ChatGPT-Prompts zum Anpassen des Lebenslaufs, die ehrlich bleiben

Du nutzt ChatGPT oder Claude schon für Code-Reviews und Commit-Messages, also fühlt es sich wie der naheliegende nächste Schritt an, eine Stellenanzeige und deinen Lebenslauf in denselben Chat zu kopieren. Das Ergebnis liest sich gut. Ärger macht es im Detail: ein Stichpunkt, der plötzlich einen Prozentwert hat, den du nie gemessen hast, ein Stellentitel, der eine Stufe aufgestiegen ist, ein Tool, das du nie betrieben hast. Die ChatGPT-Prompts zum Anpassen des Lebenslaufs unten sollen genau das verhindern. Jeder gibt dem Modell eine eng umrissene Aufgabe, verbietet neue Fakten und liefert ein Ergebnis, das du Zeile für Zeile prüfen kannst. Sie funktionieren genauso in Claude, Gemini oder jedem anderen leistungsfähigen Modell.

Dieser Beitrag behandelt die Prompts und die Schutzmechanismen. Für die Methode selbst, also wie du eine Anzeige liest, deine Erfahrung zuordnest und das Ergebnis ehrlich hältst, lies wie du deinen Lebenslauf an eine Stellenbeschreibung anpasst. Die Prompts hier setzen voraus, dass du einen Master-Lebenslauf (CV) hast, die vollständige Fassung mit jeder Stelle und jedem Projekt, denn das Modell kann nur aus dem auswählen, was du ihm gibst.

Die Prompts sind ins Deutsche übersetzt. Sie funktionieren mit deutschen wie mit englischen Lebensläufen und Anzeigen; das Modell antwortet in der Regel in der Sprache des Prompts.

Warum ChatGPT-Prompts zum Anpassen des Lebenslaufs Schutzmechanismen brauchen

Ein Sprachmodell vervollständigt Text. Bitte es, „meinen Lebenslauf für diese Stelle zu verbessern“, und es liefert, wie ein angepasster Lebenslauf laut seinen Trainingsdaten aussieht: selbstbewusste Verben, runde Zahlen, eine Liste der Fähigkeiten, die die Anzeige spiegelt. Es kann nicht wissen, welche dieser Details für dich stimmen, und es hält nicht an, um nachzufragen.

Drei Designentscheidungen beheben das meiste davon.

Eine Aufgabe pro Prompt. Extrahieren, Zuordnen, Umschreiben und Prüfen sind getrennte Aufgaben. Ein einziger Prompt „mach alles“ erlaubt dem Modell, eine erfundene Kennzahl in eine Umformulierung zu schmuggeln, während du die Keyword-Liste liest.

Originaltext rein, Originaltext raus. Jeder Prompt zum Umschreiben verlangt den ursprünglichen Stichpunkt neben dem neuen. So kannst du das Paar in Sekunden vergleichen. Ein Prompt, der nur die neue Version zurückgibt, versteckt die Änderung.

Ein ausdrückliches Verbot neuer Fakten, mit einer Liste. „Erfinde nichts“ ist für ein Modell zu vage. „Füge keine Zahlen, Tools, Arbeitgeber, Titel, Daten, Abschlüsse oder Zertifikate hinzu, die nicht im Master-Lebenslauf stehen“ ist eine Regel, der es folgen kann, und eine Regel, die du prüfen kannst.

Führe die vier Prompts unten der Reihe nach aus. Füg deinen Master-Lebenslauf dort ein, wo [Master-Lebenslauf einfügen] steht, und die Anzeige dort, wo [Stellenbeschreibung einfügen] steht.

Prompt 1: Die Anforderungen als Tabelle extrahieren

Der oben verlinkte Leitfaden zum Anpassen beschreibt vier Kategorien, in die man eine Anzeige sortiert. Dieser Prompt lässt das Modell sortieren, mit zwei Ergänzungen, die ein Chatmodell gern auslässt: wörtliche Zitate und Anzahl der Wiederholungen.

Du extrahierst Anforderungen aus einer Stellenanzeige. Leite nichts ab,
fasse nichts zusammen und füge keine Anforderungen hinzu, die nicht im
Text stehen.

