Der Recruiting-Gamechanger: KI im Rampenlicht

Season 6· 19. September 2023· 2448

Episode cover: Der Recruiting-Gamechanger: KI im Rampenlicht
0:002448
  • Dr. Theo SteiningerCo-Founder & CEO at Erium
  • Dr. Maksim GreinerCo-Founder & CTO at Erium

Overview

In this episode of the Erium Podcast, the two co-founders Dr. Theo Steininger and Dr. Maksim Greiner discuss how generative AI and language models can make the entire recruiting process more efficient – from the initial staffing request all the way to the signed employment contract. They walk through concrete use cases step by step, discuss limitations and risks, and explain why HR processes are a particularly well-suited field for AI support.

About the guest

Dr. Maksim Greiner is a co-founder of Erium and heads the Sales division. As one of the company's founding members, he is deeply involved in day-to-day business operations and brings hands-on recruiting experience from a growing tech start-up to this episode.

Summary

Recruiting as a Sales Process: The Reality of the Skilled-Worker Market

Theo and Maksim start with an honest assessment: in the IT and data science world, companies compete for strong candidates – not the other way around. Anyone who wants to attract qualified developers or data scientists must actively search, find points of connection, and 'sell' their own company. That requires a genuine sales process – and that is precisely where the two see the greatest potential for AI support.

Staffing Requests and Role Clarification: What Does the Team Actually Need?

Before a position is posted, the key question is: what skills are actually missing? Language models can help sharpen a vague or imprecise staffing request by asking targeted follow-up questions – much like an experienced internal consultant would. This is especially useful when hiring in a domain where you are not yourself an expert, as a language model can distil layperson descriptions into a concrete list of required skills. A further step is consolidating similar needs from different departments to define, for example, a shared role or a hybrid profile.

Job Postings: Writing and Distributing Them for the Right Audience

From the identified need, a reference job posting can be derived that already conveys the company's 'sales character'. Language models can then automatically adapt this template for various channels – LinkedIn, Xing, the company's own careers page, university notice boards, or internal employee referral channels. Platform-specific character limits, SEO requirements, and differences in target audiences are all taken into account. It is important that the company context (perks, culture, day-to-day work life) has been written down in advance so that the AI can formulate content that is honest and authentic.

Active Sourcing: Building Candidate Lists and Reaching Out Personally

In active sourcing, AI helps fill LinkedIn search filters precisely – including the necessary keyword variations (e.g. different names for the same framework) and geographic combinations. University graduate lists are another channel that pairs well with LinkedIn searches. From the resulting candidate list, language models can then craft personalised first-contact messages that address each person's profile and interests, rather than generic copy-paste texts.

Aptitude Tests, Interviews, and Contract Drafting with AI Support

Language models can also generate individualised aptitude test tasks – whether for familiar or unfamiliar subject areas – that are not easily searchable online. Further along the process, through to contract signing, AI supports the drafting of correspondence, the assembly of individual contract clauses, and a preliminary check for legal completeness. Theo describes a concrete example: when hiring in Austria, an early AI check for country-specific mandatory components (such as the 13th and 14th monthly salary payments) would have prevented costly renegotiations.

Limitations and Risks: Data Protection, Bias, and Human in the Loop

The discussion clearly identifies the constraints: up to the point of generating a candidate list, the process is largely compliant with data protection requirements; however, once applicant data and personal correspondence come into play, strict GDPR rules apply. Both speakers also caution against uncritical automation in pre-selection: an AI that filters according to certain patterns can introduce bias – and if the sorting is wrong at the front end, no suitable candidate will remain at the end. The goal is 'human in the loop': the AI handles reformulation, sorting, and research tasks, while the final decision remains with a human. In addition, the foundational work – documenting company culture, creating templates, defining processes – must be done once before the process can be scaled.

Conclusion: Efficiency as the Key Lever for Smaller Companies

Especially for companies with fewer than 100 employees, where recruiting typically remains the responsibility of senior leadership, the AI tools outlined here are a genuine game-changer. Instead of engaging expensive headhunters who often lack the relevant technical context, business owners can use the right templates and language models to manage the entire process efficiently themselves. At the same time, better candidate matching also improves the allocation of skilled workers across society as a whole, in a labour market that is already under strain.

Key takeaways

  • Recruiting in the tech sector is an active sales process: the company pitches itself to the candidate, not the other way around.
  • Language models can sharpen imprecise staffing requests through targeted follow-up questions – particularly helpful when hiring in an unfamiliar domain.
  • A well-crafted job posting, once created, can be automatically adapted by AI for any number of channels and target audiences.
  • In active sourcing, language models help with precise LinkedIn search filters, combining different search variations, and crafting personalised outreach messages.
  • AI-generated aptitude tests enable a more objective pre-selection and reduce the influence of implicit human bias.
  • Data protection (GDPR) is largely unproblematic up to the candidate list stage; for personal applicant data, on-premise models or certified providers are required.
  • Human in the loop is mandatory: AI supports the process but does not make final hiring decisions.
  • The greatest benefit is efficiency gains – especially for small companies where recruiting depends on just one or two people.

Conclusion

Generative AI offers enormous potential across the entire recruiting process – from clarifying staffing needs and writing job postings to sourcing candidates, conducting aptitude tests, and drafting contracts. The decisive advantage lies not in full automation, but in the targeted acceleration of cognitively demanding yet mechanically repetitive tasks. Anyone who invests once in building the right templates and company context can significantly speed up their recruiting process – and in doing so, even achieve fairer and more objective outcomes than purely manual methods allow.

For founders and leaders of small to mid-sized companies

Recruiting remains a leadership responsibility, but it does not have to become a bottleneck. With the right AI templates and processes, the entire workflow can be managed alongside day-to-day business – without the need for expensive external headhunters.

For HR managers and recruiters

Language models take over repetitive drafting, sorting, and research work, freeing you to focus on what truly matters: personal contact and the final assessment of candidates.

For AI enthusiasts and tech-savvy professionals

The HR process is a comparatively straightforward AI application area with few APIs and clearly defined process steps – making it an ideal entry point for experiencing the practical value of generative AI in everyday business operations.

Show full transcript

Speaker0: Die Ihrem Podcast.

