Stellenbeschreibung schreiben: So formulieren Sie Kriterien die wirklich helfen

Viele Bewerbungen pro Stelle, stundenlanges manuelles Sichten, am Ende passt nur ein kleiner Teil der Profile. Das Problem beginnt oft nicht beim Screening. Es beginnt bei der Stellenbeschreibung.

Eine präzise Stellenbeschreibung filtert unpassende Bewerbungen schon vor dem Eingang. Unpräzise Kriterien kosten Sie doppelt: mehr Bewerbungen und mehr Aufwand bei der Auswahl. Wer vorab in präzise Kriterien investiert, senkt den Aufwand bei der späteren Sichtung deutlich.

Warum die Stellenbeschreibung das Screening bestimmt

Ihre Stellenbeschreibung ist der erste Filter. Sie entscheidet, wer sich bewirbt. Vage Formulierungen wie „Teamplayer mit Hands-on-Mentalität" ziehen viele unpassende Bewerbungen an. Präzise Anforderungen wie „3 Jahre Erfahrung in der Finanzbuchhaltung mit DATEV" verkleinern das Feld spürbar.

Der Unterschied: deutlich weniger Lebensläufe, die überhaupt gelesen werden müssen — und entsprechend weniger Zeitaufwand im Screening.

Aber es geht nicht nur um Quantität. Präzise Stellenbeschreibungen verbessern auch die Qualität der eingehenden Bewerbungen. Wer sich trotz klar benannter Anforderungen bewirbt, hat sich in der Regel bewusst mit dem Anforderungsprofil auseinandergesetzt.

Stellenanzeigen mit konkreten Anforderungen erhalten in der Praxis weniger, dafür passendere Bewerbungen. Weniger Volumen, bessere Trefferquote.

Wenn Sie KI-gestütztes Screening nutzen, wird der Effekt noch stärker. Algorithmen bewerten anhand Ihrer Kriterien. Je messbarer ein Kriterium formuliert ist, desto eindeutiger lässt es sich prüfen — unscharfe Formulierungen führen zu unscharfen Bewertungen. Mehr dazu in unserem KI-Recruiting-Leitfaden.

5 typische Fehler bei Kriterien in Stellenbeschreibungen

Fehler 1: Buzzwords statt Fakten

„Dynamisches Umfeld" sagt nichts. „Team mit 12 Personen, 3 Standorte, 40 % Remote" sagt alles. Kandidaten brauchen Fakten, um ihre Eignung einzuschätzen.

Weitere Beispiele für leere Formulierungen:

• „Spannende Herausforderungen" — Was genau? Kundenprojekte? Produkt-Neuentwicklung?
• „Flache Hierarchien" — Wie viele Ebenen bis zur Geschäftsführung?
• „Attraktives Gehaltspaket" — Welche Bandbreite? 45.000 oder 75.000 EUR?

Ersetzen Sie jedes Buzzword durch eine Zahl oder einen konkreten Fakt. Das macht Ihre Stellenbeschreibung nicht nur besser für Bewerber. Es macht sie auch besser für jedes Screening-Tool, das Sie einsetzen.

Fehler 2: Zu viele Must-haves

Eine Liste mit 15 Anforderungen schreckt ab. Lange Anforderungslisten halten Menschen von einer Bewerbung ab, die die Kernanforderungen erfüllen — und verkleinern so unnötig Ihren Bewerberpool. Zu viele Must-haves kosten Ihnen diverse Talente.

Die Folge: Ihr Bewerberpool wird homogener. Nicht, weil die Kandidaten fehlen. Sondern weil Ihre Stellenbeschreibung sie abschreckt.

Begrenzen Sie Must-haves auf 4–6 Anforderungen. Alles darüber hinaus ist entweder ein Nice-to-have oder sollte gestrichen werden.

Fehler 3: Keine Unterscheidung zwischen Must-have und Nice-to-have

Wenn alles gleich wichtig klingt, kann niemand priorisieren. Weder der Bewerber noch Ihr Screening-Tool.

Eine klare Trennung hilft dreifach. Bewerber schätzen ihre Chancen realistischer ein, Recruiter bewerten konsistenter, und ein Scoring-System kann die gewünschte Gewichtung überhaupt erst korrekt abbilden.

Markieren Sie Must-haves explizit. Beispiel: „Voraussetzung: Abgeschlossenes Studium im Bereich BWL oder vergleichbar." Dann separat: „Wünschenswert: Erfahrung mit SAP."

Fehler 4: Erfahrungsjahre ohne Kontext

„5 Jahre Erfahrung in Marketing" ist zu breit. 5 Jahre in B2B-Performance-Marketing mit Google Ads Budget über 50.000 EUR/Monat ist verwertbar.

