Tool Reviews

Die besten KI-Tools für Resume Screening und Parsing für Personalvermittlungen (2026)

Textkernel, RChilli, Daxtra, Manatal, Pin, GoPerfect und Skima AI im Vergleich für Personalvermittlungen 2026: echte Preise, echte Features, echtes Bias- und Compliance-Risiko - und wo boilr ehrlich daneben passt.

TB Team Boilr

· September 13, 2026 · 17 Min. Lesezeit

Abstrakte dunkle Liquid-Metal-Textur in Onyx und British Racing Green als Sinnbild für KI-Resume-Screening- und Parsing-Tools

TL;DR

51% aller Organisationen setzen mittlerweile irgendwo im Recruiting KI ein, gegenüber 26% im Jahr 2024, und Resume Screening ist nach dem Schreiben von Stellenanzeigen die häufigste Anwendung [1]. Wer 2026 ein Tool auswählt, entscheidet sich in Wirklichkeit zwischen zwei unterschiedlichen Ebenen: reinen Parsing-Engines (Textkernel, RChilli, Daxtra), die strukturierte Daten aus einem Lebenslauf extrahieren und in ein bestehendes ATS einspeisen, und vollen Screening-Plattformen (Manatal, Pin, GoPerfect, Skima AI), die zusätzlich ranken, matchen und oft auch sourcen und Outreach übernehmen. Die Preise reichen von rund 40 Euro/Monat als Add-on bis zu fünfstelligen Enterprise-Verträgen ohne jede öffentliche Preisliste. Keines dieser Tools entscheidet, für welche Unternehmen es sich überhaupt lohnt, Kandidaten zu screenen - und unter dem EU AI Act gilt jedes einzelne davon als Hochrisiko-System, sobald es für eine Stelle in der EU screent [2]. boilr screent und parst keinen einzigen Lebenslauf - boilr entscheidet, welche Accounts und Rollen es überhaupt wert sind, dass du eine Shortlist dafür aufbaust, damit das Screening-Tool unten nur auf Mandate zielt, die wirklich aktiv sind.

Warum "KI-Resume-Screening" 2026 sieben verschiedene Dinge bedeutet

Frag fünf Recruitment-Consultants, was ihre Agentur unter "KI-Screening" nutzt, und du bekommst fünf verschiedene Antworten. Der Markt hat sich in klar getrennte Produkttypen aufgespalten, die unterschiedliche Probleme lösen:

API-first Parsing-Engines: Textkernel, RChilli und Daxtra extrahieren strukturierte Felder (Name, Skills, Daten, Ausbildung) aus unstrukturierten Lebensläufen. Sie verkaufen selten direkt an einen Consultant, sondern werden in ein ATS, ein Jobportal oder ein HRIS eingebettet.
ATS-natives Screening: Manatal baut Parsing, Scoring und einen KI-Interviewer direkt in sein Bewerbermanagementsystem ein, sodass die Agentur eine einzige Lizenz kauft statt eines separaten Parsing-Vertrags.
Full-Funnel-KI-Recruiter: Pin und GoPerfect bündeln Sourcing, Screening, Outreach und Terminplanung in einem Agent-artigen Produkt, in dem Screening nur eine Stufe eines größeren Automatisierungs-Loops ist.
Reine Screening-Overlays: Skima AI legt sich über das ATS, das die Agentur schon nutzt, und ergänzt erklärbares Scoring, ohne einen Systemwechsel zu erzwingen.

Das ist kommerziell relevant, denn die Kategorie entscheidet über Preismodell, Vertriebsweg und wie viel von deinem bestehenden Stack ein Tool ersetzen will. Ein Parsing-Engine-Vertrag und ein Full-Funnel-KI-Recruiter- Vertrag sind keine vergleichbaren Posten, auch wenn Vergleichsseiten sie gerne nebeneinanderstellen.