Speaker1: Herzlich willkommen zu 1 neuen Folge von die Ihrem Podcast. Mein Name ist Theo Steininger und heute spreche ich mit meinem Co Founder bei Ihrem Maxim Greiner über das Thema, wie man mit ChatGPT und generell generativer KI den HR Prozess optimieren kann. Hi Maxim. Hi Theo. Jo, lass uns direkt einsteigen. Wir haben bei uns in der Firma festgestellt, dass der HR Prozess und damit meine ich den Prozess von, ich merke, ich glaub, ich bräuchte mal wieder 'n neues Teammitglied bis hin zum unterschriebenen Vertrag, dass man da ziemlich vieles mit generativer KI ausrichten kann. Und ich würd heute gern mal mit dir Step by Step durch den Prozess durchgehen und mal beleuchten, wie man denn da konkret angreift. Ich hab nämlich so das Gefühl, die ChatGPT Welle, ja, Gardner Hype Cycle sagt, wir sind momentan an der Spitze, übrigens by the way, ich weiß nicht, ob Du die Grafik gesehen hast. Wir sind jetzt an der Spitze der Maximum Expectations. Oh ja. Und gleichzeitig stellt sich durch jeder die Frage, okay, was mache ich jetzt damit? Also überall einfach nur 'n Chatbot dranzukleben, das kann ja wohl nicht die Antwort sein. Ja, wie wie krieg ich wirklich im Wert geschöpft? Das ist jetzt, da kommen wir jetzt langsam in diese Reife. Genau und wir haben ja den HR Prozess einfach mal zerlegt und son definiert und das ist echt krass. Also wir haben wir haben hier eine volle Liste an an 1 Prozessen, die man anpacken kann. Und bevor wir mal starten, weil doch viele unserer Zuhörer gar nicht so genau wissen, wie 'n HR Prozess eigentlich hinter den Kulissen abläuft, lass uns das vielleicht noch mal beleuchten, wie son üblicher Prozess auch aussieht. Ich war nämlich überrascht, also auch unsere Mitarbeiter, die wissen eigentlich gar nicht so richtig, was hinter den Kulissen abläuft.

Speaker0: Na ja, man macht man macht so und dann hat man einen neuen Mitarbeiter. Man muss sie nur bezahlen können oder so. Ja. Das ist doch alles ist doch überhaupt kein Aufwand.

Speaker1: Ja,

Speaker0: ja, ziemlich genau, so läuft's. Also ich sag immer Theo Theo, wir brauchen dringend noch einen zusätzlichen Backend Entwickler, wir kommen sonst zu zu langsam vom Fleck und dann Dann rufen bei mir magisch irgendwie Leute an, die genau das können und und machen wollen. Das ist genauso wie mit, hey, wir haben noch Kapazität für 'n Projekt, und dann rufen die Kunden an, oder? Exakt, exakt.

Speaker1: Na ja, also es ist 'n krasser Markt momentan und man muss festhalten, die Firmen bewerben sich momentan bei den guten Mitarbeitern. Ja. Also das ist vielleicht noch mal was anderes in anderen Branchen, aber in dem Bereich, wo wir unterwegs sind, Softwareentwicklung, Data Science, also das ist ganz klar 'n Markt, der wird von den Arbeitnehmer

Speaker0: Ja, generell ist grad der Trend, ne? Überall fehlen Bei fast Kräfte. Ob's jetzt Kellner sind oder Data Scientists, also überall hast Du, glaub ich, mehr Stellen als als Leute.

Speaker1: Definitiv. Und na ja, also was passiert? Eine Firma identifiziert identifiziert 'n Bedarf, wie auch immer das dann in 'ner konkreten Firma abläuft. Dann wird eine Stellenausschreibung häufig formuliert, irgendein random PDF zusammengeklopft und auf Xing veröffentlicht oder an 'nem schwarzen Brett im Dorf mit der Hoffnung, dass sich Leute melden. So zumindest

Speaker0: sehe ich den Prozess nur sehr häufig bei Firmen. Ich erinner mich noch dunkel an so was wie die Stellenanzeigen in der Süddeutschen oder so was. Weiß nicht, gibt's das heute noch? Bestimmt. Ich hab sogar damals auch noch nach WGs gesucht.

Speaker1: Das gibt's ganz bestimmt noch und ist schweineteuer. Und am Ende findet man aber damit vor allem eben bei diesen hochqualifizierten Jobs gar nicht einmal die Leute, die man die man sucht, also weil ja der Standard ist, dass die Leute, die man sucht, die haben Die haben den Job, ganz genau. Ja, ja, ganz genau, ganz genau. Also das ist ganz, vor allem in der IT Welt, ne, dieses the good people

Speaker0: unever out of work so. Mhm. Du hattest doch früher auch einen Coach eingetrichtert und ja, Du musst da so raus und die finden und dann aktiv ansprechen.

Speaker1: Und das ist vielleicht tatsächlich so das übergeordnete Motto, also auch wir bei Ihrem oder wenn wenn ich recruiter, das ist son richtig harter Vertriebsprozess. Das heißt Genau, also ich sag dir, wir brauchen einen Senior Backend Entwickler. Genau und dann geh ich auf die Reise und versuche, die Firma an Senior Backend Entwickler zu verkaufen. Und vorher musst Du überhaupt die Kandidaten finden? Ja, ja, richtig, genau, genau, genau. Und und das ist sozusagen Teil des Prozesses und also nur da ein Beispiel zu geben, ich geh da sehr, sehr tief ins Detail. Ich schau mir die Leute an, was posten die, was haben die für Code auf GitHub? Haben die vielleicht 'n Blog privat? Wir hatten mal 'n Kandidaten in der Pipeline in Österreich, der hatte einen Blog über Pizzabacken. Ich hab mir den seinen Pizzabuck Blog angeguckt und hab darüber Connect. Also nur mal, den Zuhörern schon mal 'n Gefühl dafür zu geben, wie krass ich da in den Prozess reingeh, überhaupt eine Chance den angeschrieben Ja, richtig. Das war die Vorarbeit für quasi die Cold-E-Mail, weil ich ich muss halt mich irgendwie gegenüber 'nem BMW durchsetzen oder 'nem Audi oder 'nem anderen Konzern, der einfach vieles bieten kann, was 'n Start-up nicht bieten kann. So. Mit dem Primer, lass uns aber vielleicht nur direkt in den in den Einzelprozess reingehen. Gern. Normalerweise habe ich eine Bedarfsmeldung in der Firma drin. Das heißt, ich hab 'n Prozess definiert wie eine E-Mail. Ich schick als in deinem Fall CTO eine E-Mail an die HR Abteilung, hey, ich bräuchte jemanden mit dem und dem und dem Profil. Wenn ich mir den Prozess anschaue, E-Mail schreiben, wie siehst Du das? Ist das für dich der der optimale Workflow? Inwiefern kannst Du dir vorstellen, dass man da vielleicht auch 'n Chatbot mit reinnimmt, der ja über generative KI befeuert wird? Was ist für dich da so der der optimale Workflow?

