Ein Lebenslauf, den das Bewerbermanagementsystem tatsächlich lesen kann

Ein Bewerbermanagementsystem ist eine Datenbank mit einem Formular davor. Wenn du einen Lebenslauf hochlädst, „liest“ das System ihn nicht wie ein Mensch. Es wandelt die Datei zuerst in reinen Text um (bei PDFs wird die Textebene extrahiert, bei DOCX das XML durchlaufen) und lässt dann einen Parser darüber laufen, der versucht, den Text in strukturierte Felder zu zerlegen: Kontaktdaten, eine Liste von Arbeitgebern mit Positionen und Zeiträumen, den Ausbildungsblock, eine Kenntnisliste. Diese Felder sind das, was Recruiter durchsuchen, sortieren und filtern.

Deshalb ist die Formatierung wichtiger, als es scheint. Der Parser weiß nicht, dass ein zweispaltiges Layout zuerst links gelesen werden soll. Er bekommt den Text in der Reihenfolge, in der die interne Struktur der PDF ihn ausgibt – häufig zeilenweise abwechselnd aus beiden Spalten – und rät dann, wo eine Station endet und die nächste beginnt. Ein Lebenslauf, der für Menschen sauber aussieht, kann im Suchindex des Recruiters als durcheinandergewürfelter Block ohne Datumsangaben landen.

Im deutschsprachigen Raum sind vor allem SAP SuccessFactors, Workday, Personio, Softgarden, d.vinci und Haufe/Umantis verbreitet; viele Konzerne nutzen zusätzlich lizenzierte Parser von Drittanbietern. Die Systeme unterscheiden sich im Detail, teilen aber dieselben Schwachstellen, weil sie dasselbe Problem lösen: aus einem freien Dokument Felddaten zu machen.

Die meisten Parse-Fehler haben wenige Ursachen. Mehrspaltige Layouts sind die häufigste. Tabellen zur Ausrichtung die zweithäufigste – viele Parser lassen Tabellenzellen weg oder ziehen sie flach. Text in Bildern, Icons statt Abschnittsbezeichnungen und Kontaktdaten in Kopf- oder Fußzeilen gehen regelmäßig verloren, weil Parser diese Bereiche oft komplett überspringen.

Auch Abschnittsüberschriften zählen. Parser suchen nach bekannten Bezeichnungen – „Berufserfahrung“, „Ausbildung“, „Kenntnisse“ (bzw. englisch „Experience“, „Education“, „Skills“ bei internationalen Systemen) –, um Blöcke einem Feld zuzuordnen. Kreative Überschriften wie „Mein Weg“ oder „Werkzeugkasten“ bleiben unzugeordnet. Gemischte Datumsformate („Jan. 2022 – heute“ hier, „2023-03“ dort) erschweren die Berechnung der Dauer, die manche Systeme als Filter nutzen. Und ein Hinweis speziell für Deutschland: das klassische Bewerbungsfoto ist als Bild für den Parser unsichtbar – das ist unproblematisch, solange kein Text daneben in derselben Grafik steckt.

• Eine Spalte, von oben nach unten, ohne Textfelder oder Seitenleisten.
• Kontaktdaten im Fließtext, nicht in Kopf- oder Fußzeile.
• Übliche Abschnittsbezeichnungen: Berufserfahrung, Ausbildung, Kenntnisse, Zertifikate.
• Überall echter Text – keine Kenntnisse als Icons oder Balkendiagramme.
• Ein einheitliches Datumsformat für jede Station (z. B. „03/2022 – heute“).
• Als PDF mit Textebene oder als DOCX speichern; nie als Bild exportieren.

Recruiter stellen Suchen und K.-o.-Fragen mit dem Vokabular der Stellenanzeige ein. Steht in der Anzeige „Kubernetes“ und in deinem Lebenslauf „Container-Orchestrierung“, findet dich eine wörtliche Suche nicht, obwohl ein Mensch die Verbindung sofort herstellt. Die Lösung ist nicht, die Anzeige in den Lebenslauf zu kopieren, sondern die Arbeit, die du wirklich gemacht hast, mit denselben Substantiven zu beschreiben, die die Anzeige verwendet – dort, wo sie zutreffen.

Ravinas Schlüsselbegriff-Analyse vergleicht die in der Anzeige genannten Kenntnisse und Tools mit deinem Lebenslauftext und zeigt, was fehlt. Bewusst gibt es keine einzelne „Match-Prozentzahl“ – solche Werte täuschen eine Genauigkeit vor, die kein externes Tool haben kann, weil niemand außerhalb des Unternehmens weiß, wonach der Recruiter tatsächlich gesucht hat. Was sich zuverlässig sagen lässt: welche benannten Begriffe aus der Anzeige nirgends in deinem Dokument vorkommen.

Jedes der oben genannten Strukturprobleme lässt sich mit Regeln erkennen: Spalten zählen, Tabellen erkennen, Text in Bildern finden, Überschriften mit einer Liste abgleichen, Datumsmuster prüfen, Zahlen in Stichpunkten suchen. Deterministische Checks liefern jedes Mal dasselbe Ergebnis, funktionieren offline und kosten nichts. Ravina setzt KI nur dort ein, wo sie hilft – beim Umformulieren eines Stichpunkts – und nutzt dafür deinen eigenen Anbieter-Schlüssel, sodass es keine Scan-Kontingente gibt.

Die Checks bilden vier Gruppen: Layout (Spaltenstruktur, Tabellen, Text nur in Bildern), Tokenisierung (Datumsformate, Hierarchie der Überschriften, auffindbare Kontaktdaten), Lesbarkeit der Textebene der exportierten Datei und Qualität der Stichpunkte (messbare Ergebnisse, aktive Verben, ein Filter für maschinell klingende Floskeln). Die kostenlose Version auf dieser Website führt den Stichpunkt-Teil im Browser aus; der volle Satz läuft in Ravina.