04.11.2015

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

/artikel/der-wandel-im-ueberblick-bewerbungen-frueher-bewerbungen-heute
Vor 40 Jahren war vertippen noch richtig ärgerlich.

Die Welt unterliegt permanenten Wandel und fortschreitender Digitalisierung. So auch Bewerbungen. Von der Schreibmaschine bis zu Apps wie JobSwipr, die dir Jobs vorschlagen, hat sich in den vergangenen 40 Jahren viel getan.

Beispielsweise hat es sich das Wiener Startup JobSwipr zur Aufgabe gemacht, die Suche nach offenen Stellen zu vereinfachen. Jobs und Kandidaten werden auf Basis von Ausbildung, Erfahrung und weiteren Eigenschaften zusammen geführt. Mittels einer Handy-App können Unternehmen direkt mit den Kandidaten kommunizieren.

Persönliche  Eigenschaften, Kenntnisse und Erfahrungen werden eingetragen – anhand dieser Daten werden dem Arbeitssuchenden via Tinder-Prinzip Jobs vorgeschlagen.

Und die Idee fruchtet: Eine Business Angel Gruppe rund um den langjährigen Microsoft Österreich Geschäftsführer Georg Obermeier beteiligt sich mit mehreren hunderttausend Euro an dem Unternehmen.

Doch wie sahen Bewerbungen eigentlich früher aus? Der Brutkasten gibt einen Überblick über die Entwicklung der vergangenen 40 Jahre.

  • 1970-er Jahre:

    Der Lebenslauf wird handschriftlich und als Fließtext verfasst. Dieser sollte nicht länger als eine Seite sein. Studienabbrüche oder Ähnliches werden minuziös erklärt. Elternberufe und sogar der Mädchenname der Mutter sind relevant. Überraschenderweise wird schon damals von Floskeln wie „bezugnehmend auf Ihr Inserat“ abgeraten. Noch überraschender ist aber, dass zu Notlügen geraten wird, um Lücken zu kaschieren.

  • 1980-er Jahre:

    Die Schreibmaschine löst langsam aber sicher die Handschrift ab. Auch die tabellarische Form des Lebenslaufs steht in den Startlöchern. Angloamerikanische Einflüsse machen sich bemerkbar, erstmals werden „Job Descriptions“ angeführt. Bisherige Erfolge des Bewerbers gewinnen ebenfalls an Bedeutung.

  • 1990-er Jahre:

    Hesse/Schrader erfinden das Selbstmarketing. Neu ist: Lebensläufe dürfen bis zu drei Seiten lang sein. Deckblätter kommen in Mode. Alle Tätigkeiten, die man bisher ausübte, werden aufgelistet. Gegen Ende der 90er spielen Fotos im Lebenslauf eine immer wichtigere Rolle. Und eben jenes Foto verwandelt sich vom Passfoto zum Portrait. Stellenanzeigen müssen mühevoll aus Zeitungen zusammengesucht werden.

  • 2000-er Jahre:

    Die Online-Bewerbung setzt sich durch. Diesbezüglich gibt es große Umbrüche im Jahr 2002 und 2006. Ab 2002 akzeptieren große Unternehmen wie Siemens E-Mail, Online-Formular und Post als Bewerbung und behaupten keine Form zu bevorzugen. 2006 wird es konkret – viele Konzerne akzeptieren nur noch ihr Online-Formular und setzen damit einen Meilenstein. Die E-Mail Bewerbung mit einer angehängten PDF-Datei erfreut sich in Österreich und Deutschland großer Beliebtheit. In anderen europäischen Ländern werden Word-Dokumente bevorzugt.

  • Ca. ab 2005:

    Soziale Netzwerke wie Xing und Facebook revolutionieren das Networking und somit auch die Jobsuche. Xing tut es direkt und Facebook indirekt. Ein interessantes Profil bei Xing kann ausreichen, um von anderen Firmen abgeworben zu werden. Teilweise gibt es sogar Xing-Verbote in Arbeitsverträgen. Auf Facebook haben schon 18-Jährige bis zu 1000 „Freunde“ – ein „Freund“ in einer Entscheidungsposition zieht vielleicht diesen Kontakt einer offiziellen Ausschreibung vor. Networking, Empfehlungen und Beziehungspflege bekommen einen ganz neuen Stellenwert. Online-Jobbörsen betreten den Markt.

  • Ca. ab 2010:

    Infografiken verbreiten sich, zum Beispiel mittels Visualize.me. Der Trend geht Richtung Übersicht – Informationen werden detaillierter und spezifischer. In wissensintensiven Berufen fangen ohnehin nur noch fachlich versierte Personen etwas damit an. Des Weiteren wird die Vorauswahl der Bewerber inzwischen von immer mehr Unternehmen mit Hilfe eines „Online-Assessmentcenters“ durchgeführt. Dieser beinhaltet, dass der Bewerber erst einige Tests über das Internet durchführen muss bevor er zu einem abschließenden persönlichen Gespräch eingeladen wird.

