ATS-Score in der Bewerberauswahl: 5 bewährte Korrekturen gegen falsche Absagen

3. August 2026

Artikel teilen

Der ATS-Score in der Bewerberauswahl entscheidet in immer mehr mittelständischen Unternehmen bereits vor dem ersten menschlichen Blick darüber, wer zum Vorstellungsgespräch eingeladen wird und wer eine automatisierte Absage erhält. Bewerbungsmanagement-Systeme, kurz ATS für Applicant Tracking System, werten Lebenslauf und Anschreiben nach hinterlegten Kriterien aus und vergeben einen Punktwert. Liegt dieser Wert unter einer intern festgelegten Schwelle, häufig bei 70 von 100 Punkten, folgt in vielen Systemen eine automatische Absage, ohne dass je ein Mensch das Bewerbungsdokument gesehen hat. Das Problem dabei: Ein Bewerber mit exzellenter fachlicher Qualifikation, etwa ein Handwerksmeister mit jahrzehntelanger Berufserfahrung, kann bei 69 Punkten landen, nur weil zwei oder drei formale Angaben im Lebenslauf fehlen, die das System als relevant gewichtet. Hätte derselbe Bewerber diese Angaben ergänzt, läge sein Score möglicherweise bei 85. Dieser Beitrag ordnet ein, wie ATS-Scoring technisch funktioniert, wo die rechtlichen Grenzen einer rein automatisierten Ablehnung liegen und wie sich ein gestuftes Bewertungsmodell in der Praxis umsetzen lässt.

Hinweis: Dieser Beitrag gibt ausschließlich die redaktionellen Ansichten der Redaktion von newworkpraxis.de wieder. Er stellt keine Rechtsberatung dar und ersetzt nicht die Beratung durch eine qualifizierte Rechtsanwältin oder einen qualifizierten Rechtsanwalt. Für rechtlich verbindliche Auskünfte zu Ihrem konkreten Fall, insbesondere zu arbeitsrechtlichen und datenschutzrechtlichen Anforderungen an automatisierte Personalauswahl, wenden Sie sich bitte an einen zugelassenen Rechtsbeistand.

Wie ein ATS-Score in der Bewerberauswahl technisch zustande kommt

Bewerbungsmanagement-Systeme extrahieren aus hochgeladenen Dokumenten strukturierte Informationen, etwa Berufserfahrung, Ausbildungsabschlüsse, genannte Fachbegriffe und Formatierungsmerkmale. Diese Informationen werden mit einem hinterlegten Anforderungsprofil abgeglichen, das für die jeweilige Stelle definiert wurde. Aus der Übereinstimmung ergibt sich ein Punktwert, der in vielen Systemen zwischen 0 und 100 liegt. In neueren Systemen übernimmt zunehmend ein KI-Sprachmodell die inhaltliche Bewertung, während ältere Systeme stärker auf reinen Keyword-Abgleich setzen.

Entscheidend für das Ergebnis ist dabei nicht allein die tatsächliche Qualifikation eines Bewerbers, sondern auch, wie präzise diese Qualifikation im Dokument in der vom System erwarteten Terminologie ausgedrückt wird. Ein Meisterbrief, der im Lebenslauf nur als „Weiterbildung 2014″ ohne ausgeschriebenen Titel erscheint, wird von manchen Systemen nicht als vollwertiger Qualifikationsnachweis erkannt. Genau an dieser Stelle entstehen die von erfahrenen Recruiting-Fachleuten immer wieder beschriebenen Fehlbewertungen, bei denen fachlich starke Bewerber allein wegen unglücklicher Formulierung oder fehlender Stichworte durch das Raster fallen.

Warum ein Schwellenwert von 70 gute Fachkräfte pauschal aussortiert

Ein einheitlicher Schwellenwert, unter dem grundsätzlich jede Bewerbung automatisch abgelehnt wird, behandelt einen Score von 69 faktisch wie einen Score von 20, obwohl der inhaltliche Unterschied zwischen beiden Bewerbern erheblich sein kann. Besonders im technischen Handwerk, wo praktische Erfahrung, Meisterausbildung und selbst angeeignetes Fachwissen oft schwer in standardisierte Kategorien zu pressen sind, führt diese binäre Logik regelmäßig dazu, dass genau die Kandidaten aussortiert werden, die ein Unternehmen eigentlich dringend sucht.

