21/08/2026
150 Absagen.
Nicht, weil sie keine gute UX Designerin ist.
Sondern möglicherweise, weil Maschinen nie richtig verstanden haben, wie gut sie ist.
Ich habe ein gemeinsames Projekt mit einer arbeitssuchenden UX Designerin gestartet.
Über 150 Bewerbungen.
Über 150 Absagen.
Also haben wir uns angesehen, was vor dem Interview passiert.
CV
Anschreiben
Struktur
Formatierung
Parsing
Maschinenlesbarkeit
Und dabei wurde schnell ein Problem sichtbar:
Ihre Unterlagen waren für Menschen nachvollziehbar.
Für automatisierte Recruiting-Systeme teilweise deutlich weniger.
Und genau das sollte Geschäftsführer von Recruitingagenturen interessieren.
Denn das hier ist kein Bewerberproblem.
Das ist ein Geschäftsmodellproblem.
Recruiting läuft heute längst nicht mehr nur zwischen Recruiter und Kandidat.
Dazwischen sitzen:
ATS.
Parser.
Matching-Systeme.
Scoring-Logiken.
Automatisierungen.
KI.
Wenn Systeme Informationen aus einem CV nicht sauber erfassen, wird aus:
„passender Kandidat“
schnell:
„kein Match“.
Und niemand merkt es.
LinkedIn berichtet, dass Talent-Acquisition-Teams mit generativer KI ihren Arbeitsaufwand im Durchschnitt um 20 % reduzieren.
Recruiter mit intensiver Nutzung von AI-Assisted Messaging erzielen laut LinkedIn außerdem 9 % häufiger einen Quality Hire.
SHRM beziffert die durchschnittliche Cost-per-Hire auf 5.475 $ bei Non-Executive- und 35.879 $ bei Executive-Positionen.
Und jetzt aus Sicht einer Recruitingagentur:
70.000 € Jahresgehalt
20 % Vermittlungsfee
= 14.000 € Umsatz pro Placement
Wenn eure Prozesse nur einen geeigneten Kandidaten pro Monat übersehen, reden wir über potenziell:
168.000 € nicht realisierten Jahresumsatz.
Bei zwei Placements:
336.000 €.
Keine wissenschaftliche Prognose.
Eine simple Rechnung, die zeigt, wie teuer ein blinder Fleck im Recruiting-Funnel werden kann.
Und genau deshalb arbeiten wir den Bewerbungsprozess dieser UX Designerin neu auf:
> Unterlagen maschinenlesbar machen
> CV auf moderne Recruiting-Systeme ausrichten
> Bewerbungen intelligenter personalisieren
> KI für Recherche und Matching einsetzen
> messen, was mit der Response Rate passiert
Für mich ist das ein spannender Test:
„Was passiert, wenn ein guter Kandidat nicht länger versucht, ein altes Recruiting-System zu überleben, sondern für die Realität moderner Recruiting-Technologie optimiert wird?"
Und an die Geschäftsführer von Recruitingagenturen:
Fragt euch nicht nur:
„Wie bekommen wir mehr Kandidaten in den Funnel?“
Sondern:
„Wie viele gute Kandidaten liegen längst in unserem Funnel und unsere Systeme erkennen sie einfach nicht?“
Denn wenn eure Datenbank 50.000 Kandidaten enthält, aber eure Technologie die richtigen 500 nicht zuverlässig findet,
habt ihr keine Talent-Datenbank.
Ihr habt ein digitales Archiv.
Und Archive machen keine Placements.
Intelligente Systeme schon.
Quellen: LinkedIn Future of Recruiting Report; SHRM Benchmarking Reports