Speaker0: Ja, eine Teams Message wär leichter,

Speaker1: ne. Ah, okay. Ach so, also wirklich so weit gedacht von der Integration. Am liebsten wird's quasi 'n Teams Channel haben, wo Du reinpostest, okay, krass, ich brauch hier mehr Power im Backend. Ja, wobei ich da, glaub ich, relativ flexibel wär. Also ich kenn mir verschiedenste,

Speaker0: es sollte halt nicht zu kompliziert sein vom Prozess und man sollte halt relativ sich darauf fokussieren können, was man braucht. Da geht auch eine E-Mail, also

Speaker1: Was ich spannend fand, war, den ganzen Spieß dann noch mal umzudrehen. Das haben wir uns tatsächlich abgeguckt von so Profiling Firmen Mhm. Die die die Teams durchleuchten und sich anschauen, nicht nur, wie sind so die fachlichen Skills, sondern auch, wie ist die Persönlichkeitsstruktur von dem Team gestrickt? Und das haben wir noch nicht konkret ausprobiert, aber das würde ich mal gern durchziehen, dass wir bei 1 Firma schauen, wie ist das Skill Set aufgesetzt und was für Kompetenzen fehlen in dem Team. Und eben, wie gesagt, nicht nur vom fachlichen Skill Set, sondern auch vom Skill Set der Soft Skills, ja? Also hab ich Ja. Irgendwie nur lauter Alphapersönlichkeiten

Speaker0: im Team, Schlechte Idee. Ja, das ist immer son bisschen der die die der schwierige die schwierige Metrik, ne? Also ist das Team jetzt gerade Das ist auch son bisschen die Unknown Unknown Unknown Unknowns, also sowohl von Soft- als auch Hard Skills ist das Team eine runde Geschichte. Und das ist gar nicht so leicht zu identifizieren, wenn man schon drinsteckt. Mhm. Also das ist ja häufig dann so diese Dienstleistung von, sei es KI gestützt oder durch Erfahrung von externen Beratern. Aber weil wir grad auch noch bei der Bedarfsmeldung waren, also etwas, ich meine, für mich jetzt als CTO, ich ich glaub, krieg das schon mittlerweile hin, dir zu sagen, was ich brauch. Was aber was ich mir gut vorstellen, was vorstellen kann, was in 'ner typischen Firma abläuft, ist, dass diese Bedarfsmeldung nicht genau genug ist. Und dann muss 'n Pingpong beginnen, dass die HR Abteilung vielleicht Rückfragen stellt, na ja, aber was genau meinst Du denn hier und hier und hier? Und vielleicht auch noch eine was mit welcher Dringlichkeit und und und ja, lauter solche Sachen. Das heißt, die Vollständigkeit der Bedarfmeldung, die kann zum Beispiel 'n Sprachmodell wunderbar abgrenzen. Ja. Und da da sprichst Du 2 Dinge an. Und zwar erstens, wenn ich mit so Recruitingagenturen

Speaker1: zu tun hatte in der Vergangenheit, was mich immer genervt hat, ist, dass die keine Ahnung davon haben, was der Unterschied zwischen einem Statistiker und dem Frequentisten ist. Also das ist schon sehr tief im Detail, ja? Okay. Aber dass dann auch nicht klar war, was ist der Unterschied zwischen Webtechnologien? Also ist das eher 'n Entwickler, der in node j s zu Hause ist oder jemand, der in den Microsoft Frameworks mit dotnet zu Hause ist und EUda?

Speaker0: Ja, weil so die, sobald's

Speaker1: deep tech wird, hat man bei den Recruiter häufig oder den Headhunter dann, da kriegst Du halt dann einfach die die die Shotgun zurück. Genau, exakt. Und und da kann mich halt 'n Sprachmodell echt noch mal besser an der Hand nehmen und genau rückfragen, ja, hey, come on, das war jetzt nicht spezifisch genug. Welche Backend Skills suchst Du genau?

Speaker0: Ja, oder falls Du's vielleicht auch selber nicht genau weißt, nimmst Nehmen wir mal an, Du stellst den ersten Backend Entwickler ein. Mhm. Was weiß ich, welche Sprachen der dann können muss. Ja. Ich hab ja noch keinen, der mir sagen kann. Das heißt, da kann ich 'n bisschen Ping Pong mit 'nem Sprachmodell und vielleicht erst mal in Laienworten erklären, was ich brauche. Das kann dann daraus Mhm. Also ein ChatGPT kann mir dann sicher daraus ableiten, welche Skills ich etwa haben will und dann hab ich meine konkrete Bedarfsmeldung. Das hätte die HR Abteilung nicht leisten können, weil die weiß ja auch nicht mehr über Backend Entbindung als ich. Das ist was, wenn man wenn man was ausm Boden stampft, gell? Also wenn wenn es nur so komplett unklar ist, wenn ich Ja, wie haben wir den ersten Webentwickler besetzt in der Firma? Da war auch viel Trust einfach dann dabei in all die Person an sich, ne. Fühlt man sich mit dieser Person wohl. Ja. Und ab dem zweiten Dritten hat man dann eine Validierung links und rechts. Genau, genau. Genau. Und wir hatten ja mit 'ner Agentur zusammengearbeitet,

Speaker1: die uns in der Webentwicklung unterstützt hatte, wo wir da noch gar nichts hatten. Ja. Und die Rolle könnte jetzt oder kann 'n Sprachmodell ohne Konjunktiv. Die die Rolle kann 'n Sprachmodell einnehmen. Und 'n zweiter Punkt, den ich vorhin noch anbringen wollte, das ist das Thema, die Frage, welche Rolle suche ich? Das ist ja eigentlich Schritt 2, ja. Also an an erster Stelle steht ja, welche Skills suche ich? Mhm. Ja, und und und dort auch noch mal erst mal 'n Zwischenschritt einzulegen, nicht sofort reinzugehen, zu sagen, ja klar, wir brauchen hier 'n Senior Data Scientist oder wir brauchen einen Frontend Entwickler, sondern nach welchen Skills suchst Du? Sei es Projektmanagement oder Webtechnologie oder egal welche Technologie? Ja, okay, mit der Frage begonnen, was fehlt. Ja. Genau, genau. Was würde,

Speaker0: was bräuchte ich, als Teamabteilung, was auch immer produktiver zu sein? Und dann sich halt zu dieser konkreten Bedarf nach Skillset und Position vorsorgen. Ich glaub, da haben wir jetzt gut etabliert, wie dein Sprachmodell helfen kann. Also wir haben jetzt Dann haben wir einen Kanal, sagen wir, ob E-Mail, Teamschat, ist ja eigentlich auch egal. Ja, das ist Wir haben dann irgend einen einen einen Im Prinzip ein Die Liste der offenen Stellen oder die zumindest die Liste der offenen Skills. Skills, genau. Skills, genau. Aus denen dann noch die Liste der offenen Stellen werden kann. Warum? Weil wie merkt, man merkt vielleicht, Abteilung a braucht irgendwie hin und wieder mal jemand mit Data Analytics Skills, Abteilung b auch und dann kann auch wieder ein Sprachmodell diese Bedarfe nach den also nach Personen schneiden, ne. Also sagen wir mal, 2 Abteilungen können sich ja auch eine Person teilen für 'n bestimmtes Skillset. Oder es kann jemand sein, der eigentlich in Frontend Entwicklung zu Hause ist, aber als, sag ich mal, hat, lauter solche Sachen oder jemand, der einen Zwitter zwischen Projektmanager und und Tester ist oder so was. Ja, da solche solche Dinge kann man schneiden anhand der Bedarfe, wenn die Bedarfe auch gut formuliert sind, dass man halt auch weiß, wie viel ist das? Nur Vollzeit, 'n Vollzeitbedarf, 'n Halbzeitbedarf und so weiter, sodass man dann von der Liste der offenen Skills oder einfach der Liste der Bedarfe zu noch nicht den Stellenausschreibungen, da fehlt uns jetzt noch eine Zutat, aber noch aber zu denen, sag ich mal,

