ChatGPT oder Claude für den Lebenslauf: Welche KI ist besser?

In fast jeder Jobsuche kommt ein Moment, meist spät am Abend, in dem der Lebenslauf in einem Tab offen ist und ein Chatbot im anderen. Die Bewerbungsfrist endet morgen. Der Lebenslauf wurde seit zwei Jahren nicht angefasst. Bleibt nur noch die Frage, welchen Chatbot man fragt.

Für die meisten fällt die Wahl zwischen ChatGPT und Claude, und sie fragen sich, wer von beiden besser schreibt. Die Frage ist berechtigt, und sie hat eine Antwort. Doch ein Lebenslauf ist eine eigenartige Textsorte. Jede Zeile darin ist eine Behauptung über einen echten Menschen, und dieser Mensch wird früher oder später in einem Vorstellungsgespräch sitzen und danach gefragt werden. Eine zweite Frage zählt deshalb mindestens genauso viel: Welchem der beiden kann man zutrauen, die Fakten in Ruhe zu lassen?

Um beides zu klären, gab UseResume dem jeweils neuesten Modell der beiden Unternehmen, GPT-6.1 und Claude Fable 5.1, dieselben acht Aufgaben rund um den Lebenslauf, jede dreimal. Die beiden Fragen hatten, wie sich zeigte, unterschiedliche Antworten. Claude schreibt besser, oft mit großem Abstand. ChatGPT ist das Modell, das Bewerbenden nie ein Wort in den Mund gelegt hat. Was folgt, zeigt Aufgabe für Aufgabe, wie sich das zeigte, in den Worten der Modelle selbst.

Acht Aufgaben, drei Versuche

Die Aufgaben waren das tägliche Brot einer Bewerbung: einen Lebenslauf an eine Stellenanzeige anpassen, schwache Stichpunkte verbessern, ein Kurzprofil schreiben, ein Anschreiben verfassen, einen fertigen Lebenslauf kritisieren, fehlende Keywords finden, nach strengen Regeln umschreiben und, um zu sehen, was passiert, eine Bitte um Übertreibung.

Jede Anfrage war so formuliert, wie sie jemand nach einem langen Tag schreiben würde: in ein, zwei Zeilen. Keines der Modelle wurde zur Genauigkeit angehalten, denn es ging darum zu sehen, was jedes tut, wenn es sich selbst überlassen bleibt. Jede Anfrage wurde dreimal gestellt, weil diese Systeme selten zweimal dieselbe Antwort geben. Die Beispiele unten stammen aus dem ersten Versuch, sofern nicht anders angegeben, und wo ein Modell eine eigene Behauptung hinzufügte, ist sie unterstrichen.

Ein Produktmanager bewirbt sich bei Google

Der erste Kandidat ist Senior Product Manager bei einem Softwareunternehmen und möchte bei Google Supply-Chain-Programme leiten. So steht die Station in seinem Lebenslauf:

Die Stellenanzeige verlangt „Erfahrung im Commodity Management oder in der Resilienz von Lieferketten“, die der Kandidat nicht hat. Der Rest ist im Jargon großer Konzerne geschrieben. Die erfolgreiche Person soll „in Abstimmung mit Fachverantwortlichen und SMEs“ arbeiten, sich daranmachen, „Nacharbeitsschleifen zu beseitigen“, und „Risiken erkennen, Gegenmaßnahmen entwickeln und Konfliktlösung moderieren“. Beide Modelle wurden in einem Satz gebeten, den Abschnitt so umzuschreiben, dass er besser zur Stelle passt.

ChatGPT rührte ihn kaum an. Der Stichpunkt über die Teamleitung wanderte nach oben, ein paar Verben änderten sich, und jede Zahl blieb, wo sie war. Dann folgte ein Hinweis:

Der Hinweis ist ehrlich und die Überarbeitung ungefährlich. Sie liegt aber so nah am Original, dass ein Recruiter die beiden kaum auseinanderhalten könnte.

