Anschreiben mit KI: warum kein Template die Stelle bringt

KI-Anschreiben funktionieren nur wenn die KI das eigene Profil kennt. Wer ChatGPT oder Claude mit einem generischen Prompt füttert, bekommt einen generischen Text zurück: sprachlich solide, aber austauschbar. Der Schlüssel zu einem erfolgreichen und authentischen Anschreiben: Profil und Stelle müssen zusammengebracht werden, bevor der erste Satz entsteht.

Warum KI-Anschreiben alle gleich klingen

Seit Sprachmodelle wie ChatGPT allgemein verfügbar sind, haben sich KI-generierte Anschreiben im Bewerberfeld verbreitet. Das Ergebnis ist erkennbar: Die meisten haben dieselbe Struktur, dieselben Einleitungssätze, dieselben Wendungen zu Motivation und Eignung. Es entsteht sogenannter AI-Slop - handwerklich in Ordnung, inhaltlich beliebig.

Das ist kein Qualitätsproblem von KI, es ist ein Kontext-Problem. Ein Sprachmodell produziert auf Basis eines leeren Prompts einen leeren Text. Wer fragt „Schreib mir ein Anschreiben für eine Marketing-Stelle“, bekommt exakt das: ein Anschreiben, das für tausende Stellen gleichermaßen gelten könnte. Der fehlende Bezug zur konkreten Stelle ist kein Versagen der KI, sondern fehlendes Ausgangsmaterial.

Das fällt auf. Nicht immer bewusst, aber spürbar. Wer viele Bewerbungen liest, erkennt nach dem zweiten Satz, ob jemand wirklich verstanden hat, warum diese Stelle, in diesem Unternehmen, zu seiner Erfahrung passt.

Was LLMs bei der Formulierung können und was nicht

Sprachmodelle sind bei der Formulierung ausgezeichnet. Dafür wurden sie entwickelt und trainiert. Sie beherrschen Ton und Register, können zwischen formell und direkt wechseln, formulieren klar und grammatikalisch korrekt. Das ist ein echter Wert, besonders für Menschen, denen das Schreiben nicht leichtfällt.

Was Sprachmodelle nicht leisten können: inhaltliche Relevanz aus dem Nichts erzeugen. Das gilt für Bewerbungen genauso wie für jeden anderen KI-generierten Content.

Newsletter, Produktbeschreibungen, Social-Media-Posts, Ratgeber-Artikel: überall wo KI ohne ausreichenden Kontext eingesetzt wird, entsteht gut klingender, aber generischer Output. Das ist das Grundproblem hinter dem Begriff AI-Slop, der sich im Content-Marketing als Begriff für dieses Phänomen etabliert hat. Die Formulierung stimmt, der Inhalt sagt nichts. Der Unterschied zwischen einem funktionierenden KI-Text und einem austauschbaren ist immer derselbe: die Qualität des Inputs.

Für Anschreiben bedeutet das konkret: Die KI braucht Informationen darüber, wer du bist, was du kannst, was dich von anderen unterscheidet und warum du für genau diese Stelle passend bist. Ohne diese Informationen entsteht ein Text, der genauso gut von hundert anderen abgeschickt worden sein könnte.

Warum Relevanz wichtiger ist als Formulierung

In der Direktkommunikation und im Marketing gilt eine Grundregel: Wer alle gleich anspricht, erreicht niemanden. Das beste Copywriting hilft nicht, wenn der Inhalt austauschbar ist. Was eine Botschaft erfolgreich macht, ist nicht die Eleganz der Formulierung, sondern ob sie zu diesem Menschen, in dieser Situation, mit diesem konkreten Bedarf passt.

In der Werbung nennt man eine Botschaft, die an alle gleichzeitig und auf dieselbe Art geht, Broadcast. Sie kann gut formuliert sein und trotzdem niemanden wirklich ansprechen, weil sie keine Verbindung zur spezifischen Situation des Empfängers hat. Personalisierte Kommunikation funktioniert anders: sie nimmt den Kontext des Gegenübers als Ausgangspunkt und formuliert daraus eine relevante Botschaft.

