Recruiting hat ein neues Überflussproblem. Und genau daraus entsteht eine neue Form der Knappheit.
Unternehmen haben weiterhin Schwierigkeiten, Fachkräfte zu finden. Laut ManpowerGroup geben weltweit 74 % der Arbeitgeber an, nicht die Talente zu finden, die sie benötigen. Gleichzeitig bearbeiten Recruiter mehr Bewerbungen als je zuvor.
Der aktuelle Benchmark-Report von Greenhouse, basierend auf mehr als 640 Millionen Bewerbungen bei über 6.000 Unternehmen, zeigt: Die durchschnittliche Zahl der Bewerbungen pro Stelle stieg von 116 im Jahr 2022 auf 244 im Jahr 2025. Das entspricht einem Anstieg von 111 %. Im gleichen Zeitraum erhöhte sich die Zahl der Bewerbungen, die ein Recruiter bearbeitet, um 412 %.
Auf den ersten Blick scheint das widersprüchlich. Wie können Talente knapp bleiben, wenn gleichzeitig immer mehr Bewerbungen eingehen?
Weil Bewerbungen und Talent nicht dasselbe sind.
Eine Bewerbung ist zunächst eine Aussage darüber, wie gut jemand zu einer Stelle passt. Sie kann wertvolle Informationen liefern, ist aber nicht mit dem Talent selbst gleichzusetzen. KI macht es immer einfacher, Bewerbungen zu erstellen, professionell aufzubereiten und zunehmend auch zu automatisieren. Dadurch wächst die Distanz zwischen einer Bewerbung und der Person dahinter.
Gleichzeitig setzen Arbeitgeber eigene KI-Agenten ein, um Bewerbungen zu prüfen, mit Kandidaten zu kommunizieren, strukturierte Interviews zu führen und die Vorauswahl zu unterstützen.
Wir bewegen uns damit auf eine Recruiting-Welt zu, in der KI-Agenten zunehmend auf KI-Agenten treffen.
Knapp werden künftig nicht die Bewerbungen sein. Knapp werden verlässliche Signale und das Vertrauen, das entsteht, wenn diese Signale nachvollzogen, überprüft und hinterfragt werden können.
Die Bewerbung löst sich zunehmend vom Bewerber
Was hat eine Bewerbung früher bedeutet?
Ein Kandidat fand eine offene Stelle, las die Ausschreibung und entschied sich bewusst dafür, sich zu bewerben. Der Lebenslauf wurde aktualisiert, vielleicht ein Anschreiben verfasst, einige Fragen beantwortet und schließlich die Bewerbung abgeschickt.
Natürlich war das nie ein Beweis dafür, dass jemand den Job tatsächlich gut machen konnte. Auch der damit verbundene Aufwand war weder ein verlässlicher Qualitätsindikator noch grundlegend fair. Menschen, die sich in einer Fremdsprache bewerben, Menschen mit Behinderungen, Berufsrückkehrer oder Kandidaten, die mit modernen Bewerbungsstandards weniger vertraut sind, konnten dadurch benachteiligt werden.
Trotzdem setzte dieser Prozess dem Bewerbungsvolumen eine natürliche Grenze. Und zumindest in gewissem Maße zeigte er, dass sich ein Kandidat bewusst für genau diese Stelle entschieden hatte.
KI schwächt diesen Zusammenhang.
Kandidaten nutzen KI heute ganz selbstverständlich, um Lebensläufe zu verbessern, Anschreiben zu verfassen, sich auf Assessments vorzubereiten und ihre Erfahrung überzeugender darzustellen. Das kann einen enormen Mehrwert schaffen.
Ein qualifizierter Kandidat, dem es schwerfällt, einen guten Lebenslauf zu schreiben, kann seine Erfahrung klarer vermitteln. Wer sich in einer Fremdsprache bewirbt, kann Fehler vermeiden, die sonst von der eigentlichen Eignung ablenken würden. Und wer seit zehn Jahren keinen Jobwechsel hatte, erhält Unterstützung bei Bewerbungsprozessen, die heute ganz anders funktionieren.