Speaker1: Personas kommt, die man gerne rekrutieren möchte. Ja. Ich ich hab da das Bild von wie sonem im Kopf, ja. Und diese einzelnen Puzzlestücke können von einzelnen Persönlichkeiten abgedeckt werden, also einzelne Persönlichkeiten. Deckt mehrere ab. Genau. Aber man findet halt nicht jede Kombination da draußen in der Welt. Richtig. Und sollte halt eher das ausschreiben,

Speaker0: was auch üblicherweise gemeinsam vorkommt. Ja, und was halt auch noch Sinn macht von der Last, ne. Also Du kannst jetzt die eierlegende Wollmilchsau einstellen, aber der hat halt auch nur 24 Stunden nach dem Tisch. Genau, genau. Und na ja, aber damit Du zu 'ner Stellenausschreibung kommst, das ist ja dann ein Text und dieser Text, da haben wir ja vorhin noch vorhin besprochen, der muss ja den Menschen dann auch ansprechen. Das heißt, Du Wie Du es formuliert hast, Du bewirbst Du Du verkaufst die Firma an den Kandidaten. Diesen dieser Spirit, der soll ja schon in der Stellenausschreibung sein. Wir haben das Mhm. In der Vergangenheit so gemacht, wir haben bereits inhouse existierenden Data Scientist gefragt, hey, wirklich diese Stellenanschreibung Ausschreibung ansprechen? Ja, nein, vielleicht, ne, und dann daraus arbeiten, sie dann für außen darzustellen. Das kann natürlich auch 'n Sprachmodell gut machen. Und damit das Ganze dann aber ehrlich ist und sinnvoll muss da natürlich die zusätzliche Info, was hat die Firma an Perks, an Kultur, an Umgebung, an Vorgehensweisen, an Arbeitsaltagen? Das muss man dann alles als Kontext bereitstellen, damit es dann die richtigen Dinge rausschneiden kann und attraktiv formulieren kann. Und das kann ein Sprachmodell für Personen ABC. Und da sind einfach Unterschiede, ja? Ich meine, den den typischen Techgy interessiert der Dienstwagen weit weniger als die Freiheit, der wie er sich persönlich weiterentwickeln kann in seinen Skills oder die ihren Oder dass der Arbeitsalltag nicht zu stressig ist. Und die den typischen Klischee Vertriebler, den das wahrscheinlich will, der will wahrscheinlich wissen, wie viel Zylinder hat der Dienstag gehabt,

Speaker1: dievertreibers. Wie viel wie viel bin ich unterwegs, ne, na klar, ja. Aber 'n 'n Beispiel, das da aufgekommen ist damals, als wir intern die Schleife gedreht haben. Ich wär da ja nie auf die Idee gekommen. Bei uns intern haben die Mitarbeiter ja Admin Zugriff auf ihre Laptops. Und man kann sich's auch aussuchen, welchen Laptop man haben möchte, also auch egal ob Windows oder Ja. Ubuntu, Yunyx oder halt 'n Mac. Und die Previewgeberin damals, die meinte so, ja, ich hab vorher in 'nem Job gearbeitet, ich hatte halt nur User Access und versuch mal, 'n Python Environment aufzusetzen, Docker auf deinem Laptop aufzusetzen und und und und. Mhm. Wenn Du immer zum Admin laufen musst und Ja, das ist ja für 'nem Tech King 'n echter Frust. Ja, richtig. Und 'n Kündigungsgrund.

Speaker0: Ja, für den Marketingmenschen.

Speaker1: Ja, egal. So, dann hab ich, jetzt wollen wir mal von meinem mentalen Bild, sone Referenzausschreibung für eine konkrete Stelle abgeleitet. Ja. Wie geht's jetzt weiter? Also ich hab ja 2 große Streams, einmal dieses passive Sourcing, das heißt, ich poste die Stelle irgendwo und und hoffe, dass sich jemand bewirbt und den aktiven Stream, dass ich mich

Speaker0: aktiv eben bei jemandem bewerbe. Genau, diese Stellenausschreibung, die kann sowohl, sag ich mal, als Gesprächsvorlage für das aktive Fischen gehen als auch für einfach an die Wand heften, ne? Das ist erst mal da die Grundlage für Dann haben wir natürlich da so die Klassiker, dass dass auf die eigene Career Page geht. Das der der Website dann LinkedIn, Xing und so weiter. Und da haben wir schon die ersten Requirements. Das sind ja bestimmte Zeichenlimitierungen und bestimmte Arten und Weisen, wie das formuliert sein muss, vielleicht attraktiver oder oder zumindest suchbarer und findbarer zu sein. Ja, da hast Du wieder SEO Optimierung drin, was Du da Genau, die die Search Engine Optimization, das kannst Du dann alles wieder mitm Sprachmodell aus diesem initialen Stellenausschreibungstext ableiten. Das sind quasi wie Umformatierungen des Ganzen, sie dann eben, ja, bei den verschiedenen Plattformen und auf der eigenen Website zu posten. Andere Kanäle werden verteilt unter den Mitarbeitern, da könnt man's auch wieder 'n bisschen umformulieren. Da könnte man vielleicht auch Richtung Mitarbeiter Incentives gehen oder man hängt's halt an den Bei den Unis oder so weiter auf. Also da da hat man dann viele viele verschiedene Möglichkeiten, aber letztendlich gibt es verschiedenste passive Kanäle, schwarzes Brett, Süddeutsche Zeitung und so weiter, ne. Abreißzettel an der Ampel, I don't know, ist jetzt nicht ernst gemeint, aber für jedes davon würd ich's ein bisschen anders formulieren

Speaker1: und das ist doch super, lass das Sprachmodell das machen. Mhm, mhm. Aber da sprichst Du was was Cooles an. Und zwar, wir hatten auch schon mal das Abreißzettelmodell, nämlich für Stellen, wo sich heut Leute ganz konkret bei bei in oder in der Gegend von Kitas rumtreiben, ja? Wir haben halt eine Teilzeitstelle gesucht. Stimmt, ja. Ja, und dann haben wir mal ausprobiert, ist das vielleicht 'n Kanal, der gut sieht? Und und noch was find ich grad spannend, und zwar bei den Formulierungen der Stelle. Also das ist ja eher 'n Hardcore kognitiver Prozess, wo ich mich unterstützen lassen kann von dem Sprachmodell, erst mal auch rauszufinden, was ich haben möchte. Und jetzt dieses Texteschreiben ist son fett mechanischer Prozess, ja? Also nur weil LinkedIn hier 3 Felder hat, die ich ausfüllen muss und Xing hat vielleicht