Die sieben Tools, die Agenturen wirklich prüfen

Die folgende Tabelle ist der ehrliche Startpunkt: was jedes Tool ist, was es kostet, sofern Preise veröffentlicht sind, und für wen es wirklich gebaut ist. Mehrere Anbieter veröffentlichen gar keine Preise - das ist selbst schon ein Signal für die Deal-Größe, auf die sie zielen.

Tool	Kategorie	Startpreis	Am besten für
Textkernel	Parsing- & Matching-Engine (API)	Nicht veröffentlicht; Drittschätzungen ab ~$99/Monat [3]	High-Volume-Staffing-Firmen und ATS-Anbieter, die 25-Sprachen-Parsing brauchen
RChilli	Parsing- & Matching-Engine (API)	Nicht veröffentlicht; vertriebsgetrieben, Schätzungen ab ~$199/Monat [4]	Enterprise-HCM-/ATS-Integrationen mit Bedarf an Bias-Redaktion
Daxtra	Parsing, Matching & Agentur-Toolkit	Nur individuelle Enterprise-Preise; kein Self-Service, kein Testzugang [5]	Staffing-Agenturen, die Suche, Deduplizierung und Formatierung an ein bestehendes CRM anbauen
Manatal	Volles ATS mit eingebautem KI-Screening	Ab $19/Nutzer/Monat (Professional) [6]	Kleine bis mittlere Agenturen, die ATS, CRM und Screening in einer Lizenz wollen
Pin	Full-Funnel-KI für Sourcing, Screening & Outreach	Kostenlose Stufe; Solo $99/Monat; Professional ab $135/Nutzer/Monat [7]	Agenturen, die Multi-Client-Sourcing und Outreach aus einem Account fahren
GoPerfect	Full-Funnel-KI-Recruiter (Inbound + Outbound)	Nicht auf der Website veröffentlicht; berichtet werden $250-$300 pro offener Stelle [8]	Teams, die Screening, Sourcing und Outreach in einem Vertrag bündeln wollen
Skima AI	Screening-Overlay auf einem bestehenden ATS	Nicht veröffentlicht; Drittschätzungen ab ~$49/Monat [9]	Agenturen, die erklärbare Match-Scores wollen, ohne das ATS zu wechseln

Textkernel

Textkernel ist der Veteran der Kategorie, parst Lebensläufe und Stellenanzeigen seit 2001 und verarbeitet heute über 2 Milliarden Dokumente pro Jahr in 25 Sprachen und 70+ Dateiformaten, inklusive OCR-Add-on für gescannte oder abfotografierte Lebensläufe [3]. Bullhorn hat Textkernel im Juni 2024 für berichtete 300 Millionen Euro übernommen - das heißt, der größte ATS-Anbieter im Markt für Personalvermittlungen besitzt jetzt auch eine der beiden dominanten unabhängigen Parsing-Engines [10]. Das solltest du vor Vertragsabschluss wissen: Läuft deine Agentur bereits auf Bullhorn, ist die Einbindung von Textkernel eine Same-Vendor-Entscheidung, keine echte Best-of-Breed-Wahl. Textkernel veröffentlicht keine Preise und verkauft überwiegend über ATS- und Jobbörsen-Partner, nicht direkt an einen einzelnen Desk.

RChilli

RChilli deckt 40+ Sprachen bei über 1.600 Kunden in 50+ Ländern ab und integriert nativ in Oracle HCM, SAP SuccessFactors, Salesforce und ServiceNow - deshalb ist es eher die Wahl für Agenturen, die in einem größeren Enterprise-HR-Stack sitzen, statt in einem eigenständigen Recruitment-CRM [4]. Das herausragende Feature 2026 ist ein Redaktionstool, das Namen, Fotos und weitere identifizierende Merkmale entfernt und ein anonymisiertes Profil erstellt, bevor ein Mensch es sieht - eine direkte Antwort auf die Bias-Bedenken weiter unten. Wie Textkernel veröffentlicht RChilli keine Preise und erfordert ein Vertriebsgespräch, in der Regel mit Jahresvertrag.