Das Problem ist nicht, dass KI Kandidaten schlechter macht. In vielen Fällen hilft sie geeigneten Kandidaten sogar dabei, sich besser zu präsentieren.
Das Problem ist, dass sich die Bewerbungsunterlagen fast aller Kandidaten gleichzeitig verbessern.
Wenn jeder einen professionellen Lebenslauf und ein individuell zugeschnittenes Anschreiben erstellen kann, sagt die Qualität dieser Unterlagen weniger über die Person dahinter aus. Die Informationen verschwinden nicht. Aber ihr Wert als unabhängiges Signal nimmt ab.
Von KI-unterstützten zu automatisierten Bewerbungen
Wir sind bereits über den Punkt hinaus, an dem Kandidaten ChatGPT lediglich bitten, ein Anschreiben zu verbessern.
Greenhouse zufolge nutzen 22 % der Kandidaten bereits Bots, um sich automatisch auf Stellen zu bewerben. Bei der Gen Z sind es sogar 31 %.
Das deutet auf eine wesentlich größere Veränderung hin: von KI-unterstützten Bewerbungen hin zu einer Jobsuche, die zunehmend von Agenten übernommen wird.
Stellen wir uns einen Kandidaten vor, der vor einigen Jahren nach einem neuen Job gesucht hat. An einem Abend fand er vielleicht zehn interessante Stellen und schaffte es, zwei oder drei Bewerbungen abzuschicken.
Nun stellen wir uns vor, diese Suche wird an einen KI-Agenten delegiert. Dieser könnte Hunderte Stellen durchsuchen, sie mit den Fähigkeiten, Gehaltsvorstellungen, Standortpräferenzen und weiteren Anforderungen des Kandidaten abgleichen, die besten Treffer priorisieren und die Bewerbungsunterlagen entsprechend anpassen. Mit Zustimmung des Kandidaten könnte er zunehmend auch große Teile des Bewerbungsprozesses übernehmen.
Das kann den Zugang zu Chancen verbessern. Kandidaten könnten relevante Stellen entdecken, die sie sonst nie gefunden hätten. Gleichzeitig könnten Arbeitgeber Menschen erreichen, die ihre Stellenanzeige andernfalls nie gesehen hätten.
Doch es verändert auch die Logik des Bewerbens.
Wenn Zeit und Aufwand für jede zusätzliche Bewerbung gegen null gehen, kann das Bewerbungsvolumen nahezu unbegrenzt wachsen.
Die Kapazität von Recruitern kann das nicht.
Die Folgen werden bereits sichtbar: Geeignete Kandidaten gehen in immer größeren Bewerberpools unter, Reaktionszeiten werden länger und Recruiter sind zunehmend auf grobe Filter angewiesen, um das Volumen überhaupt bewältigen zu können. Kandidaten erhalten weniger relevantes Feedback und bewerben sich deshalb noch breiter.
So entsteht ein Kreislauf: Einfachere Bewerbungen führen zu mehr Volumen. Mehr Volumen verschlechtert die Candidate Experience. Und eine schlechtere Candidate Experience führt wiederum dazu, dass Kandidaten ihre Chancen auf noch mehr Stellen verteilen.
Das klassische Top-of-Funnel-Modell gerät damit zunehmend an seine Grenzen.
Bessere Bewerbungen, schwächere Signale
Recruiting arbeitet seit Jahren mit unvollkommenen Indikatoren.
Ein gut geschriebener Lebenslauf konnte auf Kommunikationsfähigkeit hindeuten. Eine sorgfältig angepasste Bewerbung konnte Interesse signalisieren. Frühere Arbeitgeber, Jobtitel, Qualifikationen und Karriereverläufe wurden genutzt, um auf Fähigkeiten und Potenzial zu schließen.
KI macht diese Signale nicht wertlos. Aber sie macht sie für sich allein weniger verlässlich.