  • Ab ca 2012:

    Englische Bewerbungen nehmen zu. Lebensläufe auf Deutsch zu formulieren wird immer obsoleter. Die Tabelle hat langsam ausgedient, stattdessen dürfen Kurzbeschreibungen den Bildschirms auffüllen. Hier finden sich wieder Parallelen zum angloamerikanischen Raum.

  • 2015:

    Es gibt Apps, die Qualifikationen und Erfahrungen auswerten und anhand jener Informationen entsprechende Jobangebote raussuchen. Social Recruiting gewinnt fortschreitend an Bedeutung. Bewerbungscoaches verdienen heutzutage gutes Geld, indem sie Jobsuchende auf Vorstellungsgespräche vorbereiten.

Quellen: Svenja Hofert, Der Spiegel, Die perfekte Bewerbung, e-recruiting

Deine ungelesenen Artikel:
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
Deepentix
© tecnet equity - (v.l.) Investor Kambis Kohansal Vajargah, Endri Deliu, Morteza Amini und Altan Nar (alle Deepentix) sowie Peter Buchinger (tecnet equity).

Das NÖ-Startup Deepentix hat eine Enterprise-KI-Plattform entwickelt, die Unternehmen dabei unterstützen soll, aus Dokumenten wie Studien, Patenten oder internen Berichten einen sogenannten Wissensgraphen aufzubauen – ein Netzwerk aus Fakten und ihren Beziehungen. Dadurch lassen sich Antworten einer Künstlichen Intelligenz bis zum exakten Satz im Ursprungsdokument zurückverfolgen. Gerade in stark regulierten Branchen sei dies entscheidend, weil Aussagen jederzeit belegt und geprüft werden müssen.

Deepentix: Unternehmensdaten in Graphen überführen

Zielgruppe sind etwa Unternehmen in Branchen wie Pharma, Medizintechnik, Versicherungen oder Banken, die täglich mit großen Mengen an Studien, Patenten, Normen und internen Berichten arbeiten. Klassische generative KI liefere dazu zwar schnelle Antworten, könne deren Herkunft jedoch oft nicht lückenlos belegen. Genau hier möchte Deepentix ansetzen und unstrukturierte Unternehmensdaten in einen Wissensgraphen überführen – im Sinn einer nachvollziehbaren Wissensbasis für KI-Anwendungen.

„Wenn Mitarbeitende einer KI blind vertrauen müssen, weil sie deren Antworten nicht überprüfen können, ist das gerade in sensiblen Bereichen ein echtes Risiko. Genau dieses Vertrauensproblem lösen wir, indem wir jede Antwort bis zu ihrem Ursprung im Dokument sichtbar machen“, erklärt Morteza Amini, Mitgründer und CEO von Deepentix.

Mehrere Sprachmodelle

Der Aufbau von Wissensgraphen erfolge Deepentix nach häufig im Rahmen aufwendiger Beratungsprojekte oder über standardisierte Lösungen, die sich nur begrenzt auf einzelne Fachbereiche zuschneiden lassen. Bei Unternehmen, die ihre sensiblen Daten selbst kontrollieren und gleichzeitig präzise Ergebnisse benötigen, stoße dieser Ansatz oft an seine Grenzen. Aus diesem Grund entwickelte das Startup kein Beratungsprojekt für einzelne Kunden, sondern ein Werkzeug, mit dem Unternehmen Wissensgraphen selbst erstellen, betreiben und an ihre Anforderungen anpassen können.

Dabei setzt die Plattform nicht auf ein einziges großes KI-Modell aus der Cloud, sondern auf mehrere kleine, spezialisierte Sprachmodelle, die gezielt auf einzelne Fachbereiche wie Pharma oder Banken trainiert werden. Dadurch sollen die Ergebnisse präziser werden, während die Modelle bei Bedarf direkt auf den eigenen Servern der Unternehmen betrieben werden können.

Dafür gab es nun eine Pre-Seed-Finanzierung in sechsstelliger Höhe, an der sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah beteiligt haben. Das frische Kapital soll vor allem in Forschung und Entwicklung sowie in den Ausbau erster Pilotprojekte in regulierten Branchen fließen.

Deepentix baut Wissensnetz

„Wir verstehen uns nicht als Berater, die für einzelne Kunden ein Wissensnetz bauen, sondern als Technologieanbieter, der Unternehmen die volle Kontrolle über ihre eigenen Daten und Modelle gibt“, so Amini weiter. „Mit tecnet equity, Rockstart und Business Angel Kambis Kohansal Vajargah haben wir Partner an Bord, die den Weg von Deep-Tech-Startups aus erster Hand kennen. Das gibt uns nicht nur Kapital, sondern auch Zugang zu Netzwerk und Erfahrung, um in dieser Phase die richtigen Schritte zu setzen.“

Peter Buchinger, Investment Associate bei tecnet equity, ergänzt: „Uns hat neben der Technologie vor allem das stark aufgestellte Gründerteam von Deepentix überzeugt. Die Kombination aus wissenschaftlichem Hintergrund und Erfahrung in internationalen Unternehmen war ausschlaggebend, in dieser frühen Phase zu investieren.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Der Wandel im Überblick: Bewerbungen früher, Bewerbungen heute