Daxtra

Daxtra ist ein unabhängiger Spezialist (nicht im Besitz von Bullhorn, auch wenn manche Verzeichnisse das nahelegen), der über 1.000 Staffing- und Recruitment-Agenturen mit einem modularen Toolkit versorgt: Capture (Postfach- und Portal-Import), Search Nexus (datenbankübergreifende Suche und Matching), Magnet (Browser-/E-Mail-Deduplizierung), Styler (CV-Neuformatierung im Agentur-Branding) und der zugrunde liegende Parser, der über 150 Felder in 40+ Sprachen extrahiert und Lebenslauf und Stellenanzeige in einem Durchgang parsen kann [5]. Es gibt keinen Self-Service-Zugang, keine veröffentlichten Preise und keinen Testzugang - dieses Tool ist dafür gebaut, in Agenturen mit bestehendem CRM verkauft zu werden, die eine stärkere Parsing- und Dedupe-Ebene brauchen, nicht als Standalone-Produkt für einen einzelnen Consultant.

Manatal

Manatal ist der Ausreißer auf dieser Liste, weil es kein Parsing-Add-on ist, sondern ein vollständiges Bewerbermanagementsystem mit KI-Parsing, Scoring und einem KI-Interviewer obendrauf, ab $19/Nutzer/Monat im Professional-Plan bis $59/Nutzer/Monat im Enterprise-Plus-Plan [6]. Der niedrige Preis pro Sitz und die eingebaute Provisionsverfolgung machen es zu einer echten Bullhorn-Alternative für kleinere Agenturen, und der KI-Interviewer, der im Januar 2026 gestartet ist, ergänzt asynchrones Video-Screening mit KI-generierten Nachfragen zusätzlich zum bestehenden mehrsprachigen CV-Parsing und der Kandidaten-Anreicherung. Für eine Agentur, die Screening und das tägliche ATS in einer Lizenz will statt in einem separaten Parsing-Vertrag, ist Manatal in der Regel die erste Prüfung.

Pin positioniert sich als Abdeckung aller fünf Funnel-Stufen (Sourcing, Outreach, Screening, Terminplanung, Analytics) aus einem einzigen Account, gestützt auf eine Datenbank mit angeblich über 850 Millionen Kandidatenprofilen, mit Preisen von einer echten kostenlosen Stufe über Solo für $99/Monat bis Professional ab $135/Nutzer/Monat bei Jahresabrechnung [7]. Löblich: Pin ist einer der wenigen Anbieter auf dieser Liste, der eigene Bias-Forschung veröffentlicht. Ein Audit von über 37.000 Recruiter-Sourcing- Suchen über mehr als 33.000 Stellen ergab, dass 70,7% einen Employer-Prestige-Filter setzten und 45,7% eine Mindest-Erfahrung, bevor überhaupt ein KI-Modell einen Kandidaten bewertete [11] - ein Beleg dafür, dass viel Screening-Bias schon in den eigenen Sucheinstellungen des Recruiters entsteht, nicht im Algorithmus. Pins Agentur-Features umfassen Multi-Client-Pipelines und -Kampagnen, was ziemlich genau abbildet, wie ein echter BD-Desk über mehrere aktive Mandate hinweg arbeitet.

GoPerfect

GoPerfect bündelt Inbound-Resume-Screening mit Outbound-Sourcing und autonomem Outreach und verbindet sich über Merge mit bi-direktionaler Synchronisierung an 60+ ATS-Plattformen (Greenhouse, Lever, Ashby, Workday, Bullhorn und mehr) [8]. Die Preisstruktur ist die undurchsichtigste auf dieser Liste: Verschiedene Quellen berichten $250-$300 pro offener Stelle, $299/Monat für einen Professional-Plan oder $149 pro Stelle im Pro-Tier, und die veröffentlichte Preisseite liegt hinter einer Demo-Anfrage statt einer öffentlichen Preisliste. Behandle jedes GoPerfect-Angebot als Verhandlungsausgangspunkt, nicht als Benchmark, und lass dir die Struktur pro Stelle versus pro Sitz schriftlich geben, bevor du einen agenturweiten Rollout startest.