Ein sprachlich perfektes Anschreiben kann mehr über die Qualität des verwendeten Tools aussagen als über die Schreibfähigkeiten des Kandidaten. Ein perfekt angepasster Lebenslauf verrät möglicherweise wenig darüber, wie intensiv sich jemand mit der Position beschäftigt hat. Und eine beeindruckende Antwort auf eine Bewerbungsfrage kann von einem KI-Assistenten geschrieben, überarbeitet und optimiert worden sein.
Für Arbeitgeber entsteht dadurch eine unbequeme Frage:
Was bewerten wir eigentlich, wenn Bewerbungsunterlagen teilweise oder vollständig mit KI erstellt wurden?
Die Antwort kann nicht darin bestehen, Kandidaten für den Einsatz von KI zu bestrafen.
Arbeitgeber nutzen dieselbe Technologie längst selbst, um Stellenbeschreibungen zu verfassen, Kandidaten zu finden, Kommunikation zu personalisieren und administrative Aufgaben zu automatisieren. Von Kandidaten zu verlangen, auf Tools zu verzichten, die Arbeitgeber selbst selbstverständlich einsetzen, wäre weder realistisch noch glaubwürdig.
Stattdessen brauchen Unternehmen stärkere Belege dafür, was jemand tatsächlich kann.
Das ist einer der Gründe, warum Skills-based Hiring zunehmend an Bedeutung gewinnt. LinkedIn zufolge halten 93 % der HR-Verantwortlichen eine präzise Bewertung der Fähigkeiten von Kandidaten für entscheidend, um die Qualität von Einstellungen zu verbessern. Unternehmen, die Skills-based Search besonders intensiv nutzen, erzielen zudem mit 12 % höherer Wahrscheinlichkeit eine qualitativ gute Einstellung.
Doch geschwächte CV-Signale einfach durch mehr Assessments zu ersetzen, löst das Problem nicht vollständig. Ebenso wichtig ist, wie diese Informationen erhoben, interpretiert und erklärt werden.
Kandidaten nutzen KI selbst. Wenn Arbeitgeber sie einsetzen, wächst die Skepsis.
Darin liegt einer der interessantesten Widersprüche.
Kandidaten nutzen KI zunehmend selbstverständlich für ihre eigenen Bewerbungen. Gleichzeitig stehen sie dem Einsatz von KI durch Arbeitgeber deutlich skeptischer gegenüber.
Laut Gartner vertrauen nur 26 % der Kandidaten darauf, dass KI sie fair bewertet, während 52 % davon ausgehen, dass KI ihre Bewerbungsinformationen bereits prüft. Jeder Vierte gibt an, einem Arbeitgeber weniger zu vertrauen, wenn KI zur Bewertung von Kandidaten eingesetzt wird.
Diese Skepsis ist nachvollziehbar.
Kandidaten können die KI, die sie selbst nutzen, sehen und kontrollieren. Sie wissen, welche Aufgabe sie ihr gegeben haben. Sie können einen erstellten Lebenslauf prüfen, eine Antwort verändern oder eine Empfehlung ablehnen.
Bei KI auf Arbeitgeberseite geben sie diese Kontrolle ab. Ein System, das sie nicht sehen können, analysiert möglicherweise ihren beruflichen Werdegang, interpretiert Antworten, vergibt Bewertungen oder beeinflusst, ob sie im Prozess weiterkommen.
Dieses Misstrauen sollte nicht einfach als Widerstand gegen Technologie abgetan werden. Kandidaten haben gute Gründe, Systeme kritisch zu hinterfragen, die ihre beruflichen Chancen beeinflussen können, ohne transparent zu machen, auf welchen Informationen, Kriterien oder Entscheidungslogiken eine Empfehlung basiert.
Wenn ein KI-Agent am Screening, Interview oder Scoring eines Kandidaten beteiligt ist, müssen deshalb einige Fragen klar beantwortet werden:
- Welche Informationen wurden bewertet?
