Stellenanzeige schreiben im KI-Zeitalter: Wer wird sichtbar – und wer nicht?

KI verändert Berufsbilder, Gehaltsgefüge und Kandidatenpools. Wer heute eine Stellenanzeige schreibt, ohne das zu berücksichtigen, riskiert strukturelle Fehlsteuerung im Recruiting.

KI verschiebt Berufsbilder – und damit den Kandidatenpool

Eine aktuelle Analyse der Universitäten Singapur, Rochester und Tsinghua zeigt: Freelancer in Schreib- und Übersetzungsberufen verdienten nach dem Durchbruch generativer KI bis zu 40 Prozent weniger. Gleichzeitig erzielen Fachkräfte mit KI-Kompetenzen laut einer PwC-Studie aus 2024 in technischen Berufen Gehaltsaufschläge von bis zu 58 Prozent.

Für HR-Verantwortliche ergibt sich daraus eine direkte Konsequenz: Berufsbilder, die gestern noch klar definiert waren, stehen heute unter Veränderungsdruck. Welche Tätigkeiten KI übernimmt, entscheidet, ob der Kandidatenpool für eine Stelle größer oder kleiner wird – nicht das Automatisierungslevel als solches.

Harvard-Forscher analysierten 2025 rund 20.000 Aufgaben aus 900 Berufen. Ergebnis: Bei wissenschaftlichen Hilfskräften wächst der Kandidatenpool, weil KI anspruchsvolle Teilaufgaben übernimmt. Bei Luft- und Raumfahrtingenieuren schrumpft er, weil dort die Routinearbeit wegfällt und Hochspezialisierung bleibt.

Berufsbilder prüfen: Welche Tätigkeiten in der Zielrolle übernimmt KI bereits – und verändert das das gesuchte Qualifikationsprofil?
Gehaltsrahmen neu kalkulieren: KI-affine Profile erzielen beim Arbeitgeberwechsel laut IW Köln ein Lohnplus von durchschnittlich 17,3 % – gegenüber 11,1 % bei KI-fernen Tätigkeiten.
Cross-Domain-Skills benennen: Arbeitsmarktforscherin Christina Gathmann (LISER) identifiziert „Kombinationen aus Fachwissen und KI-Kompetenzen“ als besonders gefragte Profile.

Stellenanzeige schreiben: Wenn Insider-Jargon den Erstkontakt blockiert

Viele Stellenanzeigen entstehen aus der Personalanforderung (PA) des Fachbereichs. Die Sprache folgt internen Prozessen, Abkürzungen und Systembezeichnungen. Was intern funktioniert, wirkt nach außen wie eine geschlossene Tür – für Kandidaten und für Gatekeeper (z.B. Google, KI & Co.).

Gatekeeper bewerten inhaltliche Relevanz algorithmisch. Wer nach „Data Analyst mit KI-Erfahrung“ sucht, findet keine Anzeige, die intern unter „Auswertungsspezialist BI/DS“ läuft. Das ist kein Budgetproblem – es ist ein Textproblem. Der Gatekeeper-Performance-Score (GPS) macht genau das sichtbar: Er misst, ob eine Stellenanzeige den algorithmischen Wettbewerb um Kandidatenaufmerksamkeit gewinnt.

Ein niedriger GPS bei Relevanz-Gatekeepern wie Google oder KI-Systemen bedeutet: Die Anzeige wird schlicht nicht ausgespielt – unabhängig vom Schaltbudget. Mehr Reichweite bei schwachem Text verstärkt die Fehlsteuerung. Die Folge: Unpassende Bewerbungen erhöhen die Screeninglast der teuersten Ressource im Prozess – der Fachbereichs-Seniorlevel.