Skima AI

Skima AI ist gezielt so gebaut, dass es dein ATS nicht ersetzt: Es legt sich über deinen bestehenden Stack, parst Lebensläufe in strukturierte Profile, rankt sie gegen die Rolle und zeigt die Belege hinter jedem Match-Score statt eines Blackbox-Prozentwerts [9]. Die Rediscovery-Funktion bewertet deinen bestehenden Talentpool und frühere Bewerber neu gegen ein neues Briefing - nützlich für Agenturen mit einer großen historischen Datenbank, die nach Abschluss der ursprünglichen Rolle selten noch einmal durchsucht wird. Die Preisseite listet keine öffentlichen Tarife, also erwarte, wie bei Daxtra und RChilli, ein vertriebsgetriebenes Angebot statt Sofort-Self-Service.

Was manuelles Screening einen Desk wirklich kostet

Der Business Case für jedes der oben genannten Tools basiert auf einem echten Zeitkosten-Problem. Unabhängige Schätzungen setzen die Zeitersparnis durch ein gut konfiguriertes KI-Screening-Tool bei bis zu 75% an, und die Genauigkeit von KI-Screening in kontrollierten Vergleichen bei 85-90% gegenüber 60-70% bei manueller Prüfung [12]. So sieht das über einen typischen Desk mit drei aktiven Mandaten aus:

Screening-Schritt	Manueller Aufwand	Toolgestützter Aufwand	Zeitersparnis
Erste CV-Durchsicht (50 Lebensläufe/Mandat)	3-4 Stunden	15-20 Minuten (nur Review)	~85%
Strukturierte Datenerfassung im CRM	30-45 Min/Lebenslauf	Sekunden/Lebenslauf (auto-geparst)	~95%
Duplikaterkennung über Datenbanken hinweg	15-20 Min/Kandidat	Automatisch (Daxtra Magnet, Skima Rediscovery)	~90%
Shortlist-Ranking & Begründung	1-2 Stunden/Mandat	10-15 Minuten (KI-Begründung prüfen)	~80%
Gesamt pro Mandat	5-7 Stunden	45-60 Minuten	~85-90%

Das Bias- und Compliance-Risiko, das kein Tool wegzaubert

Der Kauf eines der oben genannten Tools entfernt keine Haftung, er verschiebt sie nur. Agenturen sollten auf drei Fronten mit offenen Augen reingehen:

Dokumentierter Ranking-Bias: Eine Studie der University of Washington aus 2024 mit rund 40.000 gepaarten Lebenslauf-Vergleichen fand, dass LLM-basierte Resume-Ranker weiß assoziierte Namen in 85,1% der Fälle bevorzugten, gegenüber 8,6% bei Schwarz assoziierten Namen, und männlich assoziierte Namen in 51,9% der Fälle gegenüber 11,1% bei weiblich assoziierten [13].
Aktive Rechtsstreitigkeiten: Mobley v. Workday, eine Klage wegen systematischer KI-Diskriminierung gegen ältere, Schwarze und behinderte Bewerber bei Hunderten von Arbeitgebern, wurde Anfang 2026 als Sammelklage zugelassen [14].
Vertrauenslücke: 87% der Unternehmen nutzen inzwischen irgendwo im Hiring KI, aber nur 26% der Bewerbenden vertrauen darauf, dass sie fair bewertet werden, und 66% würden sich nicht bei einem Arbeitgeber bewerben wollen, der KI für Einstellungsentscheidungen nutzt [15].
EU-AI-Act-Risiko: Recruitment-Screening-Tools gelten nach Anhang III des EU AI Act als Hochrisiko-Systeme. Die ursprüngliche Frist vom 2. August 2026 für eigenständige Hochrisiko-Systeme wurde durch die Omnibus-Änderungen vom Mai 2026 auf den 2. Dezember 2027 verschoben - die Pflichten selbst (Risikomanagement, Bias-Tests, Logging, menschliche Aufsicht, Bußgelder bis zu 15 Millionen Euro oder 3% des weltweiten Umsatzes) bleiben aber bestehen, nur der Termin verschiebt sich [2].
Bias schon im Sourcing: Pins eigenes Audit fand, dass Bias oft entsteht, bevor überhaupt ein KI-Modell jemanden bewertet - durch Recruiter-Filter wie Employer-Prestige (70,7% der Suchen) und starre 12-Monats-Grenzen (96% der Tenure-Filter setzen exakt 12 Monate) [11].
21% Auto-Ablehnung ohne Prüfung: Rund jeder fünfte Arbeitgeber mit KI-Screening lässt Bewerbungen an mindestens einer Stelle automatisch ablehnen, ohne dass je ein Mensch draufschaut [15].

Wie du wirklich zwischen den Tools entscheidest

Überspring den Feature-Matrix-Wettlauf und arbeite stattdessen diese Reihenfolge ab:

Erst Parsing-Engine vs. volle Plattform klären. Läuft deine Agentur schon auf Bullhorn, Vincere, Loxo oder einem anderen etablierten ATS/CRM, brauchst du wahrscheinlich eine Parsing-Engine (Textkernel, RChilli, Daxtra), die reinsteckt - keine konkurrierende Full-Funnel-Plattform.
Frag jeden Anbieter konkret nach einem Redaktions- oder Bias-Mitigation-Feature. Nur RChilli stellt das prominent heraus; frag die anderen aktiv nach, was sie anbieten, und lass es dir schriftlich geben, nicht mündlich zusichern.
Lass dir das Preismodell vor Demo-Ende schriftlich geben. Pro Sitz (Manatal, Pin), pro Credit (Textkernel, RChilli), pro Stelle (GoPerfect) und komplett individuell (Daxtra) sind nicht austauschbar, und ein Preis pro Stelle kann bei Skalierung heimlich teurer werden als ein Preis pro Sitz.
Prüf Sprach- und Formatabdeckung gegen deinen echten Kandidatenpool, nicht gegen die Marketingzahl des Anbieters. Eine 25-Sprachen-Angabe ist bedeutungslos, wenn dein Desk nur je Lebensläufe auf Englisch und Deutsch sieht.
Kläre die Rolle des Tools unter dem EU AI Act, wenn du in EU-Rollen vermittelst. Verlange die eigene Risikomanagement-Dokumentation und Logging-Fähigkeit des Anbieters, nicht nur eine Compliance-Aussage auf der Website.
Pilotiere auf einem Desk, bevor du agenturweit ausrollst. Teste das Tool gegen ein Mandat, das du schon manuell besetzt hast, und vergleiche seine Shortlist mit der Person, die tatsächlich platziert wurde.

Die KPIs, die zeigen, ob ein Screening-Tool wirklich funktioniert

Metrik	Was sie misst	Gesundes Ziel
Zeit bis zur ersten Shortlist	Stunden vom CV-Eingang bis zur geprüften Shortlist	Unter 4 Stunden pro Mandat
Konversion Shortlist zu Interview	% der gescreenten Kandidaten, die der Kunde tatsächlich interviewt	40%+
Duplikat-/Re-Parse-Rate	% der Kandidaten, die neu angelegt statt mit bestehendem Datensatz gematcht werden	Unter 5%
Human-Override-Rate	% der KI-gerankten Shortlists, die ein Consultant spürbar umsortiert	Trend beobachten, keine feste Zahl
Auto-Ablehnungsrate	% der Bewerber, die ohne jede menschliche Prüfung abgelehnt werden	So nah wie möglich an 0%

