Eine KI-gestützte Recruiting-Plattform, mit der Recruiting-Teams Stellenkriterien definieren, Kandidaten einheitlich bewerten und den Einstellungsprozess mit weniger manuellen Übergaben durchlaufen.
Die Plattform wurde für Recruiting-Teams entwickelt, die ihre Personalauswahl strukturierter gestalten wollen – mit klar definierten Anforderungen an eine Rolle, einer einheitlichen Bewertung der Kandidaten anhand dieser Kriterien und einem Prozess, der nicht bei jedem Schritt auf Ad-hoc-Entscheidungen angewiesen ist.
Ohne gemeinsame Plattform beruht Recruiting oft auf individueller Einschätzung statt auf einem einheitlichen Prozess: Jede Führungskraft definiert Anforderungen womöglich anders, bewertet Kandidaten nach anderen Kriterien und handhabt Lebensläufe, Video-Screenings und Interviewvorbereitung so, wie es gerade passt.
Diese Uneinheitlichkeit erschwert den Vergleich von Screening-Entscheidungen zwischen Kandidaten und bremst den Prozess, da jeder Schritt – Lebenslauf sichten, Interviewfragen vorbereiten, Bewertung dokumentieren – manuell und ohne gemeinsamen Standard erfolgt.
|
PROBLEM Stellenkriterien, Kandidatenbewertung und Interviewvorbereitung unterscheiden sich je nach Führungskraft – ohne gemeinsamen Standard und mit überwiegend manueller Bearbeitung von Lebensläufen und Videos. |
AUSWIRKUNG Screening-Entscheidungen sind schwer vergleichbar und schwer zu begründen, und jeder Prozessschritt hängt von manueller Arbeit ab. |
Die Lösung bietet Recruiting-Teams eine gemeinsame Plattform, um die frühen Phasen der Personalauswahl an einem Ort abzuwickeln – statt über verstreute Dokumente, E-Mail-Verläufe und individuelle Einzelentscheidungen.
| VORHER | MIT DER PLATTFORM | |
|---|---|---|
| Rolle definieren | Anforderungen je nach Führungskraft unterschiedlich, oft nicht dokumentiert | Stellenkriterien einmal explizit definiert und für jeden Kandidaten wiederverwendet |
| Kandidaten bewerten | Ad-hoc-Eindrücke, schwer zwischen Bewerbern vergleichbar | Standardisierter Bewertungs-Workflow anhand derselben Kriterien |
| Interviewvorbereitung | Interviewer improvisieren Fragen | Fragen direkt aus den Stellenkriterien vorgeschlagen |
| Lebensläufe und Videos | Manuelle Sichtung, Verarbeitung blockiert den Recruiter | Uploads und Videoanalyse asynchron im Hintergrund |
Die Plattform wurde von einem kompakten Team aus vier Entwicklern und einem QA-Engineer umgesetzt – enge Abstimmung und kurze Feedbackschleifen waren daher entscheidend, um bei hohem Tempo eine hohe Qualität zu sichern.
Das Backend basiert auf NestJS, TypeScript, Prisma und PostgreSQL mit API-first-Ansatz, sodass Stellen-, Kandidaten- und Bewertungsdaten konsistent modelliert und Schnittstellen verlässlich integrierbar sind. Das Frontend nutzt Next.js und React, mit Redux Toolkit und React Query für State- und Datenmanagement. Die Authentifizierung erfolgt über tokenbasierte Verfahren (Passport, JWT, NextAuth.js). Datei- und Video-Uploads werden über Hintergrundjobs verarbeitet, statt die Sitzung des Nutzers zu blockieren – Recruiter müssen also nicht warten, bis ein Lebenslauf oder Video verarbeitet ist. Automatisierte Tests (Jest, Supertest, React Testing Library) decken Backend-APIs und Frontend-Abläufe ab und senken das Regressionsrisiko bei der Weiterentwicklung.
|
20 % Der Arbeitswoche gespart mit GenAI im Recruiting |
88 % Der KI-nutzenden Firmen melden Effizienzgewinne |
2× Höhere Aussagekraft strukturierter Interviews |
+12 % Höhere Chance auf qualifizierte Einstellung |
Die Plattform ist darauf ausgelegt, den manuellen Aufwand für Stellenkriterien, Kandidatenbewertung und Interviewvorbereitung zu senken und Screening-Entscheidungen strukturierter und vergleichbarer zu machen, da jede Bewertung anhand derselben expliziten Kriterien erfolgt.
Branchenstudien stützen diesen Ansatz. Recruiting-Teams, die generative KI nutzen, sparen im Schnitt rund 20 % ihrer Arbeitswoche – einen vollen Arbeitstag –, und 35 % investieren diese Zeit in das Kandidaten-Screening (LinkedIn, Future of Recruiting 2025). Fast 9 von 10 Organisationen, die KI im Recruiting einsetzen, berichten von Zeitersparnis oder höherer Effizienz (SHRM, 2024 Talent Trends). Strukturierte, kriterienbasierte Interviews sagen die Arbeitsleistung etwa doppelt so gut voraus wie unstrukturierte (Validität 0,42 vs. 0,19; Sackett et al., 2022), und Unternehmen mit den meisten skillbasierten Suchen stellen mit 12 % höherer Wahrscheinlichkeit qualifiziert ein (LinkedIn, 2025).
Die Werte sind veröffentlichte Branchen-Benchmarks, keine gemessenen Ergebnisse dieses Projekts. Quellen: LinkedIn, The Future of Recruiting 2025; SHRM, 2024 Talent Trends Survey – AI Findings; Sackett, Zhang, Berry & Lievens (2022), Journal of Applied Psychology 107(11).
|
BEREITSTELLUNGSOPTION Auch als sofort einsatzbereite Virtual Appliance erhältlich – ein vorkonfiguriertes Disk-Image, in dem alle Komponenten bereits installiert und eingerichtet sind – für einen schnellen, eigenständigen Rollout mit minimalem internem Aufwand. Ein klarer Vorteil für Kunden, denen eine einfache Bereitstellung wichtig ist. |
INVESTITION (RICHTWERT) In der Regel ein Bruchteil der Kosten und Zeit, die Aufbau und Betrieb eines vergleichbaren Systems in Eigenregie erfordern. |
NestJS, TypeScript, Prisma, PostgreSQL, Next.js, React, Redux Toolkit, React Query, Passport / JWT / NextAuth.js, Google Cloud Storage, Docker.