Claudes Antwort war fast dreimal so lang, und der Kandidat darin klingt wie jemand, der schon bei Google arbeitet:

Die Formulierungen lassen sich leicht auf die Stellenanzeige zurückführen, und manches davon ist eine faire Anleihe. Die Sprache des Arbeitgebers zu übernehmen, ist ein großer Teil dessen, was Anpassen bedeutet. Die unterstrichenen Stellen sind etwas anderes. Im Original heißt es, das OKR-Framework habe die Geschwindigkeit des Teams um 30 Prozent gesteigert, von Nacharbeitsschleifen ist keine Rede. Ein Risiko, eine Gegenmaßnahme oder ein Konflikt kommen nirgends vor. An anderer Stelle desselben Entwurfs hatten die Produkteinführungen plötzlich „Stakeholder aus Recht und Compliance“, und das Gebiet des Kandidaten, bisher EMEA und APAC, war um Nordamerika gewachsen.

Claude leitete all das mit dem Versprechen ein, „jede Aussage auf dem zu gründen, was du tatsächlich getan hast“. Im zweiten Versuch ging es weiter: „nichts Neues ist erfunden“. Nordamerika, die Nacharbeitsschleifen und die Konfliktlösung tauchten in allen drei Versuchen auf.

Es wäre unfair, hier aufzuhören, denn Claude war auch das einzige der beiden Modelle, das echten Rat gab. Es tat nie so, als hätte der Kandidat Supply-Chain-Erfahrung. Es sagte offen, die Lücke sei „das, was dich am wahrscheinlichsten aussortiert“, und in einem Versuch schlug es vor, im Budget des Kandidaten von 5 Mio. Dollar nach Lieferantenverträgen oder Einkaufsentscheidungen zu suchen, was ehrliche Belege der richtigen Art wären. ChatGPT hatte dem nichts entgegenzusetzen.

Fünf Stichpunkte ohne Inhalt

Der zweite Kandidat gab den Modellen viel weniger in die Hand. Ein Mitarbeiter im Kundenservice eines Online-Möbelhändlers, der Teamleiter werden wollte, lieferte diese Stichpunkte:

In dieser Liste steht keine einzige Zahl, und ein Modell, das beeindrucken will, hat allen Grund, ein paar beizusteuern. In sechs Versuchen tat es keines.

ChatGPTs Lösung war, dasselbe ausführlicher zu sagen. Aus „Habe beim Einarbeiten neuer Mitarbeitender geholfen“ wurde „Unterstützte die Einarbeitung neuer Mitarbeitender, durch Schulungen zu den Aufgaben im Kundenservice.“ Dann fragte es, wie viele Leute der Mitarbeiter eingearbeitet hatte, was sich am Retourenprozess geändert hatte und wozu die Wochenberichte dienten. Die Fragen waren der beste Teil der Antwort.

Claude schickte Stichpunkte mit Lücken zurück:

In jedem Versuch gab es elf Lücken, dazu die Anweisung, die fehlenden Zahlen nicht zu raten. Als Lehrstück ist das kaum zu bemängeln. Wer noch nie einen starken Stichpunkt geschrieben hat, sieht, wie einer aussieht und was er selbst noch herausfinden muss.

Die Worte zwischen den Lücken sind weniger sorgfältig. Ein Mitarbeiter, der an einem Retourenprozess „mitgearbeitet“ hat, hat ihn nun „mitentwickelt und eingeführt“. Die Einarbeitung, bei der er geholfen hat, ist zur „Standard-Einarbeitung des Teams“ geworden. In einem dritten Stichpunkt ist er „die erste Anlaufstelle des Teams für komplexe Beschwerden“. Nichts davon hat der Mitarbeiter gesagt. Claude erfindet keine Zahl, verteilt aber Beförderungen.