Kontext definiert, was „Erfahrung" bedeutet. Ohne Kontext bewerben sich Content-Marketer auf Performance-Stellen. Und umgekehrt. Beide verschwenden ihre Zeit und Ihre.

Formulieren Sie Erfahrung immer mit Fachbereich, Verantwortungsumfang und wenn möglich einer Zahl.

Fehler 5: Fehlende Zahlen

„Führungserfahrung" kann 2 Praktikanten bedeuten. Oder 50 Mitarbeitende in 3 Ländern. Schreiben Sie die Zahl hin.

Das gilt für alle Dimensionen: Teamgröße, Budget, Umsatzverantwortung, Projektumfang, Kundenanzahl. Zahlen machen Anforderungen vergleichbar. Und sie machen das Leben Ihres Screening-Teams deutlich einfacher.

Auch für KI-Systeme sind Zahlen Gold wert. Ein System wie HireSift kann „Budgetverantwortung ab 500.000 EUR" als numerisches Kriterium mit Schwellenwert abbilden und automatisch bewerten. „Budgetverantwortung" ohne Zahl bleibt interpretierbar.

So formulieren Sie messbare Kriterien

Gute Kriterien folgen einem einfachen Prinzip: Sie lassen sich mit Ja oder Nein beantworten. Oder mit einer Zahl messen. Wenn keines von beiden möglich ist, formulieren Sie das Kriterium um.

Numerische Kriterien

Nutzen Sie konkrete Schwellenwerte:

• „Mindestens 3 Jahre Berufserfahrung in der Softwareentwicklung"
• „Budgetverantwortung ab 500.000 EUR"
• „Führung von Teams ab 5 Personen"
• „Projekterfahrung mit mindestens 2 ERP-Einführungen"
• „Umsatzverantwortung ab 1 Mio. EUR"

Numerische Kriterien sind besonders belastbar, weil sie wenig Interpretationsspielraum lassen — vorausgesetzt, die Angabe steht so im Lebenslauf. Ein Kandidat hat 3 Jahre Erfahrung oder nicht. Das kann ein Mensch prüfen. Und eine KI ebenso.

Boolesche Kriterien (Ja/Nein)

Für Qualifikationen und Zertifizierungen:

• „Abgeschlossenes Studium der Wirtschaftswissenschaften: Ja/Nein"
• „SAP-Zertifizierung vorhanden: Ja/Nein"
• „Führerschein Klasse B: Ja/Nein"
• „Gültige Arbeitserlaubnis für Deutschland: Ja/Nein"
• „Bereitschaft zu 20 % Reisetätigkeit: Ja/Nein"

Boolesche Kriterien eignen sich für Ausschlusskriterien. Wer keinen Führerschein hat, kommt für eine Außendienst-Stelle mit eigener Fahrtätigkeit in der Regel nicht in Frage. Kein Scoring nötig. Ja oder Nein.

Auswahl-Kriterien

Für Skills mit mehreren gültigen Optionen:

• „Programmiersprache: Python, Java oder Go"
• „Branchenerfahrung: Automotive, Maschinenbau oder Luftfahrt"
• „Sprachniveau Deutsch: C1 oder C2"
• „CRM-System: Salesforce, HubSpot oder Dynamics 365"

Auswahl-Kriterien geben Ihnen Flexibilität. Sie akzeptieren verschiedene Ausprägungen, ohne beliebig zu werden. Besonders nützlich bei Tech-Skills, wo mehrere Technologien gleichwertig sind.

Text-Match-Kriterien

Für spezifische Erfahrungsbereiche:

• „Erfahrung mit agilen Methoden (Scrum, Kanban)"
• „Kenntnisse in regulatorischen Anforderungen (MedTech, ISO 13485)"
• „Erfahrung im internationalen Vertrieb"
• „Kenntnis des öffentlichen Vergaberechts"

Text-Match-Kriterien sind die flexibelsten. Sie erfassen Erfahrungsbereiche, die sich nicht in Zahlen ausdrücken lassen. LLM-basierte Systeme werten solche Kriterien semantisch aus und erfassen dabei auch abweichende Formulierungen. Das Ergebnis bleibt ein Vorschlag, den ein Mensch prüft.

Must-have vs. Nice-to-have: Die richtige Gewichtung

Begrenzen Sie Must-haves auf 4–6 Kriterien. Das sind die Anforderungen, ohne die ein Kandidat definitiv nicht in Frage kommt. Stellen Sie sich bei jedem Kriterium die Frage: Würden Sie einen perfekten Kandidaten ablehnen, nur weil er dieses eine Kriterium nicht erfüllt? Wenn nein, ist es ein Nice-to-have.