Gib eine Markdown-Tabelle mit diesen Spalten zurück:
1. Anforderung, wörtlich aus der Anzeige zitiert
2. Art: gefordert, gewünscht, Aufgabe oder Fachbegriff
3. Wie oft sie in der Anzeige vorkommt
4. Der Satz, aus dem sie stammt, zitiert

Regeln:
- Übernimm genau die Schreibweise und Groß-/Kleinschreibung der Anzeige
  (zum Beispiel "PostgreSQL", nicht "Postgres").
- Wenn die Anzeige unklar lässt, ob etwas gefordert oder gewünscht ist,
  markiere es als "unklar". Rate nicht.
- Kommentiere nicht, wie gut ich passe. Meinen Lebenslauf habe ich dir
  noch nicht gezeigt.

Stellenbeschreibung:
[Stellenbeschreibung einfügen]

Die letzte Regel ist wichtig. Wenn der Lebenslauf im selben Chat ist, fängt das Modell mit dem Abgleich an, bevor du darum gebeten hast, und die Tabelle driftet zu den Anforderungen, die du zufällig erfüllst.

Prompt 2: Deine Erfahrung jeder Anforderung zuordnen

Jetzt sieht das Modell den Master-Lebenslauf zum ersten Mal. Seine Aufgabe ist, Belege zu finden, mit einer festen Regel: Lücken bleiben Lücken.

Unten stehen eine Tabelle mit Anforderungen und mein Master-Lebenslauf.
Finde für jede Anforderung den stärksten Beleg im Lebenslauf.

Gib eine Tabelle zurück mit:
1. Anforderung (aus der Tabelle)
2. Beleg: der Stichpunkt oder die Zeile aus meinem Lebenslauf, wörtlich
   zitiert
3. Art des Treffers: direkt (dasselbe Tool oder dieselbe Fähigkeit
   genannt), benachbart (dieselbe Fähigkeit, anderes Tool; nenne beide)
   oder Lücke (nichts im Lebenslauf)
4. Wohin es in einer angepassten Fassung gehört: Profil, die Stichpunkte
   einer bestimmten Stelle, Liste der Fähigkeiten oder weglassen

Regeln:
- Eine Lücke ist eine gültige Antwort. Fülle keine Lücke, indem du einen
  Stichpunkt dehnst oder vorschlägst, Erfahrung hinzuzufügen, die ich
  nicht aufgeführt habe.
- Schreib noch nichts um.
- Wenn ein Stichpunkt zwei Anforderungen stützt, führe ihn zweimal auf.

Tabelle mit Anforderungen:
[Tabelle aus Prompt 1 einfügen]

Master-Lebenslauf:
[Master-Lebenslauf einfügen]

Lies die Zeilen mit Lücken, bevor du weitermachst. Wenn die Anzeige zehn geforderte Fähigkeiten nennt und die Tabelle sechs Lücken zeigt, ist der richtige Schritt eine andere Anzeige, und das behebt kein Prompt.

Prompt 3: Stichpunkte in den Worten der Anzeige umschreiben, ohne neue Fakten

Hier erfinden Modelle. Der Prompt unten beschränkt die Aufgabe auf ausgewählte Stichpunkte, verlangt Vorher-nachher-Paare und legt fest, was als neue Tatsache zählt.

Schreib die Stichpunkte unten so um, dass sie die Worte der Anzeige
verwenden, wo meine Erfahrung das stützt. Bleib bei jedem Stichpunkt
beim Original.

Gib für jeden Stichpunkt zurück:
- ORIGINAL: der Stichpunkt, wie ich ihn geschrieben habe, unverändert
- NEU: die neue Fassung
- GEÄNDERT: eine Zeile dazu, was du geändert hast und warum
  (Formulierung, Reihenfolge, Gewichtung)

Regeln:
1. Behalte jede Zahl, jedes Datum, jeden Toolnamen, Arbeitgeber, Titel
   und Abschluss, wie geschrieben. Hat das Original keine Zahl, hat die
   neue Fassung keine Zahl.
2. Übernimm die Schreibweise eines Tools aus der Anzeige nur, wenn das
   Original dasselbe Tool nennt. Aus "Postgres" darf "PostgreSQL" werden.
   Aus "MySQL" nicht.
3. Bei benachbarten Treffern behalte mein Tool und übernimm die Kategorie.
   "Event-Pipelines auf RabbitMQ gebaut" darf zu "Event-Streaming-Pipelines
   gebaut (RabbitMQ)" werden. Kafka darf nicht vorkommen.
4. Ändere keine Wörter, die die Hierarchiestufe betreffen. "Mitgewirkt an"
   bleibt "mitgewirkt an"; es wird nicht zu "geleitet".
5. Füge keine Stichpunkte zusammen und füge keinen Stichpunkt hinzu.
6. Einfache Verben. Kein "federführend vorangetrieben", kein "Synergien
   gehoben", kein "spearheaded" oder "leveraged".