Wo boilr passt (und wo bewusst nicht)

boilr steht nicht auf der Liste oben, und das soll auch so bleiben. boilr parst keinen Lebenslauf, bewertet keinen Lebenslauf gegen eine Stellenbeschreibung und tritt nicht gegen Textkernel, RChilli, Daxtra, Manatal, Pin, GoPerfect oder Skima AI um ein Screening-Budget an. Was boilr wirklich macht, sitzt eine Ebene früher im Funnel:

Signals überwacht Finanzierungsrunden, Führungswechsel, Tech-Stack-Änderungen und Einstellungswellen über 10.000+ Quellen und markiert Unternehmen, die aktiv in den Recruiting-Modus gehen, bevor die Rolle überhaupt ausgeschrieben ist - oft 48-72 Stunden vor dem Jobportal [16].
Companies bewertet diese Accounts gegen das ICP deiner Agentur (Branche, Mitarbeiterzahl, Region, Finanzierungsphase, Hiring-Geschwindigkeit), damit ein Consultant weiß, welches Mandat sich zu verfolgen lohnt, bevor auch nur ein Lebenslauf geöffnet wird.
Candidates sourct und gleicht Profile gegen ein aktives Briefing und deine bestehende Pipeline ab, um doppeltes Outreach zu vermeiden - Profil-Matching und -Filterung, kein Resume-Parsing.
Company Brain hält die erfolgreichen ICP-Segmente, Opener und Outreach-Muster deiner Agentur als geteiltes, dauerhaftes institutionelles Wissen fest, das auch bleibt, wenn ein Consultant geht.
Agent + Tasks liefern einem Consultant jeden Morgen einen fertigen, zur Verifizierung bereiten Outreach-Entwurf statt einer rohen Liste an Leads zum selbst Recherchieren.
Integrationen mit Recruiterflow, HubSpot, Outlook und Gmail spielen angereicherte Unternehmens-, Kontakt- und Signal-Daten direkt in die Systeme, die ein Desk schon nutzt - Bullhorn, Vincere und Loxo stehen auf der Roadmap [17].

Kurz gesagt: Eine Parsing-Engine oder Screening-Plattform sagt dir, welcher Kandidat am besten passt, sobald du schon ein Mandat und einen Stapel Lebensläufe hast. boilr sagt dir, welches Unternehmen es wert ist, angerufen zu werden, bevor du beides hast. In beiden Fällen bleibt fest in Menschenhand: die finale Kandidatenauswahl, kundenseitige Shortlist-Entscheidungen, und alles, was die EU-AI-Act-Compliance-Freigabe für eine aktive Rolle betrifft.

Fehler, die Agenturen beim Kauf eines Screening-Tools machen

Screening kaufen, bevor Sourcing repariert ist. Eine schnellere Shortlist aus einem dünneren, schlechter gezielten Kandidatenpool ist kein Fortschritt - wenn die Accounts falsch sind, hilft keine Parsing-Engine.
Parsing-Engine mit voller Plattform verwechseln. Ein Enterprise-Vertrag mit Daxtra zu unterschreiben, obwohl der Desk eigentlich nur Manatals eingebautes ATS-Screening gebraucht hätte, verschwendet Budget und Implementierungszeit.
Einen Blackbox-Match-Score akzeptieren. Kann ein Anbieter die Begründung hinter einem Ranking nicht zeigen, kannst du dieses Ranking gegenüber Kunde, Kandidat oder Aufsichtsbehörde nicht verteidigen.
Die Falle Preis-pro-Stelle vs. Preis-pro-Sitz ignorieren. Ein Preis pro Stelle, der im Demo-Call günstig wirkt, kann bei 15+ aktiven Mandaten teurer werden als eine Lizenz pro Sitz.
Den Pilot überspringen. Ein neues Screening-Tool agenturweit auszurollen, bevor du es gegen ein bereits manuell besetztes Mandat getestet hast, bedeutet, dass das erste echte Feedback von einem unzufriedenen Kunden kommt.
Die EU-AI-Act-Verschiebung mit "kein Risiko" verwechseln. Die Omnibus-Änderungen haben die Frist verschoben, nicht die zugrunde liegende Pflicht - Agenturen, die in EU-Rollen vermitteln, sollten sich die Dokumentation jetzt schon aufbauen [2].