Speaker0: nur 2, aber halt quasi andere Schnittmengen des Inhalts. Genau. Ja, toll, da wär ich jetzt nicht irgendwie 'n Nobelpreis für die Leistung bekommen, aber das Sprachmodell, das rattert das einfach runter. Ja, musst Du halt einmal festlegen, die Schablonen und dann kannst Du's immer durchlaufen lassen. Das Ja. Spart dann echt eine Menge Zeit. Genau, und das sind im Prinzip diese die passiven, das passive Sourcing, ne. Dann hast Du jetzt deine Stellenanzeige verteilt an den verschiedenen Orten. Springen wir jetzt mal vielleicht in den aktiven Teil, ja. Mhm, mhm. Also wie kann ich überhaupt aktiv Leute finden? Also heutzutage, klar, typischer Startpunkt wäre sone LinkedIn Suche. Und ich weiß nicht, die von euch da draußen, die sich vielleicht schon mal diese mit 'nem Pro Account oder so was, diese Heißt das dann auch Recruiting Suche oder oder ist das die Sales Navigator Suche? Ich weiß grad nicht, aber jedenfalls die erweiterte Suche, die hat elendiglich viele Felder. Mhm. Und teilweise kommt's ja auch auf Sachen an, wo Du denkst, ja komm, das ist doch jetzt klar, dass dasselbe gemeint ist. Was war das Beispiel mit Angela und Angela J s oder Angela mit 'ner Versionsnummer? Wenn ich einen Angela Entwickler suche, dann ist mir auch egal, ob in dessen Profil Angela JS, Angela 14, Angela 13, da kriegt das schon auch die andere Version noch hin. Da aber die da sind die Filter bei LinkedIn dann manchmal zu streng. Und dann da kann wieder ein Sprachmodell, wenn ich vielleicht auch einmal 'n bisschen LinkedIn Regeln den quasi erklär in in 'nem Extrakontext, dann kann mir das da gute Suchmasken halt aus diesem Feld ausspucken und dann entweder direkt per API oder ich oder ich copy paste das halt, aber ich muss mir dann nicht selber zerbrechen aus dieser aus dem Master PDF, sag ich mal, wie füll ich jetzt diese Suche aus? Sondern ist Ja. Zack, zack, zack und ist halt dann drin. Ich hab da für unsere Kunden

Speaker1: ein 1 Best Practice Template gebaut, weil nur noch 'n weiteres Beispiel zu geben, Du auch aufpassen musst bezüglich Geografie, so was wie Metropolregion München und München. Das eine ist nicht die Übermenge des anderen. Das ist total crazy. Ja, ja, genau. Ja. Und für für manche Profile sind sie da einfach mehrere Suchanfragen, also mehrere Kombinatoriken, die Du gleichzeitig durchspielst. Und dann nimmst Du halt die Vereinigungsmenge aller Suchergebnisse oder aller Kandidaten in den Suchergebnissen. Und das ist dann sozusagen die, mit der ich mich aufm Weg mach.

Speaker0: Genau. Und dann, was also grad für Tech Recruiting immer wieder interessant ist, sind einfach so Absolventenlisten. Also die gibt's ja bei vielen Unis oder so was, da findest Du einfach, hey, in diesem Jahrgang, in dem Studiengang sind die und die Leute fertig geworden. Dann kann man diese Leute wiederum, auch wieder bei LinkedIn oder irgendein Social Media, wo man mit Klarnamen Leute findet, letztendlich dann auch anschauen. Mhm. Ja, absolut.

Speaker1: Also häufig steht in so Absolventenbüchern ja auch die die E-Mail-Adresse drin. Also weil Absolventen wollen ja auch angeschrieben werden, irgendwo dann weiterzukommen, ja, ist ja ganz klar.

Speaker0: Und das merge ich dann letztendlich und hab eine 1. Kandidatenliste. Und also falls es nicht auch schon vorher klar war, aber jetzt, spätestens jetzt kommt noch mal 'n, ja? Also das ist nicht alles voll automatisiert, das ist immer Ja. Assistenz

Speaker1: für den Recruiter. Ja, tatsächlich, genau, absolut. Alles, was wir bis jetzt beschrieben haben, beziehungsweise ich arbeite als Mensch mich durch den Prozess und werd halt unterstützt. Nur eine, ich hab noch ein 1 Idee, hätt mich mal interessiert, ob Du das eher Richtung aktives oder passives Sourcing siehst. Ja, ja. Und zwar, die die die die Fragen, die man haben kann, die sind ja deutlich umfangreicher, also als Bewerber, als das, was ich in eine Jobbeschreibung reinposten kann. Ja. Und was wir auch schon mal gebaut haben, das ist 'n Chatbot, der einfach nur Fragen zur Firma beantwortet. Ja, kann man machen. Ja, klar. Nee, weil weil die Firma, die hatte halt über interne FAQs und auch so was wie, ja, wir haben eine Kuchenliste und jeden Freitag bringen die mir Kuchen mit, ja? Und dann dann weiß das Sprachmodell, ah okay, in der Firma gibt's halt auch, dass dass einfach mal sich zusammengesessen wird und am Freitag wird Kuchen gegessen. Und wenn ich jetzt als Mitarbeiter die Frage hab, hey, wie sieht 'n das eigentlich aus mit Remote Work, ja? Also wie was ist die genaue Policy? Nicht nur so, ja klar, sind wir hybrid, ja, das sagt jeder. Aber wie sieht's genau aus? Oder wie viele Leute sind denn so üblicherweise im Büro tatsächlich da, ja, weil ich vielleicht den Austausch brauch, wenn ich kreativ arbeite. Ja. Dann kann mir son Chatbot da ganz granular die Antwort geben und ist irgendwie sone Mischung, oder? Weil ich schreib jetzt zwar nicht direkt Leute an, aber es ist auch nicht so Spray and prey.

Speaker0: Ja, beziehungsweise Du kannst das halt als einfach Link bei diesen Grad bei der passiven Also ich seh das dann eher als den den passiven Teil, weil die Leute müssen ja auf den Link zum Chatbot klicken. Und wenn Du das über 'n aktiven Teil machst, dann bist Du doch schon vorher mit ihnen in der Kommunikation, dann fragen sie doch dich. Aus der Recht. Es sei denn, sie sind halt techies und wollen mal sehen, hey, wie wie implementiert 'n diese Firma einen Chatbot? Ja, genau, aber

Speaker1: Aber Ja, das ist eher passiv, ne, weil aktiv dann damit sagen, ja, hier sprich mit meinem