Anforderungen der Anzeige: [Zeilen mit Treffern aus Prompt 2 einfügen]

Umzuschreibende Stichpunkte:
[Stichpunkte einfügen]

Regel 6 ist für den menschlichen Leser. Eine Recruiterin, die „federführend“ und „Synergien“ in aufeinanderfolgenden Stichpunkten sieht, liest den Lebenslauf als Maschinentext, und der Gewinn an Keywords ist das nicht wert.

Prompt 4: Eine Selbstprüfung, die erfundene Behauptungen markiert

Öffne für diesen einen neuen Chat. Ein Modell, das im selben Gespräch seine eigenen Änderungen bewerten soll, neigt dazu, sie zu verteidigen. Eine frische Sitzung sieht zwei Dokumente und sonst nichts.

Du prüfst einen angepassten Lebenslauf gegen den Master-Lebenslauf, aus
dem er entstanden ist. Finde jede Behauptung in der angepassten Fassung,
die der Master nicht stützt.

Gib eine Tabelle zurück mit:
1. Angepasster Text (zitiert)
2. Nächstliegender Text aus dem Master (zitiert) oder "keiner"
3. Problem: neue Zahl, geänderte Zahl, neues Tool, geändertes Tool,
   geänderter Titel, geändertes Datum, geänderter Abschluss,
   hochgestufte Hierarchie oder nicht gestützte Behauptung
4. Schwere: hoch (eine Tatsache, der eine Referenzprüfung widersprechen
   könnte) oder niedrig (Formulierung)

Prüfe insbesondere:
- Jede Zahl, jeder Prozentwert, jeder Geldbetrag und jede Dauer in der
  angepassten Fassung muss im Master vorkommen.
- Jeder Name eines Tools, einer Sprache und einer Plattform muss im
  Master vorkommen.
- Jeder Arbeitgeber, Stellentitel, Zeitraum und Abschluss muss Zeichen
  für Zeichen mit dem Master übereinstimmen.
- Markiere jeden Satz, dessen Bedeutung weiter reicht als seine Quelle.

Wenn du nichts findest, schreib "Keine nicht gestützten Behauptungen
gefunden" und nenne die fünf Änderungen, die du am genauesten geprüft hast.

Master-Lebenslauf:
[Master-Lebenslauf einfügen]

Angepasster Lebenslauf:
[angepassten Lebenslauf einfügen]

Die letzte Anweisung verhindert, dass das Modell dir zuliebe eine leere Tabelle zurückgibt. Wenn es seine Arbeit zeigen muss, liest es sorgfältiger.

Typische Fehler und wie du jeden erkennst

Auch mit den Prompts oben wirst du diese Fehler sehen. Für jeden gibt es eine mechanische Prüfung, die weniger als eine Minute dauert.

Erfundene Kennzahlen. Das Modell fügt „Latenz um 40 % gesenkt“ zu einem Stichpunkt hinzu, in dem „Latenz gesenkt“ stand. Erkennen: Liste jede Zahl der angepassten Fassung auf und such jede im Master. Ein regulärer Ausdruck für Ziffern (\d) im Texteditor findet sie alle; jede Zahl ohne Treffer bekommt wieder die ursprüngliche Formulierung.

Geänderte Daten oder Titel. Eine Umformulierung lässt den Monat aus „03/2022“ weg oder macht aus „Software Engineer II“ einen „Senior Software Engineer“. Erkennen: Kopiere die Kopfzeilen beider Lebensläufe (Titel, Arbeitgeber, Daten) in zwei Spalten und vergleiche sie. Daten und Titel müssen Zeichen für Zeichen identisch sein.

Vertauschte Tools. Du hast MySQL geschrieben, die Anzeige sagt PostgreSQL, die Umformulierung sagt PostgreSQL. Erkennen: Zieh jeden großgeschriebenen technischen Begriff aus der angepassten Fassung und prüfe jeden gegen den Master. Prompt 4 macht das, und ein kurzer Blick auf den Abschnitt Fähigkeiten auch.