Must-have-Beispiele:

• Abgeschlossene Ausbildung oder Studium im relevanten Fachbereich
• Mindestens 3 Jahre Berufserfahrung in vergleichbarer Position
• Fließende Deutschkenntnisse (C1+)
• Gültige Arbeitserlaubnis für Deutschland

Nice-to-have-Beispiele:

• Erfahrung mit spezifischen Tools (SAP, Salesforce, HubSpot)
• Zusätzliche Sprachkenntnisse (Englisch, Französisch)
• Branchenzertifizierungen
• Führungserfahrung
• Kenntnis spezifischer Methoden (Six Sigma, PRINCE2)

Die Gewichtung macht den Unterschied. Ein Must-have-Kriterium sollte 2–3x so stark gewichten wie ein Nice-to-have. In einem KI-Scoring-System können Sie diese Gewichtung direkt abbilden. Solange die Must-haves in Summe deutlich schwerer wiegen als alle Nice-to-haves zusammen, landen Kandidaten, die alle Must-haves erfüllen, im Ranking vor Kandidaten, die nur Nice-to-haves mitbringen.

Ein konkretes Beispiel: Wenn Sie 5 Kriterien mit je 20 % gewichten, zählt alles gleich. Besser: 3 Must-haves mit je 25 % und 2 Nice-to-haves mit je 12,5 %. So wiegt jedes einzelne Must-have doppelt so schwer wie ein Nice-to-have — und die Must-haves bestimmen zusammen 75 % des Scores.

Wie Kriterien in KI-Scoring einfließen

Moderne KI-Screening-Tools nutzen Ihre Kriterien als Bewertungsgrundlage. Bei HireSift definieren Sie für jedes Kriterium:

1. Typ (numerisch, Ja/Nein, Auswahl, Mehrfachauswahl, Text-Match, Gehaltsband)
2. Gewichtung (wie wichtig ist das Kriterium relativ zu anderen)
3. Konfiguration (Schwellenwerte, gültige Optionen, Mindest- und Maximalwerte)

Das System analysiert jeden Lebenslauf anhand dieser Kriterien. Sie erhalten zwei Scores: Den CV Match für die Gesamtpassung und den HireSift Score für die kriterienbasierte Bewertung.

Der CV Match bewertet ganzheitlich: Passt der Karriereweg zur Stelle? Ist das Profil stimmig? Der HireSift Score ist granularer: Welche konkreten Kriterien sind erfüllt, welche nicht?

Der Vorteil: Sie sehen sofort, welche Kriterien ein Kandidat erfüllt und welche nicht. Jede Kriterienbewertung ist einzeln dokumentiert und für die Fachabteilung nachvollziehbar. Die Auswahlentscheidung treffen weiterhin Menschen.

Wenn Sie KI-Tools für das Screening im Gesundheitswesen oder in der IT-Branche einsetzen, werden branchenspezifische Kriterien besonders wichtig. Ein Pflegekräfte-Kriterium wie „Examen vorhanden" funktioniert anders als ein IT-Kriterium wie „Erfahrung mit Cloud-Infrastruktur".

Template: Kriterien-Block für Ihre nächste Stellenbeschreibung

Verwenden Sie diese Struktur als Ausgangspunkt:

Position: [Titel]

Must-have-Kriterien (gewichtet):

Kriterium	Typ	Schwellenwert	Gewicht
Berufserfahrung	Numerisch	ab 3 Jahre	30 %
Ausbildung	Ja/Nein	Studium abgeschlossen	20 %
Sprache Deutsch	Auswahl	C1 oder C2	25 %
Fachkenntnisse	Text-Match	[Spezifische Skills]	25 %

Nice-to-have-Kriterien:

Kriterium	Typ	Schwellenwert	Gewicht
Branchenerfahrung	Auswahl	[Branchen]	10 %
Zusatzqualifikation	Ja/Nein	[Zertifizierung]	10 %
Führungserfahrung	Numerisch	ab 2 Personen	5 %

Passen Sie die Gewichtungen an Ihre Stelle an. Die Summe aller Gewichte ergibt 100 %: Mindestens 70 % entfallen auf die Must-haves, die restlichen bis zu 30 % auf die Nice-to-haves.

3 Praxisbeispiele

Beispiel 1: Finanzbuchhalter/in

Must-have:

• Abgeschlossene kaufmännische Ausbildung (Ja/Nein, Gewicht: 25 %)
• Mindestens 2 Jahre Erfahrung in Finanzbuchhaltung (Numerisch, Gewicht: 25 %)
• DATEV-Kenntnisse (Ja/Nein, Gewicht: 25 %)
• Deutschkenntnisse auf dem für die Tätigkeit erforderlichen Niveau, z. B. C1 (Auswahl, Gewicht: 15 %)

Nice-to-have:

• SAP FI Kenntnisse (Ja/Nein, Gewicht: 5 %)
• Erfahrung mit Monats-/Jahresabschlüssen (Text-Match, Gewicht: 3 %)
• Englisch B2 (Auswahl, Gewicht: 2 %)

Ergebnis: Ein Kandidat mit Ausbildung, mehrjähriger DATEV-Erfahrung und Deutsch C2 erfüllt alle Must-haves und steht entsprechend weit oben im Ranking. Einem Quereinsteiger ohne DATEV fehlt das Gewicht dieses Kriteriums, er rutscht deutlich ab.

