Wie ATS-Software wirklich funktioniert: Parsing, Matching & Scoring erklärt
Der genaue technische Ablauf, mit dem ein ATS Ihren Lebenslauf verarbeitet: von Parsing und Abschnittserkennung bis hin zu Keyword-Matching und Score-Berechnung – damit Sie verstehen, warum die Regeln funktionieren, und nicht nur, was sie sind.
Die meisten Ratschläge rund um ATS konzentrieren sich darauf, was zu tun ist – Keywords verwenden, Tabellen vermeiden, Inhalte klar strukturieren. Kaum jemand erklärt, warum diese Regeln funktionieren. Wer das nicht versteht, kann neue Situationen oder Grenzfälle nicht einordnen. Dieser Artikel beschreibt genau, was innerhalb eines ATS passiert – von dem Moment, in dem Sie Ihren Lebenslauf einreichen, bis zu dem Moment, in dem ein Score erscheint.
Wer die vierstufige Pipeline versteht – Parsing, Abschnittserkennung, Keyword-Matching und Scoring –, entwickelt ein mentales Modell, das auf jedes ATS anwendbar ist, nicht nur auf das System, mit dem man es gerade zu tun hat.
Möchten Sie das in der Praxis sehen?
Fügen Sie Ihren Lebenslauf und die Stellenanzeige in 22 Skills ein – und erfahren Sie in unter 30 Sekunden genau, welche Keywords erkannt wurden, welche fehlen und wie Ihr ATS-Score ausfällt.
Meinen ATS-Score kostenlos prüfen →Inhaltsverzeichnis
Schritt 1 — Lebenslauf-Parsing: Rohtext extrahieren
Wenn Sie einen Lebenslauf einreichen, extrahiert das ATS zunächst den Rohtext aus Ihrer Datei. Dieser Vorgang heißt Parsing. Wie zuverlässig er funktioniert, hängt fast ausschließlich von Ihrem Dateiformat und der Art ab, wie Sie das Dokument erstellt haben.
PDF-Dateien, die aus Word oder Google Docs exportiert wurden
Wenn Sie ein Word-Dokument oder Google Doc als PDF exportieren, ist der Text als echte, auswählbare Zeichenfolge in der Datei gespeichert. ATS-Parser lesen das zuverlässig – der Text wird sauber und in der richtigen Reihenfolge extrahiert.
PDF-Dateien aus Design-Tools (Canva, Piktochart, Adobe Illustrator)
Design-Tools speichern Text als grafische Elemente – Bildebenen, Vektorkurven oder eingebettete Schriften mit nicht standardisierter Kodierung. Wenn der Parser versucht, den Text zu extrahieren, findet er entweder gar nichts, unleserliche Zeichen oder Fragmente in der falschen Reihenfolge. Ihre Berufserfahrung und Ihre Kompetenzen sind für das System unsichtbar – auch wenn das Dokument auf dem Bildschirm professionell aussieht.
Schnelltest
Öffnen Sie Ihren Lebenslauf, wählen Sie alles aus (Strg+A), kopieren Sie den Inhalt und fügen Sie ihn in einen einfachen Texteditor ein (Editor unter Windows, TextEdit im Nur-Text-Modus auf dem Mac). Wenn das Ergebnis wirr ist, Abschnitte fehlen oder gar kein Text erscheint, sieht das ATS dasselbe.
Eingescannte PDF-Dateien
Ein eingescannter Lebenslauf ist ein Foto eines Dokuments. Das ATS benötigt Optical Character Recognition (OCR), um ihn zu lesen. Die meisten modernen ATS-Plattformen verfügen über OCR, aber die Genauigkeit sinkt deutlich bei dekorativen Schriftarten, kontrastarmen Designs oder geneigtem Text. Wenn OCR Zeichen falsch erkennt, verschwinden Keywords – aus „Python" wird „Pythan", aus „JavaScript" wird „JavaScrípt", und der Match-Score sinkt.
Word-Dateien (.docx)
Word-Dokumente werden auf nahezu allen ATS-Plattformen sehr zuverlässig geparst. Wenn die Stellenanzeige kein bestimmtes Format vorschreibt, ist .docx die sicherste Wahl. Wird ein PDF verlangt, erstellen Sie es aus Word heraus – nicht aus einem Design-Tool.