Das eigentliche Problem liegt weniger im Scoring selbst als in der binären Entscheidungslogik danach. Ein Score ist eine Wahrscheinlichkeitsaussage über die Passung zu einem Anforderungsprofil, keine exakte Messung der tatsächlichen Eignung. Wird diese Wahrscheinlichkeitsaussage wie eine endgültige Ja-Nein-Entscheidung behandelt, verschwindet die Unschärfe, die jedem automatisierten Bewertungsverfahren innewohnt, aus dem Blick des Unternehmens.

Rechtliche Grenzen rein automatisierter Absagen

Neben der praktischen Recruiting-Frage berührt ein vollständig automatisierter Ablehnungsprozess auch rechtliche Anforderungen, die in der betrieblichen Praxis häufig unterschätzt werden. Artikel 22 der Datenschutz-Grundverordnung räumt betroffenen Personen grundsätzlich das Recht ein, nicht ausschließlich einer automatisierten Entscheidung unterworfen zu werden, die ihnen gegenüber eine rechtliche Wirkung entfaltet oder sie erheblich beeinträchtigt, wozu eine Bewerbungsabsage im Regelfall zählt. Unternehmen, die den gesamten Ablehnungsprozess vollständig ohne menschliche Beteiligung automatisieren, bewegen sich damit in einem rechtlich sensiblen Bereich, der im Streitfall genauer geprüft werden kann.

Zusätzlich besteht ein Risiko im Hinblick auf das Allgemeine Gleichbehandlungsgesetz, wenn die vom ATS verwendeten Kriterien mittelbar diskriminierend wirken, etwa wenn bestimmte Ausbildungswege oder Formulierungsstile, die statistisch mit bestimmten Bewerbergruppen korrelieren, systematisch schlechter bewertet werden, ohne dass dies inhaltlich gerechtfertigt ist. Eine regelmäßige Überprüfung der Scoring-Kriterien auf solche mittelbaren Effekte gehört deshalb zu den grundlegenden Sorgfaltspflichten beim Einsatz automatisierter Bewerberauswahl.

Ein gestuftes Bewertungsmodell als praktikable Lösung

Statt eines einzigen starren Schwellenwerts empfiehlt sich in der Praxis ein dreistufiges Modell, das die Unschärfe des Scores explizit berücksichtigt, anstatt sie zu ignorieren.

Score-Bereich	Empfohlenes Vorgehen	Begründung
Ab 70 Punkten	Automatische Einladung zum Gespräch	Hohe Übereinstimmung mit Anforderungsprofil, geringes Fehlerrisiko
60 bis 69 Punkte	Manuelle Prüfung durch eine Personalfachkraft	Grauzone, in der formale Lücken echte Qualifikation überdecken können
Unter 60 Punkten	Automatische Absage	Übereinstimmung mit dem Anforderungsprofil zu gering für eine Einladung

Der entscheidende Unterschied zu einem starren Schwellenwert liegt in der mittleren Zone. Bewerbungen zwischen 60 und 70 Punkten werden nicht automatisch abgelehnt, sondern von einer Personalfachkraft händisch gesichtet, die gezielt darauf achtet, ob formale Lücken im Dokument tatsächlich auf fehlende Qualifikation hindeuten oder lediglich auf eine ungünstige Darstellung vorhandener Erfahrung. Der zusätzliche Aufwand für diese manuelle Prüfung ist überschaubar, da er sich nur auf einen begrenzten Ausschnitt aller eingehenden Bewerbungen bezieht.

Wie KI-Systeme Transparenz statt reiner Ablehnung schaffen können

Ein zentraler Hebel zur Verbesserung liegt darin, das ATS nicht nur als Ablehnungsinstrument, sondern als Feedback-Werkzeug zu nutzen. Moderne KI-gestützte Systeme sind grundsätzlich in der Lage, nicht nur einen Punktwert auszugeben, sondern auch zu benennen, welche konkreten Kriterien zu einer niedrigeren Bewertung geführt haben, etwa fehlende Angaben zu bestimmten Zertifikaten oder eine unklare Darstellung der Berufserfahrung. Diese Information lässt sich nutzen, um Bewerbern in der Grauzone gezielt nachzufragen, statt sie stillschweigend zu übergehen.