Keyword-Stuffing. Die Liste der Fähigkeiten wächst von zwölf auf dreißig Einträge, jeder aus der Anzeige übernommen, die Hälfte ohne Stichpunkt dahinter. Eine Recruiterin sieht das auf einen Blick. Erkennen: Verlange, dass jede Fähigkeit der Liste in mindestens einem Stichpunkt vorkommt. Der Leitfaden zu Keywords im Lebenslauf behandelt, wohin Keywords gehören und wie viele zu viele sind.

Hochgestufte Hierarchie. Aus „am Design mitgewirkt“ wird „die Architektur entworfen“. Erkennen: Such in der angepassten Fassung nach „geleitet“, „verantwortet“, „entworfen“, „vorangetrieben“ und prüfe, ob der Master jedes davon verwendet hat.

Erweiterter Umfang. Aus „den Payments-Service gewartet“ wird „die Payments-Plattform verantwortet“. Kein einzelnes Wort ist falsch, aber der Satz ist es. Die Regel „weiter als seine Quelle“ in Prompt 4 gibt es genau dafür. Das ist mit einem regulären Ausdruck am schwersten zu erkennen, also lies jeden umgeschriebenen Stichpunkt einmal mit dem Original daneben.

Welche KI ist am besten zum Anpassen des Lebenslaufs?

Wenn du eine KI zum Anpassen deines Lebenslaufs auswählst: Jedes aktuelle Modell eines großen Anbieters kommt mit diesen Prompts zurecht. Die Arbeit beim Anpassen ist Auswahl und Formulierung, und der Unterschied zwischen einem guten und einem schlechten Ergebnis kommt aus der Struktur des Prompts und aus deiner Prüfung. Der Platz des Modells in einer Rangliste zählt weniger als beides. Ich habe keinen Vergleich verschiedener Modelle für diese Aufgabe durchgeführt und keinen glaubwürdigen veröffentlichten gesehen, deshalb werde ich keine Rangfolge aufstellen.

Zwei Dinge zählen wirklich.

Strukturierte Ausgabe. Die Prompts oben verlangen Tabellen und beschriftete Paare. Große gehostete Modelle liefern sie wie verlangt. Kleine Modelle, auch die, die du über Ollama auf einem Laptop laufen lassen kannst, haben mit solcher strukturierter Ausgabe Mühe. Die Designnotizen von Resume Matcher halten dasselbe für das eigene Bearbeitungsformat fest: Kleinere Modelle haben Schwierigkeiten, gültige strukturierte Änderungen zu erzeugen, und das Ergebnis ist eine verworfene Änderung. Wenn du ein lokales Modell willst, fang mit einem mittelgroßen an und rechne damit, es mehrmals zu versuchen.

Kosten pro Aufruf. Jeder der vier Prompts schickt deinen ganzen Lebenslauf. Mit einem normalen Chat-Abo sind diese Kosten fix. Mit API-Zugang kostet ein größeres Modell pro Aufruf mehr, für eine Aufgabe, die ein kleineres erledigen kann. Zur Orientierung: Die Einstellungsseite von Resume Matcher schlägt diese Standards vor: GPT-5 Nano für OpenAI, Claude Haiku 4.5 für Anthropic, Gemini 3 Flash für Google und Gemma 3 4B für Ollama. Du kannst jeden Modellnamen eintragen, den dein Anbieter anbietet. Jeder dieser Standards ist ein kleines Modell, was zu einer Aufgabe passt, die mehr Regeltreue als schöne Prosa braucht.

Welches Claude-Modell ist am besten zum Anpassen des Lebenslaufs?

Es gilt dieselbe Antwort. Claude Haiku 4.5 ist der Standard, den die Einstellungsseite von Resume Matcher für Anthropic vorschlägt. Die Aufgabe ist strukturiertes Bearbeiten nach strengen Regeln, und ein kleineres Modell kostet dafür pro Aufruf weniger. Wenn du ohnehin für ein größeres Claude-Modell bezahlst und seine Prosa magst, nutze es; Prompts und Prüfungen bleiben gleich.