Die Regel
Erstellen Sie Ihren Lebenslauf in Word oder Google Docs. Exportieren Sie ausschließlich als PDF. Verwenden Sie niemals Canva, Piktochart oder ein anderes Grafikprogramm für Ihren Einreichungslebenslauf.
Schritt 2 — Abschnittserkennung: Den Text strukturieren
Nach der Textextraktion muss das ATS verstehen, wo welche Information steht. Handelt es sich bei dieser Zeile um eine Berufsbezeichnung? Einen Zeitraum? Eine Fachkenntnis? Einen Unternehmensnamen? Dieser Prozess – die Abschnittserkennung – entscheidet darüber, ob Ihre acht Jahre Python-Erfahrung unter „Kenntnisse" abgelegt oder als „unstrukturierter Text" verloren wird.
ATS-Plattformen führen ein Wörterbuch bekannter Abschnittsüberschriften. Wenn der Parser eine Überschrift findet, die einem bekannten Muster entspricht, liest er alles darunter als zu diesem Abschnitt gehörig – bis zur nächsten Überschrift.
| Abschnittstyp | Überschriften, die ATS erkennt | Überschriften, die ATS verwirren |
|---|---|---|
| Berufserfahrung | Berufserfahrung, Erfahrung, Werdegang, Beruflicher Werdegang | Mein Weg, Was ich gemacht habe, Karrierehöhepunkte |
| Kenntnisse | Kenntnisse, Fachkenntnisse, Kernkompetenzen, Technische Kenntnisse | Was ich kann, Mein Werkzeugkasten, Stärken |
| Ausbildung | Ausbildung, Bildungsweg, Studium, Akademischer Hintergrund | Wo ich studiert habe, Lerngeschichte |
| Zertifizierungen | Zertifizierungen, Lizenzen, Qualifikationen | Errungenschaften, Abzeichen |
Scheitert die Abschnittserkennung, werden Keywords der falschen Kategorie zugeordnet – oder gar keiner. Eine Fachkenntnis unter einer nicht erkannten Überschrift wird beim Kenntnisse-Matching möglicherweise nicht berücksichtigt. Deshalb schneiden kreative Lebenslaufstrukturen im ATS oft schlechter ab als klare, standardisierte.
Zweispaltige Layouts erzeugen ein spezifisches Problem: Parser lesen typischerweise von links nach rechts und von oben nach unten. Bei einem zweispaltigen Lebenslauf werden linke und rechte Spalte häufig miteinander vermengt – eine Berufsbezeichnung aus der linken Spalte, gefolgt von einer Fachkenntnis aus der rechten, dann wieder ein Datum von links. Die Abschnittserkennung kann dieses Ergebnis nicht sinnvoll verarbeiten.
Schritt 3 — Keyword-Matching: exakt, fuzzy und semantisch
Nachdem Text extrahiert und Abschnitte erkannt wurden, extrahiert das ATS Keywords aus der Stellenanzeige und sucht sie in Ihrem Lebenslauf. Es gibt drei Arten des Matchings – die meisten Plattformen nutzen eine Kombination aus allen dreien.
Typ 1 — Exaktes Matching
Die einfachste Form: Das System sucht nach dem wörtlichen Begriff aus der Stellenanzeige in Ihrem Lebenslauf. Wenn die Ausschreibung „Google Analytics 4" nennt und Ihr Lebenslauf ebenfalls „Google Analytics 4" enthält, gilt das als Treffer. Steht dort nur „Google Analytics" (ohne Versionsnummer) oder „GA4", wird es möglicherweise nicht gezählt.
Konsequenz: Verwenden Sie exakt die Formulierungen aus der Stellenanzeige. Wenn dort „bereichsübergreifende Zusammenarbeit" steht, ersetzen Sie das nicht durch „abteilungsübergreifende Kooperation".
Typ 2 — Fuzzy-Matching
Fuzzy-Matching verarbeitet geringfügige Rechtschreibvarianten, Pluralformen und Tippfehler mithilfe von String-Distanz-Algorithmen. Am gebräuchlichsten ist die Levenshtein-Distanz – die Anzahl der Einzelzeichenoperationen (Einfügungen, Löschungen, Ersetzungen), die benötigt werden, um eine Zeichenkette in eine andere umzuwandeln.
