Seit jeder Zugang zu Sprachmodellen hat, bekommen Vermittler und Auftraggeber spürbar mehr Bewerbungen, und spürbar mehr davon klingen gleich. Wer regelmäßig Bewerbungen liest, entwickelt einen Radar dafür. Die Muster sind erstaunlich konsistent.
Das ist kein Argument gegen KI in der Bewerbung. Es ist ein Argument gegen schlechte KI-Nutzung. Der Unterschied lohnt sich.
Die vier Erkennungszeichen
1. Die glatte Allgemeinheit. "Mit meiner langjährigen Erfahrung in der Softwareentwicklung und meiner Leidenschaft für innovative Lösungen bin ich überzeugt, einen wertvollen Beitrag zu Ihrem Projekt leisten zu können." Grammatisch perfekt, inhaltlich null. Kein Mensch, der über sein eigenes Projekt schreibt, schreibt so. Der Satz könnte unter jeder Bewerbung der Welt stehen, und genau das verrät ihn.
2. Der fehlende Projektbezug. Generische KI-Bewerbungen paraphrasieren die Ausschreibung, statt auf sie zu antworten. Die Ausschreibung sagt "Migration nach AWS", die Bewerbung sagt "umfassende Cloud-Expertise". Es fehlt die Stelle, an der jemand sagt: Dieses konkrete Problem habe ich dort und dort gelöst.
3. Übersetzungsdeutsch. Viele Tools denken englisch und formulieren deutsch. Das Ergebnis: "Ich bin begeistert von der Möglichkeit" (excited about the opportunity), "in meiner Rolle als" in jedem zweiten Satz, Superlative, die im Deutschen aufdringlich wirken. Im DACH-Markt fällt das sofort auf.
4. Die perfekte Struktur ohne Ecken. Immer drei Absätze, immer dieselbe Dramaturgie, kein Detail, das nur in dieser einen Bewerbung stehen könnte. Menschen haben Ecken: ein spezifisches Projekt, eine ungewöhnliche Kombination, eine konkrete Zahl.
Warum das relevant ist, auch wenn es keiner "erkennt"
Der eigentliche Schaden entsteht nicht durch Enttarnung. Selbst wenn niemand "KI!" denkt, denkt der Leser: austauschbar. Die Bewerbung landet nicht im Papierkorb, weil sie generiert ist, sondern weil sie generisch ist. Das war schon vor KI das Todesurteil, KI hat es nur skaliert.
Wie du KI nutzt, ohne so zu klingen
Der Fehler liegt selten im Werkzeug, sondern im Input. Wer einem Modell sagt "schreib mir ein Anschreiben als Entwickler", bekommt Durchschnitt, denn mehr Information hat es nicht.
Es geht auch anders: Die Ausschreibung und dein echtes Profil sind der Rohstoff. Wenn das Werkzeug die konkreten Anforderungen des Projekts kennt und deine tatsächlichen Projekte, Ergebnisse und Skills, kann es das tun, was ein guter Bewerbungsschreiber tut: Passung belegen statt Floskeln stapeln. Und dann liest du drüber und machst es zu deinem Text: eine Formulierung schärfen, ein Detail ergänzen, das nur du weißt.
Genau nach diesem Prinzip ist PitchFuchs gebaut. Es schreibt nicht "eine Bewerbung", es schreibt deine Bewerbung für dieses eine Projekt: aus der echten Ausschreibung, aus deinem echten Profil, auf Deutsch, das nicht übersetzt klingt. Die Kontrolle über jedes Wort bleibt bei dir.