Ein Angebot der EMBRACE Family

EF26Festival-Session · Audio-Mitschnitt · KI & Automatisierung

Pre-Screening automatisieren: Der Praxisfall Struktur Management Partner

Pre-Screening automatisieren, ohne dass eine KI über Bewerbende entscheidet: Diana Brisch von Struktur Management Partner und Dr. Philipp Seegers von CASE zeigen auf dem EMBRACE Festival 2026, wie die Beratung alle Bewerbungskanäle in ihr ATS holt, Kriterien regelbasiert prüft und so rund 40 Prozent Zeit im Prescreening spart.

  • Mit Diana Brisch, Dr. Philipp Seegers
  • Von Struktur Management Partner & CASE
  • Format Festival-Session · EMBRACE Festival 2026 · Blue Stage
  • Datum 11.06.2026

Das nimmst du mit

Pre-Screening automatisieren: Der Praxisfall Struktur Management PartnerAudio-Mitschnitt für Mitglieder · kostenlosMit kostenlosem Login anhören33 Min.
  1. Trenn KI und Regeln: KI liest Dokumente aus und strukturiert Daten, die Bewertung nach Kriterien läuft rein regelbasiert.

    7:35
  2. Erfüll die Anforderungen an Hochrisiko-Anbieter von Anfang an. Dann musst du die Einstufung nicht mit jedem Kunden diskutieren.

    7:51
  3. Teste blind: Lass Bewerbungen in einer Hypercare-Phase parallel von Mensch und Maschine bewerten.

    10:39
  4. Automatisier nicht alles: Seltene Sonderfälle markierst du für einen Menschen, statt ein Modell dafür zu trainieren.

    17:18
  5. Leg fest, welche Fehler du in Kauf nimmst: Bewerbende lieber zu gut als zu schlecht einstufen.

    21:27

Der Schmerz: viele Kanäle, manuelle Arbeit, keine vollständigen Zahlen

Struktur Management Partner berät den deutschen Mittelstand und bekommt rund 7500 Bewerbungen im Jahr auf 50 Stellen. Die Candidate Experience war immer wichtig: eine schlanke Bewerbungsmaske und One-Click-Bewerbungen über LinkedIn, Portale, Headhunter und E-Mail. Der Preis dafür: Nur 23 Prozent der Bewerbungen liefen über die Karriereseite ins ATS, alles andere wurde von Hand übertragen. Mit mehr Reichweite über Social Media kamen mehr Bewerbungen und noch mehr Aufwand.

Brisch nennt drei Ziele. Erstens die Kollegin im Recruiting und ihre Werkstudentin entlasten, damit sie Zeit für Gespräche mit Bewerbenden haben. Zweitens objektiver bewerten, denn Bewerbungen sind nicht schwarz und weiß und Menschen haben gute und schlechte Tage. Drittens ein vollständiges Reporting, weil offensichtlich unpassende Bewerbungen bisher gar nicht ins ATS kamen.

Pre-Screening automatisieren: KI zum Auslesen, Regeln zum Bewerten

Das Talent Gateway von CASE trennt klar zwischen KI und regelbasierter Logik. KI liest Dokumente aus und strukturiert Daten, auch aus unstrukturierten E-Mail-Bewerbungen. Sobald es um die Bewertung nach Kriterien geht, ist alles regelbasiert. Beim EU AI Act erfüllt CASE die Anforderungen an Hochrisiko-Anbieter, die Daten liegen auf europäischen Servern, ein Training von Modellen mit den Daten ist ausgeschlossen. Das hat auch den Datenschutz überzeugt.

Phase 2 war die technische Integration: Bewerbungen aus allen Kanälen werden importiert, ausgelesen und nach einem gemeinsamen Datenmodell kategorisiert, sodass etwa dieselbe Hochschule immer gleich heißt. Kurz vor Weihnachten ging das live, im Zeitplan. Seitdem landen alle Bewerbungen im ATS. Phase 3 war das eigene Scoring mit Workshop, Entscheidungsbaum, Tests mit eigenen Daten und einer langen Hypercare-Phase.

„Meine Aufgabe ist es jetzt, wenn ich in so einer Validierungsphase bin, wenn ich das Modell trainiere, meine Aufgabe ist es zu entscheiden, welche Fehler ich machen möchte.“

Dr. Philipp Seegers · im Video ab 21:05

Kriterien und CASE Score: Noten vergleichbar machen

Die Kriterien sind zweistufig. Im Hürdenlauf muss jede Hürde genommen werden: Deutsch auf C1-Niveau, ein zügiges und sehr gutes Studium, erste Beratungserfahrung. Im Weitsprung zählt jedes weitere erfüllte Kriterium, etwa relevante Berufserfahrung oder einschlägige Fächer. Dazu kommt der CASE Score.