Eine Levenshtein-Distanz von ≤2 bedeutet, dass „manage" auf „managed" passt (1 Operation) und „optimization" auf „optimisation" (1 Operation). Größere konzeptionelle Lücken überbrückt das Verfahren nicht – zwischen „leiten" und „managen" liegen mehrere Operationen, Fuzzy-Matching stellt keine Verbindung her.
Konsequenz: Geringfügige Unterschiede zwischen britischer und amerikanischer Schreibweise sowie Flexionsformen werden automatisch erkannt. Völlig verschiedene Synonyme hingegen nicht.
Typ 3 — Semantisches Matching (NLP)
Moderne ATS-Plattformen nutzen Natural Language Processing-Modelle (BERT, RoBERTa oder proprietäre Embeddings), um Bedeutung zu verstehen – nicht nur Zeichen. Das System wandelt sowohl die Stellenanzeige als auch Ihren Lebenslauf in numerische Vektoren um und misst, wie nah sie sich im „Bedeutungsraum" befinden.
So kann das System erkennen, dass „bereichsübergreifendes Team geleitet" und „Projektmanagement" überlappende Kompetenzen beschreiben, oder dass „Umsatzwachstum" und „Verkaufssteigerung" semantisch verwandt sind.
Konsequenz: Starker Kontext hilft – auch ohne das exakte Keyword. Allerdings ist semantisches Matching nicht universell: Viele ATS-Plattformen verlassen sich noch immer vorwiegend auf exaktes und Fuzzy-Matching. Verlassen Sie sich nicht darauf, dass es wichtige Keyword-Lücken schließt.
Schritt 4 — Scoring und Ranking: Wie der Match-Prozentsatz berechnet wird
Nach dem Keyword-Matching berechnet das ATS einen Score. Dieser ist kein einfacher Keyword-Zähler geteilt durch die Gesamtzahl der Keywords. Die meisten Systeme wenden eine Gewichtungslogik über mindestens drei Dimensionen an:
Pflichtanforderungen vs. wünschenswerte Qualifikationen
Keywords, die als Pflichtanforderungen ausgewiesen sind, werden deutlich stärker gewichtet als „Nice-to-have"-Fähigkeiten. Ein fehlendes Pflicht-Keyword hat einen größeren negativen Einfluss auf den Score als ein fehlendes optionales.
Platzierung (abschnittsbasierte Gewichtung)
Keywords im Abschnitt „Kenntnisse" und im beruflichen Profil erzielen in der Regel einen höheren Score als Keywords, die tief in Aufzählungspunkten einer früheren Stelle vergraben sind. Der Parser weiß, welchen Abschnitt er gerade liest, und gewichtet entsprechend.
Häufigkeit und Aktualität
Eine Fachkenntnis, die in mehreren Positionen auftaucht, belegt deren breite Anwendung. Eine Fähigkeit, die nur einmal in einer Stelle aus dem Jahr 2016 erwähnt wird, kann niedriger bewertet sein als dieselbe Fähigkeit in Ihren beiden aktuellsten Positionen.
Kontextrelevanz
NLP-gestützte Systeme berücksichtigen den umgebenden Kontext. „Python" in einem Data-Engineering-Kontext wird anders bewertet als „Python", das beiläufig in einer fachfremden Tätigkeitsbeschreibung erwähnt wird.
Das Endergebnis ist eine nach Score sortierte Kandidatenliste. Das ATS präsentiert dem Recruiter die besten Treffer – typischerweise absteigend nach Match-Prozentsatz geordnet. Ein Recruiter, der 250 Bewerbungen verwaltet, öffnet vielleicht die besten 20. Wer auf Rang 45 liegt, wird funktional genauso wenig berücksichtigt wie jemand, der gar nicht beworben hat – unabhängig von den tatsächlichen Qualifikationen.
"ATS-Systeme sortieren und ranken alle eingehenden Bewerbungen, bevor ein Recruiter die besten Kandidaten sichtet. Den Lebenslauf für ATS-Kompatibilität zu optimieren bedeutet, in dieser Liste höher zu ranken – und damit zu bestimmen, ob ein Recruiter die Datei überhaupt öffnet."
Ihr ATS-Ranking jetzt sehen
Fügen Sie Lebenslauf und Stellenanzeige ein – erhalten Sie Ihren Keyword-Match-Score, sehen Sie, was fehlt, und erfahren Sie, wo Sie im Ranking stehen.