Wenn Kopieren und Einfügen nicht mehr skaliert

Die vier Prompts funktionieren gut für eine Bewerbung. Bei der fünften zeigt sich die Reibung. Du kopierst denselben Master-Lebenslauf in vier Prompts, dann das Ergebnis in ein Dokument, dann machst du die Prüfung, dann korrigierst du die zwei erfundenen Zahlen, dann exportierst du ein PDF, dessen Formatierung du beim letzten Mal von Hand angepasst hast. Jede Bewerbung kostet zwanzig Minuten Kopierarbeit, und der Master-Lebenslauf liegt in einem Chatverlauf, in dem du die Fassung vom letzten Monat nicht wiederfindest.

Ein Werkzeug („Harness“) nimmt dir das Kopieren ab und macht aus den Regeln der Prompts Code. Resume Matcher ist das, das ich pflege: kostenlos, Open Source unter Apache 2.0 und von mehr als 200.000 Jobsuchenden genutzt. Es läuft auf deinem Rechner mit dem Modell, das du schon hast. Die für diesen Beitrag relevanten Teile:

• Das Modell schlägt Änderungen vor; der Code prüft sie. Das Modell liefert gezielte Änderungen, jede mit dem zitierten Originaltext, und der Code prüft, ob das Zitat zum Lebenslauf passt, bevor er sie anwendet. Das ist die Vorher-nachher-Regel aus Prompt 3, durchgesetzt.
• Gesperrte Felder. Deinen Namen, deine Kontaktdaten, Arbeitgeber, Stellentitel, Daten, Hochschulen und Abschlüsse kann das Modell nicht ändern. Änderungen, die darauf zielen, werden verworfen.
• Neue Zahlen werden rückgängig gemacht. Ein letzter Durchgang vergleicht jede Zahl in einer umgeschriebenen Zeile mit der Quelle. Jede Zahl, die vorher nicht da war, schickt die Zeile zurück ins Original. Das ist die Zahlenprüfung aus Prompt 4, automatisiert.
• Prüfung vorher und nachher. Du siehst einen Vergleich jeder Änderung und die Anzahl der riskanten, und dann wählst du Confirm & Save oder Reject & Regenerate für die ganze Vorschau. Es gibt kein Annehmen einzelner Änderungen; ist eine Änderung falsch, erzeugst du neu.
• Eine bewusste Ausnahme. Das Modell darf eine Fähigkeit in deine Liste der Fähigkeiten aufnehmen, wenn die Anzeige diese Fähigkeit wörtlich als gefordert oder gewünscht nennt. Diese Ergänzungen werden in der Vorschau als riskant markiert, damit du sie ablehnen kannst. Das ist die eine Stelle, an der das Werkzeug Inhalt hinzufügt, den du nicht geschrieben hast, und sie existiert, weil das Treffen einer genannten Fähigkeit der Sinn des Anpassens ist. Lösche jede Ergänzung, die du nicht mit einem Stichpunkt belegen kannst.
• Einfache Verben, per Code. Nach dem Anpassen entfernt ein lokaler Durchgang 59 abgenutzte Formulierungen, darunter „spearheaded“ und „leveraged“, außer die Anzeige verwendet sie selbst. Diese Liste ist auf Englisch; bei deutschen Texten bleibt das Streichen von Floskeln deine Aufgabe.
• Master-Lebensläufe und Vorlagen. Du behältst bis zu fünf Master-Lebensläufe, einen pro Karriererichtung, und das Anpassen überschreibt sie nie. Sieben Vorlagen exportieren ein textbasiertes PDF, das ein Browser ohne Fenster aus echtem HTML druckt, damit ein Parser jedes Wort lesen kann.

Wie du das Modell verbindest, das du schon nutzt, steht unter Eigenen KI-Schlüssel verwenden. Anthropic, OpenAI, Gemini, DeepSeek, OpenRouter, Groq, Azure AI Foundry und Ollama funktionieren alle, ebenso jeder OpenAI-kompatible lokale Server.

Ob du die Prompts nutzt oder das Werkzeug, die Regel ist dieselbe: Das Modell schreibt um, und du prüfst gegen den Master. Ein Modell kann nicht wissen, was du getan hast. Du schon.

Wenn dir das geholfen hat

Wenn dir diese Prompts einen oder zwei schlechte Stichpunkte erspart haben, hilft ein Stern für Resume Matcher auf GitHub anderen Jobsuchenden, es zu finden. Du kannst mir, Saurabh Rai, auf GitHub, X und LinkedIn folgen.