Seegers nennt Bildung das längste Assessment Center unseres Lebens. Noten sagen aber nur etwas, wenn man dasselbe Fach an derselben Uni vergleicht. Der CASE Score ordnet Leistungen mit lokalen Notendaten und Leistungsdaten zwischen Programmen ein. Laut Seegers hängt er stark mit kognitiven Fähigkeiten und Gewissenhaftigkeit zusammen. In einer Studie mit Simon-Kucher konnten Noten allein nicht vorhersagen, wer Partner wird, die eingeordneten Noten schon.

Mensch und Maschine: Validierung und Grenzen

In der Praxis bekommt jede Bewerbung im ATS einen Gateway-Report mit Gesamtscore, Kriterien und CASE Score. Grenzen gibt es trotzdem. Ein Lebenslauf ohne Angabe zu Deutsch, aber mit Kassenwart im Kleingartenverein, würde am K.-o.-Kriterium scheitern. Der Fall kommt laut der Kollegin aus dem Recruiting ein- bis zweimal im Monat vor. Die Lösung: ein Fragezeichen, und ein Mensch schaut drauf.

In der Validierung mit über 500 Bewerbungen stimmten Mensch und Gateway in rund 80 Prozent überein. Mehr erwartet Seegers nicht, auch zwei Menschen bewerten nie zu 100 Prozent gleich. Entscheidend ist, welche Fehler man zulässt: lieber Bewerbende besser einstufen als schlechter. Die abweichenden B+-Fälle wurden einzeln geprüft, das Regelwerk lag richtig. Statt einem Volltreffer auf 100 Bewerbungen gibt es jetzt einen auf 11.

Ergebnis: 40 Prozent Zeitersparnis, Mensch entscheidet

Heute arbeitet das Team mit einem System und sieht den Gesamtscore direkt in der Bewerberübersicht. Die Werkstudentin prüft die B- und C-Bewerbungen und hält die eigenen Entscheidungen dagegen, die Kollegin konzentriert sich auf A und B+. Die Candidate Experience bleibt schlank, das Reporting zeigt, welche Kanäle wirklich helfen. Aktuell spart das Team rund 40 Prozent Zeit im Prescreening, ohne dass jemand den Job verloren hat.

Wichtig ist beiden: Keine KI entscheidet über Bewerbungen, am Ende entscheidet immer ein Mensch, und das ist auch vertraglich so festgelegt. Dein erster Schritt: Schreib eure Auswahlkriterien auf und trenn sie in Muss- und Soll-Kriterien.

Kapitel im Mitschnitt

  1. 0:12 Vorstellung und Ausgangslage
  2. 6:53 Datenschutz und EU AI Act
  3. 8:52 Phase 2: Integration
  4. 10:26 Phase 3: eigenes Scoring
  5. 11:59 Was der CASE Score misst
  6. 14:36 Das Gateway in der Praxis
  7. 19:38 Mensch und Maschine im Vergleich
  8. 25:03 Was das Projekt gebracht hat
  9. 28:33 Fragen aus dem Publikum

Häufige Fragen

Darf KI Bewerbungen vorsortieren?

Im Praxisfall liest KI nur Dokumente aus, die Bewertung läuft regelbasiert, und am Ende entscheidet immer ein Mensch. CASE erfüllt dafür die Anforderungen an Hochrisiko-Anbieter nach dem EU AI Act.

Wie gut stimmen automatisches und manuelles Screening überein?

In der Validierung mit über 500 Bewerbungen lag die Übereinstimmung bei rund 80 Prozent. Abweichungen sollen eher zugunsten der Bewerbenden ausfallen.

Wie macht man Noten verschiedener Hochschulen vergleichbar?

Der CASE Score ordnet Noten mit lokalen Notendaten und Leistungsdaten zwischen Studienprogrammen ein. So wird aus einer Note ein vergleichbares Signal.

Speaker:innen

Diana Brisch

Senior HR Specialist, Struktur Management Partner

Dr. Philipp Seegers

CEO, CASE

410Beiträge in Wissen & Praxis

Lernen aus der Praxis. Kostenlos.

Videos, Folien, Whitepaper und durchsuchbare Transkripte aus Festival, HR Slam, Trendence Awards und Webinaren. Mit Learnings, die dich direkt an die richtige Stelle im Video bringen.