Meinen Lebenslauf kostenlos analysieren →Keine Registrierung erforderlich • Ergebnis in 30 Sekunden
Legacy-ATS vs. moderne KI-gestützte ATS-Systeme
Nicht alle ATS-Plattformen sind gleich. Welche Strategien am wichtigsten sind, hängt davon ab, ob Sie es mit einem regelbasierten Legacy-System oder einer modernen, NLP-gestützten Lösung zu tun haben.
| Merkmal | Legacy / regelbasiert | Modern / NLP-gestützt |
|---|---|---|
| Keyword-Matching | Nur exakte Zeichenketten | Exakt + fuzzy + semantisch |
| Synonyme | Werden nicht erkannt | Häufig via Embeddings erkannt |
| Abschnittserkennung | Festes Überschriften-Wörterbuch | ML-basierte Kontextinferenz |
| Scoring-Logik | Keyword-Anzahl / Regelwerk | Gewichtetes Mehrfaktormodell |
| OCR für Scans | Oft nicht vorhanden | In der Regel enthalten |
| Beispiele | Ältere Taleo, BrassRing | Workday, Greenhouse, Lever, Personio |
Der praktische Rat ist für beide Systemtypen derselbe: Verwenden Sie die exakten Formulierungen aus der Stellenanzeige, nutzen Sie standardisierte Abschnittsüberschriften und erstellen Sie Ihren Lebenslauf in Word oder Google Docs. Diese Regeln sind für Legacy-Systeme notwendig und für moderne Systeme vorteilhaft – sie schaden Ihnen in keinem Fall.
Wie 22 Skills das ATS-Scoring umsetzt
22 Skills ist ein KI-gestützter Lebenslauf-Optimierer, der das Keyword-Scoring von ATS-Systemen simuliert. Hier erfahren Sie genau, wie das Scoring-Modell funktioniert – denn wir glauben, dass Transparenz Vertrauen schafft.
Keyword-Extraktion
GPT-4o-mini (primär) oder Claude Sonnet (Fallback) extrahiert alle relevanten Keywords aus Ihrer Stellenanzeige – Hard Skills, Soft Skills, Tools, Zertifizierungen, Berufsbezeichnungen und Branchenbegriffe. Das ergibt eine dynamische Keyword-Liste, die spezifisch auf diese Ausschreibung zugeschnitten ist.
Fuzzy-Matching mit Levenshtein-Distanz ≤2
Jedes Keyword wird mit dem Lebenslauftext per Fuzzy-Matching bei einer Levenshtein-Distanz von ≤2 abgeglichen. So werden Pluralformen, Flexionsformen und geringfügige Rechtschreibunterschiede berücksichtigt, ohne begrifflich verschiedene Ausdrücke fälschlicherweise zu verknüpfen.
Pflichtanforderungen werden 3× gewichtet
Keywords, die als Pflichtanforderungen identifiziert werden (z. B. „Voraussetzung: 5+ Jahre Python-Erfahrung"), fließen mit dem Dreifachen des Gewichts optionaler Qualifikationen in den Endwert ein. Das spiegelt die tatsächlichen Prioritäten von Recruitern wider.
Match-Score-Berechnung
Der Endwert ist die gewichtete Summe der erkannten Keywords geteilt durch die gewichtete Summe aller Pflicht- und gewünschten Keywords. Scores liegen zwischen 0 und 100 %. Ein Score von 70 %+ zeigt für die meisten Stellen eine starke ATS-Kompatibilität an.
Priorisierte Verbesserungsvorschläge
Fehlende Keywords werden nach Gewicht sortiert – kritische Lücken erscheinen zuerst. Der KI-Lebenslauf-Umschreiber integriert sie anschließend natürlich in Ihren Lebenslauftext, ohne Keyword-Stuffing zu erzeugen.
"22 Skills berechnet die ATS-Kompatibilität, indem es den Lebenslauftext mit Stellenanzeigen per Fuzzy-Keyword-Matching bei einer Levenshtein-Distanz-Toleranz von ≤2 abgleicht. Das Scoring-Modell gewichtet kritische Jobanforderungen 3× stärker als optionale Qualifikationen und liefert so einen Match-Score, der die tatsächlichen Recruiter-Prioritäten widerspiegelt – nicht nur die bloße Keyword-Häufigkeit."
