Arbeitszeugnis prüfen auf Bias, Codes und unfaire Formulierungen
Die Zeugnis Fairness Engine analysiert Arbeitszeugnisse auf versteckte Codes, einseitige Formulierungen und mögliche Bias-Muster – etwa bei Gender, Alter, Nationalität, Teilzeit oder Persönlichkeitsstil. Sie erhalten konkrete Klartext-Vorschläge, bevor ein Zeugnis zur Karrierebremse wird.
- Fünf Bias-Achsen werden geprüft
- Sechs Branchen-Benchmarks
- Keine Speicherung der Zeugnistexte
Fünf Demographie-Achsen, die häufig verzerrt werden
Gender
Frauen werden in Zeugnissen häufiger mit weichen Adjektiven (engagiert, zuverlässig, freundlich) beurteilt — Männer mit Kompetenz-Adjektiven (analytisch, durchsetzungsstark, strategisch). Bei gleicher Leistung.
Alter
Ältere Mitarbeitende bekommen oft „verlässlich, erfahren" als Hauptbeurteilung statt konkreter Wirkungs-Belege. Jüngere bekommen „potentialreich" — statt erbrachter Leistung.
Nationalität
Systematische Erwähnung von „Sprachfähigkeit" oder „Anpassung" bei Mitarbeitenden mit Migrationshintergrund — wo die Erwähnung bei Schweizer Kolleg:innen fehlt.
Persönlichkeitsstil
„Introvertiert" oder „zurückhaltend" als Code für fehlende Sichtbarkeit — statt das beobachtbare Verhalten konkret zu beschreiben.
Teilzeit
Teilzeit-Mitarbeitende werden oft sprachlich abgewertet, ihre Leistung wird unbewusst gegen den Vollzeit-Output verglichen — auch wenn die anteilige Leistung passt.
So funktioniert die Prüfung
1. Zeugnis einfügen
Sie kopieren den Zeugnistext in den Checker — keine Speicherung, keine Weitergabe an Dritte ausserhalb der Analyse.
2. Branche wählen
Sechs vorbereitete Branchen-Profile (Retail, Finance, Pharma, Industrie, Tech, Gastronomie) liefern den Vergleichs-Kontext für branchentypische Schreibmuster.
3. Optional: Kontext angeben
Sie können optional Hinweise zur Demographie der beurteilten Person geben (anonym, nur für die Analyse). Dadurch wird der Bias-Check präziser.
4. Befund lesen
Sie erhalten qualitative Befunde pro Demographie-Achse: Was wurde beobachtet, wo im Text, und ein konkreter Klartext-Vorschlag als Alternative.
Branchen-Benchmark-Modelle
Schreibmuster sind nicht in jeder Branche gleich. Die Fairness Engine nutzt branchentypische Erwartungen als Vergleichs-Kontext, damit „typische Eigenheiten" nicht fälschlich als Bias markiert werden — und echte Verzerrungen besser auffallen.
Retail
Detailhandel, Konsumgüter — typisch hoher Frauenanteil und Teilzeitquote.
Finance
Banken, Versicherungen, Vermögensverwaltung — typisch hoher Mannschaftsanteil im Front Office.
Pharma
Pharma, Life Sciences — akademisch, international, Forschungs-/Compliance-Fokus.
Industrie
Industrie, Maschinenbau, Bau — handwerklich, Sicherheits- und Präzisions-Fokus.
Tech
IT, Software, Engineering — jung, internationaler Talent-Pool, Fokus auf Lernen.
Gastronomie
Hotellerie, Gastronomie — Service, Stress-Resistenz, Sprachvielfalt.
Was die Engine NICHT tut
- Keine quantitativen Bias-Aussagen. Wir geben keine Prozentzahlen, weil eine seriöse statistische Aussage nur mit echten Vergleichs-Korpora möglich wäre — und die haben wir nicht.
- Kein Ersatz für menschliches Urteil. Die Engine liefert Hinweise, nicht Vorschriften. Sie entscheiden, welche Befunde Sie übernehmen.
- Keine Beurteilung der Person. Wir analysieren ausschliesslich die Sprache des Zeugnisses, nicht die beurteilte Person.
- Keine Speicherung. Texte werden zur Analyse einmalig übergeben und danach verworfen — keine Re-Analyse, kein Verlauf, kein Export.
Häufige Fragen
Ist die Fairness Engine ein Ersatz für menschliche Beurteilung?
Werden meine Zeugnistexte gespeichert?
Auf welcher Datenbasis funktioniert der Branchen-Vergleich?
Können Sie auch Bias bezüglich anderer Achsen erkennen (Religion, sexuelle Orientierung, Behinderung)?
Was kostet die Fairness Engine?
Wer hat die Fairness Engine entwickelt?
Prüfen Sie ein Zeugnis — kostenlos in der Beta.
Login mit Ihrem ZeugnisPilot-Konto. Wenn Sie noch keines haben: Registrieren ist in 2 Minuten erledigt — Einzelzeugnis ab CHF 5.–, Starter ab CHF 29.–/Monat.