Speaker0: virtuellen Bot. Genau, das ist dann son bisschen, okay, Du bist jetzt auf der b-Liste. Genau, aber also die Kandidatenliste wird. Da kann man dann auch noch mal mit mit Sachen wie Phantombuster, wenn wir von LinkedIn reden, ja auch noch mal mehr Infos kabbelarisch aus der Suche rausziehen. Und dann kann man zum Beispiel auch gleich wieder, wobei da Da kommen wir auch später dazu, ob man das will, aber da kann man dann gleich wieder 'n Sprachmodell für eine 1. Sortierung nach quasi wie gut passen Sie zu der Stelle, weil es ist ja nie 'n 100 Prozent Match. Es ist immer sone Abwägung. Der kann das nicht, dafür kann er was anderes schon et cetera p p. Das heißt, man könnte da sone Vorpriorisierung machen automatisch, wenn man das will. Oder man macht halt ab diesem Zeitpunkt manuell eine Shortlist, aber dann geht's ja in die persönliche Ansprache. Und ja, da geht man vielleicht nicht immer gerne zu, aber das ist schon nützlich, wenn man sich da von 'nem Sprachmodell diese persönliche Ansprache mitformulieren lässt. Weil ich meine, wenn Du jetzt 20 Kandidaten anschreibst, dass Du jedes Mal 'n originellen Text selber schreibst, Du wirst entweder Copypasten anfangen, hey, oder nimm halt 'n Sprachmodell, was son bisschen Individualität in das Ganze reinbringt, basierend auf dem, was der Kandidat halt über sich selbst geschrieben, gepostet hat.

Speaker1: Ja, richtig. Und da seh ich den spannenden Punkt jetzt nicht, dass man irgendwie zwanghaft heiße Luft produziert, sondern dass man Anknüpfungspunkte findet. Also angenommen, Du Du findest in dem Profil von 'nem 'nem spannenden Kandidaten oder Kandidatin, dass sie sich für Hackathons interessiert und dass das total toll ist, damit teilzunehmen. Und Du hast halt zufällig bei dir in der Firma genau 'n Hackathon am Laufen, da hast Du halt gleich 'n Element, wo Du connecten kannst. Und das zu finden, ist halt erst mal früher zumindest manuelle Arbeit, hast Du das richtige Template dafür, dann geht es halt automatisch und auch diese Vorauswahl, das noch mal vielleicht ein bissel da die die Schärfe rauszunehmen. Also für mich ist da extrem nützlich, auch nur eine Kategorisierung vornehmen zu lassen. Also angenommen, Du suchst 'n Junior. Ja. Es gibt die Junior, die haben schon einen Job, aber sind halt erst eine Jahr oder 'n halbes Jahr dabei. Die schreib ich genauso an wie die Absolventen, aber die kriegen unterschiedlichen Text. Ja. Ja, und dass ich die 1 erst im a bearbeite und dann die anderen in b, das alleine auseinanderzusortieren, das ist jetzt nur keine harte Diskriminierung, also im Sinne der Das stimmt.

Speaker0: Unterscheidung, ne. Das stimmt. Gleichzeitig bei der

Speaker1: Ja, jetzt hab ich den Faden verloren. Machen wir weiter. Ja. Ja, wie geht's denn weiter? Jetzt lassen wir durchdenken. Also ich hab die Leute angeschrieben, ja, oder bin mit denen im Gespräch. Jetzt hab ich die Korrespondenz, da unterstützt mich 'n Sprachmodell, E-Mails formulieren, Pipapo.

Speaker0: Genau, so diese dieses wie die wie die tollere Rechtschreibhilfe, sagen wir mal so. Genau, genau, genau. Jetzt will ich ja eine Metrik finden, wie die Kandidaten so skilltechnisch aufgestellt sind. Und was wir uns in der Vergangenheit ja auch häufiger haben, aber das geht nur für die Bereiche, in denen wir selber auch Ahnung haben, sind Tests. Also bei Data Science konnten wir das natürlich schön machen. Da haben wir den Leuten halt eine Aufgabe gestellt, die man so in 'ner Stunde coden kann und haben halt geschaut, was ist deren Ansatz? Und das war megaspannend, das zu sehen. Ja. Und wenn man jetzt was einstellt, wo man selber noch nicht drin promoviert hat, dann ist das halt 'n bisschen schwieriger. Aber man kann sich ja grundlegende Eignungstests, man kann die sich eher googeln oder eben auch von einem Sprachmodell halt einfach mal erstellen lassen, damit sie 'n bisschen individueller sind, damit nicht der Kandidat die Lösung auch gleich googelt. Ja und vor allem Kombination

Speaker1: verschiedenen Skills kannst Du ja super abtesten. Und

Speaker0: da lernt man dann sehr viel draus. Also ich mir Man muss jetzt ja noch gar nicht das Ergebnis gleich von einem Sprachmodell bewerten lassen, weil wir haben ja grad schon angesprochen, das wird 'n bisschen heikel. Aber allein man Selbst wenn ich selber die Aufgabe nicht hätte stellen können und die Lösung nicht hundertprozentig verstehe, merke ich, wie der Kandidat tickt. Ja. Und das ist 'n wahnsinnig wertvoller Datenpunkt.

Speaker1: Ja und auch da, also allein die der Effizienzgewinn, dass ich sone Challenge nicht ausformulieren muss. Ja. Allein ist es schon nicht zu unterschätzen. Selbst wenn Du's Selbst wenn ich mich auskenne, ja, genau, ganz genau. Ja, dann bin ich in meinem Review Cycle, auch dort also aus meiner Sicht Best Practice, ein guter Auswahlprozess ist 'n kurzer Auswahlprozess. Ich find das 'n Unding, wenn son Auswahlprozess 24 Steps hat. Also da möcht ich ja eigentlich so wenige Aufgaben wie möglich stellen und

Speaker0: na ja. Bist Du kein Fan von Assessment Center 1, Recall,

Speaker1: Assessment Center 2 in 'ner anderen Stadt? Na ja, Du, ganz ehrlich, gerne Assessment Center, aber wenn wenn ich's nachm nachm spätestens Zweiten nicht weiß, also dann dann dann dann stimmt an meinem Prozess irgendwas nicht. Denk ich auch.

Speaker0: Ja. Ja, okay. Wir haben jetzt also dann mindestens mal eine Short Shortlist der Kandidaten erstellt über die die Suche richtig in diese Korrespondenz. Da vereinen sich auch wieder bei den Streams passiv und aktiv. Das ist dann eigentlich ab diesem Zeitpunkt dann auch egal. Mhm. Ich hab jetzt da eine Liste von Kandidaten, dann hab ich diese Tests, mit denen ich meinen ersten Informationsdatenpunkt finde. Dann hab ich natürlich die persönliche Korrespondenz, Interview und so weiter. Ja, und dann entscheide ich mich halt für den Kandidaten auf Basis der letztendlich entstandenen Interaktionen. Na ja, und dann gibt's ja noch das Schöne mit Arbeitsvertrag Mhm. Ausformulieren. Und da ist vielleicht auch, weiß nicht, wie das die allgemeine Wahrnehmung ist, aber das ist auch nicht immer eine Schablone 1 zu 1, grad heutzutage, wo der Arbeitnehmer möchte gern dreieinhalb Tage die Woche arbeiten, die andere 5 Tage. Dann gibt's verschiedene Positionslevels. Gibt's vielleicht eine Bereitschaft, Rufbereitschaft oder nicht? Also je nachdem, was die für Aufgaben haben. Und da gibt's dann meistens irgendwie schon Schablonen, die man für seinen Arbeitsvertrag hat, aber es ist halt auch immer wieder 'n bisschen Arbeit, das dann wirklich zusammenzustecken, Konsistenz zu checken, richtig zu gegenzulesen und nicht, dass dann irgendwo in einem Absatz noch der Name des letzten Kandidaten stand. Ja gut, das ist das ist super Gau.