Ein solches Vorgehen verändert die Rolle der KI im Recruiting grundlegend: von einer automatischen Filterfunktion hin zu einem Werkzeug, das Personalverantwortlichen hilft, ihre begrenzte Zeit gezielt auf die Fälle zu konzentrieren, in denen eine menschliche Einschätzung tatsächlich einen Unterschied macht. Diese Sichtweise deckt sich mit einer Beobachtung, die auch außerhalb des Recruitings immer wieder bestätigt wird: Technologie entfaltet ihren Wert erst durch den sinnvollen Einsatz durch Menschen, nicht durch ihre bloße Existenz.

„Nicht die Technik entscheidet über den Erfolg, sondern der Mensch, der sie sinnvoll einsetzt. Das gilt heute für KI genauso wie damals für die ersten digitalen Werkzeuge.“ (Frank Mohr, Vertriebstrainer und Prozessberater, im Interview zu Vertrieb mit KI im Mittelstand)

Auch wenn sich diese Einschätzung von Frank Mohr ursprünglich auf den Einsatz von KI im Vertrieb bezieht, lässt sie sich unmittelbar auf die Personalauswahl übertragen: Ein ATS-Score kann eine wertvolle Orientierung liefern, ersetzt aber nicht die abschließende menschliche Einschätzung, insbesondere dort, wo das Ergebnis nicht eindeutig ausfällt.

Warum gerade das technische Handwerk besonders betroffen ist

Im technischen Handwerk fällt die Lücke zwischen tatsächlicher Qualifikation und ATS-gerechter Selbstdarstellung besonders häufig auf. Meisterausbildungen, betriebsinterne Zusatzqualifikationen oder über Jahre angeeignetes Spezialwissen lassen sich in einem standardisierten Lebenslaufformat oft nur unzureichend abbilden, insbesondere wenn Bewerber ihre Unterlagen selbst verfassen, ohne Erfahrung mit den Erwartungen automatisierter Auswahlsysteme zu haben. Wer über Jahrzehnte in einem Betrieb gearbeitet und sich praktisches Wissen angeeignet hat, formuliert seinen Lebenslauf häufig knapper und weniger schlagwortgetrieben als jüngere Bewerber, die stärker mit den Konventionen digitaler Bewerbungsprozesse vertraut sind.

Diese Verzerrung trifft ausgerechnet die Zielgruppe besonders hart, die viele mittelständische Handwerksbetriebe angesichts des Fachkräftemangels dringend gewinnen möchten: erfahrene Fachkräfte mit nachgewiesener Praxiskompetenz. Ein Recruiting-Prozess, der diese Bewerbergruppe systematisch benachteiligt, verschärft damit ein Problem, das viele Betriebe eigentlich lösen wollen, statt es zu lindern.

Kommunikation gegenüber Bewerbern in der Grauzone

Neben der internen Prozessgestaltung lohnt sich ein Blick darauf, wie Unternehmen mit Bewerbern kommunizieren, deren Bewertung im mittleren Score-Bereich liegt. Statt einer stillen automatischen Absage kann eine kurze, freundlich formulierte Rückfrage nach fehlenden Nachweisen, etwa einem Zertifikat oder einer genaueren Beschreibung bestimmter Tätigkeiten, den Unterschied zwischen einem verlorenen und einem gewonnenen Bewerber ausmachen. Für den Bewerber signalisiert eine solche Rückfrage zudem, dass sich tatsächlich jemand mit seiner Bewerbung befasst hat, was sich positiv auf die Arbeitgeberwahrnehmung auswirkt, unabhängig vom Ausgang des Verfahrens.

Diese Form der Kommunikation lässt sich mit überschaubarem Aufwand standardisieren, etwa über eine Vorlage, die automatisch an alle Bewerber in der definierten Grauzone versendet wird, sobald die manuelle Prüfung Rückfragebedarf ergibt. Der Aufwand bleibt damit deutlich geringer als eine vollständige manuelle Bearbeitung aller eingehenden Bewerbungen, schafft aber an der entscheidenden Stelle mehr Fairness im Auswahlprozess.