Häufig gestellte Fragen
Lehnt ATS Bewerbungen automatisch ab?
Moderne ATS-Systeme sortieren und ranken Lebensläufe – sie lehnen nicht allein aufgrund des Inhalts automatisch ab. Eine Enhancv-Studie von 2025 mit 25 Recruitern (enhancv.com/blog/does-ats-reject-resumes) ergab, dass 92 % bestätigten, ihr ATS lehne Bewerbungen nicht automatisch ab. In der Praxis ist die Wirkung jedoch ähnlich: Kandidaten mit niedrigem ATS-Rang werden möglicherweise nie gesichtet, wenn ein Recruiter nur die obersten Treffer aus einem Pool von mehr als 250 Bewerbungen öffnet.
Kann ATS PDF-Lebensläufe lesen?
Moderne ATS-Plattformen lesen PDF-Dateien, die aus Word oder Google Docs erstellt wurden, problemlos. Das Problem sind PDFs, die mit Design-Tools wie Canva erstellt wurden – dort ist Text als Bildebene eingebettet, die ATS nicht extrahieren kann. Erstellen Sie PDFs immer aus einem Textverarbeitungsprogramm, nicht aus einer Grafikanwendung.
Nach welchen Keywords sucht ATS?
ATS extrahiert Keywords aus der Stellenanzeige und vergleicht sie mit Ihrem Lebenslauf. Dazu gehören Hard Skills (spezifische Tools, Technologien, Zertifizierungen), explizit genannte Soft Skills, Berufsbezeichnungen und branchenspezifische Fachbegriffe. Die wichtigsten Keywords sind jene, die als Pflichtanforderungen aufgeführt sind – sie fließen am stärksten in das Scoring ein.
Versteht ATS Synonyme?
Das hängt von der ATS-Generation ab. Regelbasierte Legacy-Systeme erkennen nur exakte Übereinstimmungen. Moderne NLP-gestützte Plattformen nutzen semantische Ähnlichkeit, um verwandte Kompetenzen zu erkennen. Fuzzy-Matching verarbeitet geringfügige Rechtschreibvarianten innerhalb einer Editierdistanz von 1–2 Zeichen. Zur Sicherheit sollten Sie die exakten Formulierungen aus der Stellenanzeige verwenden, sofern sie inhaltlich zutreffend sind.
Wie funktioniert das ATS-Scoring?
Das ATS-Scoring vergleicht Ihren Lebenslauf mit der Stellenanzeige und errechnet einen Match-Prozentsatz. Faktoren sind: Welche Pflicht-Keywords im Lebenslauf vorhanden sind, wo sie stehen (Abschnitt „Kenntnisse" und berufliches Profil erzielen einen höheren Score), wie häufig sie auftreten und ob der Kontext relevant ist. Pflichtanforderungen werden in der Regel stärker gewichtet als optionale Qualifikationen.
Die wichtigsten Erkenntnisse
- Parsing: Erstellen Sie Lebensläufe in Word oder Google Docs. Exportieren Sie als PDF. Verwenden Sie niemals Design-Tools für Ihren Einreichungslebenslauf.
- Abschnittserkennung: Nutzen Sie standardisierte Überschriften (Berufserfahrung, Kenntnisse, Ausbildung). Vermeiden Sie zweispaltige Layouts und kreative Überschriftenbezeichnungen.
- Keyword-Matching: Verwenden Sie die exakten Formulierungen aus der Stellenanzeige. Fuzzy-Matching verarbeitet geringfügige Varianten – Synonyme hingegen nicht.
- Scoring: Pflichtanforderungen zählen mehr. Platzierung ist entscheidend – Keywords im Abschnitt „Kenntnisse" erzielen einen höheren Score als dieselbe Fähigkeit tief in einer Stelle aus dem Jahr 2018.
- Modern vs. Legacy: Regeln, die für Legacy-Systeme optimiert sind, helfen auch bei modernen Systemen. Opfern Sie keine Klarheit zugunsten von semantischem Matching.
Ihren ATS-Score prüfen
Fügen Sie Lebenslauf und Stellenanzeige in 22 Skills ein – und erfahren Sie genau, welche Keywords erkannt wurden, welche fehlen und wo Sie ranken. Keine Registrierung erforderlich.
Meinen ATS-Score abrufen →Kostenlos • Keine Registrierung • Ergebnis in 30 Sekunden