- Welche Kriterien wurden verwendet?
- Sind diese Kriterien tatsächlich für die Stelle relevant?
- Wie ist die Empfehlung zustande gekommen?
- Kann ein Recruiter sie überprüfen und hinterfragen?
- Wer trägt am Ende die Verantwortung für die Entscheidung?
Wenn ein Recruiter nicht erklären kann, warum ein KI-System einen Kandidaten gegenüber einem anderen empfohlen hat, sollte dieses System keinen Einfluss auf eine Einstellungsentscheidung haben.
Recruiter-Agenten müssen mehr können als Volumen verarbeiten
Kandidaten-Agenten werden zwangsläufig auch die Automatisierung auf Arbeitgeberseite beschleunigen. Unternehmen können nahezu unbegrenztes Bewerbungsvolumen nicht dadurch bewältigen, dass bereits ausgelastete Recruiter jede einzelne Bewerbung manuell prüfen.
Doch Geschwindigkeit allein ist ein schwaches Ziel.
Ein Recruiter-Agent, der Tausende Bewerbungen mithilfe eines undurchsichtigen Scoring-Modells verarbeitet, kann zwar administrativen Aufwand reduzieren. Die zugrunde liegende Einstellungsentscheidung wird dadurch aber nicht automatisch besser. Im schlimmsten Fall werden gute Kandidaten lediglich effizienter aussortiert.
Die eigentliche Chance besteht darin, die Signale zurückzugewinnen, die durch zunehmend standardisierte Bewerbungsunterlagen verloren gehen.
Dafür reicht es nicht zu prüfen, ob ein Lebenslauf die richtigen Keywords enthält. Unternehmen müssen relevante Informationen durch strukturierte Fragen und Gespräche erfassen, diese konsistent bewerten und Recruitern nachvollziehbar zeigen, wie eine Empfehlung zustande gekommen ist.
Auch menschliche Kontrolle muss mehr bedeuten, als am Ende eines automatisierten Prozesses einen Recruiter hinzuzuziehen, der das Ergebnis bestätigt.
Recruiter müssen die zugrunde liegenden Informationen verstehen, Empfehlungen hinterfragen und bewusst eine andere Entscheidung treffen können.
Das Ziel sollte sein, Menschen nicht nur aus-, sondern vor allem einzuschließen: relevante Fähigkeiten zu erkennen, die durch einen ungewöhnlichen Karriereweg, ein fehlendes Keyword oder einen nicht perfekt formulierten Lebenslauf sonst möglicherweise verborgen geblieben wären.
Was bedeutet das für Jobbörsen?
Für Jobbörsen werfen automatisierte Bewerbungen eine unbequeme wirtschaftliche Frage auf.
Wenn Software nahezu unbegrenzt Bewerbungen generieren kann, wird das Bewerbungsvolumen als Maßstab für den Wert einer Jobbörse immer weniger aussagekräftig. Eine Jobbörse, die doppelt so viele Bewerbungen liefert, schafft für einen Arbeitgeber nicht zwangsläufig doppelt so viel Wert. Möglicherweise erzeugt sie lediglich doppelt so viel Arbeit.
Die relevanten Kennzahlen müssen sich deshalb weiter in Richtung tatsächlicher Ergebnisse verschieben: Relevanz, verifiziertes Interesse, Fortschritt im Bewerbungsprozess, Interview-Conversion und letztlich erfolgreiche Einstellungen.
Jobbörsen müssen möglicherweise auch stärker zwischen verschiedenen Arten von Bewerbungen unterscheiden. Wurde eine Bewerbung direkt von einer Person eingereicht? Wurde sie mit KI-Unterstützung erstellt? Oder hat ein Agent im Auftrag des Kandidaten gehandelt?
“Automatisiert” bedeutet nicht automatisch irrelevant. Arbeitgeber werden jedoch verstehen wollen, woher eine Bewerbung stammt und wie stark der Kandidat selbst am Prozess beteiligt war.