Schritt-für-Schritt-Vorgehen zur Überarbeitung des Scoring-Prozesses

Aktuellen Schwellenwert und die Anzahl automatisch abgelehnter Bewerbungen der letzten zwölf Monate dokumentieren.
Stichprobe von Bewerbungen im Bereich 60 bis 70 Punkten nachträglich manuell durch eine Fachkraft bewerten und mit dem automatisierten Ergebnis vergleichen.
Scoring-Kriterien gemeinsam mit der Fachabteilung darauf prüfen, ob sie tatsächliche Qualifikation oder nur Formulierungsgewohnheiten abbilden.
Dreistufiges Modell mit automatischer Einladung, manueller Prüfung und automatischer Absage einführen.
Feedback-Funktion aktivieren, die abgelehnten Bewerbern in der Grauzone konkrete fehlende Kriterien transparent macht, sofern das System dies unterstützt.
Scoring-Kriterien und Schwellenwerte mindestens einmal jährlich auf mittelbar diskriminierende Effekte und Aktualität überprüfen.

Checkliste: ATS-Score in der Bewerberauswahl fair gestalten

Prüfpunkt	Erledigt
Kein vollständig automatisierter Ablehnungsprozess ohne jede menschliche Beteiligung
Grauzone zwischen zwei Schwellenwerten definiert und mit manueller Prüfung hinterlegt
Scoring-Kriterien auf mittelbar diskriminierende Effekte geprüft
Transparenz-/Feedback-Funktion des ATS aktiviert, sofern verfügbar
Jährlicher Review-Termin für Schwellenwerte und Kriterien festgelegt

Typische Einwände gegen ein gestuftes Bewertungsmodell

In der Praxis wird gegen eine manuelle Prüfung der Grauzone häufig eingewandt, dass bei hohem Bewerbungsaufkommen schlicht keine Kapazität für zusätzliche Sichtungen bestehe. Dieser Einwand übersieht, dass sich die manuelle Prüfung ausschließlich auf einen begrenzten Score-Bereich bezieht, nicht auf alle eingehenden Bewerbungen. Gerade in Engpassberufen des technischen Handwerks, in denen ohnehin nur wenige Bewerbungen eingehen, ist der zusätzliche Aufwand meist gering im Vergleich zu den Kosten einer unbesetzten Stelle.

Ein weiterer Einwand betont, dass ein Scoring-System gerade zur Entlastung der Personalabteilung eingeführt wurde und eine zusätzliche manuelle Stufe diesen Zweck konterkariere. Dem lässt sich entgegenhalten, dass die Entlastung weiterhin für den überwiegenden Teil der Bewerbungen bestehen bleibt, während gezielt dort menschliche Zeit investiert wird, wo automatisierte Entscheidungen nachweislich fehleranfällig sind.

FAQ

Was passiert bei einem klassischen ATS, wenn der Score unter 70 liegt?

In vielen Systemen erfolgt dann eine vollautomatische Absage ohne menschliche Prüfung, sofern keine gestufte Bewertungslogik hinterlegt wurde.

Ist eine vollständig automatisierte Bewerbungsabsage rechtlich problematisch?

Sie kann problematisch werden, da Artikel 22 der DSGVO betroffenen Personen grundsätzlich das Recht einräumt, nicht ausschließlich einer automatisierten Entscheidung mit erheblicher Wirkung unterworfen zu werden. Eine individuelle rechtliche Prüfung des konkreten Einzelfalls wird empfohlen.

Wie breit sollte die Grauzone für die manuelle Prüfung gewählt werden?

Ein Bereich von etwa zehn Punkten unterhalb des regulären Einladungsschwellenwerts hat sich in der Praxis als überschaubarer, aber wirksamer Kompromiss erwiesen.

Können auch kleine Unternehmen ohne eigene HR-Abteilung ein gestuftes Modell umsetzen?

Ja, die manuelle Prüfung der Grauzone lässt sich auch mit begrenzten Personalressourcen umsetzen, da sie sich nur auf einen kleinen Ausschnitt aller Bewerbungen bezieht.

Wie oft sollten Scoring-Kriterien überprüft werden?

Ein jährlicher Review, ergänzt um eine Prüfung nach jeder größeren Anpassung des Anforderungsprofils, hat sich in der Praxis bewährt, um mittelbar diskriminierende oder veraltete Kriterien frühzeitig zu erkennen.