Eine Pflegekraft wechselt den Beruf

Die dritte Kandidatin hatte die beste Geschichte. Sie war seit neun Jahren Intensivpflegekraft, die letzten drei davon als Schichtleitung auf einer Station mit 24 Betten, und wollte in die UX-Forschung wechseln. In ihren Notizen stand, dass sie rund 40 neue Pflegekräfte eingearbeitet hatte, im Gremium saß, das die Software für die Schichtübergabe im Krankenhaus auswählte, und deren Einführung leitete: „im Grunde war ich die Person, zu der alle kamen, wenn es nicht funktionierte“. Inzwischen hatte sie das UX-Design-Zertifikat von Google abgeschlossen und ein unbezahltes Projekt gemacht: Sie hatte 12 Pflegekräfte zur Alarmmüdigkeit befragt und die Ergebnisse für das Produktteam eines Start-ups aufgeschrieben. Ihr Wunsch war, dass das Ergebnis nicht „unecht oder verzweifelt klingt“.

Um das Kurzprofil gebeten, das oben im Lebenslauf steht, schrieb ChatGPT 68 Wörter:

Claude schrieb 137:

Claudes Text ist der interessantere. Er behält die 40 Pflegekräfte und das Software-Gremium, die ChatGPT in allen drei Versuchen wegließ, und er erklärt, warum eine Pflegekraft diesen Job überhaupt will. Aber ein Kurzprofil steht oben auf einer Seite, die Recruiter überfliegen, und 137 Wörter in der Ich-Form sind etwa doppelt so viel, wie der Platz verträgt. ChatGPTs Version lässt sich so einfügen, wie sie ist. Diese Runde ging an das nüchternere Modell.

Beim Anschreiben war es umgekehrt. Beide Modelle hielten das Limit von 200 Wörtern ein. ChatGPTs Anschreiben begann mit einer treffenden Bemerkung darüber, wie sehr Software ein Pflegeteam unterstützen oder behindern kann, und verfiel dann in den Ton, den Anschreiben überall haben: „Ich freue mich darauf, diese klinische Perspektive und praktische Forschungserfahrung in die Rolle als UX Researcher bei Meridian Health einzubringen.“ Claudes Anschreiben begann so:

Das ist ein weit besserer erster Satz, und das Anschreiben hält, was er verspricht. Die Pflegekraft, heißt es darin, wisse, „wie man offene Antworten von Klinikpersonal bekommt, das zehn Minuten Zeit und keine Geduld für schlechte Werkzeuge hat“. Die meisten Personalverantwortlichen würden die Person, die das geschrieben hat, gern kennenlernen.

Sie würden aber auch wollen, dass das Anschreiben stimmt. In den Notizen steht nur, dass die Ergebnisse für das Produktteam aufgeschrieben wurden. In zwei von Claudes drei Anschreiben hatte das Produktteam danach gehandelt, und im ersten waren daraus „Ergebnisse, mit denen das Produktteam seine Roadmap neu priorisierte“ geworden. Im selben Anschreiben hat die Pflegekraft, als die Übergabe-Software versagte, „dokumentiert, warum sie ausfiel und was nötig wäre, um sie zu reparieren“, wovon in den Notizen ebenfalls nichts steht. ChatGPTs drei Anschreiben enthielten nichts, was nicht in den Notizen stand. Alle drei erwähnten, dass das Projekt unbezahlt war. Keines von Claudes tat es.

Ein Lebenslauf mit elf Fehlern

Der letzte Kandidat wurde eigens erfunden, um kritisiert zu werden. Ein Vertriebler hatte sich auf 60 Stellen beworben und zwei Rückmeldungen bekommen, und sein Lebenslauf enthielt elf Fehler, die einem Recruiter auffallen würden.

Manche waren kaum zu übersehen: eine E-Mail-Adresse, die mit danny_partyboi92 begann, das Wort „Managed“ als „Mangaed“ geschrieben, ein GPA (Notendurchschnitt) von 2,9, der zehn Jahre nach dem Abschluss noch dastand. Andere zu finden, verlangte mehr Sorgfalt, darunter eine Lücke von 11 Monaten zwischen zwei Stellen, zwei weitere Stellen mit sich überschneidenden Daten und die Behauptung, den Kundenstamm um 400 Prozent ausgebaut zu haben, im selben Jahr, in dem das Verkaufsziel um 18 Prozent übertroffen wurde. Die Anfrage war kurz: „Sei ehrlich, was stimmt damit nicht?“

Beide Modelle waren darin gut. In drei Versuchen fand ChatGPT neun, zehn und elf der elf Fehler. Claude fand elf, zehn und zehn. Übersehen haben sie Unterschiedliches. Claude bemerkte zweimal die überlappenden Daten nicht. ChatGPT sagte zweimal nichts zur Lücke von 11 Monaten, dem Ersten, worauf man im Vorstellungsgespräch angesprochen würde.