Marktsprache statt Jargon: Interne Begriffe im Stellentitel und Vorschautext konsequent in die Sprache übersetzen, die Kandidaten tatsächlich verwenden.
GPS als Frühindikator nutzen: Sichtbarkeitsprobleme entstehen, bevor Bewerberzahlen einbrechen. GPS zeigt sie früh genug, um gegenzusteuern.
Interaktions-Qualität (IQ) messen: Die KPI IQ zeigt, ob Kandidaten nach Titel und Einstiegstext weiterklicken oder früh abbrechen – und macht Überarbeitungshebel direkt sichtbar.
Familienmitglieder mitdenken: Studien zeigen, dass häufig auch das Umfeld von Jobsuchenden mitrecherchiert. Stellentexte sollten mit Allgemeinwissen verständlich sein.

KI-affine Kandidaten aktiv ansprechen

Fachkräfte mit KI-Kompetenzen wissen um ihren Marktwert – und suchen aktiv. Laut Arbeitsmarktforscher Fabian Stephany (Universität Oxford) gilt: Wer eine gefragte Kompetenz mitbringt, die wenige andere haben, kann höhere Gehälter verlangen. Das ist reine Marktwirtschaft.

Aktiv Jobsuchende starten ihre Suche überwiegend bei Suchmaschinen – rund 80 % aller Jobsuchen beginnen dort, nicht auf Jobportalen. Sie kommen mit konkreten Vorstellungen, vergleichen schnell und entscheiden eigenständig. Eine Stellenanzeige, die ihre Sprache spricht und ihre Bedürfnisse sichtbar macht, erzeugt das entscheidende Gefühl: „Das ist für mich gemeint.“

Was nach dem ersten Klick passiert, misst der Employer Trust Faktor (ETF): Bewirbt sich ein Kandidat direkt, besteht Vertrauen. Recherchiert er erst – sucht nach Unternehmenskultur, Standort, Teamgröße – besteht ein messbares Informationsdefizit. Der HIT-Wert (Weiterleitungen zur Karriereseite) ergänzt das Bild: Hohes GPS, starkes HIT, aber wenig Bewerbungen? Dann verliert die Karriereseite Kandidaten, die bereits interessiert waren.

Zielgruppenspezifische Ansprache: KI-affine Kandidaten haben andere Erwartungen als klassische Fachkräfte – Stellentexte sollten das widerspiegeln, statt Allgemeinplätze zu verwenden.
Karriereseite als Überzeugungsinstrument: Wer nach dem Stellenangebot recherchiert und trotzdem nicht bewirbt, geht zum Wettbewerber. Die Karriereseite entscheidet mit.
Funnel vollständig messen: GPS → IQ → ETF → HIT. Jede KPI zeigt eine andere Ursache – gemeinsam verhindern sie Optimierung an der falschen Stelle.

Fazit: KI verändert nicht nur Berufsbilder und Gehälter – sie verändert, wen eine Stellenanzeige überhaupt erreicht. Wer eine Stellenanzeige schreibt, ohne die neuen Profilerwartungen, die Sprache der Kandidaten und die Logik der Gatekeeper zu berücksichtigen, zahlt doppelt: einmal für Reichweite, die nicht zündet, und einmal für Screening, das sich hätte vermeiden lassen. Die gute Nachricht: Mit den richtigen KPIs – GPS, IQ, ETF, HIT – lässt sich jede Phase des Recruiting-Funnels transparent machen und gezielt verbessern.

Ihre nächsten Schritte: Prüfen Sie eine aktuelle Stellenanzeige aus Ihrem Unternehmen: Welche Begriffe im Titel und Einstiegstext kennen nur Insider? Wie hoch ist Ihr GPS – und was sagt Ihre IQ-Messung über die Klicktiefe? Wer diese Fragen beantwortet, hat einen konkreten Ausgangspunkt für bessere Texte – und damit für bessere Treffer im Kandidatenmarkt.

Dieser Beitrag entstand nach Lektüre von Franziska Telser und Luisa Bomke im Handelsblatt, 09.02.26:
„Ich verdiene nur noch 20 Prozent meines früheren Einkommens“