Bewerbungen funktionieren nach derselben Logik. Der einzige Unterschied: die Zielgruppe besteht aus einer Handvoll Personen, nicht aus Tausenden. Das macht Relevanz noch wichtiger: Was ein Recruiting-Entscheider lesen will, ist die Antwort auf eine konkrete Frage: Warum du, für diese Stelle, in diesem Unternehmen?

Das ist nicht neu. Schon vor KI sind viele Anschreiben genau daran gescheitert. Das Problem ist durch die Verbreitung von Sprachmodellen sichtbarer geworden, weil jetzt alle denselben generischen Text produzieren, statt jeder seinen eigenen generischen Text zu schreiben.

Ein kurzer Hinweis zu ATS

Eine häufige Sorge: Werden KI-Anschreiben von ATS-Systemen erkannt und aussortiert? Die direkte Antwort: ATS bewertet primär den Lebenslauf. Das Anschreiben wird von den meisten Systemen technisch schwächer ausgewertet. Worauf es bei ATS wirklich ankommt und warum die meisten beim falschen Aspekt optimieren, haben wir ausführlich beschrieben: Deine Bewerbung wird zweimal gelesen: ATS und was danach zählt.

Das eigentliche Risiko eines generischen Anschreibens liegt nach dem ATS: beim menschlichen Entscheider, der sofort erkennt ob jemand verstanden hat, worum es geht.

So entsteht ein stellenspezifisches Anschreiben mit KI

Der Unterschied liegt darin, was die KI über dich weiß, bevor sie den ersten Satz schreibt.

karriva geht dafür eine andere Reihenfolge als die meisten Tools: Zuerst entsteht die Karriere-Positionierung. Das System analysiert den Lebenslauf, stellt gezielte Fragen zu Stärken, Arbeitsweise und Zielen und erstellt daraus ein strukturiertes Profil: wie Recruiter das Profil lesen, in welchem Umfeld jemand wirksam ist, was die konkreten Stärken sind. Dieser Kontext bleibt gespeichert.

Wenn eine Stelle gefunden wird, liest karriva die Stellenanzeige und berechnet einen Match-Score von 0 bis 100 mit konkreter Begründung: welche Anforderungen passen, welche fehlen, warum. Das ist der Kontext, den ein gutes Anschreiben braucht.

Auf dieser Basis entsteht das Anschreiben. Die KI kennt das Profil und die Stelle und bringt beides zusammen. Was herauskommt, ist kein Text aus einer Vorlage, sondern eines das aus dem eigenen Profil heraus entsteht und die konkrete Stelle adressiert. Im integrierten Editor lassen sich Tonalität, Formulierungen und Länge direkt anpassen. Das fertige Anschreiben kann kopiert oder als PDF exportiert werden, mit Absenderadresse, Empfänger und Datum bereits formatiert.

Der gesamte Prozess von der Stellenanzeige zum fertigen Anschreiben dauert etwa drei Minuten. Das liegt nicht daran, dass der Prozess vereinfacht wurde, sondern daran, dass der nötige Kontext bereits vorhanden ist, wenn das Anschreiben entsteht.

Für Berufseinsteiger: wenig Erfahrung ist kein Problem

Ein häufiges Missverständnis: Wer wenig Berufserfahrung hat, glaubt, dass KI-Unterstützung weniger bringt, weil zu wenig Ausgangsmaterial vorhanden ist. Das Gegenteil ist der Fall.

karriva arbeitet mit dem, was da ist. Praktika, Werkstudentenjobs, Projekte aus dem Studium, ehrenamtliches Engagement: all das fließt in die Karriere-Positionierung ein und wird in Sprache übersetzt, die Recruiter lesen. Der häufigste Fehler bei Berufseinsteigern ist nicht zu wenig Erfahrung, sondern zu wenig Bezug: die vorhandene Erfahrung wird nicht in Relation zur konkreten Stelle gesetzt. Das ist genau das, was die Positionierung als Fundament löst.

Wie du Praktika und Werkstudentenjobs konkret im Anschreiben positionierst und welche Formulierungen bei Einsteiger-Stellen wirklich wirksam sind, erklären wir ausführlich: Anschreiben für Werkstudentenstellen: was wirklich zählt.