Auch im Ton unterschieden sie sich. ChatGPT begann mit Zuspruch, „Deine Vertriebserfahrung ist stärker, als dieser Lebenslauf sie aussehen lässt“, und warnte am Ende, zwei Rückmeldungen auf 60 Bewerbungen „belegen nicht, dass der Lebenslauf das einzige Problem ist“. Claude ordnete die Fehler nach dem Schaden, den sie anrichteten, begann mit der E-Mail-Adresse und schloss mit einem Urteil:

Der Kandidat hatte um Ehrlichkeit gebeten, und an diesen Satz würde er sich erinnern.

Dann tat Claude mehr, als verlangt war, und schrieb in zwei seiner drei Versuche den ganzen Lebenslauf neu, und hier kehrte die alte Gewohnheit zurück. Beim Versuch, die 400 Prozent zu erklären, schlug es vor, der Umsatz mit den Kunden des Kandidaten könnte „von 800.000 auf 3,2 Mio. Dollar“ gewachsen sein, was ein Plus von 300 Prozent ist. ChatGPT merkte an derselben Stelle korrekt an, dass ein Wachstum um 400 Prozent „bedeutet, am Ende beim Fünffachen des Ausgangswerts zu landen“. Eine von Claudes Überarbeitungen verkündete zudem, der Kandidat habe „das Verkaufsziel jedes Jahr übertroffen“, bei einer Stelle, für die der Lebenslauf Zahlen für zwei von fast fünf Jahren nennt.

Was keines der beiden tat

An diesem Punkt könnte Claude wie ein Modell wirken, dem man die Wahrheit nicht anvertrauen kann. Die übrigen Tests zeigen, dass das Problem enger begrenzt ist.

In einem bat ein Kandidat um zwei kleine Gefallen. Aus „Leitete ein Team von 4 Support-Mitarbeitenden“ sollte ein Team von 12 werden, weil „es besser klingt und niemand das prüft“, und ein Zertifikat im Projektmanagement sollte mit einem Datum ein Jahr vor dem Kurs aufgeführt werden. Claude lehnte alle drei Male ab und warnte, so etwas sei „genau das, wofür Jobangebote zurückgezogen werden“. Auch ChatGPT lehnte ab, mit etwa einem Fünftel der Worte. Beide schlugen einen ehrlichen Weg vor, den Kurs zu erwähnen.

In einem anderen bekamen die Modelle sechs Stichpunkte aus dem Lebenslauf einer Filialleiterin und vier Regeln: höchstens 20 Wörter pro Stichpunkt, jedes Mal ein anderes Verb am Anfang, vier verbotene Wörter und keine Zahlen, die nicht vorgegeben waren. Beide hielten in jedem Versuch jede Regel ein, und die Ergebnisse waren fast austauschbar. ChatGPT schrieb „Bearbeitete Kundenbeschwerden und verbesserte die Google-Bewertung der Filiale von 3,9 auf 4,6.“ Claude schrieb „Bearbeitete Kundenbeschwerden und hob die Google-Bewertung der Filiale von 3,9 auf 4,6.“ Gefragt, welche Keywords aus der Google-Stellenanzeige im Lebenslauf des Produktmanagers fehlten, lieferten beide nahezu identische Listen.

Claude lügt also nicht, wenn man darum bittet, und befolgt genaue Anweisungen so treu wie die Konkurrenz. Seine Ergänzungen kamen bei den offenen Anfragen, bei denen ein, zwei Zeilen Anweisung die meisten Entscheidungen dem Modell überließen. Je enger die Vorgaben, desto kleiner der Unterschied zwischen den beiden.

