Stellenbeschreibung schreiben: So formulieren Sie Kriterien die wirklich helfen

250 Bewerbungen pro Stelle. 15 Stunden manuelles Screening. 80 % der Kandidaten werden abgelehnt. 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. Die Investition von 30 Minuten in bessere Kriterien spart Ihnen Tage an Arbeit.

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 300 Bewerbungen an. Präzise Anforderungen wie „3 Jahre Erfahrung in der Finanzbuchhaltung mit DATEV" reduzieren das Feld auf 80.

Der Unterschied: 220 CVs weniger zu lesen. Bei 4 Minuten pro CV sind das über 14 Stunden.

Aber es geht nicht nur um Quantität. Präzise Stellenbeschreibungen verbessern auch die Qualität der eingehenden Bewerbungen. Kandidaten, die sich trotz klarer Anforderungen bewerben, passen mit höherer Wahrscheinlichkeit.

Eine Studie von LinkedIn zeigt: Stellenanzeigen mit konkreten Anforderungen erhalten 30 % weniger Bewerbungen, aber 50 % mehr qualifizierte Bewerber. Weniger Volumen, bessere Trefferquote.

Wenn Sie KI-gestütztes Screening nutzen, wird der Effekt noch stärker. Algorithmen bewerten anhand Ihrer Kriterien. Je messbarer die Kriterien, desto aussagekräftiger die Scores. Schwammige Formulierungen erzeugen schwammige Scores. 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. Studien zeigen: Frauen bewerben sich erst, wenn sie 100 % der Kriterien erfüllen. Männer bei 60 %. 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. KI-Systeme gewichten präziser.

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 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 die stärksten. Sie lassen keinen Interpretationsspielraum. 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, kann keine Außendienst-Stelle antreten. 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 können diese Kriterien semantisch auswerten — auch wenn der Kandidat andere Formulierungen verwendet.

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. Das stellt sicher, dass Kandidaten, die alle Must-haves erfüllen, immer vor Kandidaten landen, 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 beeinflussen Must-haves den Score doppelt so stark.

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, Text-Match)
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. Keine Interpretation nötig. Keine Diskussionen mit der Fachabteilung. Die Bewertung ist transparent und nachvollziehbar.

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 der Must-have-Gewichte sollte mindestens 70 % betragen. Die Nice-to-haves teilen sich die restlichen 30 %.

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 %)
• Deutsch C2 (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, 3 Jahren DATEV-Erfahrung und Deutsch C2 erhält einen HireSift Score von mindestens 90. Ein Quereinsteiger ohne DATEV landet bei maximal 65.

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 technischen Must-haves dominieren mit 70 %. Sprache und Tools sind 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 Examen und Berufserlaubnis ist eine Einstellung rechtlich nicht möglich. 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.

Dieser Prozess dauert beim ersten Mal 45 Minuten. Bei jeder weiteren Stelle 15 Minuten. Der ROI: 15 Stunden weniger Screening-Aufwand pro Stelle.

Fazit: Kriterien definieren den Erfolg

Investieren Sie 30 Minuten in präzise Kriterien. Das spart 15 Stunden beim Screening. 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 100 CVs in Minuten — mit zwei transparenten Scores, EU AI Act konform, ohne Kreditkarte.

→ 7 Tage kostenlos testen