Speaker1: Aber aber ich denk da in folgende Richtung, und zwar, Erstellen 1 Vertrags ist ja so der der Klassiker des Vorschlag kommt von KI, Validierung kommt von Anwalt Ja. Und Anwalt gleich teuer. Ja, ja. Und ich möchte möglichst wenig Schleifen drehen. Ja. Und ich erinner mich noch gut, wir haben mit 'ner Einstellung in Österreich, wir haben extra eine Steueranwaltskanzlei in Österreich engagiert und hatten dann aber die Situation, na ja, wir haben halt in der Verhandlung mit dem mit dem Arbeitnehmer, haben da alles toll durchdiskutiert, wir waren uns einige und dann sagt die Kanzlei, ja, nee, nee, nee, nee, ja? Ihr habt's da was übersehen, nämlich dreizehntes und vierzehntes Monatsgehalt, das ist hier Pflicht. Okay, so, also wieder zurück und noch mal von vorne. Und so was hätten wir uns einfach sparen können, wenn wir gesagt hätten, okay, hey, schau mal hier bitte, 4 ist der Vertrag rechtskonform Österreich, ja. Und klar nehm ich das nicht als hinreichend, dass es dann passt, aber es ist zumindest mal ein Precheck, Kosten zu sparen.

Speaker0: Genau, ich meine, jetzt 'n BMW, der wird da sicher seine Landestemplates haben, die alle supersafe sind, aber für eine normale Firma, eine kleinere Firma, da ist das echt dann einfach, das Spaß zu Zeit und Geld. Ich ich denk mal, eine Firma mit 100 Mitarbeiter,

Speaker1: wer von den Firmen mit so viel Mitarbeitern hat eine komplette HR Abteilung? Richtig. Hä?

Speaker0: Hier, ich mein, wir kennen ja Firmen, die, sagen wir mal, 50 bis 100 Mitarbeiter haben. Da ist HR letztendlich immer noch der 1 der Geschäftsführer. Ja, logo. Mehr oder weniger in in in Einzelperson.

Speaker1: Mhm. Mhm.

Speaker0: Weil's sich so schwierig delegieren lässt, weil die die 'N guter HRler, der der muss was draufhaben. Diesen diesen Prozess, den wir grad geschildert zu haben, das alles zu machen und also sinnvoll zu bedienen, ohne in soner Position zu sein wie 'n Geschäftsführer, der wirklich die die Firmenstrategie und der 'n weiten Überblick hat. Das ist nicht so trivial. Da brauchst Du echt jemanden, der der tief in verschiedenster Sachen mitdenkt und das ist auch für sone HR Abteilung dann durchaus eine Herausforderung.

Speaker1: Mhm. Erstens des, beziehungsweise wenn ich eben jetzt an sone Firma denke, die jetzt noch nicht die 10000 Mitarbeitermarke geknackt hat, ich bin ja als Unternehmer nicht nur dafür verantwortlich, dass am Ende die fachlichen Skills zusammenpassen, sondern Du baust ja 'n Team. Genau. Und 'n Team besteht aus Menschen. Das heißt, Du musst ja bis zu 'nem gewissen Grad das auch Chefsache lassen. Genau. Und dich dann aber immerhin so effizient zu machen mit den richtigen Tools, dass Du es neben deinen anderen Aufgaben noch stemmen kannst. Richtig. Das ist ja dann eigentlich der Way to go. Was ist die Alternative? Du delegierst es an irgendeinen externen Dienstleister, 'n Headhunter, der nicht versteht, was Du brauchst und 'n Arsch voll Geld kostet? Das ist ja ja, ist nicht die Lösung. Genau. Also das heißt, diese Automatisierungsvorschläge,

Speaker0: die wir grad Oder diese Beschleunigungsvorschläge, vorschläge, die die richten sich am ehesten eigentlich an sonen Recruitingprozess, wo das Recruiting noch viel Chefsache ist. Mhm. Weil da ist es einfach 'n Bottleneck Richtig. Und muss beschleunigt werden und kann auch beschleunigt werden.

Speaker1: So, jetzt kommen wir mal zu den Einschränkungen, die's in dem Prozess gibt Maxime, weil wir jetzt hier maximal den den den

Speaker0: Vorteil vom Himmel gelobt haben. Also wir wir haben ja da einiges mal einfach so vorausgesetzt, also beispielsweise, dass die Perks und Firmenkultur irgendwo verschriftlich ist. Morgen Andy Gramm, ja genau. Welcher Andy Gramm, damit ich die damit ich dir sinnvolle Positionsbeschreibung generieren kann. Wir hatten diese Templates für LinkedIn und für die LinkedIn Suche oder auch für Xing und so was musst Du auch einmal erstellen. Das ist jetzt vielleicht nicht firmenspezifisch, aber es fällt halt auch nicht vom Himmel. Oder man kann uns fragen. Ja, wir wir haben die jetzt schon mal gemacht, das stimmt. Und vorhin hatten wir auch mit der persönlichen Ansprache, ja, da möcht ich ja auch irgendwie eine Stilvorlage, muss ich da son bisschen entwickeln, damit das authentisch ist, wie meine Firma. Also ich muss schon 'n bisschen in die Grundlagen investieren und diesen Prozess aufzusetzen. Wenn ich das nicht hab, dann ist es zu generisch. Mhm. Ja, das stimmt.

Speaker1: Thema Datenschutz muss man einmal 'n Haken dahinter kriegen, entweder On Premise Modelle oder halt zertifizierte Anbieter. Aber ich hab da grad keine Lust, das Buch noch mal voll aufzuschlagen.

Speaker0: Ja, wobei man muss auch sagen, dass man relativ gut bis zu der Kandidatenliste Ja. Also die LinkedIn Suche, das Ja, stimmt. Stellen der Stellenausschreibung, das ist einfach unkritisch. Stimmt. Erst auch da, wo wo da Eigennamen stehen, wird's wirklich schwierig und da ist schon so viel gewonnen. Wenn ich diese Liste hab von sinnvollen Kandidaten und selbst die Wie ist das mit der DSGVO? Wenn ich jetzt eine Liste von LinkedIn Kandidaten habe, deren Namen sind ja bei LinkedIn veröffentlicht, dann ist es, glaub ich, auch noch DSGVO konform.