Ein 30-Tage-Plan zur Auswahl

Woche 1: Das eigentliche Problem definieren

Prüfe, wo die Zeit wirklich verloren geht - erste CV-Durchsicht, doppelte Dateneingabe oder Shortlist-Verfassen - und entscheide auf dieser Basis, nicht auf Basis eines Verkaufsgesprächs, ob du eine Parsing-Engine, ein ATS-Upgrade oder eine volle Plattform brauchst.

Woche 2: Drei Anbieter shortlisten und jeweils demoen

Bring dasselbe aktive Mandat zu jeder Demo. Lass dir von jedem Anbieter die Match-Begründung für dieselben drei Lebensläufe zeigen, damit du Begründungen vergleichst, nicht Marketing-Folien.

Woche 3: Auf einem Desk pilotieren

Teste das Gewinner-Tool gegen eine bereits besetzte Rolle. Vergleiche seine Top-5-Shortlist mit dem Kandidaten, der tatsächlich platziert wurde, und protokolliere jedes menschliche Override.

Woche 4: Entscheiden und dokumentieren

Bestätige Preismodell, Bias-Mitigation-Features und EU-AI-Act-Dokumentation vor dem Rollout und setz die oben genannten KPI-Ziele als deinen 90-Tage-Review-Punkt.

Eine schnellere Shortlist bringt nur etwas, wenn es eine Shortlist für ein Mandat ist, das sich zu gewinnen lohnt. Sieh dir an, wie boilr die Unternehmen und Rollen markiert, die es wert sind, bevor sie auf einem Jobportal landen, auf boilr.ai.

Häufige Fragen

Was ist der Unterschied zwischen Resume Parsing und Resume Screening?

Parsing extrahiert strukturierte Daten (Name, Daten, Skills, Ausbildung) aus einem unstrukturierten Lebenslauf in Felder, die ein System durchsuchen und sortieren kann - das verkaufen Textkernel, RChilli und Daxtra. Screening geht einen Schritt weiter und rankt oder bewertet einen geparsten Kandidaten gegen eine konkrete Stellenbeschreibung oder ein Briefing - das machen Manatal, Pin, GoPerfect und Skima AI. Die meisten Agenturen brauchen beides, oft von zwei verschiedenen Anbietern.

Braucht eine Agentur eine separate Parsing-Engine und ein Screening-Tool?

Nicht immer. Hat dein ATS schon eingebautes KI-Parsing und -Scoring, wie bei Manatal, brauchst du vielleicht keine eigenständige Engine. Agenturen mit einem älteren CRM ohne native KI ergänzen oft Textkernel, RChilli oder Daxtra als Parsing-Ebene und dann ein separates Screening- oder Overlay-Tool wie Skima AI fürs Ranking. Das hängt komplett davon ab, was dein bestehendes ATS schon abdeckt.

Was kostet KI-Resume-Screening-Software für eine kleine Agentur 2026?

Manatal startet bei $19/Nutzer/Monat, Pin hat eine echte kostenlose Stufe vor Solo für $99/Monat, und Skima AI wird von Drittquellen ab rund $49/Monat angegeben, veröffentlicht aber keine offiziellen Tarife [6][7][9]. Textkernel, RChilli und Daxtra veröffentlichen überhaupt keine Preise und erfordern ein Vertriebsgespräch - plan für diese drei also einen mehrwöchigen Beschaffungsprozess statt eines sofortigen Self-Service-Signups ein.