Beispiel 2: Softwareentwickler/in Backend

Must-have:

• Mindestens 3 Jahre Erfahrung in Python oder Java (Auswahl + Numerisch, Gewicht: 30 %)
• REST-API-Entwicklung (Text-Match, Gewicht: 20 %)
• Git (Ja/Nein, Gewicht: 10 %)
• Deutsch B2 oder Englisch C1 (Auswahl, Gewicht: 10 %)

Nice-to-have:

• Kubernetes-Erfahrung (Ja/Nein, Gewicht: 10 %)
• AWS oder Azure (Auswahl, Gewicht: 10 %)
• CI/CD-Erfahrung (Text-Match, Gewicht: 5 %)
• Erfahrung mit Microservices (Text-Match, Gewicht: 5 %)

Hier sehen Sie: Die fachlichen Must-haves machen 60 % des Scores aus, die Sprachanforderung weitere 10 %. Tools und Zusatzkenntnisse bleiben sekundär. Das spiegelt die Realität im Tech-Recruiting wider.

Beispiel 3: Pflegefachkraft

Must-have:

• Examen Gesundheits- und Krankenpflege (Ja/Nein, Gewicht: 30 %)
• Gültige Berufserlaubnis (Ja/Nein, Gewicht: 25 %)
• Deutsch B2 (Auswahl, Gewicht: 20 %)
• Bereitschaft zu Schichtdienst (Ja/Nein, Gewicht: 10 %)

Nice-to-have:

• Fachweiterbildung Intensivpflege (Ja/Nein, Gewicht: 5 %)
• Mindestens 2 Jahre Berufserfahrung (Numerisch, Gewicht: 5 %)
• Erfahrung mit Palliativversorgung (Text-Match, Gewicht: 5 %)

Im Gesundheitswesen dominieren formale Qualifikationen. Ohne staatliche Erlaubnis dürfen weder die Berufsbezeichnung geführt noch die im Pflegeberufegesetz vorbehaltenen Tätigkeiten ausgeübt werden (§§ 1, 4 PflBG) — eine Einstellung als Pflegefachkraft scheidet damit aus. Diese Kriterien sind echte K.O.-Kriterien.

Der Prozess: Von der Stellenbeschreibung zum Scoring

1. Stellenbeschreibung schreiben: Nutzen Sie das Template oben. Definieren Sie 4–6 Must-haves und 2–4 Nice-to-haves.
2. Kriterien ins System übertragen: Legen Sie für jedes Kriterium Typ, Gewichtung und Konfiguration fest.
3. Test-Screening durchführen: Laden Sie 5–10 bekannte CVs hoch. Prüfen Sie, ob die Scores Ihre Einschätzung widerspiegeln.
4. Feinjustierung: Passen Sie Gewichtungen an, bis die Scores sinnvolle Ergebnisse liefern.
5. Screening starten: Laden Sie alle Bewerbungen hoch. Prüfen Sie die Top-20 manuell.

Beim ersten Mal kostet dieser Prozess etwas Einrichtungszeit; bei jeder weiteren Stelle deutlich weniger, weil Sie auf bestehenden Kriterien aufsetzen. Der Effekt: spürbar weniger manueller Screening-Aufwand pro Stelle.

Fazit: Kriterien definieren den Erfolg

Investieren Sie die Zeit vorab in präzise Kriterien. Das senkt den manuellen Aufwand beim Screening deutlich. Jedes Kriterium sollte messbar sein. Jedes Must-have sollte wirklich eines sein.

Gute Kriterien helfen nicht nur bei der manuellen Auswahl. Sie machen auch KI-Screening besser. Denn KI ist nur so gut wie die Vorgaben, die Sie machen.

Der wichtigste Tipp: Schreiben Sie Ihre Stellenbeschreibung so, als ob ein Computer sie lesen würde. Denn das wird er. Und je klarer die Vorgaben, desto besser das Ergebnis — ob Mensch oder Maschine.

---

Weniger screenen. Mehr einstellen.

HireSift analysiert eingehende Lebensläufe automatisiert — mit zwei nachvollziehbaren Scores, schriftlicher Begründung und menschlicher Endentscheidung — in einer persönlichen Demo erlebbar.

→ Demo anfragen