Speaker1: Ich darf dann nur nicht unsere Korrespondenz an ChatGPT schicken. Genau, genau, genau. Also vor allem, wenn sich jemand bewirbt, dann musst Du nach 'ner gewissen Zeit die Daten wieder löschen. Ja, ja, oder auch seine Testergebnisse. Ja, ja, ja, ja, das ist dann alles superkritisch, aber eigentlich bis zur Kandidatenliste,

Speaker0: die auch bisschen runtergedampft ist, also fast bis zur persönlichen Ansprache, komme ich noch sehr datenschutzkonform durch. Mhm. Das andere kritische Thema, was wir ja vorher noch angesprochen haben, ist sehr, entscheidet hier die KI über Personenschicksale? Ja, muss ich vorsichtig sein, ne. Also wir sehen da ganz klar Human in the Loop, nicht nur aus rechts und moralischen Gründen, sondern auch einfach aus eigenem Interesse. So, ich würd meiner KI jetzt nicht den Recruitingprozess voll anvertrauen. Ich möchte nur, dass sie mir die Umformulierungs- und und Gruppierungen- und so weiter Arbeit abnimmt.

Speaker1: Ja, und und das ist auch nicht damit getan, dass Du sagst, ja, ja, die KI, die filtet ja nur vor und die letztliche Auswahl, die mach ich dann als Mensch. Nee. Also wenn Du vorne schon alle gebbeißt, ausortierst, die 'nem gewissen Muster entsprechen Ja. Und Du möchtest das Muster nicht appliziert haben, dann ja, bleibt für hinten auch keiner übrig. Das stimmt.

Speaker0: Wobei ich's da auch wieder, würd ich fast sagen, bis zu der Liste an Kandidaten noch relativ easy bleibt. Aber okay, kleines Caviot, bei dieser wir haben ja vorhin gesehen geschrieben über die Perks und Firmenkultur und so was. Das ist relativ schwierig, da einen Bias vernünftig zu detektieren und zu verhindern, der nicht, also beispielsweise Du schreibst es so, dass Du halt nur Männer oder nur Frauen ansprichst. Ja, ja, genau. Also nur, ich mein jetzt mehr mehrheitlich. Mhm. Das kann halt schnell passieren. Vielleicht willst Du das auch so? I don't know, so. Also an sich sollen ja Stellenausschreibungen geschlechtsneutral da sein, aber es es kann dir halt schnell passieren.

Speaker1: Ja, das ist wahr. Nichtsdestotrotz, ich möcht mit nur Einschränkungen schließen. Also ich seh, wenn ich mir den kompletten Prozess anguck, echt 'n wahnsinniges Potenzial, vor allem, weil er so schön nicht technisch ist. Also wie viele Use Cases haben wir denn, wo man mit 14 Schnittstellen zu kämpfen hat, 98 Datenbanksysteme, die Hälfte davon aus den Achtzigern mit Lochkarte, Mhm. Ja und der HR Prozess, da gibt's 'n paar Player, paar APIs Ja. Richtung HR Systeme, Richtung so was wie LinkedIn und Xing, okay, aber die Das ist alles extrem endlich, ja. Und Ja. Am Ende, also ich seh, wir kriegen nicht nur einen effizienteren Prozess, sondern wir haben ja auch 'n krassen Fachkräftemangel. Das heißt, auch gesellschaftlich gesehen tue ich mir 'n massiven Bärendienst, wenn ich die Leute, die irgendwas gut können, auf Jobs setze, die andere Fähigkeiten verlangen, ja. Also wenn das Matching nicht passt. Auf jeden Fall. Das das ja das ist ja furchtbar, ja. Und das Matching gut hinzukriegen,

Speaker0: das seh ich, das gelingt mir mit mit mit der Unterstützung über die Templates einfach deutlich besser. Ja und ich mein, wenn man's richtig macht, dann ist es da überhaupt gerechter. Also wir wir haben ja vorhin so Bias und so was angesprochen, ja klar. Ja. Da hast ihn den die KI erzeugen, aber ich doch auch. Ja, ja, ja. Im Blick's noch vielleicht versteckt dann implizierter, wenn ich Also alleine, dass dass mir die KI vielleicht hilft, einen einen diese diese Kriterien, Skill Liste zum Beispiel bei LinkedIn einfach mal ganz nüchtern zu beleuchten und nicht ich selbst, der mich durch die Profile klick und dann schon gebeißt bin von Mhm. Wo kommt der Mensch her und was hat er fürn Profilbild? Ja, ja. Das kann ich ja gar nicht abstellen. Und das ist dann auch einen Eignungstest, ja, wo ich ja für viele, für wie viele Skills, kann ich einen guten Eignungstest formulieren, der mir dann son bisschen eine objektivere Grundlage liefert. Es wird wahnsinnig viel Bauchgefühl sonst dabei sein. Selbst mit der KI wird noch viel Bauchgefühl sein, aber ich hab wenigstens einen einen einen halbwegs objektiven Einstellungstest und 'n halbwegs objektives Matching der Skillsets mit meinem Bedarf.

Speaker1: Mhm. Ich seh die Analogie wie zum autonomen Fahren. Also bauen autonom fahrende Fahrzeuge Unfälle, Logo, ja. Das wird auch immer vorkommen. Aber es gibt die die Aussage, sobald sie weniger Unfälle bauen als Menschen, musst Du wechseln, ja. Dann dann musst Du die KI fahren lassen. Und hier ist es der, ja. Basieren hier Unfälle definitiv? Bauen Menschen auch Unfälle, indem sie Bias reinbringen? Ohne Ende, ja? Also Auf jeden Fall. Ist hier noch mal deutlich einfacher.

Speaker0: Ja, aber der wichtigste Effekt ist am Ende des Tages einfach die Effizienz. Ja, das stimmt. Also wenn wie viele Firmen, grad bei den Also grad in der heutigen Zeit und grad bei den kleineren, wo wo's an ein oder 2 Personen hängt, wie viele könnten wie viel mehr reißen, wenn sie einfach nur die paar Schlüsselstellen besetzt kriegen würden? Und davon muss man halt durch diesen Prozess durch und durch und durch, möglichst viele geeignete Kandidaten zu finden und zu interviewen. Ja, absolut.

Speaker1: Maxim, voll gut. Ich denke, wir haben hier extrem viele Punkte angesprochen. Wer das jetzt sich alles angehört hat und wer da Genaueres auch mal einfach erfahren und sehen möchte, schreibt's uns gerne an. Wir haben das bei uns intern in der Verwendung. Wir haben's schon bei einigen Kunden in der Verwendung und wir teilen's auch gerne weiter. Es gibt die Möglichkeit, sich das Ganze unverbindlich anzusehen. Würd mich freuen, ihr erreicht's uns über die üblichen Kanäle, LinkedIn. Xing nicht ganz so gut oder E-Mail. Maxim, vielen Dank für den tollen Austausch und wir sehen uns in 14 Tagen. Bis dann. Bis dann. Wenn ihr uns unterstützen wollt, gebt uns eine 5 Sterne Bewertung auf Apple Podcasts, folgt uns auf Spotify und empfehlt uns weiter. Bis zum nächsten Mal bei The IRIUM Podcast.

More episodes from season 6 →