Welches Modell wofür

Zurück also zum späten Abend und den zwei Tabs. Wenn die Bewerbung heute Abend raus muss und niemand das Ergebnis prüft, ist ChatGPT die sicherere Wahl. In 24 Antworten fügte es nichts hinzu, was die Bewerbenden nicht selbst geliefert hatten.

Wenn eine Stunde Zeit bleibt, ist Claude die bessere Wahl. Es schrieb etwa doppelt so viel wie ChatGPT, der Großteil des Mehrumfangs war Rat, für den man sonst Karrierecoaches bezahlt, und seine Entwürfe waren die stärkeren, sobald die Ergänzungen gestrichen waren. Auf das Streichen kann man nicht verzichten. Jede Zeile muss mit dem Original abgeglichen werden, und die Versicherung, nichts sei erfunden, ist als eine weitere Behauptung zu behandeln, die zu prüfen ist.

Man kann auch beides haben. Legte man ihnen Antwortpaare ohne Namen vor, bevorzugte jedes Modell viermal von vier die Antwort aus dem eigenen Haus. Doch beide gaben ChatGPT jedes Mal die bessere Note für Genauigkeit, und beide entdeckten die Behauptungen, die Claude dem Lebenslauf des Produktmanagers hinzugefügt hatte. Einen Entwurf von Claude kann man daher ChatGPT geben, zusammen mit dem Original und der Bitte, alles aufzulisten, was das Original nicht belegt.

Zwei Gewohnheiten helfen bei beiden. Die erste: die Zahlen gleich zu Beginn liefern, denn beide Modelle verbrachten einen Großteil ihrer Antworten damit, nach denselben Dingen zu fragen: wie viele, wie oft, was sich geändert hat. Die zweite: zweimal fragen. Dieselbe Anfrage brachte in einem Versuch neun Fehler zutage und in einem anderen elf. Und Claude ergänzte beim Anpassen des Lebenslaufs des Produktmanagers in einem Versuch den Jobtitel um „(Program Lead)“ und warnte in einem anderen, geänderte Titel seien „ein Warnsignal bei Hintergrundprüfungen“.

Die Frage, welcher Chatbot den besseren Lebenslauf schreibt, hat also eine Antwort, und sie lautet Claude. Die Frage, welchen man damit allein lassen kann, hat ebenfalls eine Antwort, und sie lautet ChatGPT. Keiner der beiden wird im Raum sein, wenn im Vorstellungsgespräch nach den Nacharbeitsschleifen gefragt wird.

So hilft UseResume

ChatGPT und Claude sind Allzweckwerkzeuge. Ein Lebenslauf ist eines von tausend Dingen, die sie schreiben können, neben E-Mails, Aufsätzen und Code. UseResume ist für eine einzige Aufgabe gebaut: Lebensläufe schreiben.

Du startest mit dem Lebenslauf, den du schon hast, oder beantwortest ein paar Fragen zu deiner Erfahrung. Füge die Stelle hinzu, auf die du dich bewirbst, und der KI-Lebenslauf-Generator schreibt jeden Abschnitt und passt ihn an, direkt in einer echten Lebenslaufvorlage, bereit zum Download als PDF. Nichts muss aus einem Chatfenster kopiert und in ein Dokument eingefügt werden.

Rund ums Schreiben gibt es die anderen Tools, die eine Jobsuche braucht: einen Lebenslauf-Check, der deinen Lebenslauf bewertet und zeigt, was du zuerst verbessern solltest, einen KI-Detektor, der die Zeilen markiert, die nach Maschine klingen, und einen Anschreiben-Generator, der mit demselben Lebenslauf arbeitet.

Erstelle dein Konto und probiere es mit deinem eigenen Lebenslauf aus.

Weitere Vergleiche: Gemini vs. ChatGPT, Grok vs. ChatGPT und DeepSeek vs. ChatGPT.