Die Veränderung betrifft auch die andere Seite des Marktplatzes.
Kandidaten-Agenten benötigen präzise, strukturierte und maschinenlesbare Informationen über Stellen. Sie müssen wissen, ob eine Position noch offen ist, wo sie ausgeübt werden kann, wie hoch die Vergütung ist, welche Anforderungen tatsächlich notwendig sind und ob der Arbeitgeber vertrauenswürdig ist.
Schlechte Jobdaten frustrieren künftig also nicht mehr nur menschliche Kandidaten. Sie können auch zu schlechten Entscheidungen von KI-Agenten führen, und das in enormem Umfang.
Damit könnten Jobbörsen eine noch wichtigere Rolle als Vertrauensinstanz einnehmen. Sie können Arbeitgeber und Stellenangebote verifizieren, Qualität und Struktur von Jobinformationen verbessern, missbräuchliche Automatisierung erkennen und bessere Nachweise für Relevanz und tatsächliches Kandidateninteresse liefern.
Jobbörsen, die weiterhin ausschließlich Traffic und Bewerbungsvolumen verkaufen,laufen Gefahr, das Bewerbungsvolumen weiter zu erhöhen, ohne die Relevanz zu verbessern. Wer dagegen Qualität, Authentizität und Ergebnisse nachweisen kann, wird für beide Seiten wertvoller.
Recruiting für eine Agent-to-Agent-Welt
Bei VONQ prägt diese Entwicklung bereits, wie wir EQO®, unsere Talent Attraction Plattform, weiterentwickeln.
EQO verbindet sechs Phasen der Talentgewinnung in einem agentischen Workflow: Write, Distribute, Attract, Screen, Interview und Score. Spezialisierte Agenten führen Informationen aus der Bewerbung und strukturierten Gesprächen mit Kandidaten zusammen. So können Recruiter relevante Personen identifizieren, ohne sich ausschließlich auf den Lebenslauf verlassen zu müssen.
Noch wichtiger ist jedoch, wie diese Empfehlungen eingesetzt werden.
KI sollte Einstellungsentscheidungen unterstützen, nicht übernehmen. Diesen Grundsatz bilden wir in unserem HEAT Framework ab: Human-in-the-loop, Explainable, Audit-ready und Transparenz.
Wenn KI auf KI trifft
Kandidaten-Agenten machen die Bewerbung nicht überflüssig. Sie verändern jedoch, was Arbeitgeber aus ihr ableiten können.
Ein perfekt formulierter Lebenslauf wird weniger darüber aussagen, wie gut jemand schreiben kann oder wie viel Aufwand in die Bewerbung geflossen ist. Auch das Bewerbungsvolumen wird immer weniger darüber aussagen, wie viele relevante Talente tatsächlich verfügbar ist.
Arbeitgeber müssen diese schwächer werdenden Indikatoren deshalb durch stärkere Signale ersetzen: stellenrelevante Fähigkeiten, strukturierte Gespräche, transparente Kriterien und Empfehlungen, die Menschen nachvollziehen und hinterfragen können.
Jobbörsen und Recruiting-Plattformen stehen vor derselben Entscheidung. Sie können beiden Seiten dabei helfen, immer größere Mengen an Bewerbungen zu generieren und zu verarbeiten. Oder sie schaffen die Infrastruktur, die diese Interaktionen relevanter, überprüfbarer und vertrauenswürdiger macht.
Der nächste Wettbewerbsvorteil im Recruiting wird nicht darin liegen, die meisten Bewerbungen zu verarbeiten.
Er wird darin liegen, die klarsten Entscheidungsgrundlagen zu schaffen und gleichzeitig das Vertrauen auf beiden Seiten des Recruiting-Prozesses zu bewahren.
Wenn KI auf KI trifft, wird Skalierung einfach. Vertrauen wird wertvoll.
* Dieser Artikel wurde ursprünglich am 2. Oktober 2026 im Job Board Doctor veröffentlicht.
Quellen
