsächlicher Entscheidungsspielraum zukommt“. Eine „lediglich formelle Beteiligung eines Menschen“ reicht nicht. Als Verstoß gegen Art. 22 Abs. 1 DSGVO nennt die DSK ausdrücklich eine KI, die alle Bewerbungen auswertet und selbstständig Einladungen zu Vorstellungsgesprächen verschickt (Rn. 13).

Informationspflichten gegenüber Bewerber:innen kommen hinzu. Besteht eine automatisierte Entscheidungsfindung nach Art. 22, verlangt Art. 13 Abs. 2 lit. f DSGVO „aussagekräftige Informationen über die involvierte Logik“. Im Betrieb gilt: Kriterien, nach denen eine KI Bewerbungen sortiert, sind Auswahlrichtlinien nach § 95 BetrVG, auch wenn eine KI sie aufstellt (§ 95 Abs. 2a). Standardisierte Fragen im Pre-Screening können als Personalfragebogen nach § 94 BetrVG gelten. Protokolliert das Tool, wie Recruiter:innen Bewerbungen bearbeiten, kommt § 87 Abs. 1 Nr. 6 BetrVG hinzu. Das Bundesministerium für Arbeit und Soziales (BMAS) hat dazu die Broschüre „KI-Einsatz im Betrieb – Antworten auf häufige Fragen zur KI-Mitbestimmung“ veröffentlicht. Details stehen auf der Seite KI und Betriebsrat.

Wo liegen die Grenzen von KI in der Personalauswahl?

KI in der Personalauswahl ist nur so fair wie ihre Kriterien und ihre Kontrolle. Die größten Risiken sind übernommene Verzerrungen, übersehene Quereinstiege und Ergebnisse, die niemand mehr hinterfragt.

KI-Systeme reproduzieren Verzerrungen, wenn sie mit ungeeigneten Daten oder unklaren Kriterien arbeiten. Das Buch hält aber auch fest, dass manuelle Prozesse nicht automatisch fair sind: Bei sehr hohen Bewerbungszahlen werden Profile oft nicht gleich intensiv geprüft, und gute Kandidat:innen werden übersehen, weil Teams nicht die Kapazität haben, alle Bewerbungen strukturiert einzuordnen (Kap. 4, S. 54). Fairer wird Screening nach „The AI (enabled) Recruiter“ erst, wenn Systeme „klare Bewertungskriterien nutzen, auf Bias geprüft wurden, nachvollziehbar arbeiten und menschliche Kontrolle erhalten bleibt“ (S. 54).

Typische Schwachstellen im CV Screening sind Lebensläufe mit Lücken, Branchenwechsel, ausländische Abschlüsse und Bewerbungen ohne klassischen Werdegang. Ein Screening, das nur dokumentierte Passung bewertet, stuft diese Profile systematisch niedriger ein. Wer solche Fälle zur manuellen Prüfung markiert oder per Rückfrage klärt, verringert das Risiko. Mehr dazu auf den Seiten KI-Bias im Recruiting und Human in the Loop.

Worauf sollten Unternehmen bei Tools für automatisches Lebenslauf-Screening achten?

Unternehmen sollten Screening-Tools nach Nachvollziehbarkeit, menschlicher Kontrolle, Datenschutz und Bias-Prüfung auswählen, nicht nur nach Geschwindigkeit. „The AI (enabled) Recruiter“ nennt dafür neun Prüffragen an Anbieter (Kap. 4, S. 55).

Screening-Funktionen gibt es in drei Formen: als Modul eines Bewerbermanagementsystems (ATS), als spezialisierte KI-Lösung mit ATS-Integration und als Eigenbau auf Basis allgemeiner Sprachmodelle. Für alle drei gelten dieselben Prüfpunkte. Eigenbauten haben den Nachteil, dass Dokumentation, Protokollierung und Bias-Prüfung vollständig beim Unternehmen liegen.

Der lizzyAI CV Screener ordnet jede Bewerbung anhand der Stellenbeschreibung einem von vier Evidenz-Status zu (Strong Evidence, Some Evidence, Limited Evidence, Review Manually), erkennt fehlende Lebensläufe und arbeitet im bestehenden ATS. Er lehnt niemanden automatisch ab und blendet keine Profile aus; die Entscheidung trifft das Recruiting-Team.

Eine ausführliche Checkliste für die Anbieterauswahl steht auf der Seite KI-Recruiting-Software auswählen.

Häufige Fragen zu CV Screening und Pre-Screening