Ist KI-Resume-Screening unter dem EU AI Act legal?

Ja, aber reguliert. Recruitment-KI-Screening-Tools gelten nach Anhang III des EU AI Act als Hochrisiko-Systeme, was Risikomanagement-, Bias-Test-, Logging- und Aufsichtspflichten mit sich bringt. Die ursprüngliche Frist vom 2. August 2026 für eigenständige Hochrisiko-Systeme wurde durch die Omnibus-Änderungen vom Mai 2026 auf den 2. Dezember 2027 verschoben, die Pflichten selbst bleiben aber bestehen, mit Bußgeldern bis zu 15 Millionen Euro oder 3% des weltweiten Jahresumsatzes bei Verstößen gegen Hochrisiko-Pflichten [2].

Welches dieser Tools hat das stärkste mehrsprachige Parsing?

Textkernel deckt 25 Sprachen ab, RChilli 40+ und ist zusätzlich in 50+ Ländern präsent. Daxtra unterstützt ebenfalls 40+ Sprachen und kann eine Stellenanzeige zusammen mit dem Lebenslauf in einem Durchgang parsen. Vermittelst du in mehrere europäische Märkte, prüf die konkreten Sprachen, in die du vermittelst, statt der Schlagzeilen-Zahl, denn die Parsing-Qualität variiert selbst innerhalb desselben Anbieters je nach Sprache.

Kann KI-Resume-Screening Bias in eine Shortlist bringen?

Ja, und die Belege sind gut dokumentiert. Eine Studie der University of Washington aus 2024 fand, dass LLM-basierte Resume-Ranker weiß assoziierte Namen in 85,1% der Fälle bevorzugten, gegenüber 8,6% bei Schwarz assoziierten Namen, bei rund 40.000 gepaarten Vergleichen [13]. Getrennt davon fand Pins eigenes Audit, dass Bias oft entsteht, bevor überhaupt ein KI-Modell jemanden bewertet - durch Standard-Suchfilter wie Employer-Prestige und starre Tenure-Grenzen [11]. Frag jeden Anbieter nach einem konkreten Bias-Mitigation-Feature, wie RChillis anonymisierter Profil-Redaktion, statt nach einer allgemeinen Compliance-Aussage.

Ersetzt boilr Textkernel, RChilli, Manatal oder eines dieser Tools?

Nein. boilr parst oder screent keinen einzigen Lebenslauf. Es überwacht Kauf- und Hiring-Signale, bewertet Unternehmen gegen dein ICP und sourct und gleicht Kandidatenprofile am oberen Ende des Funnels ab, damit ein Consultant weiß, für welches Mandat sich das Öffnen eines Lebenslauf-Stapels überhaupt lohnt. Das Screening-Tool, das du aus dieser Liste wählst, macht danach immer noch das eigentliche CV-Level-Parsing und -Ranking, sobald ein Mandat aktiv ist.

Worauf sollte eine Agentur vor der Unterschrift eines Screening-Vertrags achten?

Kläre, ob du eine Parsing-Engine oder eine volle Plattform kaufst, lass dir das Preismodell (pro Sitz, pro Credit oder pro Stelle) schriftlich geben, frag nach einem konkret benannten Bias-Mitigation-Feature, prüf die Sprachabdeckung gegen deinen echten Kandidatenpool statt gegen die Schlagzeilen-Zahl des Anbieters, und pilotiere das Tool gegen ein bereits manuell besetztes Mandat, bevor du es agenturweit ausrollst.

Quellen

Informationen aus öffentlichen Branchenberichten, Anbieterdokumentation und wissenschaftlichen Studien, Stand September 2026.

Zurück zu allen Artikeln